技术领域
[0001] 本发明涉及储能配置优化技术领域，特别是一种储能容量配置方法。
相关背景技术
[0002] 随着可再生能源特别是风力和太阳能在全球能源结构中所占比重的日益增加，电力系统的惯性逐渐降低，对电力系统的频率稳定性带来了前所未有的挑战。传统的基于化石燃料的发电方式由于其固有的高惯性特性，对电网频率的波动具有天然的抑制作用。然而，可再生能源发电通常依赖于功率电子设备连接到电网，几乎不提供额外的惯性，使得系统更容易受到频率波动的影响。在此背景下，电池储能系统以其快速响应的特性，成为了解决低惯性电力系统频率波动问题的有效工具。
[0003] 然而，电池储能系统的配置策略包括其容量大小和连接到电网的具体位置对于其在抑制频率波动方面的效能至关重要。不当的配置不仅会降低系统稳定性，还可能导致经济效益的大幅下降。
具体实施方式
[0083] 为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行详细描述。
[0084] 针对背景技术中提到的现有技术的问题，开发一种考虑连接位置以及有效抑制频率波动的储能容量配置方法显得尤为重要。这种方法需要综合考虑电网的动态特性、电力市场的经济信号以及可再生能源的不确定性，以实现在确保电力系统稳定性的同时，优化电池储能系统的经济效益。这一背景下的研究不仅有助于提高电力系统的可靠性和灵活性，也对促进可再生能源更高比例的融入具有重要意义。
[0085] 如图1所示，本发明阐述的是一种考虑连接位置以及抑制频率波动的储能容量配置方法，包括以下步骤：
[0086] 1)基于电网的电压稳定性分析确定电池储能系统(battery energy storage system，储能)在电网中的最佳连接位置；
[0087] 储能连接到电网中最弱的负载母线以提供频率和电压支持，在突发事件后保持电压稳定性，将无功功率裕度作为识别指标最弱母线的指标。无功功率裕度通过无功功率与电压(Q–V)曲线的最低点与其电压轴之间的距离来量化，如图2所示。该最小点指的是负载母线接近电压崩溃的程度。
[0088] 具有大量发电机和负载的电力系统可以等效地表示为单机和单负载母线系统，在负载母线上，有功功率和无功功率可以用下式表示：
[0089]
[0090] 其中PL是有功功率(单位：p.u.)，QL是无功功率(单位：p.u.)， 是发电机母线上的相量电压(单位：p.u.)， 指负载母线上的相量电压，表示相量形式的传输线阻抗(单位：p.u.)。 和 分别用下式表示：
[0091]
[0092]
[0093] 其中VG和VL分别是发电机母线电压幅值和负载母线电压幅值(单位：p.u.)，δG和δL分别指发电机母线电压角和负载母线电压角(单位：rad.)。
[0094] 负载母线处的有功功率和无功功率之间的关系由下式给出：
[0095] QL＝PLtanφ (4)
[0096] 其中φ表示负载母线处的功率因数角(单位：rad)。
[0097] 假设传输线阻抗 由等式(5)表示，则有功功率和无功功率的表达式可以通过方程(6)和(7)扩展：
[0098]
[0099]
[0100]
[0101] 其中R和X分别表示传输线电阻(单位：p.u.)和电抗(单位：p.u.)。因此，Q–V曲线可以通过求解方程(6)和(7)来实现。然而，在Q–V曲线的最低点(即电压崩溃点)附近，雅可比矩阵变得奇异，方程(6)和(7)可能出现没有解的情况，因此，获得数值解变得困难。需要一种方法求解在Q‑V曲线最低点附近的值，连续潮流法通过迭代过程可以穿过一般潮流方程(即方程(6)和(7))的无解点。连续潮流法克服了电压崩溃点附近的奇异性问题，本发明利用连续潮流发用于实现完整的Q–V曲线。
[0102] 2)利用连续潮流法求解完整的Q‑V曲线：
[0103] 连续潮流法消除了电压崩溃点附近的奇异性问题。其通过负载参数的自动变化生成完整的电压分布来实现这一点。假设电力系统的典型准静态状态模型方程F(z,λ)由下式表示：
[0104]
[0105] 其中，λ表示随时间变化的负载参数，z＝[xy]T表示系统状态变量参数，x是状态变量的矢量，y是代数变量的矢量，表示状态变量的求导。
[0106] 连续潮流法的计算过程为：
[0107] 初始化：
[0108] 1.选择起始点：从一个已知的系统状态点(z0,λ0)开始，z0表示初始的系统状态，λ0表示负载参数。
[0109] 预测：
[0110] 首先确定初始方向，改变负载参数，在方程中增加一个小的负载参数变量Δλ来预测新的状态点(z1,λ1)。使用线性近似更新z1和λ1：
[0111] z1＝z1+Δz (9)
[0112] λ1＝λ1+Δλ (10)
