下载文档原格式
第51卷第23期电力系统保护与控制Vol.51 No.23 2023年12月1日Power System Protection and Control Dec. 1, 2023 DOI: 10.19783/ki.pspc.230284考虑电能质量的配电网增值服务双层优化模型钟 浩1,2，舒 栋1,2，张 磊1,2，夏 鑫1,2，董雪薇1,2，吴 凡1,2(1.三峡大学梯级水电站运行与控制湖北省重点实验室，湖北 宜昌 443002；2.三峡大学电气与新能源学院，湖北 宜昌 443002)摘要：大规模分布式光伏接入使得配电网谐波污染严重，而谐波治理效果与网络拓扑结构相关，存在其他就近节点“搭便车”的现象。
为改善用户的用电效率和提升配电网的经济效益，提出一种考虑电能质量的配电网增值服务双层优化模型。
首先，采用支持向量机算法预测谐波源不同出力情况下负荷节点的谐波电压畸变率。
然后，建立了配电网与需求用户的购售电双层优化模型。
上层以配电网运营商作为主体，考虑网络拓扑结构对电能质量治理效果和成本的影响，以配电网运营商收益最大为目标，建立谐波电压治理模型，制定不同电能质量等级的电价。
下层以对电能质量有需求用户作为主体，根据不同电能质量等级的电价，用户以运行成本最小为目标，建立电能质量选购策略模型。
最后采用IEEE14节点算例进行分析验证，结果表明所提模型能够更有针对性地提升电能质量，提高配电网的经济收益，并为用户的差异化用电提供了解决方案。
关键词：电能质量；配电网；增值服务；双层优化A two-layer optimization model of value-added service in a distribution network considering power qualityZHONG Hao1, 2, SHU Dong1, 2, ZHANG Lei1, 2, XIA Xin1, 2, DONG Xuewei1, 2, WU Fan1, 2(1. Hubei Provincial Key Laboratory for Operation and Control of Cascaded Hydro-power Station, China ThreeGorges University, Yichang 443002, China; 2. College of Electrical Engineering & New Energy,China Three Gorges University, Yichang 443002, China)Abstract: The access of large-scale distributed photovoltaic energy seriously increases the harmonic pollution of distribution networks. The effect of harmonic control is related to the network topology and other nearby nodes "hitchhike" phenomena exist. To improve the consumption efficiency of users and enhance the economic benefits of the distribution network, a two-layer optimization model of value-added service considering power quality is proposed. First, the support vector machine algorithm is used to predict the harmonic voltage distortion rate of load nodes in different output conditions of harmonic sources. Then, a two-layer optimization model of purchasing and selling electricity between the distribution network and demand users is established. The upper layer, which considers the influence of the network topology structure on the power quality governance effect and cost, takes the maximum of distribution network operator profit as the target. It takes the distribution network operator as the main body, builds the harmonic voltage control model and establishes the electricity price for different power quality levels. The lower layer, which is based on the price of a different power quality, takes the users aim to minimize the operational cost as the target. It takes the users with differentiated power quality requirements as the main body and establishes the power quality purchasing strategy model. Finally, this paper uses the IEEE14-node example analysis for verification, and the results show that the proposed model can improve the power quality and the economic benefits of the distribution network, as well as providing a solution for the differentiated consumption of users.This work is supported by the National Natural Science Foundation of China (No. 52007103).Key words: power quality; distribution network; value-added service; two-layer optimization0 引言在我国提出以“碳达峰、碳中和”为目标的大基金项目：国家自然科学基金项目资助(52007103)；湖北省自然科学基金联合基金项目资助(2022CFD167) 背景下，以光伏为代表的清洁能源上网比例快速上升[1-3]。
