肖園園， 楊藝云， 高立克， 吳麗芳， 俞小勇

(廣西電網(wǎng)有限責(zé)任公司電力科學(xué)研究院， 廣西 南寧 530023)

基于概率潮流的主動配電網(wǎng)儲能配置與控制設(shè)計(jì)

肖園園， 楊藝云， 高立克， 吳麗芳， 俞小勇

(廣西電網(wǎng)有限責(zé)任公司電力科學(xué)研究院， 廣西 南寧 530023)

分布式電源的高間歇性使電網(wǎng)承受較大的功率波動，而結(jié)合儲能技術(shù)的主動配電網(wǎng)能充分發(fā)揮分布式電源與主動負(fù)荷間協(xié)調(diào)效益，對分布式電源的穩(wěn)定運(yùn)行起到重要作用。本文基于Monte Carlo概率理論研究分布式電源接入后的概率潮流，通過概率統(tǒng)計(jì)方法來處理系統(tǒng)隨機(jī)運(yùn)行狀態(tài)，并據(jù)此對儲能系統(tǒng)進(jìn)行最優(yōu)容量配置。以電池儲能系統(tǒng)為例，根據(jù)其出力特征與約束條件，設(shè)計(jì)一套含多種狀態(tài)模式的控制策略。在DIgSILENT PowerFactory中驗(yàn)證該配置與控制方案能有效抑制逆向潮流、提高電壓質(zhì)量和降低網(wǎng)損，并實(shí)現(xiàn)削峰填谷。

概率潮流； 主動配電網(wǎng)； 電池儲能系統(tǒng)； 容量配置； 運(yùn)行控制策略

1 引言

高滲透率的分布式電源(Distributed Generation, DG)發(fā)展為傳統(tǒng)配電網(wǎng)帶來了功率短時劇烈波動、雙向潮流難以管控等問題，主動配電網(wǎng)(Active Distribution Network, ADN)可以通過對多種分布式能源與主動負(fù)荷的協(xié)調(diào)控制，完善分布式能源接入后的潮流管理，實(shí)現(xiàn)配電層級的功率平衡[1]。儲能系統(tǒng)(Energy Storage System, ESS)因同時具備充放電能力，能在配電層級平抑分布式電源出力波動，是實(shí)現(xiàn)主動配電網(wǎng)靈活功率主動調(diào)節(jié)的重要手段之一[2,3]。同時，儲能系統(tǒng)兼具削峰填谷、 消納逆向潮流等性能，在提高經(jīng)濟(jì)性、改善電能質(zhì)量、緩解配電變壓器過載壓力等方面都能發(fā)揮積極作用。

將儲能系統(tǒng)應(yīng)用到配電網(wǎng)的功率主動調(diào)節(jié)能力，會受網(wǎng)絡(luò)潮流的約束與分布式電源出力不確定性的影響；并且儲能系統(tǒng)的充放電狀態(tài)又會影響配電網(wǎng)潮流，其迅速的充放電響應(yīng)將使配電網(wǎng)的動態(tài)過程更為復(fù)雜；此外，目前儲能系統(tǒng)造價較高，其容量需結(jié)合經(jīng)濟(jì)性進(jìn)行合理配置。因此，對儲能系統(tǒng)進(jìn)行合理的配置與控制，使其能滿足主動配電網(wǎng)投資與調(diào)節(jié)能力的需求，針對這方面的研究很有必要[4-7]。

文獻(xiàn)[8]從含風(fēng)電接入的配電網(wǎng)的安全運(yùn)行角度分析了儲能系統(tǒng)的功能與容量配置，未考慮ESS充放電特征；文獻(xiàn)[9]針對儲能裝置的特點(diǎn)，設(shè)計(jì)工作狀態(tài)及控制策略，保證含分布式電源接入的系統(tǒng)內(nèi)部功率；文獻(xiàn)[10]從經(jīng)濟(jì)性角度分析儲能系統(tǒng)容量配置與變電站擴(kuò)容的協(xié)調(diào)規(guī)劃，得出ESS能提高系統(tǒng)總體效益的結(jié)論；文獻(xiàn)[11-13]分別采用概率潮流和動態(tài)規(guī)劃方法配置ESS，研究分布式能源接入后對配網(wǎng)削峰填谷作用，但僅涉及ESS的控制約束條件。

