光储联合单元在区域配电网的优化配置研究

王哲，刘聪，迟福建，李桂鑫，夏冬，杨德昌

（1.国网天津市电力公司经济技术研究院，天津 300171；2.国网天津市电力公司，天津 300010；3.中国农业大学，北京 100083）

光储联合单元在区域配电网的优化配置研究

王哲1，刘聪2，迟福建2，李桂鑫2，夏冬1，杨德昌3

（1.国网天津市电力公司经济技术研究院，天津 300171；2.国网天津市电力公司，天津 300010；3.中国农业大学，北京 100083）

以光储联合运行单元为研究对象，采用小波包-模糊调节的方法使得储能平抑光伏输出波动的同时保证储能荷电状态维持在合理水平。针对一定渗透率的光伏，建立了区域配电网各母线电压偏差之和最小、总有功网损最小、储能寿命损耗最小和储能容量利用率最大的多目标优化模型。以储能容量及最大充放电功率为优化变量，在求解中通过归一化将多目标优化转化为单目标优化模型，采用一种量子编码的遗传算法进行求解。基于IEEE-33节点算例的计算分析，验证了该优化配置方法的有效性与正确性。

光储系统；区域配电网；小波包-模糊调节策略；量子编码；遗传算法

光伏以分布式方式接入配电网，是提高配电网供电灵活性的有效方式。但受日照强度、温度等环境因素影响，光伏输出具有间歇性，当其渗透率达到一定比例时将给电力系统的稳定性和可靠性带来挑战[1]。因此，需对光伏输出进行平抑以减小其对电力系统的负面影响。

光伏作为分布式电源（distributed generation，DG）接入配电网中对配电网的影响目前已有众多文献进行了研究。文献[2]以电压作为指标，研究了DG接入配电网后其容量及接入位置对配电网各母线电压的影响。文献[3]以电压和网损为指标建立了优化模型，采用遗传算法对DG进行了优化配置。而在减小间歇性DG对系统影响提高其渗透率的方法中，储能技术因其具备对功率和能量在时间上快速迁移能力，因而是目前研究的热点。文献[4]以储能平抑DG后输出功率波动率为指标，采用时间常数法确定最佳低通滤波时间。文献[5]基于风电短期预测技术的运行控制策略来平抑其输出波动。文献[6]通过小波包分解法对光伏输出进行频谱分析后，由储能吸收调高频分量，而将低频稳定分量送入电网。文献[7]提出一种加权移动平均滤波算法对风电进行平抑，该方法运用模糊控制对储能的SOC进行实时修正作为算法的反馈来调整滤波带宽。

本文运用小波包-模糊平抑策略将电池储能配置在光伏侧以平抑其输出，建立以电压各母线电压偏差之和、总有功网损、储能寿命损耗、储能容量利用率考核指标为基础的优化模型，以综合考核光伏输出间歇性对系统及储能的影响。以储能容量和最大充放电功率为优化变量，采用一种量子编码的遗传算法对其进行求解。通过IEEE-33节点算例对该优化配置方法进行了验证。

1 小波包-模糊调节策略

电池储能通过小波包分解算法对光伏输出进行平抑[8]，小波包分解由小波变换演变而来，其非常适用于对非平稳突变信号的处理[9]，而对于渐变信号，小波包更具有广泛的应用价值。小波包将光伏功率不断分解，形成结构上的二叉树，在将原信号映射到2n个小波包子空间中，其中n即为分解层数，分解算法和重构算法如下：

由于电池储能成本的限制，因此应合理利用其容量以及最大充放电功率[11]，为使电池储能在执行每次充放电后其SOCp维持在合理状态，以提高其连续充放电能力，需根据电池储能SOCp对充放电功率进行修正控制[12]。本文利用模糊理论对充放电功率进行调整[13]，调整的原则为：当其SOC处在适中状态时，则不进行调整；当SOCp偏小且准备放电、SOCp偏大且准备充电时，基于模糊理论对其SOCp进行控制。以当前SOCp和下一个充电或放电段内所需SOCp变化量ΔSOCp的计算值作为模糊输入，功率指令修正系数Kp作为输出，输入、输出变量隶属函数及模糊规则分别如图1、表1所示。其中VS、S、MS、M、MB、B、VB、NB、NM、NS、PS、PM、PB分别代表非常小、小、中小、中、中大、大、非常大、负大、负中、负小、正小、正中、正大。