含光储联合发电系统的配电网双目标拓展无功优化杨雨瑶;张勇军;林国营;党三磊;潘峰【摘要】光储联合发电系统接入配电网给其优化调度带来了新的资源和挑战.分析了光储联合发电系统接入配电网后对配电网电压和网损的影响机理,揭示了光储系统的有功无功调控对配电网调压和降损的重要地位.构建了以系统有功网损最小和电压越限风险最小为优化目标的拓展无功优化模型.该模型在传统无功优化模型的基础上增加储能有功出力和光伏发电功率因数作为控制变量,丰富了有源配电网无功优化的内涵.采用带精英策略的非支配排序多目标优化遗传算法(NSGA-Ⅱ)求取帕累托前沿,并根据模糊集理论选取最优折衷解.与多种无功优化方案进行仿真比较,结果表明所提出的双目标拓展无功优化模型能够实现含源配电网中有功潮流和无功潮流的协调优化,在充分挖掘系统节能降耗潜力的同时提高配电网电压运行安全裕度.【期刊名称】《电力系统保护与控制》【年(卷),期】2018(046)022【总页数】8页(P39-46)【关键词】无功优化;储能;光伏;NSGA-Ⅱ【作者】杨雨瑶;张勇军;林国营;党三磊;潘峰【作者单位】广东电网有限责任公司电力科学研究院,广东广州510080;华南理工大学电力学院,广东广州510641;广东电网有限责任公司电力科学研究院,广东广州510080;广东电网有限责任公司电力科学研究院,广东广州510080;广东电网有限责任公司电力科学研究院,广东广州510080【正文语种】中文电力系统无功优化是一个多变量、多约束的非线性规划问题。
其目的主要是确定在未来某一时段内系统中各种无功设备的状态，以降低网损、改善电压质量，保证电网运行的安全性和经济性。
传统的无功优化一般可以通过调节有载调压变压器分接头、改变无功补偿装置的投切组数和调节发电机的机端电压来改变无功潮流。
在我国传统中低压配电网中，实际上只有变电站主变具备分接头调压和和无功补偿两种手段参与无功优化。
近年来，人类对可再生能源的追求以及电力市场的开放正驱动着分布式电源(Distributed Generator, DG)快速的规模化发展[1]。
基于配电网全域大数据的负荷智能预测模型目录一、摘要 (1)二、内容概要 (1)三、背景及意义 (2)四、相关理论及技术 (3)4.1 配电网全域大数据 (4)4.2 负荷智能预测模型 (5)五、模型构建与实现 (6)5.1 数据预处理 (7)5.2 特征工程 (8)5.3 模型训练与验证 (9)5.4 模型优化与调整 (11)六、实证分析 (12)6.1 实验环境与参数设置 (13)6.2 实验结果展示 (15)6.3 结果分析 (16)七、模型应用与推广 (17)八、结论与展望 (18)一、摘要随着互联网+、大数据时代的到来，电力系统面临着日益严重的负荷预测挑战。
为了实现更精确、更高效的负荷预测，本文提出了一种基于配电网全域大数据的负荷智能预测模型。
该模型通过整合配电网运行的实时数据、历史数据和天气数据等多源信息，结合先进的数据挖掘和机器学习技术，对未来一段时间内配电网的负荷情况进行预测。
二、内容概要本文档主要围绕“基于配电网全域大数据的负荷智能预测模型”进行阐述。
通过综述相关领域的背景与研究现状，为后续模型介绍做好铺垫。
详细描述了模型的构建过程，包括数据预处理、特征工程、模型训练与验证等关键步骤。
展示了模型在实际应用中的表现，并对其未来发展趋势进行了展望。
背景与意义：介绍了智能电网的发展趋势和负荷预测的重要性，指出了现有预测方法的不足之处，为本模型的提出提供了背景和动机。
相关研究综述：回顾了配电网大数据分析、负荷预测以及人工智能技术在相关领域的应用，为本研究提供了理论基础和研究思路。
模型构建：详细阐述了从数据预处理、特征提取到模型训练与验证的全过程，包括数据清洗、特征选择、模型构建、参数优化等关键步骤。
实证分析：通过实际案例展示了模型的预测效果，证明了本模型在配电网负荷预测中的有效性和可行性。
总结与展望：对本模型的特点、优势进行了总结，并指出了未来可能的研究方向和应用前景。
三、背景及意义随着互联网+、大数据时代的到来，电力系统正面临着日益严重的供需不平衡和能源浪费问题。
２０２０年１２月第２３卷第１２期电力大数据２０２０年总目录 Ｄｅｃ ２０２０，Ｖｏｌ ２３，Ｎｏ １２ＰＯＷＥＲＳＹＳＴＥＭＳＡＮＤＢＩＧＤＡＴＡＧｅｎｅｒａｌｃｏｎｔｅｎｔｓｉｎ２０２０《电力大数据》２０２０年１～１２期总目录第１期□大数据专题基于集中器ＳＩＭ卡状态分析的异常检测 董重重，王 吁，夏水斌，孙秉宇，何 欢，王先培（１）…………基于Ｑ－Ｌｅａｒｎｉｎｇ算法用户最优充电站运营研究 刘 燕，贾肇伟，高 虹（８）………………………………………基于倾角传感器及不同杆塔类型的输电线路覆冰监测研究 殷蔚翎，黄 良（１４）………………………………………………基于人工智能的风机塔筒倾覆智能预警系统建设与开发 陈万勋，刘春波，赵坚强（２１）……………………………………基于蛛状网拓扑智能变电站“三层一网”通信系统研究 单梦琦（２８）………………………………………………………基于数据可视化的隔离开关运检辅助决策 门业堃，于 钊，宋 威，侯宇程，钱梦迪，滕景竹（３７）…………基于大数据挖掘的电网监控信息智能监控研究 孙云岭，徐建建，李 飞，李少博，苏玉京，李 芸（４５）…………智能变电站集中式站域测控装置设计与实现 辛明勇，杨 婧，高吉普，王 宇，张 历，汪明媚（５１）…………基于大数据的电力环保数据平台建设 雒 军，唐 坚，赵 喆，王 佩，闫 强，陈 星（５８）…………新能源综合服务平台及在配电网中的应用研究 王建平，李 莎，罗子昀，王永琦（６４）……………………………节能灯谐波指纹的测试研究与分析于 洋，李成升（７０）…………气象模拟仿真技术在电力安全应急培训中的应用与研究 陈肖龙，刘 航，李卓晖，张宝星，潘岐深，张荣鑫（７８）…………基于负荷曲线的配网支线负荷电流计算研究与应用 林 元（８４）………………………………………………………第２期□大数据专题基于ＦＡＨＰ的电网企业配电变压器供应商分级管理评价模型 代 洲，尹 华，李桧禹，毛 磊（１）……………………………贵州省近６０年气温变化特征分析及对输电线路运维的影响 刘发勇，犹珀玉（９）………………………………………………基于大数据平台的点负荷近中期负荷预测及行业负荷增长 特征分析李 健，王琛，林韶生，杜佩仁（１７）……………………智慧能源区块链平台及典型应用分析与设计 裴求根（２６）………………………………………………………大数据技术在火电厂ＳＣＲ脱硝系统中的应用 唐 坚，尹二新，路光杰，陈 鸥，张 军，刘永岩（３２）…………基于电力物联网和ＧＩＳ融合的变电智能运检系统研究 