主動配電網(wǎng)中的儲能容量配置是對配電變壓器容量的積極補(bǔ)充。本文針對主動配電網(wǎng)中分布式電源的出力不確定性，并基于概率潮流的計(jì)算結(jié)果，優(yōu)化ESS容量配置；且根據(jù)選用的電池儲能系統(tǒng)(BESS)的出力特征與約束條件，結(jié)合配電網(wǎng)運(yùn)行參數(shù)，設(shè)定強(qiáng)制、協(xié)調(diào)與空閑三種受控狀態(tài)對BESS充放電模式進(jìn)行配置研究。利用DIgSILENT PowerFactory仿真工具，有效驗(yàn)證本文所提的配置與控制方案能提高電能質(zhì)量及削峰填谷。

2 概率潮流與概率分布模型

2.1 主動配電網(wǎng)中的概率潮流計(jì)算

概率潮流方法是采用概率模型來表示主動配電網(wǎng)中的間歇性DG與負(fù)荷，以解決DG出力不確定性而導(dǎo)致的運(yùn)行狀態(tài)表述問題。即通過概率統(tǒng)計(jì)方法來處理系統(tǒng)隨機(jī)運(yùn)行狀態(tài)，為主動配電網(wǎng)的安全調(diào)度運(yùn)行提供更全面的決策信息。

本文采用Monte Carlo原理的概率潮流算法，對DG類型和出力特征進(jìn)行分類和取樣，計(jì)及不同類型的負(fù)荷，將樣本隨機(jī)組合并進(jìn)行潮流計(jì)算，從潮流解中統(tǒng)計(jì)出潮流分布情況。

2.2 光伏發(fā)電系統(tǒng)概率模型

光伏發(fā)電系統(tǒng)的發(fā)電功率主要由光照強(qiáng)度決定且受多種因素制約，但因地面光照強(qiáng)度的隨機(jī)性，光伏發(fā)電系統(tǒng)的發(fā)電功率也是隨機(jī)的，發(fā)電功率存在較大波動，但整體上仍有規(guī)律可循。

理想情況下一日內(nèi)地面太陽光照射強(qiáng)度可滿足如下關(guān)系：

(1)

式中，Emax為一天最大光照強(qiáng)度；T為太陽光光照時間；t0為一天開始日照時間。

實(shí)際情況下，太陽光透過大氣層照射到地面，會受到隨機(jī)地表空氣阻礙的影響。文獻(xiàn)[14]提出，在一定的時間范圍內(nèi)，地面實(shí)際光照強(qiáng)度可看作是Beta分布，其概率密度如下：

(2)

式中，e和emax分別為該時段內(nèi)實(shí)際和最大光照強(qiáng)度；α、β均為Beta分布參數(shù)。光伏電池將光能轉(zhuǎn)換為電能，則該組光伏電池輸出功率為：

P=ηPVeS

(3)

式中，ηPV為光伏電池轉(zhuǎn)換效率；S為光伏電池有效輻照面積。

根據(jù)式(2)和式(3)可知，光伏電池的輸出功率也呈Beta分布，其概率密度為：

(4)

式中，Pmax=SηPVemax為光伏電池最大功率。

2.3 風(fēng)力發(fā)電系統(tǒng)概率模型

風(fēng)力發(fā)電系統(tǒng)輸出功率的大小直接取決于隨機(jī)風(fēng)速的變化，本文采用威布爾分布建立風(fēng)速的概率模型，其概率密度函數(shù)為：

(5)

式中，v為風(fēng)速；k、c分別為威布爾分布的形狀參數(shù)與尺度參數(shù)。

目前，在配電網(wǎng)中廣泛使用的變速恒頻風(fēng)電機(jī)組的發(fā)電功率與風(fēng)速的函數(shù)關(guān)系為：

(6)

