首页 > 技术应用 > 资讯详情

含分布式储能的配电网多目标运行优化策略研究

2018-04-16 10:25:40
来源: 万选通资讯
分类: 技术应用
导读

在分析分布式储能设备的充放电模型和建立含储能电力系统的多时段优化运行模型的基础上,引入稀疏AD技术,在尽量不增加计算时间的基础上,减少公式推导和代码编写的工作量。另外考虑到储能电量约束复杂而导致AD求导工作量过大的问题,采用储能电量约束约简方法,降低了模型的复杂度,并通过某实际配电网储能示范工程的算例仿真,验证了文中模型的准确性、算法的高效性与策略的可行性。

1. 研究背景

随着人民生活水平不断提高,家庭电器保有率持续提升,在冬夏两季,尤其春节期间,配电网负荷峰谷差不断扩大,各地配变,尤其是农网配变重载、过载情况时有发生。配电网的增容改造面临着征地困难、投资成本高等问题,而储能设备容量的不断扩大、投资成本不断降低,为配电网削峰填谷和优化运行提供了一种新的思路。目前,相关领域的专家和学者也已经开展了大量的研究工作,取得了很好的研究成果,国内外也有不少成功的应用案例和示范工程。

因此,在分析分布式储能设备的充放电模型和建立含储能电力系统的多时段优化运行模型的基础上,引入稀疏AD技术,在尽量不增加计算时间的基础上,减少公式推导和代码编写的工作量。另外考虑到储能电量约束复杂而导致AD求导工作量过大的问题,采用储能电量约束约简方法,降低了模型的复杂度,并通过某实际配电网储能示范工程的算例仿真,验证了文中模型的准确性、算法的高效性与策略的可行性。

2. 含储能电力系统的多时段优化运行模型

最小电量损耗目标函数为:

1.png

在数学上,方差可以反映随机变量偏离其均值的程度,负荷的方差可以反映负荷曲线的波动程度,文中选取储能设备补偿后的电网负荷曲线的方差作为目标函数:

2.png

多目标优化对电量损耗和负荷波动综合考虑,其目标函数如下所示:

3.png

普通节点功率平衡方程为:

4.png

不等式约束包含静态约束和动态约束两种,其中静态约束为节点电压上下限约束和储能充放电功率上下限约束,动态约束为储能电量约束。

3. 求解方法

3.1求解思路

含储能系统的策略优化模型求解思路基本如图1所示。

6.png

图1 优化模型的求解思路

(1)根据配电网历史负荷数据开展配电网日前负荷预测,根据事先确定好策略选定储能设备充放电时段; (2)以日前负荷预测、配电网网络拓扑、储能设备初始电量及储能设备充放电时段为输入,建立含储能系统的策略优化模型; (3)开展配电网多点储能设备多时段优化,得到各时段储能设备的全局最优充放电策略。在多时段优化算法的选择上,文中选取内点优化器(interior point optimizer,IPOPT )进行求解。IPOPT以原-对偶内点法为核心求解非线性凸规划问题,在优化领域得到了高度的认可和广泛的应用。

3.2充放电时段选择

在进行多时段充放电策略联合优化之前,储能设备的充放电时段应已确定。但储能设备充放电时段的选择,将直接影响配电网的运行效率和储能设备投资者的经济收益,而且储能设备的寿命与充放电次数有直接关系,因此应对充放电次数加以限制。目前储能充放电时段的选择有以下2种。

(1)模式1:根据分时电价确定充放电时段。与低充高放对应,如图2所示,在峰电价时段(8:00am-21:00pm)放电,谷电价时段(21:00pm-8:00am)充电,这种充电模式可以保证储能设备投资者赚取的电价差利润最大化。

7.png

图2 根据分时电价确定充放电时段

(2)模式2:根据负荷情况确定充放电时段。 根据负荷预测得到待优化时段的平均负荷,当预测负荷高于平均负荷时储能放电,当预测负荷低于平均负荷时储能充电,如图3所示。

8.png

图3 根据负荷情况确定充放电时段

第二种充放电时段选择存在储能充放电次数过多的风险,因此也需要事先对预测负荷曲线加以分析,以避免上述情况的发生。目前较为典型的负荷曲线为全天型、单峰型、双峰型和夜间型,这4种类型的负荷曲线均不会发生储能充放电次数过多的现象,因此第二种充放电时段选择在绝大多数情况下是可行的。

3.3求解效率提升

(1)自动微分技术应用。对于多时段耦合优化问题,内点法求解过程中所需的雅可比矩阵计算和海森矩阵计算编码工作量巨大,但IPOPT并不提供上述计算功能,需要开发人员自行编码。基于C++重载的自动微分,是一种自动微分工具,可以为IPOPT的求解过程提供雅可比矩阵计算和海森矩阵计算功能,而且它提供了稀疏求导功能,尽可能地缩短了自动求导所需的时间。

(2)储能电量约束缩减。由于储能设备在t时刻的存储电量与之前的0~t-1个时段均有关联,因此自动微分和矩阵运算的计算量很大。考虑到3.2提到的2种充电方式,储能设备在整个优化时间区间内充放电状态转换次数不多,且在某 一充电时间区间内,只需要对最后一个充电时段加以约束即可(该策略对放电状态同样适用)。因此,在整个优化时间区间内,只需要找到储能充放电状态切换的时刻,并对这几个时刻进行电量约束,即可实现整个优化时间区间内的储能电量约束。例如图2储能电量约束由96个缩减为3个,图3储能电量约束由96个缩减为5个。

4. 算例仿真

为验证文中所述模型与策略的可行性和准确性,以某19节点实际配电网为例,进行算例分析。该实际配电网拓扑结构如图4所示,储能设备参数如表1所示。

9.png

图4 某实际配电网拓扑结构

表1 储能设备参数

10.jpg

以上述及的配电网某典型日负荷为例,储能充放电模式选择模式2,进行储能充放电策略优化, 优化前后的典型日负荷曲线如图5所示,优化前后的系统电量损耗和负荷波动如表2所示。

11.png

图5 储能平抑后的负荷曲线

因此可见,多目标优化综合考虑了系统电量损耗和负荷波动,在牺牲很少量电量损耗的前提下获得了很好的削峰填谷效果。3种目标函数下,储能总体运行参数如图6所示。

12.jpg

图6 储能总体功率和电量曲线

由图6可见:

(1)以最小负荷波动为目标函数时,储能设备的充放电功率和电量均最高,而储能的充放电过程加剧了系统的电量损耗,印证了表2的结论。

(2)储能设备在充电过程中,存储电量达到了容量上限,若系统配变的储能容量足够大,系统的负荷曲线将被平抑成一条平稳的直线。

5. 结语

随着配电网负荷峰谷差的不断扩大,配变重过载问题时有发生,配电网面临着越来越大的运行风险和运营压力,而储能设备在配电网中的应用,可以有效降低配电网负荷峰谷差异和重过载风险。文中利用稀疏自动微分技术减少代码编写工作量、通过储能电量约束约简降低模型复杂度的方式,极大地方便了模型的求解,提升了计算效率,通过某实际配电网储能示范工程的算例仿真,验证了模型的准确性、算法的高效性与策略的可行性。

20180222100802446961.jpg

0
网友评论 文明上网理性发言,请遵守政策法规
发表评论
精彩评论 0条评论