¹国网重庆市电力公司武隆供电分公司，重庆

²重庆峰极智能科技研究院有限公司，重庆

收稿日期：2022年11月26日；录用日期：2022年12月16日；发布日期：2022年12月28日

摘要

低压农网配电线路不仅较长而且呈现出辐射状，在用电高峰期，部分配变低压侧经常出现电压过低的现象，电压质量问题突出。为解决上述问题，本文提出一种基于光伏和储能的电压质量改善方法。该方法以整个建设周期经济收益最大化为目标，考虑储能运行约束、节点电压约束等相关约束，采用蚁群算法求解分布式光伏–储能系统，建立了农网光伏–储能低电压治理的优化模型，最后通过IEEE-33节点为例进行验证。结果表明，光伏–储能系统能够在改善农网末端电压质量的基础上，增加整个配电网系统的经济收益，相比于无光伏储能系统更具备经济优势。

关键词

低压电网，光伏，储能，蚁群算法

Optimal Allocation Method of Distributed Photovoltaic Energy Storage System to Improve Voltage Quality of Low Voltage Rural Grid

Haoning Wang¹, Ming Huang¹, Junfeng Han², Haidong Xu¹, Yi Li¹, Lei Zhang¹, Jianlin Zhang¹, Haolin Wang¹, Li Tan¹, Xiangyang Du²

¹State Grid Chongqing Electric Power Company Wulong Power Supply Branch, Chongqing

²Chongqing Fengji Intelligent Technology Research Institute Co. Ltd., Chongqing

Received: Nov. 26^th, 2022; accepted: Dec. 16^th, 2022; published: Dec. 28^th, 2022

ABSTRACT

The distribution line of low-voltage rural power grid is long and the branch structure is complex. The voltage of the low-voltage side of partial distribution transformer is often too low in the peak load period, and the voltage quality problem is prominent. To solve the above problems, this paper proposes a voltage quality improvement method based on photovoltaic and energy storage. This method takes the maximum economic revenue of the whole construction period as the goal, considers the constraints of energy storage operation, node voltage constraints and other relevant constraints, and uses ant colony algorithm to solve the optimal configuration of distributed photovoltaic (DPV)-energy storage system, establishes the optimization model of rural grid photovoltaic (PV)-energy storage low-voltage governance. Finally, the optimization model is verified by IEEE-33 nodes. The results show that the photovoltaic (PV)-energy storage system can increase the economic benefits of the whole distribution network system on the basis of improving the voltage quality at the end of rural power grid, and has more economic advantages compared with the non-PV energy storage system.

Keywords:Low Voltage Power Grid, Photovoltaic (pv), Energy Storage, Ant Colony Algorithm

Copyright © 2022 by author(s) and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).

http://creativecommons.org/licenses/by/4.0/

1. 引言

经过多年建设，我国农村电网已覆盖绝大部分乡村。但随着我国城乡社会经济的发展，农村电气化水平不断提升，农电负荷不断增加，现有农村电网电能质量常常不能满足用户需求，其中的低电压问题亟待解决。

目前国内已针对配电网的低电压问题开展了较多研究。广泛采用的方法是采用无功补偿的方法降低负荷的无功消耗以此来抬升电压 [1]，但对于重负荷和馈线较长的情况，无功补偿调节能力有限，不能从根本上解决低电压问题；此外，还有在低压侧馈线末端加装调压器的方法，其本质是增加了一台小变比变压器。当负荷变化较大时，其调压范围也难以满足需求。

近年来，分布式光伏和储能已开始大规模应用。在配电变压器低压侧加装分布式光伏和储能将是调节配电网电能质量的一个好的方法。基于储能提升配电网电能质量的研究方面，文献 [2] 在考虑电能质量的同时，建立了配电网风–储双层配置模型，选择考虑风电机组运行状况的电能质量评估指标及计算方法，结果显示风–储的接入降低了总的运行成本，且提升了电网的电能质量。文献 [3] 引入了模糊综合评价法，在削峰填谷的同时，改善了配电网电压质量和经济收益，从而建立了双层优化模型。文献 [4] 针对低压配电网络中的电压控制问题，提出了一种多电池储能系统的协调控制方法。结果表明，所提出的协调控制方案能够更均匀地使用储能，从而在电池更换次数和维护次数两方面降低了存储运营商的电池更换成本。

