基于改进粒子群算法的分布式光伏及储能系统优化配置

doi:10.3969/j.issn.2097-0706.2023.01.006

综合智慧能源 ›› 2023, Vol. 45 ›› Issue (1): 49-57.doi: 10.3969/j.issn.2097-0706.2023.01.006

基于改进粒子群算法的分布式光伏及储能系统优化配置

胡祖源¹, 靳现林¹, 谭雅之²^,^*(), 樊静宜²

1.国华能源投资有限公司，北京 100007
2.华北电力大学电气与电子工程学院，北京 102206

收稿日期:2022-07-20 修回日期:2022-09-05 出版日期:2023-01-25 发布日期:2023-02-22
通讯作者: *谭雅之（1999），女，在读硕士研究生，从事分布式电源接入电网、电网规划等方面的研究，1598817561@qq.com。
作者简介:胡祖源（1973），男，工程师，从事智慧楼宇、分布式发电、项目管理等方面的工作；
靳现林（1974），男，高级工程师，硕士，从事新能源发电生产管理工作；
樊静宜（1999），女，在读硕士研究生，从事新型电力系统规划应用研究。
基金资助:
国家自然科学基金项目(51977074)

Optimized configuration of distributed photovoltaic and energy storage system based on improved particle swarm algorithm

HU Zuyuan¹, JIN Xianlin¹, TAN Yazhi²^,^*(), FAN Jingyi²

1. Guohua Energy Investment Company Limited， Beijing 100007，China
2. School of Electrical and Electronic Engineering， North China Electric Power University， Beijing 102206， China

Received:2022-07-20 Revised:2022-09-05 Online:2023-01-25 Published:2023-02-22
Supported by:
National Natural Science Foundation of China(51977074)

摘要/Abstract

摘要：

“碳达峰、碳中和”目标的提出要求进一步推进分布式电源接入配电网，针对分布式光伏并网引起的不确定性问题，研究了分布式光伏及储能的优化配置，采用系统聚类筛选光伏的典型出力场景用于储能规划，综合考虑场景的经济效益、负荷的波动及削峰填谷率等，建立光伏及储能优化配置的混合整型非线性规划模型。采用自适应粒子群算法进行求解，分析不同负荷、不同电价时段对储能容量配置及系统运行的影响。算例结果表明，引入储能系统后可有效平抑光伏出力的不确定性，优化负荷曲线，同时提高系统的整体运行性能，验证了模型的可行性与求解方法的有效性。

关键词: 碳中和, 分布式光伏, 储能系统, 系统聚类, 改进粒子群算法, 容量配置, 分布式电源, 配电网

Abstract:

The proposal of the goals of carbon peaking and carbon neutrality makes a further request on the grid connection of distributed energy systems. To address the uncertainty triggered by the grid-connected distributed photovoltaic （PV） systems， the optimal configuration of distributed PV and energy storage systems is studied. Based on the typical PV output scenarios selected by clustering process， a hybrid integral non-linear programming model for the optimal configuration of a photovoltaic and energy storage system was established while taking economic benefits， load fluctuation and peak-shaving rates into consideration. The model was solved by adaptive particle swarm optimization algorithm， and the influence of different loads and electricity prices on energy storage capacity and on the operation of the system was analyzed. The results show that the energy storage system can effectively stabilize the photovoltaic output， optimize the load curve and improve the overall operating performance of the system， which verifies the feasibility of the model and the effectiveness of the solution.

Key words: carbon neutrality, distributed photovoltaic, energy storage system, clustering, improved particle swarm algorithm, capacity allocation, distributed power source, distribution network

中图分类号:

TK51：TP301.6

胡祖源, 靳现林, 谭雅之, 樊静宜. 基于改进粒子群算法的分布式光伏及储能系统优化配置[J]. 综合智慧能源, 2023, 45(1): 49-57.

HU Zuyuan, JIN Xianlin, TAN Yazhi, FAN Jingyi. Optimized configuration of distributed photovoltaic and energy storage system based on improved particle swarm algorithm[J]. Integrated Intelligent Energy, 2023, 45(1): 49-57.