图1 模糊控制输入、输出隶属函数Fig.1 Input and Output membership functions of the fuzzy control

表1 模糊控制规则Tab.1 Fuzzy control rule

2 区域配电网多目标优化模型及求解算法

当区域配电网中光伏的渗透率达到一定程度时，将对配电网的潮流分布、稳定性、电能质量产生较明显的影响[14]。本文以总有功网损、母线电压偏差之和作为衡量对配电网影响的考核指标[15]，同时在平抑光伏输出波动时考虑到电池储能的成本问题，以电池储能每次充放电等效寿命损耗和一定时域内储能容量平均弃用率为指标，对配置的储能充放电充放电功率以及配置的容量进行限制[16]。基于4个指标建立多目标优化优化函数：

式中：Ploss（t）、PL（t）分别为t时刻系统总有功网损、系统总有功负荷；ΔUi（t）、Ui（t）分别为母线i在t时刻的电压偏差绝对值和电压值；f3、f4分别为电池储能每次充放电等效寿命损耗和一定时域内储能容量平均弃用率指标，计算方法如下：

式中：Nt、R为t时间段内电池储能以深度R满充满放标准下的最大循环次数，电池循环次数与R关联曲线以及最大循环次数计算方法参照文献[10-11]；N0为标准满充满放下最大循环次数；ΔSOCp、SOCp-max分别为某一时刻储能充放电所需的SOC变化量和储能最大SOC，因光伏夜晚无光照其无输出，则此段时间里储能处于闲置状态，为了将这段时间剔除，式中t1、t2、…、tn分别储能非闲置的各时刻。由式（3）、式（4）可知，4个指标均进行了归一化处理。

在智能求解算法中，遗传算法是目前运用最广泛的一种算法[17]，但其采用二进制或格雷码进行编码，往往会造成早熟、陷入局部最优的问题。本文采用1种基于Bloch球面坐标编码的遗传算法，其编码方式是将每一组解归一化处理后映射到Bloch球面，以储能最大充放电功率作为变量映射到球面，如图2所示。

通过一种量子旋转门与量子非门完成传统遗传算法里的选择、交叉和变异的过程，最后记录最优个体的适应度及其在球面上坐标参量θij、φij。

3 算例计算分析

如图3所示为本文所采用的IEEE-33节点算例。算例中分别在Bus24和Bus28处接入分布式光伏 6 kW和5 kW，算例中总负荷大小为37 kW，分布式光伏渗透率约为30%。同时在Bus24和Bus28处配置电池储能BA1和BA2。则优化变量包括BA1和BA2的最大充放电功率Pmax1、Pmax2和最大容量Qmax1、Qmax2，本文近似认为储能最大充电功率和最大放电功率相等。Bus24与Bus28处接入光伏功率曲线如图4所示。运行优化程序，寻优结果如表2所示。将变量Pmax1、Qmax1、Pmax2、Qmax2分成若干子区间，当Pmax1、Pmax2落在子区间[0.6 1.2]、[0.8 1.6]kW，Qmax1、Qmax2同落在子区间[1.0 1.5]kW·h时，目标函数有最小解0.86，Pmax1、Pmax2分别取值为1.2 kW和1.5 kW，Qmax1、Qmax2分别取1 kW·h和1.5 kW·h。而随着储能功率和容量进一步增加，虽子目标f1、f2有所改善，但子目标f3、f4最优值较大导致总目标函数不能取到全局最优解，这是因为储能充放电功率和容量增大到一定程度后，储能会以更大的充放电深度充电以及闲置容量使其利用率降低。

图2 量子编码的Bloch球面表示Fig.2 the Bloch sphere description of quantum coding

图3 IEEE-33节点算例拓扑结构Fig.3 IEEE-33 schematic diagram of connection

在最优储能容量与功率配置下小波包-模糊策略如图4、图5所示。由计算结果可知，小波包-模糊策略一方面平抑了分布式光伏的输出波动，将低频稳定分量送入电网，改善了电压质量及网损；另一方面使储能合理的充放电。如图6所示，SOC1和SOC2均处在适中的位置，表明其充电和放电的能力平衡，图中Pb1和Pb2分别为修正后的储能1和储能2的充放电曲线。

