配电网电能储存技术与调度策略研究

杨 旭，闵永峰

（国网澄城县供电公司，陕西 渭南 715200）

0 引 言

随着全球能源需求的不断增长和环境保护意识的提高，可再生能源的应用越来越广泛。然而，可再生能源的间歇性和不稳定性，导致传统配电网面临众多挑战，如电压波动、频率偏差等。为应对这些挑战，电能储存技术成为人们广泛关注和研究的焦点。

1 配电网电能储存技术综述

1.1 电能储存技术分类及原理

在配电网中，电能储存技术可分为化学储能、机械储能以及电磁储能3 类，如图1 所示。化学储能包括电池、超级电容器等，主要是将电能转化为化学能进行储存；机械储能主要包括压缩空气储能、机械惰性储能等，利用机械设备将电能转化为动能进行储存；电磁储能包括超导磁能储存、电感储能等，主要是利用电磁场储存电能。电能储存技术的原理是将电能转化为其他形式的能量进行储存，再将这些储存的能量在需要时重新转化为电能供电系统使用[1]。

图1 电能储存技术分类

1.2 储能设备在配电网中的应用

在配电网中，储能设备的应用旨在提高配电网的灵活性、可靠性和效率，解决电力系统中的众多挑战，具体如图2 所示。

图2 储能设备在配电网中的应用领域

首先，储能设备可以用于平衡电力系统负荷与供电之间的不匹配问题。储能设备利用储能技术可以在低负荷时段储存多余的电能，在高负荷时段释放这些储能，从而实现负荷平衡。其次，储能设备可以提高电力系统的供电可靠性。在电网发生故障或突发负荷波动时，储能设备可以迅速响应，为系统提供备用电源，保障用户的用电需求。再次，储能设备可以提高电力系统的能源利用效率。将可再生能源如风能、太阳能等转换的电能储存起来，有效解决能源的间歇性和不稳定性，实现能源的平滑利用，降低对传统能源的依赖，减少碳排放[2]。最后，储能设备在配电网中的应用可以提高系统的响应速度和稳定性，减少电网压力，延长电力设备的寿命，降低能源成本。

2 配电网电能储存调度策略研究

2.1 电能储存技术调度原理分析

在配电网电能储存调度策略中，电能储存系统的调度目标是最大化系统效益，即最大限度地利用储能设备实现电力系统的优化运行。假设xt表示储能系统的状态变量，包括储能设备的电荷状态等信息，系统的控制变量ut表示每个时间步的储能设备的充放电功率。在这种情况下，系统的状态转移方程为

式中：f(·)表示状态转移函数，描述储能设备状态在时间步t到t+1 之间的变化规律。

为最大化系统效益，需要定义一个性能指标J，如系统的总成本，反映系统运行的成本或效益情况[3]。优化问题的目标是最小化这个性能指标，可以表示为minutJ(xt,ut)。这是一个典型的动态优化问题，可以通过各种优化算法如动态规划、模型预测控制等来求解，以实现对电能储存系统的有效调度。

2.2 基于数据驱动的电能储存调度模型

基于数据驱动的电能储存调度模型旨在利用历史数据和实时监测信息，帮助电能储存系统进行调度决策，从而实现对配电网的优化调度。基于数据驱动的电能储存调度模型的基本思想是通过分析历史数据，提取出储能系统的运行规律和特征，并根据实时监测数据进行调整和优化，以合理分配储能设备充放电功率，最大化系统效益。

通过建立一个基于历史数据的预测模型，用于预测未来一段时间内的负荷需求和电力市场价格等关键参数。常见的预测方法包括时间序列分析、回归分析和机器学习等。预测模型可以表示为

基于预测结果和实时监测数据，建立电能储存调度模型。该模型的目标是最大化系统效益，即最小化储能系统的成本。常见的一种调度模型是基于动态规划的方法，数学表达式为

式中：J(xt,ut)表示从时刻t开始的累积成本或效益；αk表示时间折扣因子；g(xk,uk)表示状态xk和控制变量uk的成本或效益函数。利用优化算法求解得到最优的调度方案。常见的优化算法包括动态规划、遗传算法、粒子群优化等[4]。通过将预测模型和调度模型结合起来，可以实现对电能储存系统的智能调度，提高配电网的运行效率和可靠性。