李 飞，赵大兴（３８）………………………………………………电力领域科技查新系统的设计与实现 韦嵘晖，王庆红，孙辛博，王洪俊（４６）……………………………基于ＲｅｔｉｎａＮｅｔ模型的鸟巢智能检测 时 磊，杨 恒，周振峰，杨刘贵，张 辉，杜 浩（５３）…………电网转型背景下地市级智能电网示范区规划研究 唐小璐，赵伟然，古 含，何 鑫（５９）……………………………基于高层气象大数据的风电场中长期风功率预测研究 李 飞，纪 元（６６）………………………………………………基于决策流程的电网强降雨及地质灾害应急信息系统研究 苏华英，唐延婧，夏晓玲，田连杰（７３）……………………………无人机载多载荷输电线路巡检方法研究 陈科羽，王 萍，，石书山，周筑博，杨鹤猛（８０）…………………面向电力物联网的电力大数据应用 王海洋，赵忠强，唐建华（８７）……………………………………第３期□大数据专题基于大数据的台区行业聚合分类方法及分类特征分析 李 健，林韶生，陈 芳，杜佩仁（１）……………………………实时电价下用户侧电力需求响应模型优化策略及数字仿真 谈竹奎，汪元芹，赵 菁，刘 斌，刘 敏（１０）…………………设备监控信息大数据与设备模型的互校验及实用化事件分析 高 志，樊锐轶，米 超，王大海，胡庆博，冯 超（１９）…………利用大数据实现电能计量装置运行状态质量评估 妙红英，李 蒙，王艳芹，王 松，洪 虹，康 强（２７）…………基于稳态波形分解与神经网络的负荷识别方法 陈伟伟，洪彬倬（３４）………………………………………………基于大数据的导线悬垂面脱冰跳跃高速摄影测量方法研究 马晓红，吕乾勇，毛先胤，徐舒蓉，王建国，唐 敏（４０）…………基于ＢＰ神经网络的输电线路隐患预放电识别研究 杨 旗，曾华荣，黄 欢，马晓红，毛先胤，张露松（４７）…………大数据理念下的供应商分析及应用研究 方茂欢，贺绍鹏，陈金猛，李 屹，郝嘉诚（５５）…………………基于Ｈａｄｏｏｐ和ＨＢａｓｅ的输变电设备数据聚合平台 陈 锐，吴应双，曹 杰，刘明顺（６２）……………………………基于用户行为的分时电价时段划分和价格制定 陈巨龙，黄剑平，张 裕，代 江（６９）……………………………智能变电站二次系统组网结构与信息传输优化研究 唐孝舟，刘青红，孙长兰，章叶青，葛立青（７７）…………………电力大数据第２３卷考虑多场景新能源预测的月度机组组合研究 赵 倩，赵翔宇，苏华英，汪明清，游成彬，黄红伟（８５）…………第４期□大数据专题基于故障概率的配电设备排查路径规划 马天佚，朱建明，杨 霖，张 驰（１）……………………………多源信息融合的微服务化电网事故追忆 韦洪波，曹 伟，叶桂南，韦昌福，何伊妮（８）……………………基于人工智能的电网调度操作智能防误系统建设及实践 蔡新雷，齐 颖（１６）………………………………………………电力物联网中５Ｇ边缘计算技术的研究 王 亮，鲜 柯（２４）………………………………………………基于ＬｏＲａ技术的低压集抄系统运行可靠性分析 孙 航，梁丹丹，郝凤柱，何 毅，张 鸷（３１）…………………基于规则和机器学习的核电文件分发系统研究 刘帝勇，杨 强，岳振兴（３９）……………………………………基于大数据模式识别机器学习算法的热力站动态能耗指标 预测模型王 炎，张海增，胡新华，赵 隽，李 添（４７）………基于ＸＧｂｏｏｓｔ的线路覆冰测量中激光测距的误差研究 曾华荣，谢百明，王 冕，林呈辉，高吉普（５４）…………………多虚拟电厂接入的主动配电系统优化经济调度 邵倩文，姚 璐，谢 威，李舒佳，谢 敏，李建钊（６２）…………基于预期完成率的月内滚动机组组合研究 田年杰，苏华英，刘明顺，李 赟，黄红伟，游成彬（７１）…………电能表运行误差与状态评价模型研究 王晨丞，张君胜，蒲丽娟，何培东，杜 斌，赵智辉（７９）…………存在反向有功电量低压用户的研判方法研究 马 浩，王立斌，武超飞，赵国鹏，马婷婷（８６）…………………第５期□大数据专题基于生存分析模型的电力设备故障预测方法 王春波，陈 刚，周 融，马莉娟（１）……………………………基于人工智能技术的电网调度控制业务研究 范英乐，王 浩，白玉东，李 熙（９）……………………………基于神经棒的电力变压器离线图像识别研究与应用 曾 惜，王 冕，王林波，龙思璇，吕 飞，陈华彬（１６）…………低照度液晶屏幕图像增强算法 张薇薇，王 彦，张庆伟，付龙明，黄 辉（２３）…………………一种改进的ＲＧＢ－ＤＳＬＡＭ室内空间三维重建方法 余兆凯，彭晓峰，邱昌杰，李 训，常友谦（３０）…………………综合能源热力潮流节点标幺值模型及算法实现 陈 晓，齐文斌，平 原，谭志海，刘兴艳（３８）…………………考虑发电能力匹配性的输变电设备检修优化方法 李 豹，袁 泉，张 蔷，卢明富，张德亮，黄红伟（４６）…………大数据技术在配网单线图自动成图的应用研究 何雄坤，周宏志，聂 辉，陈满超，齐志刚（５４）…………………基于数据驱动的物资储检配一体化系统研究和应用 彭 坤，朱长征，高书怡，朱孝峰，潘 敏，李 刚（６４）…………基于大数据的发电量预测分析数据平台建设 张睿锐，徐俊强，童 琪（７２）……………………………………一种云计算数字签名技术的研究与实现 杨凯利，瞿 强，张永超，张其静，娄红红（８０）…………………面向电网实时运行风险的快速定级方法研究及应用 罗 艳，陈子敬，高 浩，粟 景（８６）……………………………第６期□大数据专题基于用户停车行为统计的电动汽车快速充电站最优规划 陈巨龙，刘振铭，薛 毅，廖志军，郑方鹏，徐立新（１）…………大数据环境下基于Ｋ－ｍｅａｎｓ聚类算法的分组负荷预测研究 史 静，南开辉，周 琪，谈 健，李 琥（９）……………………基于改进的ＳＡＥ和ＤＣＴ的自适应无人机巡线图像识别算法研究 王 鑫，李天睿，焦睦涵，刘萌森，刘逸涵（１７）…………………基于ＫＣ－ＬＳＳＶＭ－ＭＡＦＳＡ的并网光伏微网系统的能量管理 黄 柯，李佳蓉，杨璐瑜，陈 爽（２６）……………………………基于ＢＰ神经网络模型的输电线路造价预测模型研究 张宇晨，张宇霖，封春菲，王 晨（３５）…………………………基于ＴＯＰＳＩＳ的私自增容专变电力用户排查方法 王立斌，张思为，马 浩，赵 佩，李梦宇（４３）…………………基于多级属性加密的零信任访问授权控制方法研究与设计 黄 何，刘 劼，袁 辉（５１）……………………………………基于大数据分析的电力用户多维价值识别精准营销投入产出 模型研究姚丹靖，褚 燕（５７）……………………………………基于大数据技术的配网故障抢修分析预测系统的设计与实践 王海洋，迟兆江，蔡鹏飞（６３）……………………………………数据标签研究与应用李阿勇，税 雪，宋志伟（６９）………………基于泛在感知及Ｐｙｔｈｏｎ编程的线损问题区间快速定位方法 黑 阳，单宇南，李文澜，张 维，郝旭东，胡一平（７５）…………基于同步向量的配电网运行数据监测装置设计 曾 