目前对光伏–储能系统的研究，技术层面主要是储能容量优化配置及控制策略。经济效益评估方面，文献 [5] 根据全年充放电优化策略，分析出不同电力定价下储能系统对经济性的影响。文献 [6] 比较了在多个分布式光伏项目中，不同的总发电量、不同的政策补贴对经济、环境效益等的影响。文献 [7] 以居民用户和企业用户为研究对象，探讨用户不同用电模式、有无储能系统对使用光伏的用户产生的影响。文献 [8] 以制定光伏–储能系统策略为目标，建立了整个系统的成本收益模型、全生命周期模型。

尽管电压调节可以通过无功补偿来完成，然而对于低压农网来说，有功损耗是导致这一低电压的主要原因，采用无功补偿方式效果不佳，并且实际生产使用的分布式光伏通常只提供有功的输出 [9] [10]。

我国农村幅员辽阔，用电负荷具有小型、分散的特点。典型农村自然村落的住户分布如图1所示。可把所有住户分成A类和B类，A类住房比较集中，相互距离最远不超过1000 m，且占村落住户的大多数。B类用户数量少且较为分散，离村子中心的距离在500 m以上 [11] [12]。

对于这类农村村落，供电公司采用的供电方案是：采用10 kV线路给全村供电，配电变压器旋转在村落的负荷中心，即A类住户的中心，然后降压为220 V，进而辐射给各用户供电。

图1. 典型农村自然村落的住户分布示意图

由上可见，国内外对配电网采用光伏和储能具有不同的目标。城市电网中，利用风光、储能构建主动配电网，是新型电力系统的重要手段。但在农村电网中，以低电压治理为目标的应用，尚缺乏深入研究。农村电网的低电压治理其核心在于其技术经济指标如何设计以使得电能质量的投资成本能够快速收回，从而使其具有可行性 [13]。

基于此，本文以光伏–储能系统建设整个周期的经济收益最大化为目标函数，通过蚁群算法优化在光伏接入配电网不同位置时的储能容量，在保持原有配电网结构和补偿设备不变的情况下，实现改善低压农网质量的目的。

2. 基于光伏–储能的低电压治理模型

2.1. 基于光伏–储能的低电压治理方案

针对农村电网线路末端低电压问题，本文在光伏–储能系统的基础上，提出一种农网低电压治理技术方案，核心思想是在台变低电压用户侧加装光伏–储能系统。光伏–储能系统由光伏、储能、逆变器、控制器及485通信总线组成，整个系统的原理图如图2所示 [14]。

2.2. 面向低电压治理的光伏–储能配置目标函数

安装储能系统能最大程度实现光伏电力就地消纳，余电并网可增加农户经济收益，构建光伏–储能系统建设安装–运行维护–退役整个周期的经济收益模型 [15]。目标函数为：

图2. 光伏储能系统原理图

$\max f=R_T-C_T$ (1)

其中， $R_T$ 为发电收益：

$R_T={\displaystyle \underset{n=1}{\overset{Y}{\sum }}{R}_{en}}+R_r$ (2)

其中：

$R_{en}=S_{an}+P_{un}$ (3)

式中： $R_{en}$ 为第n年发电带来的收益；Y为系统运行周期； $R_r$ 为设备回收过程带来的收益； $S_{an}$ 为自用电量节省费用； $P_{un}$ 为多余电量并网收益费用。

其中，系统投资总成本

$C_T=C_I+C_{OM}+C_R$ (4)

式中： $C_{\text{I}}$ 为初始投资成本； $C_{\text{OM}}$ 为维护更换成本； $C_{\text{R}}$ 为退役成本，单位均为元。

$C_I=C_{PV}+C_{BSS}$ (5)

式中： $C_{PV}$ 是光伏系统初始投资成本； $C_{BSS}$ 是储能系统初始投资成本，单位均为元。

$C_{PV}=P_a{\displaystyle \underset{i=1}{\overset{8}{\sum }}{C}_i}$ (6)

式中： $P_a$ 是光伏峰值时的功率，W；C₁~C₈表示辅件、组件、支架、系统逆变器、系统汇流箱、计量装置、安装和并网的单位成本，元/W。

$C_{BSS}=C_{stor}\times E$ (7)

