计及直流配电效益的混合储能系统容量配置模型

谢兼达，邱晓燕，任立，刘波

(智能电网四川省重点实验室(四川大学电气信息学院)， 成都市 610065)

计及直流配电效益的混合储能系统容量配置模型

谢兼达，邱晓燕，任立，刘波

(智能电网四川省重点实验室(四川大学电气信息学院)， 成都市 610065)

为了解决在直流配电网下平抑风电场出力波动的混合储能系统容量优化配置问题，提出了一种以钒电池-超级电容混合储能系统为研究对象的多目标容量配置模型。首先，以风电场实际输出功率和储能设备荷电状态为指标构建了风电场目标功率输出曲线；然后，分别建立了以计及直流配电效益的最小年均成本和最大风电场输出功率合格率为目标函数，以荷电状态、功率出力等为约束条件的多目标容量优化配置模型；最后，采用自适应遗传算法求解所建模型。结果表明，直流配电效益主要体现在降低传输损耗带来的收益，而节省的换流成本和增加的直流换流站成本影响有限。

直流配电网；混合储能系统；容量配置；自适应遗传算法

0 引 言

电网和电网技术发展到今天，已进入第三代即现代电网、广义的智能电网。未来40年中国电网发展总体上要完成第二代电网向第三代电网的过渡[1]。直流电网技术和大容量储能技术是第三代电网的重要基础技术，目前国内外对于这两种重要基础技术相结合的研究还处于刚刚起步阶段。

随着电力电子技术的进步，绿色清洁能源的发展和全球能源互联网的构建[2]，用户的用电方式发生了较大的改变。现有的交流配电网面临线路损耗大、供电走廊紧张，以及电网谐波、电压顺势跌落、电压波动和三相不平衡等一系列电能质量问题[3]。与之相对，采用以直流为主导的配电网具有供电容量大、线路损耗小、电能质量好、无需无功补偿以及便于分布式电源和储能装置接入等优点[4-7]。近几年研究人员对直流配电网的可靠性与经济性、电压等级序列及拓扑结构都进行了一定程度的研究，但是直流配电网作为未来配电网的重要模式，如何为直流配电网的分布式电源配置适当容量的储能设备仍是直流配电技术亟待解决的重要问题。

风力发电是分布式电源技术中发展和应用最成熟的发电方式，风电有助于缓解全球能源危机和建设美丽中国。然而，风能具有随机波动性和间歇性等特点，其波动成分相当复杂，除了被转子惯量吸收的波动和由电网自动发电控制补偿的波动外，还需要安装储能设备进行平抑[8]。相关研究发现，通过将小容量、高功率比、高循环寿命和大容量、高能量比的储能设备进行组合，并引入恰当的控制策略分别对功率波动中不同时间特性的功率波动进行补偿，能够得到比单一储能装置更好的技术经济性能[9]。为了对混合储能系统(hybrid energy storage system，HESS)的储能设备进行功率分配，相继提出了考虑储能设备荷电状态(state of charge, SoC)的神经网络策略[10]、模糊控制策略[11]及专家系统协调控制策略[9]等，以补偿分布式电源的输出功率波动。文献[12]考虑了钒电池储能系统给微电网带来的利润和环保成本，建立了多目标的负荷优化分配模型，讨论了储能系统在微电网中的运行情况。文献[13]基于雨流计数法和循环寿命曲线，建立了计及电池使用寿命的以储能装置年均成本最小为目标的容量配置模型。文献[14]考虑了含储能系统的微网间博弈，结合动态回溯模拟方法求解非合作环境下的各微网的最佳经济运行方式。上述文献虽然都对储能系统的控制或配置问题进行了研究，具有很强的参考价值，但均是基于交流配电网，而没有考虑直流配电网便于分布式电源和储能装置接入的天然优势。