惜，王元峰，王林波，杨琦岑，蔡广林（８５）…………………第７期□大数据专题基于ＦａｃｅＮｅｔ的无人值守变电站智能监控终端 宗祥瑞，王 洋，金 尧，周 斌，任新颜，庞玉志（１）…………基于大数据的电网状态估计精细化分析 刘 爽，张 硕，郑 璐，王兴才，金宜放，王 铎（９）………… 第１２期《电力大数据》２０２０年总目录数据挖掘技术在反窃电工作中的应用研究 秦 娜，高振江，白泽明，栾德佳，李雨庭（１６）…………………水火电发电权交易机制及水电市场化发展模式探究 吕 翔，吴引航，戴晓娟，卢冬雪，陈雨果（２４）…………………基于随机模型预测控制的能源互联网双层协调优化调度 蒋泽甫，张 彦，高 华，何向刚，周杨林（３１）…………………一种基于ＳＱＬｉｔｅ数据库的电网滚动规划分布式收资方法 俞秋阳，何俊峰，常宝立，王新宝（３９）……………………………利用差分－花粉算法实现反时限过流优化 罗 琨，罗晨瑀，刘 丽，李正新，周 坤，郝东方（４６）…………变电站双星形并联电容器组电容量快速测量方法 杨 旗，谢百明，陈沛龙，文 屹，马晓红，陈 竹（５４）…………基于数据分析的ＭＧＰ并网系统电气端口的谐波特性 陈巨龙，薛 毅，李庆生，张裕，何向刚（６２）……………………基于聚类分析的低压配电设备误告警识别方法 冯 义，李中文，晋 斌，张腾飞（７２）……………………………一种基于主站多源信息的配网故障定位方法研究 练 寅，王 荣，刘安茳，王昆伦（７９）……………………………贵州火电机组机网耦合扭振典型故障分析与寿命评估 徐章福，邓彤天，李志凌，姜延灿（８６）……………………………第８期□大数据专题基于电力大数据的新能源跨区域消纳研究 彭 旭，郭耀松，刘 琼，周兆南，白 鑫，高 翔（１）…………基于小波变换的多路基坑尺寸检测降噪评估 张 周，胡 科，张 鹏，林 佳，胡涤尘（９）……………………基于多层协作负荷辨识技术的新型智能电表研制及应用 田 欣，王克南，宁 蒙，邓士伟，李世洁（１８）…………………考虑稳控系统动作策略的大电网实时风险评估 康 鹏，陈俊全，姚 刚，宋 弦，白宏宇，杨 帅（２６）…………基于电力大数据的多源异构数据融合技术研究与应用 毛先胤，文 屹，马晓红，黄 欢，张 辉，余 容（３３）…………考虑设备利用效率和规划执行情况的配电网规划投资分配模型 张 彦，高 华，刘金森，李丽娟（４０）……………………………基于ＰＳＯ－ＬＳＳＶＭ的输电杆塔腐蚀失重回归拟合研究和分析 王 立，李 振，王 伟，杨世平，刘 恒（４７）…………………基于营配大数据的配网故障定位系统的设计与实现 袁忠军，王 丹，段湛辉，陈业伟，李明勇，张宁欢（５６）…………基于健康度与重要度的配电网线路评价 林 元（６３）………………………………………………………基于新型滑模观测器的ＭＭＣ子模块ＩＧＢＴ开路故障诊断方法 刘方艳，汤亚芳（７１）………………………………………………基于电量守恒原理台区拓扑计算模型研究与应用 梁旭常，汪 毅，黄兆鹏，靳 光，刘 林，王 鹏（７９）…………深度调峰工况下外圈配水湿式冷却塔模拟研究 王锁斌，邓彤天，王红波，李晨宇（８６）……………………………第９期□大数据专题基于电网电厂数据交互的居民垃圾分类激励方法及效果预测 方 响，王 亿，夏 霖，孙智卿，徐祥海，侯伟宏（１）…………基于无线传感器与边缘网关的变电站全物联体系方案 朱 成，黄 娅，刘 沁，张 力，刘光程，周哲夫（１０）…………基于大数据技术的电网自然灾害应急救援能力评价体系研究 秦浩然，夏银宽（１８）………………………………………………基于改进粒子群算法的接地网腐蚀诊断研究 陈敬友，付 明，张 军，张 超，杨尊富，雷治炼（２６）…………基于用电信息的电力能效服务潜在客户挖掘 王立斌，马 浩，杨 鹏，张 晶，张肖杰（３４）…………………基于模糊聚类与互信息的电网运营指标类间筛选策略 李嘉周，尹 远，刘俊勇，王电钢，黄 林，唐 杰（４２）…………基于监控ＰａａＳ的大数据治理研究 王 军，宋 尧，于全喜，宁 楠，廖清阳（５０）…………………考虑抽蓄电站运行特性的电网经济调度方法 袁 泉，周 鑫，张 蔷，周毓敏，黄红伟，李 展（５８）…………基于改进内点法的电热联合系统优化研究 陈 晓，谭志海，平 原，刘兴艳，李玉芬（６６）…………………ＳＰＷＭ逆变器输出共模电压影响因素研究 江 娜，曾 鹏，艾 波，李 锦，王生平，谢明威（７４）…………机网系统耦合作用下贵州火电机组轴系扭振建模与实测验证 徐章福，邓彤天，李志凌，姜延灿（８５））…………………………第１０期□大数据专题基于一维卷积神经网络和自注意力机制的非侵入式负荷分解 蒙 亮，于 超，张希翔，覃智君（１）……………………………弱约束关联下考虑社会属性的低压居民台区负荷预测 卢德龙，缪继东，吕培强，殷 勤，吴 阳（９）……………………基于多维特征模糊聚类的负荷用户精准用电管理策略 殷新博，王 数，陆 芸（１７）……………………………………ＲＩＭＡ－ＭＳＦＤ组合模型在甘肃省水力发电量预测中的应用 成禹蓉，冶海廷（２５）………………………………………………大数据思维推进光伏扶贫管理创新的实践及应用研究 罗 凡，徐兰兰，边海源，杨照逵，白闻强，王小龙（３４）…………基于移动边缘计算的电力需求响应业务分配研究 胡 波，王建红（４２）………………………………………………基于大数据的企业用能数据共享分析平台设计与实现 张 颖，郭思炎，张益辉（４９）……………………………………电力大数据第２３卷基于云计算的小水电远程集控平台的设计与实现 陈云鹏，郑黎明，邱生顺，刘德文，李晓波，杜 炜，陈庆锋（５５）……基于数据中台的电力数据报表模型研究与应用 张 帆，杨 志，李文娟，胡锡双，张 乐（６３）…………………基于规划工具的配电网规划现状数据分析研究 关守姝，董小虎，孙 强，冯 涛，韩天华（７０）…………………南方电网发电侧运行备用容量统计研究及应用 李慧勇，杜 旭，方必武，杨 林，郭自豪，丁 刚（７９）…………电力数据标签库建设及服务能力研究 郭 敏，林晓静，尹泽楠，万 凯（８６）……………………………第１１期□大数据专题基于电网大数据的故障风险分析研究 裴求根，杨舒涵，卢宾宾（１）………………………………………基于改进ＦａｓｔｅｒＲＣＮＮ的配网架空线路异常状态检测 王超洋，罗敬一（９）………………………………………………基于ＡＩ大数据技术的无人机巡线研究 王 勇，王永旺，郭建勋（１７）……………………………………基于大数据的输电线路无人机巡检路径追踪方法 吴晏芳，梁智勇，陈冠胜，黄 浩，姜 南，魏子力（２４）…………基于边缘计算的ＧＩＳ母线热特性状态辨识研究 程占峰，夏 博，李波涛，王兴江，朱思尧（３１）…………………基于大数据技术的交直流混合主动配电网规划模型构建 胡 波，赵善龙，庞伟林（３８）……………………………………呼和浩特地区电网基于大数据的ＢＰ神经网络短期负荷预测 姜海洋，周芮冰，王烁罡，周定均，刘昌新，云 卿（４７）…………智慧家庭储能系统配置与运行双层优化 胡厚鹏，林晓明，钱 