基于多目标优化的多电源配电网储能功率配置方法

蔡 军

(武汉供电设计院有限公司,湖北 武汉 430030)

1 引 言

近年来,煤炭开采量不断加大,多次出现能源告急问题,以燃煤作为主要发电方式,对环境也产生了严重的破坏。因此,国家试图将风能、水能等可再生能源直接或间接地接入到配电网中。虽然可再生能源发电对环境的污染较小,但是极易受周围环境的影响,使得输出电压不够稳定,损耗大。曾有研究指出可利用储能系统快速调节功率和灵活能量管理的优势,将其接入到配电网中,用来平衡可再生能源发电的不稳定性、保证电压平稳、提高供电可靠性。

储能功率优化配置是储能系统稳定运行的重要条件之一。对此,文献[1]构建了基于分类概率机会约束信息间隙决策理论(IGDT)的配电网储能优化配置模型。在分析了风电、光伏等可再生能源的负荷分布概率差异性后,利用不确定理论对机会约束进行转换,使其成为等价确定性约束;最终利用非劣排序复合微分进化算法完成模型的求解。文献[2]在双层规划理论的基础上,建立了储能优化配置模型。通过最优相似度求出惯性权值,并采用交叉变异运算使算法不会陷入局部最优;在此基础上,采用多个方向pareto解集合的动态更新策略,保证所得到的pareto解集为理想状态;利用信息熵进行加权计算,最终选出最佳储能优化配置方案。

由于上述两种方法考虑的是单一电源配电网,当面对多电源配电网时,难以取得理想的储能功率配置结果。因此,本文从多目标优化角度出发,针对多电源配电网提出一种储能功率配置方法。构建由经济、环保和技术在内的多目标函数,利用多目标粒子群优化算法优化储能功率容量,并将当前适应度值与上一轮的值进行对比,找出最优pareto解,实现储能功率的最优配置。在设计的IEEE-30节点配电网中展开实验测试,结果表明,本文方法具有最高的经济效益、最低的电压偏差和网损,有效降低配电网支路中电流负荷的波动,使配电网处于稳定供电状态下。

2 多电源配电网储能系统功率配置问题分析

储能功率配置从本质上来说是规划问题的一种。据了解,储能功率的配置将会直接影响配电网是否保持稳定运行。要实现配电网的稳定运行,需要将无功优化、发电机控制等多种方式进行结合,使配电网具有理想的潮流优化。而储能功率配置需要将上述方式综合考虑在内,同时受这些方式的约束指导,使得储能功率配置具有理想的可行性和可靠性。不仅如此,储能系统安装布局还受配电网架构的影响,在配电网运行过程中,受有功潮流和无功潮流[3]的影响,使得储能系统安装布局随着配电网架构的变化而变化。

本文在对多电源配电网进行储能功率配置时,充分考虑到配置经济性和后续电压的稳定性。为此,从多目标优化角度出发,建立一套同时兼顾经济和技术性能的优化配置方案。

3 多目标优化算法下多电源配电网储能功率配置研究

3.1 配电网多目标优化配置数学模型

3.1.1 投资运行经济效益

由于储能系统具有高昂的安装费用,本文的经济性将储能系统安装费用、配电网内其他设备发电费用以及配电网从上层电网购电费用[4]综合考虑在内,得到经济目标即配电网日均总费用:

(1)

式中:fope为配电网运行总费用;finV(ESS)为安装储能系统所需要的费用;Ny为储能系统正常情况下的使用寿命,h;Pr为从上层电网购电所需的总费用;Pup为从上层电网购买的总电量,kW·h;C(PG)为配电网中其他设备的发电费用;t为配电网当前运行时间,h;f1为配电网日均总费用。

3.1.2 电压偏差指标

由于可再生资源自身原因,在利用其进行发电时,常常会对多电源配电网中电压、电流的质量以及潮流造成影响。计算电压偏差指标f2如式(2)所示:

(2)

3.1.3 污染气体排放指标

在运用可再生能源发电时,产生的CO2、CO、SO2、以及NOx等一系列污染气体,建立排放指标数学模型f3:

(3)

式中:Nop为配电网电源类型[6];Ng为产生的污染气体种类;Sop(ij)为在配电网第i个节点上第j类电源的功率大小,kW;wk为第k类污染气体的权重值;ERjk为第j类电源产生的第k类污染气体排放总量,m3;αj为碳排放系数比。

3.1.4 多目标优化配置数学模型

将f1、f2以及f3整合起来,构建多目标优化数学模型:

(4)

式中:g(X)、h(X)分别为不等式和等式[7]的约束条件;X为储能配置中所有控制变量的集合。

(1)h(X)主要为潮流约束。

(5)

式中:Pop_i、Qop_i、PL_i、QL_i分别为第i个节点的有功出力、无功出力、有功负荷以及无功负荷,kW;Gij为i与j之间的导纳参数[8];Bij为i与j之间的电压幅值,V;δij为i与j之间的电压相角,Ω;Vi、Vj分别为流经配电网支路的电流幅值[9]和基准电流值,A。

(2)g(X)主要包含储能系统容量、电压限制以及支路电流限制在内。

(6)

3.2 多电源配电网储能功率容量优化

当多电源配电网中接入储能配置后,要对储能配置的容量进行明确和适当优化。本文将配电网网损灵敏度和所有支路电流波动的总和做相加计算,构建目标函数,用来降低配电网的功率损耗。由于构建的目标函数不唯一,通过加权平均法[10]多对其进行处理,计算公式为

(7)