表2 储能配置寻优结果Tab.2 ESS optimization results

图4 Bus24与Bus28处光伏功率曲线Fig.4 PV power of Bus24 and Bus28

图5 小波包分解Fig.5 Wavelet packet

4 结语

本文研究了配电网中包含分布式光伏和电池储能在内的多目标优化方法，建立了以各母线电压偏差之和最小、总有功网损最小、储能寿命损耗最小和储能容量利用率最大的多目标优化模型。采用小波包-模糊策略对储能充放电功率进行控制，在求解方法上将多目标归一化后转换成单目标优化模型，采用一种量子编码的遗传方法进行求解。基于IEEE-33节点算例对本文所叙述的方法的正确性与有效性进行了验证。

图6 模糊调节Fig.6 Fuzzy adjustment results

[1]李瑞生，翟登辉.光伏DG接入配电网及微电网的过电压自动调节方法研究[J].电力系统保护与控制，2015，43（22）：62-68.LI Ruisheng，ZHAI Denghui.Research on over-voltage automatic adjustment method of distributed photovoltaic source accessing to distribution network or microgrid[J].Power System Protection and Control，2015，43（22）：62-68（in Chinese）.

[2]王志群，朱守真，周双喜，等.分布式发电对配电网电压分布的影响[J].电力系统自动化，2004，28（16）：56-60.WANG Zhiqun，ZHU Shouzhen，ZHOU Shuangxi，et al.Impacts of distributed generation on distribution system voltage profile[J].Automation of Electrical Power System，2004，28（16）：56-60（in Chinese）.

[3]唐巍，薄博，丛鹏伟，等.含分布式发电接入的农村电网多目标规划[J].农业工程学报，2013，29（1）：132-137.TANG Wei，BO Bo，CONG Pengwei，et al.Multi-objective planning of rural power network incorporating distributed generation[J].Transaction of the Chinese Society of Agricultural Engineering，2013，29（1）：132-137（in Chinese）.

[4]王成山，于波，肖俊，等.平滑可再生能源发电系统输出波动的储能系统容量优化方法[J].中国电机工程学报，2012，32（16）：1-8.WANG Chengshan，YU Bo，XIAO Jun，et al.Sizing of energy storage systems for output smoothing of renewable energy systems[J].Proceedings of the CSEE，2012，32（16）：1-8（in Chinese）.

[5]李蓓，郭建波.平抑风电功率的电池储能系统控制策略[J].电网技术，2012，36（8）：39-43.LI Bei，GUO Jianbo.Control strategy for battery energy storage system to level wind power output[J].Power System Technology，2012，36（8）：39-43（in Chinese）.

[6]吴振威，蒋小平，马会萌，等.用于混合储能平抑光伏波动的小波包-模糊控制[J].中国电机工程学报，2014，34（1）：317-324.WU Zhenwei，JIANG Xiaoping，MA Huimeng， et al.Wavelet packet-fuzzy control of hybrid energy storage system for PV power smoothing[J].Proceeding of the CSEE，2014，34（1）：317-324（in Chinese）.

[7]丁明，林根德，陈自年，等，赵波.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 system[J].Proceedings of the CSEE，2012，32（7）：1-6（in Chinese）.

[8]卢芸，徐骏.基于小波包分解的风电混合储能容量配置方法[J].电力系统保护与控制，2016，44（11）：149-154.LU Yun，XU Jun.Wind power hybrid energy storage capacity configuration based on wavelet packet decomposition[J].Power System Protection and Control，2016，44（11）：149-154（in Chinese）.

[9]吕帅，张靠社.基于小波变换去噪预处理的EMD谐波检测方法[J].电网与清洁能源，2016，32（6）：58-61.LÜ Shuai， ZHANG Kaoshe.EMD harmonic detection method of denoising preprocessing based on wavelet transform[J].Power System and Clean Energy，2016，32（6）：58-61（in Chinese）.

[10]王洪坤，聂晶.高压绝缘子污秽放电声信号的时频特性分析[J].电瓷避雷器，2016（2）：12-17.WANG Hongkun，NIE Jing.Time frequency characteristics analysis of high voltage insulator contamination discharge acoustic signal[J].Insulators and Surge Arresters，2016（2）：12-17（in Chinese）.