[0113] 其中Δz是系统状态的变化量，可以通过下面的线性化公式预测表示：
[0114]
[0115] 随后基于当前点的切线方向预测未来的点，为校正步骤提供初值。
[0116] 步骤3:校正步骤
[0117] 使用牛顿‑拉夫逊法对预测的新状态点进行校正，通过迭代求解以下方程直到收敛：
[0118] F(znew,λnew)＝0 (12)
[0119] 其中znew为系统状态的最新值，λnew为负载参数的最新值。
[0120] 步骤4:参数更新与连续追踪
[0121] 完成一次预测‑校正循环后，用新求得的znew和λnew替代原来的值，然后重复执行预测和校正步骤，逐步增加Δλ，直到达到预定的最大值或者系统达到稳定性边界。
[0122] 通过连续变化Δλ，可以绘制出Q‑V曲线，从而直观地显示系统随负荷增加的电压变化情况，进而识别电压崩溃点。
[0123] 3)构建储能容量配置模型：
[0124] 储能的容量配置确定涉及到构建和解决一个优化问题，其目的是在满足电网操作约束的同时，最小化因大规模失稳事件引起的频率偏差。这个过程可以通过以下几个步骤详细说明：
[0125] 1.定义目标函数
[0126] 储能容量配置的目标函数旨在最小化频率偏差，可以表示为：
[0127]
[0128] 其中，OF表示目标函数，Δf(t)表示在时间段t的频率偏差，T表示求解总时间段，c表示单位容量的储能装置价格，Etotal表示储能的总容量，ω1和ω2表示目标函数中不同子项的权重值。
[0129] Δf(t)可表示为：
[0130]
[0131] 其中，H表示系统的惯性常数，Pm(t)表示时间段t的发电机功率，Pl(t)表示时间段t的负载功率，PBESS(t)表示储能在时间段t的输出功率(正值代表放电，负值代表充电)，Δt表示时间步长。
[0132] 2.定义约束条件
[0133] 系统频率变化率约束：
[0134]
[0135] 其中，ROCOFmax表示允许的系统偏差变化率最大值。
[0136] 储能充放电状态约束：
[0137] SOCmin≤SOC(t)≤SOCmax (16)
[0138] 其中，SOC(t)表示在时间段t的储能荷电状态，SOCmin和SOCmax分别表示荷电状态的最小值和最大值。
[0139] SOC(t)的动态更新可以由下表示：
[0140]
[0141] 其中，SOC(t‑Δt)表示在t‑Δt时间段的荷电状态，η表示储能的充放电效率，。
[0142] 采用粒子群优化(Particle Swarm Optimization,PSO)算法来解决上述优化问题。PSO是一种基于群体智能的优化技术，通过模拟鸟群的社会行为来寻找最优解。PSO的基本步骤包括：
[0143] 初始化：随机初始化一群粒子的位置(代表储能的可能的容量值)和速度。
[0144] 评估：根据目标函数评估每个粒子的适应度。
[0145] 更新：根据每个粒子的历史最佳位置和群体中所有粒子的最佳位置更新粒子的速度和位置。
[0146] 迭代：重复评估和更新步骤，直到满足停止准则(如达到最大迭代次数或适应度收敛)。
[0147] 实施例
[0148] 根据上述本发明的内容通过在Matlab上编写程序进行求解，将所提出的储能连接位置和容量配置方法应用于IEEE39节点网络，如图3所示，图中的黑色粗横线为节点母线，数字1‑39分别为第1节点至第39节点的母线编号，带有方向向下箭头的节点母线为负载母线。
[0149] 首先，计算了储能的最优连接位置。根据使用连续潮流法构建的Q–V曲线计算不同负载母线的无功功率裕度。表1中给出负载母线的无功功率裕度。可以看出，负载母线21具有最低的无功功率裕度。这意味着，就电压稳定性而言，该母线是区域中最弱的母线。因此，母线21被选择为储能的最佳连接位置，以在突发事件之后保证电压稳定性。
[0150] 表1负载母线的无功功率裕度
[0151]
[0152] 接下来，为了找到储能的最佳容量配置大小，使用粒子群算法求解储能容量配置模型。对于系统缺失450MW发电功率的情况下，储能的最佳配置容量为115MW。因此，在母线21处放置一个115MW的储能装置，以避免发电机因频率偏差过大而脱机。
[0153] 本发明提出了考虑连接位置以及抑制频率波动的储能容量配置方法。考虑了系统不同负载母线的电压稳定性，将问题转化为使用连续潮流求解求取Q‑V曲线确定母线无功功率裕量从而确定储能连接位置。同时建立了考虑系统频率偏差最小以及经济性最优的储能容量配置模型，提高系统的频率稳定，增强电力系统的运行稳定性以及安全性。
[0154] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围内。