图/表 17

图1

图2

表1

图3

表2

表3

表4

图4

图5

表5

表6

表7

表8

图6

图7

图8

图9

参考文献 23

[1]	张金平, 周强, 王定美, 等. “双碳”目标下新型电力系统发展路径研究[J]. 华电技术, 2021, 43(12):46-51.
	ZHANG Jinping, ZHOU Qiang, WANG Dingmei, et al. Research on the development path of new power system to achieve carbon peaking and carbon neutrality[J]. Huadian Technology, 2021, 43(12):46-51.
[2]	肖宏飞, 刘士荣, 郑凌蔚, 等. 微型电网技术研究初探[J]. 电力系统保护与控制, 2009, 37(8):114-119.
	XIAO Hongfei, LIU Shirong, ZHENG Lingwei, et al. A preliminary research on microgrid technology[J]. Power System Protection and Control, 2009, 37(8):114-119.
[3]	李建林, 修晓青. 储能系统容量优化配置及全寿命周期经济性评估研究综述[J]. 电源学报, 2018, 16(4):1-13.
	LI Jianlin, XIU Xiaoqing. Energy storage system capacity optimization and life-cycle economic evaluation: A review[J]. Journal of Power Sources, 2018, 16(4):1-13. doi: 10.1016/0378-7753(85)80001-X
[4]	叶冬挺, 徐静, 丁婧, 等. 计及光伏消纳的光伏电站储能容量优化方法[J]. 电工技术, 2022(2):32-34.
	YE Dongting, XU Jing, DING Jing, et al. Optimization method of energy storage capacity of photovoltaic power station with consideration of photovoltaic absorption[J]. Electrotechnical Engineering, 2022(2):32-34.
[5]	王鑫, 陈祖翠, 卞在平, 等. 基于粒子群优化算法的智慧微电网风光储容量优化配置[J]. 综合智慧能源, 2022, 44(6):52-58. doi: 10.3969/j.issn.2097-0706.2022.06.006
	WANG Xin, CHEN Zucui, BIAN Zaiping, et al. Optimal allocation of a wind-PV-battery hybrid system in smart microgrid based on particle swarm optimization algorithm[J]. Integrated Intelligent Energy, 2022, 44(6):52-58. doi: 10.3969/j.issn.2097-0706.2022.06.006
[6]	郭子兴. 储能技术在光伏发电系统中的应用[J]. 电子产品世界, 2021, 28(11):83-85.
	GUO Zixing. Application of energy storage technology in photovoltaic power generation system[J]. Electronics World, 2021, 28(11):83-85.
[7]	杜伟伟, 严鑫. “太阳能社区”光伏微电网系统设计[J]. 南方农机, 2021, 52(22):143-146.
	DU Weiwei, YAN Xin. Design of photovoltaic microgrid system for "solar community"[J]. Southern Agricultural Machinery, 2021, 52(22):143-146.
[8]	HUA G, HE W, ZHAO D. Role of energy storage technologies in the construction of strong smart grid[J]. Distribution & Utilization, 2010, 4(12):289-294.
[9]	张德隆, MUBAARAK Saif, 蒋思宇, 等. 基于概率潮流的光伏电站中储能系统的优化配置方法[J]. 储能科学与技术, 2021, 10(6):2244-2251.
	ZHANG Delong, MUBAARAK Saif, JIANG Siyu, et al. Optimal configuration of energy storage system in photovoltaic power station based on probability power flow[J]. Energy Storage Science and Technology, 2021, 10(6):2244-2251.
[10]	黄伟, 陈伯达, 羿应棋, 等. 考虑光储可持续带载能力的配电网可靠性分析[J]. 电网技术, 2018, 42(5):1510-1520.
	HUANG Wei, CHEN Boda, YI Yingqi, et al. Distribution system reliability analysis considering sustainable on-load capacity of hybrid photovoltaic/energy-storage system[J]. Power System Technology, 2018, 42(5):1510-1520.
[11]	郑瑞春, 王焕忠, 李钦豪, 等. 计及储能寿命特性与健康状态的多站融合光伏储能优化配置[J]. 广东电力, 2021, 34(10):50-57.
	ZHENG Ruichun, WANG Huanzhong, LI Qinhao, et al. Optimal configuration of multi-station fusion photovoltaic energy storage considering energy storage life characteristics and health status[J]. Guangdong Electric Power, 2021, 34(10):50-57.
[12]	曾鸣, 杨雍琦, 向红伟, 等. 兼容需求侧资源的“源-网-荷-储”协调优化调度模型[J]. 电力自动化设备, 2016, 36(2):102-111.