本文将一阶低通滤波算法和滑动平均滤波方法引入HESS容量优化配置问题，在原有研究的基础上综合考虑平抑效果和SoC带来的影响。将储能系统在直流配电网下产生的直流配电效益与储能成本相结合，与风电场输出功率的合格率共同作为目标函数，采用自适应遗传算法寻优。最后，通过算例验证所提模型的有效性。

1 HESS模型及其控制策略

1.1 系统结构

基于蓄电池和超级电容的传统HESS模型中，超级电容被用于平抑短时高频的功率波动，从而使蓄电池能工作在平均功率水平，以达到延长蓄电池使用寿命的目的[15]。钒电池(vanadium redox flow battery, VRB)具有容量大、效率高、安全性好、运行维护成本低、选址自由度度大等特点[12]；超级电容(ultra capacitor, UC)具有功率比高、循环寿命长、可靠性强、工作温度范围宽等优点。因此，本文选择VRB和UC作为容量优化配置对象，讨论在直流配电网下平抑风电场出力波动的HESS容量配置模型，基于HESS的风储联合发电系统结构如图1所示。

图1 系统结构图Fig.1 System structure diagram

图中VRB和UC通过双向DC-DC换流器直接与直流母线相连，风电场则不需要DC/AC换流器和滤波装置。与交流配电网相比，在直流配电网正常运行时不用考虑无功功率因素[7]，也不存在静态电压稳定性问题[9]，能有效节省设备投入，具有较大经济效益。

1.2 风机输出功率参考值的确定

(1)

λt与滤波器的时间常数τt的关系为

(2)

式中Δt为采样间隔。

λt与HESS中储能设备荷电状态的关系为

(3)

其中

(4)

1.3 控制策略

HESS中常通过低通滤波器和储能功率分配来实现集中控制[16]。控制的实质是通过低通滤波器比较风机的输出功率参考值PWref和实际输出功率PW，并根据各储能设备当前的SoC，调整UC和VRB的输出功率(即PUC和PVRB)，使PWref与平抑后的输出功率PS(即PW+PUC+PVRB)之差尽量小。采用一阶低通滤波算法平抑风电场出力波动，得到的HESS在t时刻的输出功率为

(5)

式中τ为滤波器的时间常数。

由于VRB具有容量大、单位容量价格较低等优点，而UC具有动态响应较快、循环寿命长等优点，故采用滑动平均滤波方法分配HESS的功率，两者优先权相同[13]。VRB在t时刻的输出功率为

(6)

UC在t时刻的输出功率为

(7)

式中T为滑动平均滤波时间常数。

2 计及直流配电效益的HESS多目标容量优化配置模型

2.1 储能元件的充放电模型

此模型反映了储能元件在t时刻的剩余电量与该元件的自放电、充电和放电量的关系。

(8)

式中：Et和Et-Δt分别为储能元件在t与t-Δt时刻的剩余容量；μ是储能元件单位时间的自放电系数；PC、ηD和PD、ηC分别为储能元件的充放电功率与效率； ΔtC和ΔtD是充放电各自的计算时长。

2.2 容量配置目标函数

HESS的作用主要是对分布式电源的功率波动进行平滑，采用直流配电模式一方面换流站相对于变电站过高的造价会增加成本；另一方面也会节省大量换流装置并降低传输损耗，带来经济效益。

目标1：计及直流配电效益的最小化HESS年均成本。

(9)

其中

(10)

(11)

(12)

(13)

(14)

目标2：最大化风电场输出功率合格率。

(15)

其中

(16)

(17)

式中：γi是第i个时段风电场输出功率是否合格的判断指标，1表示合格，0表示不合格；NT是总时段数;r表示t时刻经平抑后的风电场输出功率的误差率；ε为r的阈值。

由于2个目标的数量级不统一，直接加权并不具有实际意义，故先对2个目标函数进行归一化后再加权，得到的总目标函数为

(18)

2.3 约束条件

(1)能量守恒约束

(19)