式中:P1∞为配电网在12 h内产生的网损,kW;V为配电网所有支路12 h内产生的波动总和,kW;N配电网中共包含的支路数量;T为充放电时间段,h;λ1、λ2均为多目标函数权值[11],二者满足条件λ1+λ2=1。

对于多电源配电网储能功率容量和接入条件的优化,需要从配电网运行的约束情况和储能系统的有功、无功功率的约束情况展开分析。

本文利用多目标粒子群优化算法,实现对储能配置容量的优化,详细过程如图1所示。

图1 多目标粒子群优化下配电网储能功率容量整合

利用多目标粒子群优化算法对多电源配电网储能功率容量优化的实现过程主要分为以下三个步骤:

步骤一:利用式(8)计算配电网中的支路网损灵敏度标准差,并对计算结果排列,在标准差值最大的支路安装储能,确定储能功率的最佳安装位置。

(8)

式中:LSFP为t时刻下,配电网产生的网损,kW;n为网损灵敏度系数。

步骤二:初始化粒子群规模,通过对电力系统各分支的功率进行分析,得到配电网的总损耗及潮流分布情况,从而实现对粒子群适应度的计算;

步骤三:当达到最大迭代次数时,算法停止并输出Pareto解集,完成配电网储能功率容量的优化。

3.3 多电源配电网储能功率配置实现

本文利用多目标粒子群优化算法实现储能功率的配置。将每一个最优向量都视为一个粒子,粒子适应度的大小取决于多目标函数的数目,确保可以在整个粒子群快速找出最优粒子[12]。

多电源配电网储能功率配置的最终目的就是在使用可再生能源进行发电时,使配电网具有一定的平稳性,减少波动。配电网越平稳,就会相应增加发电功率;否则,配电网供电波动性越大,发电功率就越小。在多电源配电网中接入储能系统初期,并不能得到整个运行过程的所有费用,例如运维费用、折旧费用、更新费用等。不仅如此,储能安装费用越高,储能功率配置计算过程就越复杂,对功率容量配置的效率也会造成一定的影响。因此,本文在计算过程中对每一项单独的费用进行加权计算,将设备损坏需要维修的概率设置为3%,得到如式(9)所示的优化目标函数:

f=1.02nbPn+1.02nePe+ntmbPb+nemePe

(9)

式中:nb为配电网中安装储能配置的总数;Pn为单独一个储能系统所需要的费用;ne为优化目标函数的加权系数[13-14];Pe为储能配置总容量大小,kW·h;nt、ne、mb、me分别为储能配置的发电功率、放电功率、有功功率以及无功功率,kW;Pb表示配电网中所有支路的总功率,kW。

在利用多目标粒子群优化算法进行储能功率优化配置时,需要将当前所得的粒子群适应度与上一次计算得到的适应度做比较,从而选出最优pareto解,实现多电源配电网储能功率的最优配置。

4 实验测试

为了验证本文方法在实际应用中是否同样合理有效,以IEEE-30节点配电网(见图2)为例,与引言中提到的IGDT[1]和双层规划理论[2]展开了相关实验测试。

图2 IEEE-30节点配电网

首先,从投资运行效益和电压稳定性两方面对三种算法展开实验测试,并与未安装储能配置前进行对比,实验结果如表1和图3所示。

表1 三种算法与未安装储能配置对比结果

图3 三种算法与未安装储能下的电压水平

从表1和图3中可以看出,安装储能配置后,明显比未安装前各项指标都有所提升,尤其是投资运行效益,未安装前的投资运行效益为0。对比安装储能配置后的三种算法,本文方法的投资运行效益均高于IGDT算法和双层规划理论,电压偏差指标和网损均小于其他两种算法,且电压水平相对稳定。由此可以看出,本文方法综合考虑到了多电源配电网的运行可靠性与投资运行效益。

接下来对运用三种算法后产生的功率损耗情况进行对比,结果如图4所示。

图4 三种算法功率损耗对比结果

从图4中可以看出,IGDT算法的功率损耗最高值达到了1.65 kW,双层规划理论功率损耗最高值为1.58 kW,本文方法产生的功率损耗值最低,仅为1.24 kW。由此可以说明,利用本文方法实现储能功率配置,可使电流波动保持在较低的水平,提高支路中电流的质量,使整个功率配置过程更加稳定、有效。这是由于本文方法利用网损灵敏度标准差对储能配置的容量和接入方式进行优化,使多电源配电网中的电流负荷更加平稳。

最后,将f1、f2以及f3多因素综合考虑在内,设置配电网的负荷水平为β=1.0,验证本文方法在IEEE-30节点配电网中取得的最优pareto解分布是否均匀,实验结果如图5所示。

图5 IEEE-30节点配电网储能功率配置pareto解曲线

通过观察图5可知,在IEEE-30节点配电网中,应用本文方法取得的最优pareto解分布合理且均匀,由此可以说明本文方法具有非常优秀的全局搜索能力。不仅如此,在同时考虑经济、环保以及技术三项指标时,本文方法取得的pareto解曲线非常平稳,没有出现较大的偏差。

5 结 论

为了更加高效、安全地实现储能功率配置,本文综合考虑了环保、经济、技术等多种因素,在多目标粒子群优化算法的基础上,提出了一种储能功率配置策略。在对储能配置容量和接入方式的优化分析后,利用多目标粒子群优化算法完成储能功率的最优配置。通过展开相关实验测试,结果表明,本文方法可在保证高效益、低电压误差和低网损的情况下,实现储能功率的最优配置,且整个过程都是以配电网电压、电流稳定展开的,不会影响配电网的正常供电。