斌，梁 雾，刘安茳，练 寅（５５）…………基于出力－等值容量特性的光伏出力预测方法 吴 雨，张 宇，赵紫恒，连 欣（６３）……………………………基于电力大数据分析的综合能源服务分析与服务策略制定 曹 敏，白泽洋，巨 健（７２）……………………………………基于电量实时计算的市场监测数字化分析研究与应用 王林信，罗世刚，江 元，李竣业（７９）……………………………基于大数据分析的火电机组节能诊断与能效管理 张 平，孙雪丽（８６）………………………………………………第１２期□大数据专题Ｘ射线数字成像技术与图像人工智能诊断的探索与实践 谢百明，李 波，樊 磊（１）………………………………………基于大数据多元电网动态参数应用的研究 谢怀影，于 淼，贾 威，赵 军，李 婷，王钒宇（１０）…………基于ＣＥＥＭＤＡＮ－ＷＰＴ的台区线损组合变权预测模型研究 周 彬，李宜伦，张异殊，王国栋，蔡娇彧，牛 俊（１８）…………基于大数据分析的园区综合能源企业能效评价 郭 飞，王 波，王 亮，史渊源，胡建军，李秀广（２９）…………基于数据挖掘的南网异地容灾数据负载分析及磁盘空间预测 姜 南，梁智勇，吴晏芳，黄 浩，魏子力，吴浩珊（３７）…………江苏核电基于Ｓｏｌｒ与ＨＢａｓｅ的ＣＣ１设备信息工作台的设计 与实现 朱云飞，杨 强，秦绪涛，张钧鸣（４４）…………………………社会治理视角下的城市大脑电力驾驶舱设计及应用 王 亿，陈 奕，方 响，宣 弈，徐祥海，孙智卿（５０）……基于电力负荷大数据的负荷分析方法及其在无锡地区疫情 期间的应用 董金哲，白晨阳，刘志仁，於慧敏，胡晓青，李 澄（５７）……基于电力大数据的企业复工复产模型研究及应用 王林信，江 元，罗世刚，李竣业（６５）…………………………融合气象信息的配网故障特征挖掘和故障预报研究 周小华，范美鹏，袁雪松，舒文雄（７２）…………………………居民用电行为分析及潜力研究 杨 宏，邓晨成，邹 芹，石 莹（８０）…………………………《电力大数据》２０２０年１～１２期总目录 （８９）………………………………………………。
新型电力系统长时储能技术综述目录一、内容描述 (2)1. 研究背景及意义 (2)2. 新型电力系统概述 (4)3. 长时储能技术在新型电力系统中的重要性 (5)二、新型电力系统长时储能技术分类 (6)1. 物理储能技术 (7)1.1 压缩空气储能 (9)1.2 飞轮储能 (9)1.3 超级电容储能 (11)2. 化学储能技术 (13)2.1 锂离子电池储能 (14)2.2 钠离子电池储能 (15)2.3 燃料电池储能 (16)3. 其他储能技术介绍 (18)三、长时储能技术的性能特点与应用场景分析 (19)1. 性能特点对比 (20)2. 应用场景分析 (22)四、长时储能技术在新型电力系统中的发展现状及趋势 (23)1. 发展现状分析 (24)2. 技术发展趋势预测 (25)五、长时储能技术的挑战与解决方案探讨 (26)1. 技术挑战分析 (28)2. 成本问题解决方案探讨 (29)3. 安全问题解决方案探讨 (30)六、案例分析与应用实践研究 (32)一、内容描述随着全球能源结构的转型和可再生能源的大规模接入，新型电力系统长时储能技术已成为能源领域的研究和发展焦点。
本综述旨在全面介绍新型电力系统长时储能技术的现状、挑战与机遇，以推动能源行业的可持续发展。
新型电力系统长时储能技术，是指能够持续长时间储存能量的储能技术。
这种技术能够在电力系统运行过程中，提供短时的电力波动平滑和长时间的能量存储，从而有效地解决可再生能源的不稳定性问题，提高电力系统的供电可靠性和稳定性。
本综述将详细阐述新型电力系统长时储能技术的种类、特点、应用场景以及未来发展趋势。
我们将介绍各种主要的储能技术，如电化学储能、物理储能、热能储能等，并分析它们的优缺点和适用范围。
我们将探讨长时储能技术在电力系统中的作用和价值，包括如何应对可再生能源的间歇性、波动性和不确定性等问题。
我们将展望新型电力系统长时储能技术的发展趋势和可能的技术创新方向，以期为能源行业的科研和产业发展提供参考和借鉴。
中外专家研讨我国智能电网建设和发展第1页[日期：2009-07-21] 来源：中国电机工程学会作者：[字体：大中小]6月27～28日，第一届智能电网研究论坛在天津大学召开。
程时杰、韩英铎、杨奇逊、黄其励、余贻鑫等5位中国科学院、工程院院士出席会议。
论坛共安排了十四个学术报告，从智能电网的基本理念、技术组成、设备需求等多个角度对我国智能电网的建设和发展进行了探讨。
天津大学校长龚克、天津电力公司总经理李晶生、中国电机工程学会秘书长李若梅、东北电力大学校长穆钢、天津科委副主任陈养发等出席会议并致辞。
此次论坛由中国电机工程学会发起，天津市科委、天津大学共同举办。
来自国内科研院所、高校、电力公司、电力设备企业等代表近300人参会。
天津大学余贻鑫院士的报告为“智能电网的原动力、技术组成和实施路线”。
报告中提出，系统安全稳定运行、需求侧管理、分布式电源等是推进智能电网建设的原动力。
智能电网是综合应用通讯、高级传感器、分布式计算等技术，提高输配电网络的安全性、可靠性和效率。
论坛邀请了美国能源部中国办公室的MaitinSchoenbauer先生出席，并介绍了美国智能电网的有关情况。
MartinSchoenbauer介绍了“美国能源部智能电网业务”，美国能源部正在发起建立智能电网信息共享交流平台和信息库，资助智能电网技术研发项目，并指出清洁能源和智能电网将是中美能源领域合作的重要内容。
华中科技大学程时杰院士在“储能技术及其在智能电网中的应用”的报告中指出，在可再生能源发电所占比例较大的电力系统中，储能技术的应用是解决如何保证系统正常运行这个难题的一条可行的途径。
并提出了智能电网对储能系统的基本要求，即足够大的储能容量、足够快的功率响应速度、足够大的交换功率、足够高的储能效率、足够小的放电周期、足够长的使用寿命、足够小的运行费用。
香港大学吴复立教授作了“智能电网发展综述”的报告，华东电网有限公司战略研究与法律事务部主任李瑞庆作了“创新发展建设中国特色的坚强智能电网”的报告，天津大学电气与自动化工程学院院长王成山教授作了“分布式电源、微网、智能配电系统”的报告，分别对分布式电源、微网和智能配电系统的关键技术、应用以及存在的问题进行了介绍，并分析了三者之间的关系。