[11]巨国娇，胡洁，王辉.磷酸铁锂电池储能系统平抑风电功率波动研究[J].电力与能源，2016（5）：582-586.JU Guojiao，HU Jie，WANG Hui.Application of LFP battery storage system in smoothing wind power fluctuation[J].Power and Energy，2016（5）：582-586（in Chinese）.

[12]王博堃，滕欢，胡晓通，等.基于平滑控制策略的混合储能优化配置方法[J].高压电器，2015（10）：47-53.WANG Bokun，TENG Huan，HU Xiaotong，et al.Optimal allocation method of hybrid energy storage based on smoothing control strategy[J].High Voltage Apparatus，2015（10）：47-53（in Chinese）.

[13]翟俊义，任建文，周明，等.基于模糊多目标粒子群算法的热电联供型微网环境经济调度[J].华北电力大学学报自然科学版，2015，42（5）：13-18.ZHAI Junyi，REN Jianwen，ZHOU Ming，et al.Economic and environmental dispatch for combined heat and power microgrid based on fuzzy multi-objective particle swarm optimization algorithm[J].Journal of North China Electric Power University，2015，42（5）：13-18（in Chinese）.

[14]李清然，张建成.分布式光伏对配电网电能质量的影响及调压方案[J].电力科学与工程，2015（10）：1-6.LI Qingran，ZHANG Jiancheng.Review of distributed PV’s impact on network power quality and voltage regulation scheme[J].Electric Power Science and Engineering，2015（10）：1-6（in Chinese）.

[15]吴骏，李珉，惠峻.基于关联度分析的电网可靠性指标评价[J].江苏电机工程，2015，34（6）：82-84.WU Jun，LI Min，HUI Jun.Network reliabmty evaluation based on association analysis[J].Jiangsu Electrical Engineering，2015，34（6）：82-84（in Chinese）.

[16]林建新，温步瀛，陈冲.基于分段平滑风电输出功率波动的储能系统容量配置方法[J].电力电容器与无功补偿，2016，37（2）：110-114.LIN Jianxin，WEN Buying，CHEN Chong.An energy storage system capacity configuration method based on hecewise smoothing wind power output fluctuations[J].Power Capacitor&Reactive Power Compensation，2016，37（2）：110-114（in Chinese）.

[17]李颖杰.配电网供电可靠率提升算法的研究与应用[J].电力信息与通信技术，2016（9）：105-109.LI Yingjie.Research and application of distribution network reliability rate improving algorithm[J].Electric Power Information and Communication Technology，2016（9）：105-109（in Chinese）.

（编辑 董小兵）

Research on PV-ESS Capacity Optimization in Distribution System

WANG Zhe1，LIU Cong2，CHI Fujian2，LI Guixin2，XIA Dong1，YANG Dechang3
（1.Electric Power Economic Research Institute of State Grid Tianjin Electric Power Company，Tianjin，300171；2.State Grid Electric Power Company，Tianjin 300010，China；3.College of Information and Electric Engineering，China Agriculture University，Beijing 100083，China）

In this paper，wavelet packet-fuzzy strategy is used to stabilize PV output fluctuations and adjust ESS charging and discharging power to ensure its soc to be at a reasonable level.Under the certain penetration of PV，this paper establishes an optimization model which contains minimum system loss，minimum system voltage deviation，minimum battery equivalent life loss and maximum battery capacity utilization.To speed up the calculation for achieving the global optimal solution，a scheme of quantum coding GA is introduced.In the end，the IEEE-33 bus numerical results are used to verify correctness and effectiveness of the proposed method.

PV-ESS system；distribution system；wavelet packet-fuzzy strategy；quantum coding；genetic algorithm

2016-08-17。

王 哲（1984—），男，硕士，高级工程师，研究方向为电力系统及其自动化；

刘 聪（1976—），男，硕士，高级工程师，研究方向为电力系统及其自动化；

李桂鑫（1981—），男，硕士，高级工程师，研究方向为电力系统及其自动化；

夏 冬（1987—），男，硕士，高级工程师，研究方向为电力系统及其自动化。

1674-3814（2017）05-0104-05

TM762

A

国家自然科学基金（51407186）。

Project Supported by the National Natural Science Foundation of China（51407186）.