式中，k1=Pr/(vr-vi)；k2=-k1vi；vi、vr、vo分別為風(fēng)力發(fā)電機(jī)切入風(fēng)速、額定風(fēng)速、切出風(fēng)速；Pr為額定功率。

結(jié)合式(5)和式(6)可建立風(fēng)力發(fā)電系統(tǒng)概率模型，當(dāng)風(fēng)速v落在(vi,vr)區(qū)間時，風(fēng)力發(fā)電系統(tǒng)的輸出功率與風(fēng)速v近似威布爾分布。

2.4 負(fù)荷概率模型

配電網(wǎng)負(fù)荷變化與所在地區(qū)的經(jīng)濟(jì)活動密切相關(guān)，具有一定的周期性和規(guī)律性。圖1為某地區(qū)典型民用負(fù)荷與商業(yè)負(fù)荷變化曲線[15]。

圖1 典型居民/商業(yè)日負(fù)荷曲線Fig.1 Load curves for residential and commercial use in typical day

負(fù)荷曲線只反映負(fù)荷總的變化趨勢，而實(shí)際電力負(fù)荷是由人的社會活動決定的，因此也具有隨機(jī)性和獨(dú)立性。本文用正態(tài)分布表示電力負(fù)荷波動的特性，其負(fù)荷概率模型為：

PL(t)=P1(t)+ΔP(t)

(7)

式中，PL(t)表示負(fù)荷在t時刻的有功功率；P1(t)為t時刻基礎(chǔ)日負(fù)荷值；ΔP(t)為t時間負(fù)荷隨機(jī)波動值。在主動配電網(wǎng)計(jì)算概率潮流時，可使用預(yù)測算法將負(fù)荷預(yù)測值作為負(fù)荷概率模型中的基礎(chǔ)值使用。

3 電池儲能系統(tǒng)特性

3.1 儲能系統(tǒng)的設(shè)置與性能

與抽水蓄能電站、超級電容器、飛輪等儲能裝置相比，電池儲能系統(tǒng)(如鐵鋰電池、鈉硫電池、氧化還原液流電池等)采用新型蓄電池技術(shù)，對地理?xiàng)l件和體積的限制小，能量比更高，響應(yīng)迅速，且商業(yè)化程度高[16]。因此本文選擇電池儲能系統(tǒng)作為儲能研究對象。BESS一般由電池模塊、變流器、濾波裝置及并網(wǎng)變壓器組成，并配備一套電池管理系統(tǒng)。以輻射狀配電網(wǎng)絡(luò)為例的主動配電網(wǎng)中，分布式電源與BESS的典型接入位置如圖2所示。

圖2 ADN中BESS典型接入位置Fig.2 Typical integration position for BESS in ADN

其中，BESS通常接于配電網(wǎng)變電站低壓二次側(cè)，共包含充電、放電與空閑三種工作模式，在控制策略中設(shè)置調(diào)用情景。光伏、風(fēng)電等多種分布式電源可以根據(jù)出力范圍靈活選擇接入位置。

3.2 放電模式

(1)變量函數(shù)

工作在削峰放電模式下的BESS將維持額定功率范圍內(nèi)的恒定功率輸出[17]，放電功率由配變和DG的總功率與目標(biāo)值的差額決定[18]。

理論上BESS在給定時刻t的視在功率SD(t)(kV·A)需達(dá)到：

(8)

式中，PL(t)、QL(t)分別表示負(fù)荷在t時刻的有功和無功功率；PT(t)、QT(t)分別表示配電變壓器在t時刻的有功和無功功率。

將式(8)求導(dǎo)，得到：

(9)

式中，SL(t)、cosφ分別表示負(fù)荷在t時刻的視在功率和功率因數(shù)；ST(t)、cosθ分別表示配電變壓器在t時刻的視在功率和功率因數(shù)。

式(9)左側(cè)的導(dǎo)數(shù)值為零，可以得出：

(10)

式(10)表明配變功率因數(shù)需與負(fù)載相同。工作于這種控制狀態(tài)下的BESS放電發(fā)出的有功功率PD(t)與無功功率QD(t)表示為：

(11)