第 43 卷第 2 期2024年 3 月Vol.43 No.2Mar. 2024中南民族大学学报（自然科学版）Journal of South-Central Minzu University（Natural Science Edition）新能源发电接入下储能系统双层优化模型陈建国1，郑拓1，郝俊毅2，董幼林1，胡经伟1，苏义鑫2（1 国网湖北省电力有限公司黄冈供电公司，湖北黄冈438000；2 武汉理工大学自动化学院，武汉430070）摘要针对风力发电、光伏发电等可再生分布式电源接入电网带来的网损增加、电能质量降低等问题，提出了一种风光接入下储能系统的双层优化模型.综合考虑储能规划和运行两个方面的耦合效应，上层模型考虑储能规划，以储能配置的位置和容量为决策变量，以储能系统规划成本为目标函数，下层考虑储能系统运行时电网的经济性和稳定性，以储能系统每一时刻（时间刻度为1 h）的出力为决策变量，以电网脆弱性、有功网损、购电成本为目标函数.采用改进鲸鱼算法与YALMIP+CPLEX联合方法在MATLAB中进行求解，选取改进后的IEEE33节点系统进行仿真验证，结果验证了所提模型的合理性，对比不同的场景与结果得到储能的最优配置方案与运行策略.关键词风力发电；光伏发电；双层优化；储能配置；改进鲸鱼算法中图分类号TP18；TM73 文献标志码 A 文章编号1672-4321（2024）02-0245-07doi：10.20056/ki.ZNMDZK.20240214Bi-Level optimization model of energy storage systems under new energygeneration integratioCHEN Jianguo1，ZHENG Tuo1，HAO Junyi2，DONG Youlin1，HU Jingwei1，SU Yixin2（1 Huanggang Power Supply Company， State Grid Hubei Electric Power Company， Huanggang 438000， Hubei China；2 School of Automation， Wuhan University of Technology， Wuhan 430070， China）Abstract A bi-level optimization model of energy storage system under wind and solar power access is proposed to solve the problems of increased network loss and reduced power quality caused by the access of renewable distributed power sources such as wind and photovoltaic power generation to the grid. Considering the coupling effect of energy storage planning and operation，the upper model takes the location and capacity of energy storage configuration as the decision variables， the planning cost of energy storage system as the objective function， the lower model considers the economy and stability of the power grid when the energy storage system is running，the output of the energy storage system at each moment （time scale is 1h） as the decision variables， and the vulnerability of the power grid， active network loss Power purchase cost is the objective function. The improved whale optimization algorithm and the YALMIP+CPLEX joint method are used to solve the problem in MATLAB. The improved IEEE33-bus system is selected for simulation verification. The results verity that the proposed model is reasonable. The optimal configuration scheme and operation strategy of energy storage are obtained by comparing different scenarios and results.Keywords wind power； solar power； bi-level optimization； energy storage configuration； improved whale optimization algorithm随着可再生能源的普及以及清洁能源的需求日益增长，风力发电和光伏发电等可再生能源发电系统逐渐成为主流［1-3］.然而，大规模的分布式电源接入电网会导致电网出现线路网损增加、电能质量降低、电网传输和分配能力受到限制等问题［4-7］.储能系统是一种能将电力转化成其他形式能量进行存储的装置，以便在需要时将其释放为电能的设备，它起到平衡供需，改善电力质量、提高电力系统收稿日期2023-07-09 * 通信作者郑拓，研究方向：新型电力系统优化调度，E-mail：****************作者简介陈建国（1968-），男，高级工程师，研究方向：电力系统规划，E-mail：****************基金项目国家自然科学基金资助项目（62176193）第 43 卷中南民族大学学报（自然科学版）灵活性等作用［8-9］.因此，储能系统在可再生能源发电系统中扮演着至关重要的角色.储能系统在接入电网时需要考虑储能装置的数量、接入的位置、配置的容量以及运行策略，如若不进行合理的优化配置以及恰当的策略选择，会对电网的稳定性和安全性造成负面影响，因此近几年电网储能配置得到广泛研究.文献［10］以电压波动率、网络损耗和配置成本为优化目标建立起储能优化模型，通过改进多目标粒子群算法进行求解，得出最佳储能配置方案.文献［11］优化目标考虑的是使系统投资总成本最小、供电可靠性最高、弃风弃光率最低，其次提出了一种能量管理策略，通过判断风光出力之和与同一时刻用户负荷的大小，来对锂离子电池、风力发电机、光伏发电机进行相应的控制，以此来减少能量的损耗，提高系统的经济性，最后通过非支配排序遗传算法（NSGA）对模型进行求解.文献［12］建立了储能配置双层优化模型，上层主要考虑储能系统的投资成本，下层考虑储能系统运行时电网的实际情况即日运行成本、新能源消纳、日负荷缺电率，使用近邻传播聚类算法对风光出力以及负荷数据进行处理，选取代表性的典型日数据进行算例分析，最后采用第三代非支配遗传算法进行求解.