计及风电不确定性的混合储能系统优化配置研究

为减小风电并网产生的不利影响,提高风电消纳空间,在含风电出力的主动配电网中增设混合储能系统,并对其进行优化配置.考虑风电随机出力对潮流的影响,建立风电、储能系统接入配电网后的数学模型.以有功网损、电压偏差以及总投资费用最小为目标,引入机会约束建立储能系统优化配置模型.在此基础上,以IEEE 33节点配电网络为算例,通过改进灰狼算法对模型进行求解,得到储能系统的最优配置方案.仿真结果表明,所提模型和算法能有效地对储能系统进行配置,提高整体经济性和安全性,同时提高系统的风电消纳能力.     

考虑季节特性及节点电压偏移的储能系统优化配置

考虑到可再生能源渗透率的增加以及储能装置的接入,研究了含可再生能源配电网的储能优化问题。选用蓄电池作为储能装置,建立了数学模型,并对含风电和光伏的配电系统进行储能优化配置,以系统的经济性和稳定性为优化目标,分别建立了单目标和多目标优化模型。采用改进粒子群优化算法,选择储能容量、储能功率和储能位置作为控制变量进行优化计算。最后结合不同季节风电、光伏和负荷的波动数据,选取含分布式电源的IEEE 33节点配电网系统,对其进行潮流计算及储能优化配置,由此验证了本文配置方法的有效性。     

全钒液流电池储能在配电网中优化配置策略

再生能源的大量接入对配电网造成许多不利影响,应用全钒液流电池（VRB）储能技术可有效促进可再生能源消纳,减少可再生能源并网造成的不利影响。分析了VRB储能的充放电特性,并在此基础上建立了电池模型,充分考虑配电网中风电、光伏发电、负荷需求的不确定性和VRB储能电池的经济性,提出了一种VRB储能优化配置策略,利用遗传算法进行求解,在IEEE33节点电网模型中进行仿真分析,验证了这种策略可有效提高可再生能源消纳,减少大电网中传统燃料能源输入电量。     

计及风-储联合系统概率模型的配电网随机潮流

在主动配电网的背景下,分布式风电在配电网中渗透率逐步提高,通过在并网点配置储能系统可平滑风电出力波动,并使其主动参与配电网调度。目前广泛使用的含风电配电网随机潮流模型中未能考虑风电并网点配置储能系统后其功率注入概率模型的形态变化。针对此不足,从储能系统的运行特性以及风-储协同输出机理出发,设计了计及储能系统的风电并网点功率注入概率模型修正方法,在已知储能参数的情况下根据文中方法可以在风电出力模型基础上进行修正,进而获得风-储联合系统概率模型,并应用于配电网随机潮流。算例表明所提方法获得的风-储联合系统概率模型合理准确,能够在随机潮流模型中描述风-储并网点出力行为的转变,通过在配电网中的风电并网点配置储能系统可削弱风电的不确定性,有效提升电压质量且抑制全网电压波动。     

含变速恒频风电机组并网后的配电网无功优化

目前对广泛采用的变速恒频风电机组并网后的配电网无功优化问题还少见有研究。分析了变速恒频风电机组有功功率特性,建立了含变速恒频风电机组的配电网无功优化模型,并分析了风速变化对风电机组输出有功功率的影响。采用二进制粒子群优化算法对配电网中有载调压变压器和并联电容器组等无功控制变量进行优化,通过算例分析验证了该方法的有效性。     

基于遗传算法的风电混合储能容量优化配置

为了降低独立风力发电系统中储能装置的生命周期费用,建立以风力发电系统中储能装置的生命周期费用最小值为优化的目标函数、负荷缺电率等指标为约束条件的模型,结合蓄电池和超级电容器储能特性,利用风电和负荷48 h的发用电数据,研究包含蓄电池和超级电容器的储能系统能量管理策略。提出了一种基于改进粒子群算法的储能容量生命周期费用优化配置方法,算例分析证明该算法具有有效性和实用性,优化后的系统很大程度上节省了经济成本。     

含储能虚拟电厂接入配电网的联合优化调度

为解决不确定性能源发电给配电网带来的隐患和经济性问题,研究含间歇分布式能源的虚拟电厂(virtual pow er plant,VPP)接入配电网的联合优化调度对提高系统安全和促进新能源消纳具有十分重要的意义。综合考虑风电及储能的运行特性,提出一种改进的Buckets方法,建立了考虑风电不确定性和含储能的虚拟电厂参与配电网调度的优化机组组合模型,基于6节点系统研究了改进的Buckets方法对发电成本和机组组合的影响。与传统Buckets方法相比,采用所提方法使得模型的发电成本及开机时段减少,表明该方法能够实现发电成本最优、风电的充分消纳以及储能的灵活运用。     

基于改进黏菌算法的风光电并网双层储能容量优化

为了提高并入大量风光电配电网的供电可靠性和经济性,提出一种配电网双层混合储能容量优化策略。采用自适应小波包分解方法得到风光电目标并网功率以及储能系统容量初次分配;通过考虑配电网网损和储能系统综合成本,分别建立了综合成本模型和配电网储能优化配置模型;给出一种自适应对抗黏菌-粒子群双层优化混合算法（adaptive opposition slime mould algorithm-particle swarm optimization hybrid algorithm ,AOSMA-PSO）,上层优化储能系统成本函数,下层优化配电网网损函数,通过上下层反复迭代得到最优混合储能容量配置方案,并对该方案进行最终储能修正,以达到风电平抑的标准。通过MATLAB并以IEEE33节点算例进行仿真验证,结果表明：所提方法和模型不仅能够有效降低混合储能综合成本,还降低了配电网网络损耗,提高了配电网的供电可靠性;通过对不同算法进行对比,验证了所提算法在收敛速度和寻优方面的优势。     

蒙东地区适应新能源消纳的储能系统配置效果分析

近年来,蒙东地区新能源并网发电量快速增加,而传统的网架结构导致部分新能源发电无法及时消纳,存在弃风弃光问题。本文以蒙东地区新能源消纳问题较为突出的通辽电网北部地区即左中变电站—舍伯吐变电站—城园变电站—宝龙山变电站一带为例,建立了储能系统接入电网的潮流计算模型,通过改进型粒子群优化算法求解得到储能系统的优化安装地点和配置容量。仿真结果表明,储能系统合理的布点位置及容量配置可以有效改善通辽北部大规模风电场并网后电网的潮流分布,从而提高新能源消纳能力,缓解常规火电机组的调峰压力。     

基于BAS-IMOPSO算法的风电系统储能优化配置

风力发电作为一种清洁的可再生能源,在电力系统中应用广泛,但风电出力的随机波动性会对电力系统电能质量产生不利影响。储能系统(energy storage system, ESS)因其灵活的双向调节能力被用于平抑风电接入系统带来的电压与功率波动问题。文中考虑储能接入节点与容量不同对风电出力波动的平抑效果不同,以系统电压偏差、日有功网损和ESS配置容量为目标函数建立多目标储能优化配置模型。采用一种基于天牛须搜索算法的改进多目标粒子群优化(beetle antennae search-improved multi-objective particle swarm optimization, BAS-IMOPSO)算法求解该模型,利用基于信息熵的逼近理想解排序法在Pareto解集中选取最佳储能配置方案。在IEEE 33节点系统中对模型进行仿真验证,结果表明：BAS-IMOPSO算法优化下的ESS降低配电网电压偏差与有功网损的能力较多目标粒子群优化(multi-objective particle swarm optimization, MOPSO)算法显著提高,有效改善了系统的电能质量,具有削峰...