(2)約束條件

實(shí)際工作中的BESS也會受到安裝配置的額定功率與額定容量等條件約束，因此，實(shí)際能發(fā)出的有功功率PD,op(t)和無功功率QD,op(t)為：

(12)

式中，SB,rated表示BESS的視在功率(kV·A)；ES，min表示BESS存儲電量下限；Δt表示單個時段的持續(xù)時間，E(t-1)與E(t)分別表示t時刻前后一時間段的儲能電量(kW·h)；η表示BESS的充放電效率，因?yàn)閷?shí)際運(yùn)行的電池在充放電過程中總會有一定損耗。E(t-1)與E(t)的關(guān)系表示為：

(13)

3.3 充電模式

BESS的充電行為一般發(fā)生在光伏等DG產(chǎn)能較大、負(fù)荷水平處于低谷狀態(tài)等電能盈余的時刻，不僅可以補(bǔ)充消耗的電能，也可以實(shí)現(xiàn)對逆向潮流的吸收。充電狀態(tài)下的無功功率為零。Δt時段內(nèi)的充電功率表示為：

PC(t)=max[-λST,rated-PL(t),0]

(14)

式中，λ表示允許的逆向潮流比例參數(shù)，可以在控制策略中設(shè)定；ST,rated為額定功率。實(shí)際充電時，需考慮額定功率與電量的約束：

(15)

式中，PC,op(t)為實(shí)際BESS的實(shí)際充電功率；EB,rated為額定電量。

4 儲能系統(tǒng)配置與控制設(shè)計(jì)

4.1 BESS配置原則

BESS容量配置是為了獲取滿足配功率控制目標(biāo)要求的最小補(bǔ)償容量，確定所需的最大充放電功率作為其額定功率，保證BESS連續(xù)穩(wěn)定運(yùn)行的功率輸出。

為滿足功率控制目標(biāo)需求，首先應(yīng)確保BESS的充放電功率足夠維持功率平衡、抑制功率波動，且盡量減小初始投資、保證經(jīng)濟(jì)性。即應(yīng)在運(yùn)行效果較優(yōu)的情況下盡量減少BESS配置的放電功率。本文提出的BESS配置原則建立在第2節(jié)含分布式電源的Monte Carlo概率潮流基礎(chǔ)上，根據(jù)BESS工作模式，將BESS的受控狀態(tài)分為：

(1) 強(qiáng)制狀態(tài)。包含強(qiáng)制充電和強(qiáng)制放電。前者定義發(fā)生逆向潮流概率較大、配變二次側(cè)過載概率較小的系統(tǒng)狀態(tài)，如午間光伏出力高峰時段；后者定義發(fā)生逆向潮流概率較小、配變二次側(cè)過載概率較大的系統(tǒng)狀態(tài)，如晚間用電高峰時段。

(2) 協(xié)調(diào)狀態(tài)：發(fā)生逆向潮流越限與配變二次側(cè)過載的概率均較小，如深夜時段，根據(jù)系統(tǒng)需求，BESS進(jìn)行充放電切換。

(3) 空閑狀態(tài)：除狀態(tài)(1)和狀態(tài)(2)之外。

根據(jù)主動配電網(wǎng)的控制需求，取一合理的置信水平如98%，即可根據(jù)BESS未接入時某自然日下的概率潮流計(jì)算結(jié)果得到其配置方案。在BESS配置階段考慮功率與電量的理論值，以式(16)取置信水平內(nèi)的最大值作為BESS配置，通過計(jì)算每日總充放電電量和BESS工作在充放電的時段數(shù)，繪制其概率累積曲線。實(shí)際配置時，需考慮到模塊化生產(chǎn)的BESS容量值的離散性。

(16)

式中，SC,max、SD,max分別表示最大充、放電視在功率；EB,Rev表示剩余電量；EC,max、ED,max分別表示最大充、放電量；EC,min表示最小充電量。

4.2 控制設(shè)計(jì)

配置與控制流程如圖3所示。在根據(jù)概率潮流配置BESS后，以實(shí)際安裝的BESS容量作為運(yùn)行控制的約束條件，并設(shè)定如下三種狀態(tài)：