文献［13］着重考虑经济性，以储能的规划、运行、维护成本以及燃料成本最小为优化目标，对比了三个不同的场景，确定了储能系统的最佳额定功率和能源容量以及安装年份.文献［14］考虑了系统经济性、技术标准以及风光发电的不确定性，建立了用于求解分布式储能最佳容量及功率的多目标优化模型.上述关于储能系统的配置和运行策略优化的研究具有很大的参考价值，但是仍存在以下不足：（1）在设定优化目标时，大多数的研究都只聚焦于经济性，而忽略了电网的稳定性以及安全性；（2）储能的配置以及运行分开进行优化求解，忽略了储能配置对运行调度时的影响；（3）储能的位置固定，不具备一般性.针对这些不足，本文提出了一种储能选址定容双层优化模型，上层优化以储能系统规划成本为目标，旨在找出储能配置最佳位置与容量，下层优化以电网脆弱性、网损、购电成本为目标，旨在优化储能系统的运行策略.为了验证所提出模型的有效性和准确性，采用MATLAB软件，结合改进鲸鱼算法对上层模型进行求解，下层优化问题采用YALMIP+ CPLEX进行求解，通过改进的IEEE33节点系统进行仿真，并从不同接入位置与数量的角度建立多个场景进行对比分析.1 双层优化模型双层优化模型中，上层和下层优化问题都具有相应的目标函数、约束条件、决策变量等，它与单层优化模型的主要区别为其递阶结构，双层优化问题可视为两个决策者（即上层决策者和下层决策者）的分层问题［15］.上层决策者在上层问题中做出的决策会直接或间接的影响到下层问题的求解，下层决策者则是在给定的上层决策的基础上最小化或最大化自身的目标函数.双层优化在电力系统调度、发电规划等领域已有广泛研究.双层优化问题在数学上可描述为：ìíîïïF1=min x F()x，y1，y2，⋯，yms.t. G(x)≤0，（1）ìíîïïF2=min y f()x，y1，y2，⋯，yms.t. g()x，y1，y2，⋯，ym≤0，（2）式中：F1、F2分别为上层和下层优化问题的目标函数，x，y分别为双层优化模型的决策向量，G(x)为上层优化的约束条件，g(x，y1，y2，⋯，y m)为下层优化所需满足的约束条件.图1为本文的双层优化模型架构示意图，上层优化模型主要涉及储能规划问题，下层优化模型则是关于储能出力优化问题.通过求解上层优化问题得到储能的最合适的位置以及最佳容量，并将此结果传递到下层，下层优化则在此储能配置下对储能系统出力进行优化求解，以此得到储能系统最优的配置和运行策略.1.1 上层优化模型1.1.1 目标函数本文选取储能系统的容量规划问题为上层优上层优化目标函数：储能系统规划成本约束条件：储能系统容量约束、储能系统出力约束下层优化目标函数：电网脆弱性+网损+购电成本约束条件：有功平衡约束、静态潮流约束、节点电压相位约束、风光出力约束位置容量配置储能出力优化图1 双层优化模型架构示意图Fig.1 Schematic diagram of two-layer optimization model architecture246第 2 期陈建国，等：新能源发电接入下储能系统双层优化模型化模型.以储能系统规划成本为目标函数，储能规划成本主要分为建设成本和维护成本［16］，计算公式为：C E ，plan =1T Ess (C E ，build +C E ，preserve)=1T Ess[ηC σP E +(C σ+C τ)E E]，（3）式中：T Ess 为储能系统的预期寿命，以一天为结算周期；C E ，build 和C E ，preserve 分别为储能系统的建设和维护成本；η为功率转换成容量的转换系数；C σ和C τ分别为储能系统单位容量的投资成本与维护成本.P E 和E E 分别为储能的最大功率和最大容量.1.1.2 约束条件（1）储能系统容量约束：储能系统的容量配置是双层优化模型中的关键，它既作为上层优化问题的决策变量又作为下层优化问题的重要参数，起着连接上下层优化的作用.一方面关系着各电源的协调出力，另一方面储能容量大小影响最优潮流的分布，故对储能系统的容量进行约束，表达式为：EminE≤E E ≤E maxE .（4）（2）储能系统出力约束：当储能系统的出力超过最大功率或者小于最小功率时，表明本次优化结果不具备现实意义，将进行下一次优化.储能系统的最大功率出力与其容量有关一般储能的功率能量比为0.5［17］.储能功率出力约束如（5）式所示：P min E ≤P E ≤P max E .（5）1.2 下层优化模型1.2.1 目标函数本文选取储能系统的出力问题为下层优化模型.主要考虑微电网运行的安全性以及经济性，故采用以下三个指标来作为目标函数.（1） 目标1：有功网损最小.储能系统在电网中既可以等效为电源又可以作为负荷参与调节，可以有效减少线路中的电流流动，从而使电网有功网损减小.有功网损的计算表达式为：F 1=∑t =124∑i∑j[]G ij ()U 2i ，t +U 2j ，t -2U i ，t U j ，t cos δij ，t，（6）式中：i ，j 代表电力系统网络内的节点；U i ，t 为t 时刻节点i 的电压，U j ，t 分别为t 时刻节点j 的电压；G ij 为节点i 和节点j 之间的电导；δij ，t 为t 时刻节点i ，j 的相角差［18］.（2） 目标2：电网脆弱性指标最小.本文采用电网脆弱性指标作为对电网运行安全性的反映，通过分析各个节点的电压质量即电压偏移值来衡量电网的脆弱性.脆弱性越高表示电压质量越低即供电质量越低，安全性和抗风险性均较差［19］.F 2=124∑t =124(12J (t )+12AV(t )) ，（7）式中：AV(t )为t 时刻电网的平均脆弱性，J (t )表示电网脆弱性的均衡度，其具体计算过程如下：节点i 在t 时刻的脆弱性为：v (t ，i )=||||||||U t ，iU i ，o-1V max，（8）式中：U t ，i 为节点i 在t 时刻的电压；U i ，o 为节点i 的额定电压；V max 为最大电压偏移量取0.07.将脆弱性在t 时刻进行归一化：V (t ，i )=v (t ，i )-v ()t ，i minv ()t ，i max -v ()t ，i min，（9）式中：v (t ，i min )、v (t ，i max)为归一化前t 时刻所有节点最大、最小脆弱性的值.t 时刻电网平均脆弱性为：AV (t )=1N ∑i =1NV (t ，i ) ，（10）式中：N 为微电网系统的节点总数；V (t ，i )为时间断面t 时i 节点脆弱性的归一化值.在实际电网中，某一节点的电压出现崩溃或阶跃时，会产生巨大的干扰信号并影响其他节点，所以我们不仅要考虑每一个节点的脆弱性，还需要考虑它们之间的互相影响，即分布的均衡性，其表达式如下：J (t )=1-éëêêêêê∑i =1N p t ，i log 2()1p t ，ilog 2N ùûúúúúú2π，（11）式中：J (t )表示t 时刻电网整体脆弱性的均衡度，取0时表示绝对均衡、取1时代表绝对不均衡，其中p t ，i 为节点i 脆弱性在t 时刻占当前电网总脆弱性之比，表达式为：p t ，i =V (t ，i )∑i =1N V (t ，i ) ，（12）（3） 目标3：购电成本最低.