(2)储能的功率约束

(20)

(21)

(3)储能的荷电状态约束

(22)

(23)

(4)风电场的出力约束

(24)

(5)直流系统与交流系统交互功率约束

(25)

2.4 优化算法

(1)编码产生初始种群。对4个变量采用4维、每维30位二进制编码方式，种群规模为100，进化次数为300。

(2)检验群体中的所有个体是否满足约束条件。通过设定优化变量范围来满足不等式约束式(20)—(25)，对于等式约束式(19)转化为罚函数计入目标函数中。

(3)计算适应度函数值。根据风机实际输出功率与参考输出功率的差值，对VRB和UC进行功率分配，计算适应度值并保留当前群体中适应度最高的10个个体。

(4)采用文献[17]中提出的自适应交叉算子与交叉率调整公式，提供交叉操作的交叉概率。

(5)采用文献[17]中提出的自适应变异算子与变异率调整公式，提供变异操作的变异概率。

(6)迭代终止条件判断。以最大进化次数和最优个体适应度值保持连续不变的最大代数作为迭代终止条件。若满足终止迭代条件，则输出结果；不满足则返回步骤(3)继续寻优。

3 算例分析

以某30MW风电系统实际运行数据进行分析计算。首先选取典型日的风电场出力曲线，根据式(1)计算风电场的参考输出功率曲线，如图2所示。

图2 风电场实际和参考输出功率曲线Fig.2 Actual and reference output power curves of wind power

假设上网电价m为0.52元/(kW·h)[18]，直流系统与交流系统交互功率限值设为50MW，VRB和UC的初始荷电状态值均为0.6，采样时间Δt为3min，经平抑后的风电场输出功率的误差率的阈值ε取0.05。为使HESS的使用时间N达到20年，VRB更换次数nVRB取1，UC更换次数nUC取0。

为了充分考虑成本和风电场输出功率合格率，权重因子ω取0.5。直流换流站相对于交流变电站增加的单位功率建设成本α取700元/kW，中压直流配电网单位功率换流成本β取800元/kW，直流配电网相较传统的交流配电网降低的传输损耗率δ为5%[6]。在寻优计算中，VRB和UC的具体计算参数如表1所示[9,13,19]。

图3为计及直流配电效益的HESS的年均成本随滑动平均滤波时间常数T的变化情况。由图3可知，计及直流配电效益的HESS年均成本随滑动平均滤波时间常数T先大幅减少后小幅增加，大约在T=17 min时取最小值，为了方便计算取T=15 min，并将全天24小时均分为96个时段。

表1 VRB和UC的具体计算参数
Table 1 Specific calculation parameters of VRB and UC

图3 计及直流配电效益的HESS年均成本与滑动平均滤波时间常数的关系Fig.3 Relationship between average annual cost of HESS considering DC distribution benefit and moving average filtering time constant

图4是直流配电网HESS在96个时段中对风电的平抑效果。从图中可以看出由VRB和UC组成的HESS不仅适用于交流配电系统也适用于直流配电系统。HESS能够平抑大部分风电随机波动，使经平抑后的风电输出功率尽量接近参考输出功率，提高了系统的稳定性。

图4 直流配电网HESS对风电的平抑效果Fig.4 HESS smooth effect of wind power in DC power distribution network

4 结 语

本文研究了基于钒电池和超级电容的混合储能系统，在直流配电网下平抑风电场出力波动的容量优化配置问题，建立了以计及直流配电效益的年均最小成本和风电输出功率合格率为目标的多目标优化模型。综合考虑平抑效果和储能元件荷电状态，制定了风电场参考输出功率曲线，通过采用一阶低通滤波算法和滑动平均滤波方法对混合储能系统进行控制，利用自适应遗传算法寻优得到混合储能系统容量优化配置结果。通过对某风电场储能容量配置实例分析，证明该模型可以较好地平抑风电场出力波动，具有较大经济效益。

[1]周孝信，陈树勇，鲁宗相. 电网和电网技术发展的回顾与展望：试论三代电网[J]. 中国电机工程学报，2013，33(22)：1-11. ZHOU Xiaoxin，CHEN Shuyong，LU Zongxiang. Review and prospect for power system development and related technologies: a concept of three-generation power systems[J]. Proceedings of the CSEE，2013，33(22)：1-11.