(1)強(qiáng)制狀態(tài)。當(dāng)逆向潮流比例達(dá)到參數(shù)λ時，BESS切換至強(qiáng)制充電狀態(tài)，充電功率與剩余電量如式(15)所表示；當(dāng)進(jìn)入用電高峰、變壓器過載概率達(dá)到置信水平時，切換至強(qiáng)制放電狀態(tài)，充電功率與剩余電量如式(12)和式(13)所表示。

(2)協(xié)調(diào)狀態(tài)。指定一個系統(tǒng)建議的協(xié)調(diào)狀態(tài)切換容量Ectr。當(dāng)BESS電量低于Ectr時進(jìn)入?yún)f(xié)調(diào)充電狀態(tài)，此時有功功率PC,op(t)如式(17)所示，直至電量充滿或判斷其進(jìn)入其他狀態(tài)。

(17)

當(dāng)BESS電量高于Ectr時，以有功功率PD,op(t)(如式(18)所示)為其放電，直至電量至設(shè)定的最低值或判斷其進(jìn)入其他狀態(tài)。

(18)

圖3 BESS配置與控制流程Fig.3 Configuration and control flow for BESS

5 算例分析

5.1 算例說明

本文在CIGRE-C6.04.02工作組給出的模型系統(tǒng)上進(jìn)行仿真，該系統(tǒng)額定基準(zhǔn)電壓為20kV，其他數(shù)據(jù)參照文獻(xiàn)[18]所述，其網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示。該測試系統(tǒng)中的聯(lián)絡(luò)開關(guān)S1、S2、S3處于打開狀態(tài)，不考慮系統(tǒng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)重構(gòu)的情況，在節(jié)點(diǎn)8處接入BESS，最大充放電功率為2MW。使用基于Monte Carlo抽樣的概率潮流計(jì)算方法對測試系統(tǒng)進(jìn)行仿真驗(yàn)證。

圖4 CIGRE工作組系統(tǒng)接線圖Fig.4 CIGRE-defined system connection diagram

根據(jù)本文采用的BESS配置流程，分3種方案對該測試系統(tǒng)進(jìn)行仿真：①方案1，不考慮DG和BESS，只考慮負(fù)荷隨機(jī)波動；②方案2，考慮DG和負(fù)荷的隨機(jī)波動，未配置BESS；③方案3，考慮DG和負(fù)荷隨機(jī)波動，并按第4節(jié)所述配置和控制BESS。

該測試系統(tǒng)中，風(fēng)力發(fā)電系統(tǒng)風(fēng)機(jī)型號為GW70/1500，單個風(fēng)機(jī)額定功率為1500kW，6臺機(jī)組并聯(lián)運(yùn)行，切入風(fēng)速3m/s，額定風(fēng)速12m/s，切出風(fēng)速25m/s；光伏發(fā)電系統(tǒng)太陽能電池組件型號為CHN96M 270W，最大功率電流5.45A，最大功率電壓49.50V，光電轉(zhuǎn)換效率16.09%，光伏發(fā)電系統(tǒng)最大發(fā)電功率0.95MW。本文采用的氣象數(shù)據(jù)以國家氣象局網(wǎng)站發(fā)布的廣西某市2014年歷史天氣數(shù)據(jù)為基礎(chǔ)進(jìn)行模擬。

5.2 仿真結(jié)果

圖5 BESS對逆向潮流的影響Fig.5 Influence of BESS for reverse flow

首先比較方案2和方案3在DG發(fā)電功率最大時，BESS對配電網(wǎng)發(fā)生逆向潮流的影響。選取2條典型線路line1-2和line3-8，t=13:00時，DG出力最大，發(fā)生逆向潮流的概率如圖5所示。