	ZENG Ming, YANG Yongqi, XIANG Hongwei, et al. An optimal scheduling model of "source-network-charge-storage" with compatible demand-side resources[J]. Power Automation Equipment, 2016, 36(2):102-111.
[13]	傅质馨, 张晶晶, 崔晓丹, 等. 储能支撑光伏参与电网一次调频的优化控制策略研究[J]. 可再生能源, 2021, 39(11):1530-1540.
	FU Zhixin, ZHANG Jingjing, CUI Xiaodan, et al. Research on optimal control strategy of energy storage supported PV participating in primary frequency modulation of power grid[J]. Renewable Energy, 2021, 39(11):1530-1540.
[14]	姜飞, 林政阳, 何桂雄, 等. 基于动态一致性算法的光伏-储能分布式协调电压控制[J]. 天津大学学报(自然科学与工程技术版), 2021, 54(12):1299-1308.
	JIANG Fei, LIN Zhengyang, HE Guixiong, et al. Distributed coordinated voltage control for photovoltaic energy storage based on dynamic consistency algorithm[J]. Journal of Tianjin University(Natural Science and Engineering Technology Edition), 2021, 54(12):1299-1308.
[15]	WANG Z, BIAN S, LIU Y. The load characteristics classification and synthesis of substations in large are power grid[J]. International Journal of Electrical Power & Energy Systems, 2013, 48:2715-2720.
[16]	林舜江, 李欣然, 刘杨华, 等. 电力负荷动特性分类方法研究[J]. 电力系统自动化, 2005, 29(22):58-63.
	LIN Shunjiang, LI Xinran, LIU Yanghua, et al. Research on dynamic characteristics classification method of power load[J]. Automation of Electric Power Systems, 2005, 29(22):58-63.
[17]	张旭, 梁军, 贠志皓, 等. 广义负荷建模中纵横聚类策略研究[J]. 中国电机工程学报, 2015, 35(23):6028-6038.
	ZHANG Xu, LIANG Jun, YUN Zhihao, et al. Research on vertical and horizontal clustering strategy for generalized load modeling[J]. Proceedings of the CSEE, 2015, 35(23):6028-6038.
[18]	任荣荣, 谢丽蓉, 徐波丰, 等. 基于弃光消纳的光储系统容量优化配置研究[J]. 新疆大学学报(自然科学版), 2021, 38(5):632-640.
	REN Rongrong, XIE Lirong, XU Bofeng, et al. Research on optimal capacity allocation of optical storage system based on abandoned light absorption[J]. Journal of Xinjiang University (Natural Science Edition), 2021, 38(5):632-640.
[19]	丁明, 方慧, 毕锐, 等. 基于集群划分的配电网分布式光伏与储能选址定容规划[J]. 中国电机工程学报, 2019, 39(8):2187-2201.
	DING Ming, FANG Hui, BI Rui, et al. Location and volume planning of distributed photovoltaic and energy storage in distribution network based on cluster division[J]. Proceedings of the CSEE, 2019, 39(8):2187-2201.
[20]	朱向芬. 基于粒子群算法的混合储能系统容量优化配置[D]. 银川: 宁夏大学, 2014.
	ZHU Xiangfen. Optimal capacity allocation of hybrid energy storage system based on PSO[D]. Ningxia: Ningxia University, 2014.
[21]	霍明霞, 陈垒, 牛占平, 等. 面向分布式光伏消纳的空调负荷需求响应策略[J]. 电力与能源, 2021, 42(3):313-319.
	HUO Mingxia, CHEN Lei, NIU Zhanping, et al. Air conditioning load demand response strategy for distributed photovoltaic absorption[J]. Electric Power and Energy, 2021, 42(3):313-319.
[22]	刘娇扬, 郭力, 杨书强, 等. 配电网中多光储微网系统的优化配置方法[J]. 电网技术, 2018, 42(9):2806-2815.
	LIU Jiaoyang, GUO Li, YANG Shuqiang, et al. Optimal sizing for multi PV-ESS microgrids in distribution network[J]. Power System Technology, 2018, 42(9):2806-2815.
[23]	雷宇, 杨明, 韩学山. 基于场景分析的含风电系统机组组合的两阶段随机优化[J]. 电力系统保护与控制, 2012, 40(23):58-67.
	LEI Yu, YANG Ming, HAN Xueshan. Two-stage stochastic optimization of turbine assembly with wind power system based on scenario analysis[J]. Electric Power System Protection and Control, 2012, 40(23):58-67.