[2]刘振亚．全球能源互联网[M]．北京：中国电力出版社，2015：271-284.

[3]郑欢，江道灼，杜翼. 交流配电网与直流配电网的经济性比较[J]. 电网技术，2013，37(12)：3368-3374. ZHENG Huan，JIANG Daozhuo，DU Yi. Economic comparison of AC and DC distribution system[J]. Power System Technology，2013，37(12)：3368-3374.

[4]江道灼，郑欢. 直流配电网研究现状与展望[J]. 电力系统自动化，2012，36(8)：98-104. JIANG Daozhuo，ZHENG Huan. Research status and developing prospect of DC distribution network[J]. Automation of Electric Power System，2012，36(8)：98-104.

[5]宋强，赵彪，刘文华，等. 智能直流配电网综述[J]. 中国电机工程学报，2013，33(25)：9-19. SONG Qiang，ZHAO Biao，LIU Wenhua，et al. An overview of research on smart DC distribution power network[J]. Proceedings of the CSEE，2013，33(25)：9-19.

[6]崔福博，郭剑波，荆平，等. 直流配电技术综述[J]. 电网技术，2014，38(3)：556-564. CUI Fubo，GUO Jianbo，JING Ping，et al. A review of DC power distribution technology[J]. Power System Technology，2014，38(3)：556-564.

[7]杜翼，朱克平，尹瑞，等. 基于分布式电源的直流配电网建模与仿真[J]. 电力建设，2014，35(7)：13-19. DU Yi，ZHU Keping，YIN Rui，et al. Modeling and simulation of DC power distribution network based on distributed generation[J]. Electric Power Construction，2014，35(7)：13-19.

[8]程彬. 含分布式电源的配电网多目标优化问题研究[D]. 重庆：重庆大学，2013. CHENG Shan. Study on multi-objective optimization of distribution network with distributed generation[D]. Chongqing：Chongqing University，2013.

[9]江润州，邱晓燕，陈光堂. 风电场混合储能系统优化配置方法[J]. 电力系统及其自动化学报，2015，27(1)：37-47. JIANG Runzhou，QIU Xiaoyan，CHEN Guangtang. Optimal configuration method of hybrid energy storage system for wind farm[J]. Proceedings of the CSU-EPSA，2015，27(1)：37-47.

[10]ABBEY C，STRUNZ K，JOOS G. A knowledge-based approach for control of two-level energy storage for wind energy systems[J]. IEEE Transactions on Energy Conversion，2009，24(2)：539-547.

[11]丁明，林根德，陈自年，等. 一种适用于混合储能系统的控制策略[J]. 中国电机工程学报，2012, 32(7)： 1-6. DING Ming，LIN Gende，CHEN Zinian，et al. A control strategy for hybrid energy storage systems[J]. Proceedings of the CSEE，2012，32(7)：1-6.

[12]陈光堂，邱晓燕，林伟. 含钒电池储能的微电网负荷优化分配[J]. 电网技术，2012，36(5)：85-91. CHEN Guangtang，QIU Xiaoyan，LIN Wei. Optimal load distribution of microgrid with energy storage system composed of Vanadium redox flow battery[J]. Power System Technology，2012，36(5)：85-91.

[13]韩晓娟，程成，籍天明，等. 计及电池使用寿命的混合储能系统容量优化模型[J]. 中国电机工程学报， 2013，33(34)：91-97. HAN Xiaojuan，CHEN Cheng，JI Tianming，et al. Capacity optimal modeling of hybrid energy storage systems considering battery life[J]. Proceedings of the CSEE，2013，33(34)：91-97.