式中： $C_{\text{stor}}$ 是储能单位容量的成本，元/(kW∙h)，E是电池容量，kW∙h。

$C_{OM}=20\left(O_{PV}+O_{BSS}\right)+E_{RC}$ (8)

式中： $O_{PV}$ 为光伏全年维护所需成本； $O_{\text{BSS}}$ 为储能全年维护所需成本； $E_{\text{RC}}$ 为整个系统更换一次所需成本。

$C_R=\beta C_1$ (9)

式中： $\beta$ 为退役成本系数。

2.3. 约束条件

整个模型的约束包括等式约束与不等式约束 [16]。其中，等式约束包括功率平衡约束、潮流约束及储能能量约束；不等式约束主要包括电压约束等。

1) 潮流平衡约束

$\text{Δ}{P}_{bus}=P_{bus,m}^{ess}+P_G^{}-P_{bus}^{lood}-P_{bus}^{cal}=0$ (10)

$\text{Δ}{Q}_{bus}=Q_{bus,m}^{ess}+Q_G^{}-Q_{bus}^{load}-Q_{bus}^{cal}=0$ (11)

式中： $\text{Δ}{P}_{bus}$ 、 $\text{Δ}{Q}_{bus}$ 为节点的有功、无功不平衡量； $P_{bus,m}^{ess}$ 、 $Q_{bus,m}^{ess}$ 为储能装置的有功、无功容量； $P_G^{}$ 、 $Q_G^{}$ 为光伏有功、无功出力； $P_{bus}^{lood}$ 、 $Q_{bus}^{load}$ 为节点的有功、无功负荷； $P_{bus}^{cal}$ 、 $Q_{bus}^{cal}$ 为节点有功、无功注入功率。

2) 网络功率平衡约束

${\displaystyle \sum P_{all}}={\displaystyle \sum P_{load}}+{\displaystyle \sum P_{loss}}$ (12)

式中： ${\displaystyle \sum P_{all}}$ 为节点注入有功，kW； ${\displaystyle \sum P_{load}}$ 为总的有功，kW； ${\displaystyle \sum P_{loss}}$ 为整个系统的网络损耗，kW。

3) 储能系统运行平衡约束

${\displaystyle \underset{s}{\overset{T}{\sum }}{P}_{bus,m}^{ess}}\left(s\right)\text{Δ}t=0$ (13)

式中： ${\displaystyle \underset{s}{\overset{T}{\sum }}{P}_{bus,m}^{ess}}\left(s\right)$ 为相应阶段s的充放电功率，对于整个阶段，储能充、放电量保持平衡。

4) 节点电压约束

$U_{\min }\le U_i\le U_{\max }$ (14)

${\delta }_{\min }\le {\delta }_i\le {\delta }_{\max }$ (15)

式中： $U_{\min }$ 、 $U_{\max }$ 为节点电压 $U_i$ 的下限与上限； ${\delta }_{\min }$ 、 ${\delta }_{\max }$ 为节点电压 ${\delta }_i$ 的相角下限与上限。

3. 基于改进蚁群算法的模型求解

蚁群算法是一种启发式优化算法，其被广泛应用得益于较强的求解能力。原理是蚂蚁在觅食过程中，会在路径上释放一种名叫信息素的物质，然后其它蚂蚁可根据之前蚂蚁释放的信息素在食物和巢穴之间移动，蚂蚁总是爬行在信息素较高的路径上，随着信息素不断地积累，越来越多的蚂蚁聚集在最短的线路上，迭代到一定程度时，最优觅食路径被找到 [17]。

本文对传统蚁群算法中的期望因子 $\beta$ 改进，即：

$\beta =\{\begin{array}{ll}a,\hfill & 0<n\le n_0\hfill \\ b,\hfill & n_0<n\le n_{\max }\hfill \end{array}$ (16)