未配置BESS時，當(dāng)DG出力達(dá)到最大，line3-8和line1-2必然會發(fā)生反向潮流，盡管由于上游負(fù)荷的存在，吸收了部分line3-8的反向功率，line1-2的反向潮流變小，但是由于反向潮流的存在，仍然會對上游變壓器T1的保護(hù)開關(guān)產(chǎn)生作用，影響保護(hù)配置的效果。配置BESS后，顯著降低了系統(tǒng)發(fā)生反向潮流的概率，line1-2在500次抽樣結(jié)果中未發(fā)生反向潮流，BESS對系統(tǒng)安全穩(wěn)定運(yùn)行產(chǎn)生積極作用。

BESS在吸收系統(tǒng)反向潮流的同時也可以改善系統(tǒng)電壓的波動。風(fēng)電系統(tǒng)發(fā)電時需吸收無功，同時負(fù)荷的無功也具波動性，因此，對于含DG的配電網(wǎng)，電能質(zhì)量是配置BESS時需要考慮的一個重點(diǎn)。三種方案下節(jié)點(diǎn)8處的電壓波動情況如圖6所示。

圖6 節(jié)點(diǎn)8電壓幅值波動曲線Fig.6 Voltage magnitude curves of node 8

從圖6可以看出，合理的BESS配置能夠改善系統(tǒng)電壓幅值的波動，防止發(fā)生電壓越限，DG與BESS組合使用可以為電力用戶提高更好的電力服務(wù)。

傳統(tǒng)配電網(wǎng)電力峰谷差僅由電力負(fù)荷的變化決定，在接入DG后，特別是光伏發(fā)電系統(tǒng)，有明顯的發(fā)電峰值期，當(dāng)DG的發(fā)電容量比較大時，必然會給配電網(wǎng)帶來新的峰谷差。圖7比較了方案2和方案3節(jié)點(diǎn)8處的有功功率潮流?？梢娪捎贐ESS的存在，節(jié)點(diǎn)8處有功潮流波動得到抑制，上游變壓器工作在一個相對平穩(wěn)的負(fù)荷水平，整個配電網(wǎng)處于一個比較穩(wěn)定的狀態(tài)，這對于配電網(wǎng)降低損耗具有重要意義。

圖7 節(jié)點(diǎn)8有功潮流曲線與概率分布Fig.7 Power flow curves and its probability distribution of node 8

表1針對三種方案中在一天時間跨度內(nèi)該測試系統(tǒng)總的網(wǎng)絡(luò)損耗進(jìn)行了比較。可以看出，DG接入配電網(wǎng)后降低了電能遠(yuǎn)距離傳輸產(chǎn)生的線路損耗，再接入合理配置的BESS后，BESS削峰填谷的作用可以進(jìn)一步降低網(wǎng)絡(luò)損耗，有助于配電網(wǎng)的經(jīng)濟(jì)運(yùn)行。

表1 系統(tǒng)網(wǎng)絡(luò)損耗Tab.1 Power loss of system

5.3 分析與比較

在配電網(wǎng)中安裝BESS是解決分布式電源隨機(jī)波動導(dǎo)致難以并網(wǎng)的有效方法之一。與基于平抑分布式電源功率波動的儲能控制設(shè)計(jì)思路不同，本文提出的基于概率潮流的儲能配置與控制設(shè)計(jì)方法，通過對配電網(wǎng)概率潮流進(jìn)行計(jì)算，根據(jù)發(fā)生逆向潮流的比例作為儲能系統(tǒng)充放電控制主要的判斷依據(jù)，重點(diǎn)保護(hù)上游配電變壓器，避免出現(xiàn)功率倒送，防止保護(hù)誤動作，對儲能系統(tǒng)的響應(yīng)速度與跟蹤速度要求不高。仿真結(jié)果表明，采用本文提出的控制方法能夠有效維持電壓穩(wěn)定，抑制反向潮流，降低網(wǎng)絡(luò)損耗，對配電網(wǎng)安全運(yùn)行具有重要意義。

6 結(jié)論

本文以基于Monte Carlo抽樣的概率潮流方法，計(jì)算含常見DG類型與容量的主動配電網(wǎng)概率潮流，并據(jù)此結(jié)果對儲能系統(tǒng)進(jìn)行合理配置。根據(jù)BESS出力特性與約束條件，擬定包含強(qiáng)制充放電、協(xié)調(diào)充放電和空閑狀態(tài)的控制方案，并預(yù)設(shè)判斷依據(jù)和控制策略。通過在DIgSILENT PowerFactory中建模仿真，驗(yàn)證本文提出的儲能系統(tǒng)配置與控制方法可以抑制逆向潮流，提高電壓質(zhì)量，平抑峰谷，降低系統(tǒng)網(wǎng)損。