[14]江润洲，邱晓燕，李丹，等. 含储能系统的多微网智能配电系统经济运行[J]. 电网技术，2013，37(12)：3596-3602. JIANG Runzhou，QIU Xiaoyan，LI Dan，et al. Economic operation of smart distribution network containing multi microgrids and energy storage system[J]. Power System Technology，2013，37(12)：3596-3602.

[15]WANG Y，XIANG C，HU S．Design and control strategy for a new hybrid energy storage system[C]// 2014 IEEE Applied Power Electronics Conference and Exposition- APEC 2014. Fort Worth：IEEE Industry Applications Society IEEE Power Electronics Society，2014：3401-3405.

[16]XIAO J，WANG P，SETYAWAN L．Hierarchical control of hybrid energy storage system in DC microgrids[J]. IEEE Transactions on Industrial Electronics，2015， 62(8)：4915-4924.

[17]邱晓燕，夏莉丽，李兴源. 智能电网建设中分布式电源的规划[J]. 电网技术，2010，34(4)：7-10. QIU Xiaoyan，XIA Lili，LI Xingyuan．Planning of distributed generation in construction of smart grid[J]．Power System Technology，2010，34(4)：7-10．

[18]中华人民共和国国家发展和改革委员会. 国家发展改革委关于适当调整陆上风电上网电价的通知：发改价格[2014]3008号[EB/OL].(2014-12-31)[2015-12-18]. http://www.sdpc.gov.cn/gzdt/201501/t20150109_659879.html

[19]廖强强，陆宇东，王栋，等. 发电侧备用电池储能系统的技术经济分析[J]. 电力建设，2014，35(1)：118-121. LIAO Qiangqiang，LU Yudong，WANG Dong，et al．Technical and economic analysis on energy storage system of standby battery for thermal power plants[J]. Electric Power Construction，2014，35(1)：118-121．

(编辑 张小飞)

Capacity Configuration Model of Hybrid Energy Storage System Considering DC Distribution Benefit

XIE Jianda, QIU Xiaoyan, REN Li, LIU Bo

(Intelligent Electric Power Grid Key Laboratory of Sichuan Province,School of Electrical Engineering and Information, Sichuan University， Chengdu 610065, China)

To solve the capacity optimal configuration problem of hybrid energy storage system for smoothing wind power fluctuating in the DC power distribution network, this paper proposes the multi-objective capacity configuration model with taking hybrid energy storage system which composed by Vanadium redox flow battery and ultra capacitor as research objects. Firstly, we take the real output of wind power and the charge state of energy storage as indicators to establish the desired output curve of wind power. Then, we construct the multi-objective capacity optimal configuration model which takes the minimum annual cost considering DC distribution benefit and the maximum percent of pass of wind power output power as objective functions, the charge state and power output as constraints. Finally, we adopt adaptive genetic algorithm to solve the proposed model. The results show that DC distribution benefit is mainly reflected in the income of reducing transmission loss, and has a limited impact on saving converter cost and increasing DC converter station cost.

DC distribution network; hybrid energy storage system; capacity configuration; adaptive genetic algorithm

四川省科技支撑项目(2014JY0191)；四川省电力公司科技项目

TM 614;TM 74

A

1000-7229(2016)05-0028-06

10.3969/j.issn.1000-7229.2016.05.016

2015-12-18

谢兼达(1992)，男，硕士研究生，主要研究方向为储能技术、直流配电网;

邱晓燕(1964)，女，教授，博士，主要研究方向为电力系统分析与控制、智能电网、分布式发电及储能控制技术等;

任立(1992)，男，硕士研究生，主要研究方向为电力系统稳定与控制;

刘波(1991)，男，硕士研究生，主要研究方向为主动配电网及其关键技术。