式中：a < b， $n_{\max }$ 为最大迭代次数，采用改进蚁群算法求解分布式储能系统的最优选址与定容的流程如下：

1) 设定网络结构参数、储能参数，确定目标函数，调节因子等参数。

2) 初始化信息素浓度。

3) 由信息素浓度，确定下一个路径转移的概率。

4) 更新信息素，重新计算每一条路径上的目标函数。

5) 最优解即为所有目标函数值中的最短路径。

6) 以上阶段反复迭代，直到达到设定的最大迭代数，输出即为所求的最优配置方案。

操作流程如图3所示。

图3. 操作流程图

4. 算例

本文选用IEEE-33节点配电系统作为算例 [18]，如图4所示。配电网系统的参数如表1所示。设定储能系统允许接入节点为3-33，接入节点数为3个，储能电池选择低成本、长寿命、高安全、高能量密度的钠离子电池，采用10 kW~10 kWh多晶硅–钠离子储能发电系统，其系统参数如表2所示。其中， $P_a$ 为光伏组件峰值功率， $E_{PV}$ 为光伏单位容量成本，V为储能电池容量， $E_{BSS}$ 为储能单位容量成本，元/kWh。以20年内整个配电网系统的经济收益最大为目标函数，以行业规定下的低电压治理电压达到220 V ± 7%为约束条件，在农网配电系统的不同节点接入DG，分析研究不同节点接入DG后储能的选址定容情况以及对农村电网低电压问题的改善情况。

对当地实际历史光伏数据进行统计分析，选取可用的样本数据，选取原则是波动频率高、波动范围大，最终选取的光伏日出力曲线如图5所示 [19]。

为简化计算，限制接入的DG个数为1，容量为总负荷的40%，功率因数为0.9滞后，储能的最大放电功率为6 kW，储能接入的个数限制为3个，可连续充放电4 h，DG的接入位置如表3所示，选取了具有代表性的配电线路的前端、中部、中后部和末端 [20]，仿真结果见图6、图7和表4所示。

图4. IEEE33节点配电系统

表1. IEEE33节点配电网支路参数

表2. 光伏–储能系统参数

图5. 光伏日出力曲线

表3. DG接入位置的变化

图6. 电压分布情况

图7. 平均电压偏差情况

表4. 储能配置结果

注：()内为该接入该节点的储能容量(单位：kW)。

由仿真结果可知，DG的功率因数与出力一定时，DG的接入位置对电压的改善情况以及储能的选址定容影响较大。DG接入位置靠近母线时，对电压的改善情况越差，储能所需的容量也越大；相应的，当DG接入的位置越靠近末端时，对电压的改善越好，能够有效的防止低电压的产生，所需配置的储能容量也越小。

由图7进一步研究发现，当DG的接入太靠近末端时，相应的平均电压偏差越大。故而，将DG配置在配电线路的中后部，有利于改善末端的低电压问题以及减小平均电压偏差。

在系统整个生命周期内，光伏系统的逆变器更换2次，汇流箱更换1次，计量装置更换1次，储能电池更换2次 [21]。光伏组件回收价格为初始价格的40%。规划周期为20年的总收益对比如表5所示。

表5. 经济性对比(单位：元)

由表5结论可知，相比于无光伏的储能系统，光伏–储能系统通过光伏出力与负荷的匹配，使负荷消纳光伏，从而提升末端电压，降低整个系统的网损，故而光伏–储能系统的经济效益更高；而在DG的出力与功率因数不变的情况下，越靠近配电网末端安装DG，越能使得光伏与储能配合利用峰谷电价政策低储高发进行套利，故而DG的接入位置越靠近主馈线末端，整个系统的收益越大。

5. 结论

本文针对农村电网结构薄弱、供电半径过长导致的末端台区低电压问题，采用光伏–储能系统来改善配电网的结构，结论如下：

1) 以配电网系统整个生命周期的经济效益最大化为目标，建立了分布式光伏–储能系统经济效益分析模型，该模型能够有效地改善配电网的电压质量。

2) 相比无光伏储能系统，采用光伏–储能系统能够最大程度实现光伏电力就地消纳，余电并网，从而增加整体的经济收益。

3) 越靠近配电网中后部接入光伏，整个系统电压偏差越小；越靠近配电网末端接入光伏，相应的储能配置容量越小，整个规划周期内的总收益越高。

文章引用

王浩宁,黄 明,韩俊峰,徐海栋,李 毅,张 雷,张建林,王浩粼,谭 力,杜向阳. 改善低压农网电压质量的分布式光伏–储能系统优化配置方法
Optimal Allocation Method of Distributed Photovoltaic Energy Storage System to Improve Voltage Quality of Low Voltage Rural Grid[J]. 智能电网, 2022, 12(06): 187-197. https://doi.org/10.12677/SG.2022.126018

参考文献