2.3 多场景电能储存调度策略研究

为应对配电网运行中的多种复杂场景和不确定性因素，需要识别和分析不同的场景，包括不同的负荷需求、能源价格以及天气条件等因素，并研究每种场景下的储能调度策略。在多场景电能储存调度策略研究中，需要建立场景分类体系，分类不同的运行条件和环境因素。常见的分类包括负荷水平、季节变化、天气情况以及市场价格等。针对每种场景，建立相应的电能储存调度模型。这些模型可以基于历史数据和实时监测信息，并结合数学优化方法进行建模，以智能调度储能系统。例如，可以考虑使用动态规划、线性规划或者深度学习等方法，针对不同的场景进行对应的调度决策。在多场景调度策略研究中，需要考虑场景转换和切换问题。由于配电网运行环境的不断变化，可能会出现不同场景之间的切换，需要设计灵活的调度策略，能够在不同场景之间进行无缝切换，并保持系统的稳定性和效率。多场景调度策略研究需要考虑不同场景下的调度目标和约束条件[5]。在某些场景下，可能更加注重成本最小化或效益最大化；在另一些场景下，可能更加注重系统的稳定性和可靠性。因此，需要根据不同的场景特点，灵活调整调度目标和约束条件，以实现对系统的全面优化。

3 仿真与实验验证

3.1 仿真模型建立与参数设置

为建立有效的仿真模型，需要考虑电能储存系统的特性和配电网的运行情况，具体的模型建立流程如图3 所示。在开始建模之前，需要明确仿真的目标和范围，包括确定仿真所涉及的电能储存系统类型（电池、超级电容等）、配电网的拓扑结构及负荷模型等。收集实际配电网运行数据和电能储存设备的参数数据是建立仿真模型的关键步骤，这些数据包括负荷曲线、电能储存设备的容量、充放电效率及充放电速率等。基于这些数据，确定仿真模型中的参数设置，确保模型的准确性和可靠性。根据仿真目标和数据特性，选择合适的建模工具和方法。常用的建模工具包括MATLAB/Simulink、PSCAD、DIgSILENT 等，而建模方法可以是基于物理原理的建模或基于数据驱动的建模。根据选定的建模工具和方法，建立仿真模型。在建模过程中，需要考虑电能储存设备的特性，如充放电过程、效率损耗及容量限制等，并结合配电网的实际运行情况进行建模。仿真模型建立完成后，需要验证和调整模型，以确保模型的准确性和可靠性，可以通过与实际数据对比、敏感性分析等方法来完成，对于存在差异的部分需要适当地调整。在模型建立过程中，需要设置各个参数，包括电能储存设备的技术参数、配电网的拓扑结构参数、负荷参数等。这些参数的设置需要结合实际情况和仿真目标，确保模型的准确性和逼真度。

图3 仿真模型建立流程

3.2 实验方案

为验证配电网电能储存技术与调度策略的有效性，文章选择一个实际的配电网作为实验对象，并在其中选取几个具有代表性的节点进行实验。在这些节点中安装电能储存设备，并设计不同的调度策略。基于实际的负荷数据和电网运行状态，运用MATLAB 仿真软件建立配电网的仿真模型，模拟各种场景下的运行情况。在仿真过程中，将根据不同的调度策略，模拟电能储存设备的充放电过程，从而分析对配电网运行状态的影响。

3.3 储存调度策略应用效果评估

评估不同实验节点采用的储存调度策略进行后，其应用效果如表1 所示。

表1 储存调度策略应用效果

从表1 可以看出：在工业区应用基于功率平衡的调度策略和锂离子电池时，平均负荷减少120 kW，储能效率达到90%，并且系统频率稳定性提高15%；在商业区应用负荷预测调度策略和超级电容器储能设备时，负荷平均减少90 kW，储能效率达到95%，系统频率稳定性提高10%；在住宅区应用电价变化调度策略和钠硫电池储能设备时，负荷平均减少80 kW，储能效率达到85%，系统频率稳定性提高12%。这些结果表明，不同的调度策略和储能设备类型对配电网的运行效果产生显著影响，可为实际配电网的运行和规划提供重要参考。

4 结 论

文章研究和探索配电网的电能储存技术与调度策略，为配电网的智能化运行和管理提供重要的理论和实践支撑。随着电力系统的不断发展和智能化水平的提高，相信文章的研究内容会对未来配电网的建设和运行管理产生积极的影响。