[1] 范明天, 張祖平, 蘇傲雪, 等 (Fan Mingtian, Zhang Zuping, Su Aoxue, et al.). 主動配電系統(tǒng)可行技術(shù)的研究 (Enabling technologies for active distribution systems) [J]. 中國電機(jī)工程學(xué)報 (Proceedings of the CSEE), 2013,33 (22): 12-18, 5.

[2] 余昆, 曹一家, 陳星鶯, 等 (Yu Kun, Cao Yijia, Chen Xingying, et al.). 含分布式電源的地區(qū)電網(wǎng)動態(tài)概率潮流計(jì)算 (Dynamic probability power flow of district grid containing distributed generation) [J]. 中國電機(jī)工程學(xué)報 (Proceedings of the CSEE), 2011, 31(1): 20-25.

[3] 劉東, 陳云輝, 黃玉輝, 等 (Liu Dong, Chen Yunhui, Huang Yuhui, et al.). 主動配電網(wǎng)的分層能量管理與協(xié)調(diào)控制(Hierarchical energy management and coordination control of active distribution network) [J]. 中國電機(jī)工程學(xué)報(Proceedings of the CSEE), 2014, 34(31): 5500-5506.

[4] 王成山, 于波, 肖峻, 等 (Wang Chengshan, Yu Bo, Xiao Jun, et al.). 平滑微電網(wǎng)聯(lián)絡(luò)線功率波動的儲能系統(tǒng)容量優(yōu)化方法 (An energy storage system capacity optimization method for micro grid tie-line power flow stabilization) [J]. 電力系統(tǒng)自動化 (Automation of Electric Power Systems), 2013, 37(3):12-17.

[5] 尤毅, 劉東, 鐘清, 等 (You Yi, Liu Dong, Zhong Qing, et al.).主動配電網(wǎng)儲能系統(tǒng)的多目標(biāo)優(yōu)化配置(Multi-objective optimal placement of energy storage systems in an active distribution network) [J]. 電力系統(tǒng)自動化(Automation of Electric Power Systems), 2014, 38(18): 46-52.

[6] 丁明, 徐寧舟, 畢銳 (Ding Ming, Xu Ningzhou, Bi Rui). 負(fù)荷側(cè)新型電池儲能電站動態(tài)功能的研究(Dynamic model of new-type battery energy storage system at demand side) [J]. 電力自動化設(shè)備 (Electrical Power Automation Equipment), 2011, 31(5): 1-7.

[7] 劉琳，陶順，肖湘寧，等(Liu Lin，Tao Shun，Xiao Xiangning，et al.). 分布式發(fā)電及其對配電網(wǎng)網(wǎng)損的影響分析 (Distributed generation and its impact on network loss of power system) [J]. 電工電能新技術(shù) (Advanced Technology of Electrical Engineering and Energy), 2012, 31(3): 16-19.

[8] Atwa Y M, El-Saadany E F. Optimal allocation of ESS in distribution systems with a high penetration of wind energy [J]. IEEE Transactions on Power Systems, 2010, 25(4): 1815-1822.

[9] 董博, 李永東, 鄭治雪 (Dong Bo, Li Yongdong, Zheng Zhixue). 分布式新能源發(fā)電中儲能系統(tǒng)能量管理(Application of expert system and visualization in grid maintenance scheduling) [J].電工電能新技術(shù) (Advanced Technology of Electrical Engineering and Energy), 2012, 31(1): 22-25, 96.

[10] 李振文, 顏偉, 劉偉良, 等 (Li Zhenwen, Yan Wei, Liu Weiliang, et al.). 變電站擴(kuò)容和電池儲能系統(tǒng)容量配置的協(xié)調(diào)規(guī)劃方法 (Coordinated planning of substation expansion and BESS sizing) [J]. 電力系統(tǒng)保護(hù)與控制(Power System Protection and Control), 2013, 41(15): 89-96.