测试函数	搜索成功率/%		平均搜索时间/s
测试函数	PSO	AWP-PSO	PSO	AWP-PSO
Griewangk	65	91	3.174	4.172
Rosenbrock	69	93	2.316	3.917

参数	数值
单位储能成本/[元·(kW·h)^-1]	2 830
单位发电功率运维成本/[元·(kW·h)^-1]	0.087
规划年限/a	20
光伏上网电价/[元·(MW·h)^-1]	900
光伏单位弃光成本/[元·(kW·h)^-1]	2 400
所允许节点的电压最大标幺值	1.05
所允许节点的电压最小标幺值	0.95
储能电池最小荷电状态/%	10
储能电池最大荷电状态/%	90

时段		电价
高峰段	10：00—15：00，18：00—21：00	0.86
平时段	07：00—10：00，15：00—18：00，21：00—23：00	0.51
低谷段	00：00—07：00，23：00—24：00	0.20

节点编号	a_j /[元·(MW·h)^-2]	b_j /[元·(MW·h)^-1]
1	0.003 75	2.00
2	0.001 75	1.75
5	0.062 50	1.00
8	0.008 34	3.25
11	0.002 50	3.00
13	0.002 50	3.00

典型日	概率	典型日	概率
01-03	0.125	05-31	0.045
02-18	0.144	08-07	0.151
03-21	0.121	08-14	0.086
05-16	0.066	09-13	0.148

基于改进粒子群算法的分布式光伏及储能系统优化配置

Optimized configuration of distributed photovoltaic and energy storage system based on improved particle swarm algorithm

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 17

参考文献 23

相关文章 15

编辑推荐

Metrics

本文评价

参数	数值
惯性因子最大值	0.90
惯性因子最小值	0.35
种群大小	100
个体学习因子	2
社会学习因子	2
迭代次数	100

项目	引入储能	未加储能
光储收益/万元	118.65/140.54/165.23	105.23
火电机组收益/万元	354.25/340.38/321.20	435.26
运行成本/万元	46.23/67.30/88.5
弃光成本/万元	59.34/38.51/25.34	45.26
总收益/万元	367.33/375.21/372.59
削峰填谷率/%	19.51/22.29/24.71
波动平抑率/%	81.50/83.40/87.50	76.16

[1]	葛磊蛟, 崔庆雪, 李明玮, 刘自发, 夏明超. 面向低碳经济运行的新型电力系统态势感知技术综述[J]. 综合智慧能源, 2023, 45(1): 1-13.
[2]	郑真, 朱峰, 马小丽, 田书欣, 姜皓喆. 基于TL-LSTM的新能源功率短期预测[J]. 综合智慧能源, 2023, 45(1): 41-48.
[3]	翁志鹏, 周京华, 李津, 詹政东. 含风光接入的微电网可靠性影响分析[J]. 综合智慧能源, 2023, 45(1): 67-74.
[4]	韩世旺, 赵颖, 张兴宇, 玄承博, 赵田田, 侯绪凯, 刘倩倩. 面向碳中和的新型电力系统氢储能调峰技术研究[J]. 综合智慧能源, 2022, 44(9): 20-26.
[5]	江婷, 赵雅姣. 基于燃气分布式的综合能源系统碳减排分析[J]. 综合智慧能源, 2022, 44(9): 27-32.
[6]	张旭, 张浩浩, 顾吉浩. 室温空间特性差异性分析及抽样推断方法研究[J]. 综合智慧能源, 2022, 44(9): 51-58.
[7]	姜曙, 刘芳芳, 刘媛媛, 陈启召, 连丽, 任梦楠. “地热能+”在工程实践中的综合梯级应用[J]. 综合智慧能源, 2022, 44(9): 59-64.
[8]	余果, 吴军, 夏热, 陈逸珲, 郭子辉, 黄文鑫. 构网型变流器技术的发展现状与趋势研究[J]. 综合智慧能源, 2022, 44(9): 65-70.
[9]	唐琦雯, 沈琪, 祝俊, 苏宜靖. 浙江调频辅助服务市场机制设计及运营实践[J]. 综合智慧能源, 2022, 44(9): 71-77.
[10]	杨莹, 张雁祥, 闫牧夫. 中低温固体氧化物燃料电池电解质制备方法研究进展[J]. 综合智慧能源, 2022, 44(8): 50-57.
[11]	陈晗钰, 周晓亮, 刘立敏, 钱欣源, 王宙, 何非凡, 绳阳. 质子导体固体电解池电解水制氢研究进展[J]. 综合智慧能源, 2022, 44(8): 75-85.
[12]	李华, 郑洪纬, 周博文, 李广地, 杨波. 综合智慧能源系统中抽水蓄能电站两部制电价研究[J]. 综合智慧能源, 2022, 44(7): 10-18.
[13]	王盛, 谈健, 史文博, 邹风华, 陈光, 王林钰, 惠红勋, 郭磊. 英国新型电力系统建设经验以及对我国省级电网发展启示[J]. 综合智慧能源, 2022, 44(7): 19-32.
[14]	冶兆年, 赵长禄, 王永真, 韩恺, 刘超凡, 韩俊涛. 基于纳什议价的共享储能能源互联网络双目标优化[J]. 综合智慧能源, 2022, 44(7): 40-48.
[15]	张荣权, 李刚强, 卜思齐, 刘芳, 朱玉祥. 基于自适应学习率萤火虫算法的多能源系统联合优化调度[J]. 综合智慧能源, 2022, 44(7): 49-57.

机组编号	容量	最大出力	最小出力
1	200	200	60
2	250	250	0
5	600	600	150
8	300	300	70
11	600	600	150
13	200	200	60