[11] Hans B, José D. A probabilistic method for energy storage sizing based on wind power forecast uncertainty [J]. IEEE Transactions on Power Systems, 2011, 26(3):1651-1658.

[12] P Pinson, G Papaefthymiou, B Klockl, et al. Dynamic sizing of energy storage for hedging wind power forecast uncertainty [A]. IEEE Power & Energy Society General Meeting [C]. 2009. 1-8.

[13] 鮑冠南, 陸超, 袁志昌, 等 (Bao Guannan, Lu Chao, Yuan Zhichang, et al.). 基于動態(tài)規(guī)劃的電池儲能系統(tǒng)削峰填谷實(shí)時優(yōu)化 (Load shift real-time optimization strategy of battery energy storage system based on dynamic programming) [J].電力系統(tǒng)自動化(Automation of Electric Power Systems), 2012, 36(12): 11-16.

[14] Karaki S H, Chedid R B. Probabilistic performance assessment of autonomous solar-wind energy conversion systems [J]. IEEE Transactions on Energy Conversion， 1999, 14(3): 766-772.

[15] Kadurek P, Kling W L, Ribeiro P F, et al. Electricity demand characterization for analyzing residential LV distribution networks [A]. 2013 IEEE Grenoble PowerTech[C]. 2013. 1-5.

[16] 丁明, 張穎媛, 茆美琴, 等 (Ding Ming, Zhang Yingyuan, Mao Meiqin, et al.). 包含鈉硫電池儲能的微網(wǎng)系統(tǒng)經(jīng)濟(jì)運(yùn)行優(yōu)化 (Economic operation optimization for microgrids including Na/S battery storage) [J]. 中國電機(jī)工程學(xué)報 (Proceedings of the CSEE), 2011, 31(4): 7-14.

[17] 鐘宇峰 (Zhong Yufeng). 微電網(wǎng)中電池儲能系統(tǒng)的動態(tài)優(yōu)化調(diào)度及可靠性建模問題研究 (Research on operation optimization and reliability modeling of battery energy storage system in micro grid) [D]. 杭州: 浙江大學(xué) (Hangzhou: Zhejiang University), 2014.

[18] Nikolaos P. Voltage control in MV distribution networks with a large share of distributed renewable generation [D]. Delft: Delft University of Technology, 2013.

tanφ(t)=tanθ(t)

BESS configuration and control design for ADN based on probabilistic load flow

XIAO Yuan-yuan， YANG Yi-yun， GAO Li-ke， WU Li-fang， YU Xiao-yong

(Guangxi Power Grid Electric Power Research Insititute, Nanning 530023, China)

With the high-penetration of the intermittent distributed generation (DG), the grid will endure great power fluctuation. However, high efficiency of DGs and active load can be achieved by the active distribution network (ADN). The configuration and operation schedule of the battery energy storage system (BESS) will help the ADN staying in a relatively steady state. Probabilistic power flow, comparing with the deterministic power flow, can provide more information about the possible future conditions of the power system. The characters of the key point nodes are analyzed, and the possible ranges are identified. After the optimal configuration of BESS based on the Monte Carlo probabilistic load flow, a control schedule with multi-modes is designed by the characters of the system. The model is simulated in PowerFactory and proved to be a good solution to help restraining reverse power flow, improving voltage quality and decreasing network loss, also with load shifting ability.

probabilistic load flow; active distribution network; battery energy storage system; capacity configuration; operational control schedule

2015-07-28

肖園園(1987-)， 女， 湖南籍， 工程師， 碩士研究生， 主要研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行分析與控制、 新能源應(yīng)用技術(shù)等。 楊藝云(1975-)， 男， 廣西籍， 高級工程師， 主要研究方向?yàn)樾履茉磻?yīng)用技術(shù)、 智能電網(wǎng)及需求側(cè)新技術(shù)。

TM911；TN710

A

1003-3076(2016)06-0074-07