在保证电网安全性的情况下，经济性也需要兼顾，本文选取购电成本最低为一个目标，如下式247第 43 卷中南民族大学学报（自然科学版）所示：C buy =∑t =1T c e ，l P need ，t ，（13）式中：c e ，l 为t 时刻电网电价，P need ，t 为t 时刻电网电量缺额量［20］.1.2.2 约束条件（1）有功平衡约束为：p grid ，t +∑i =1N DG p DG ，i ，t +∑j =1N Ep dis ，j ，t =∑j =1N E pcha ，j ，t+p load ，t +p loss ，t. （14）（2）静态潮流约束为：ìíîïïïïïïïïP gi ，t +P WTi ，t +P Ei ，t +P PVi ，t -P Li ，t =U i ，t ΣU j ，t ()G ij cos δij ，t +B ij ，t sin δij ，t Q gi ，t +QWTi ，t +Q Ei ，t +Q PVi ，t -Q Li ，t =U i ，t ΣU j ，t ()G ij sin δij ，t -B ij cos δij ，t ，（15）式中：P gi ，t 为t 时刻流入节点i 的有功功率；P WTi ，t 为风力发电机有功出力；P Ei ，t 、P PVi ，t 、P Li ，t 分别为储能系统充放电有功出力、光伏发电机有功出力、节点i 消耗的有功功率；Q gi ，t 、Q WTi ，t 、Q Ei ，t 、Q PVi ，t 、Q Li ，t 分别为t 时刻流入节点i 的无功功率、风力发电机无功出力、储能系统充放电无功出力、光伏发电机无功出力、节点i 消耗的无功功率.（3）节点电压和相位约束为：{U min i ≤U i ，t ≤U maxiδmin i ≤δi ，t ≤δmaxi，（16）式中：δi ，t 为节点i 在t 时刻的相位.（4）风力、光伏发电机出力约束为：ìíîP min WT ≤P WT ，t ≤P max WT ，Q min WT ≤Q WT ，t ≤Q maxWTP min PV ≤P PV ，t ≤P max PV ，Q min PV ≤Q PV ，t ≤Q max PV ，（17）式中： P max WT 、P min WT 、P max PV 、P min PV 、分别为风力发电机的有功出力上下限和光伏发电机的有功出力上下限；Q max WT 、Q min WT Q min PV Q minPV 分别为光伏发电机的无功出力上下限和光伏发电机的无功出力上下限.（5）储能荷电状态与出力约束为：ìíîïïïïïïïSOC i ，t +1=SOC i ，t ()1-σi -1E E ()ηcha ，i P cha ，i ，t -P dis ，i ，tηdis ，iΔt SOC i ，min ≤SOC i ，t ≤SOC i ，max，（18）式中：SOC i ，t 代表t 时段内储能i 的SOC 值；SOC i ，min 和SOC i ，max 分别代表储能SOC 的上下限；σi 代表储能自放电率；ηcha ，i 和ηdis ，i 分别代表储能充放电效率；为储能i 的容量.2 模型求解2.1 改进鲸鱼算法本文上层优化采用改进鲸鱼优化算法，主要对包围猎物位置更新公式以及搜寻环节进行优化，它比标准鲸鱼优化算法具有更高的寻优精度、更快的寻优速度，同时比传统遗传算法和粒子群算法的收敛速度更快［21］，标准鲸鱼算法的包围猎物位置更新公式为：X (t +1)=ìíîïïX ∗(t )-A ⋅||C ⋅X ∗(t )-X (t )，p <0.5X ∗(t )+D ⋅e blcos (2πl )，p ≥0.5 ，（19）式中：t 为迭代搜寻次数；X 为鲸鱼位置；X ∗为全局最优位置；A 和C 为系数矩阵；b 为常数；l 为［-1，1］之间均匀分布的随机数；p 为［0，1］之间均匀分布的随机数，为了提升算法的全局搜索能力，提高算法的收敛速度，在上述位置更新公式中加入一个自适应惯性权值w .w (t )=0.2cos(π2⋅(1-tt max )).（20）惯性权值w 具有一种在［0，1］之间非线性变化的属性，由于cos 函数的变化特性，算法前期变化速度较快，后期变化速度则会稍微变缓.另外在旋转搜寻环节，为了增加鲸鱼对未知区域的探索能力即提高算法的全局搜寻能力，加入变螺旋位置更新策略，引入参数b ，b 随着迭代次数变化而变化，不断调整鲸鱼搜寻时螺旋的形状，再结合上述自适应权值，位置更新的表达式为：X (t +1)=ìíîïïïïw (t )X ∗(t )-A ⋅||C ⋅X ∗(t )-X (t )， p <0.5w (t )X ∗(t )+bD ⋅e bl cos (2πl )， p ≥0.5b =e5⋅cos (π⋅()1-t t max.（21）2.2 求解流程下层函数涉及到经济调度问题，如若采用智能算法，则上层模型求解一次，下层模型就要不断迭代求解直到达到算法限定的次数，这就会导致求解速度异常缓慢，因此下层模型采用YALMIP 和CPLEX 求解器进行求解.具体的求解流程如图2：（1）初始化.对改进鲸鱼优化算法的基本参数进行初始化包括鲸鱼的规模、迭代次数、问题维数、限定范围，同时对储能系统配置容量、位置、数量进行初始化.248第 2 期陈建国，等：新能源发电接入下储能系统双层优化模型（2）电网模型载入.以提供的电网拓扑结构为基础，加入配置的储能系统组成新的电网拓扑，同时载入24小时的风光发电的预测出力以及负荷的预测值.（3）下层优化.对下层目标函数进行优化，通过.（4）上层优化.根据下层的优化结果，更新适应度函数值.（5）最优配置.判别适应度函数是否已经达到最优，如果是最优则输出配置的结果，如果不是则再转入步骤（2）继续求解.3 算例分析3.1 基础参数本文为了验证提出模型的合理性，选取某一地区的风电光伏预测出力数据以及负荷数据，同时对IEEE33节点系统进行修改，在节点10、30接入200 kW 光伏发电机，在节点16接入250 kW风力发电机.修改后的IEEE33节点系统图如图3所示，典型日负荷曲线、风力发电和光伏发电出力预测如图4所示，仿真基础数据、电价参数如表1、2所示.3.2 仿真结果分析本文采用了四个场景来验证提出模型的合理性与正确性.场景1：不装设储能；场景2：单一储能接入；场景3：双位置储能接入.场景4：三位置储能接入.图2 双层优化模型求解流程图Fig. 2 Flow chart for solving a two-layer optimization model图3 改进IEEE33节点系统图Fig. 3 Improved IEEE33 node system diagram图4 负荷、风力光伏发电预测图Fig. 4 Load and wind photovoltaic power generation prediction chart249第 43 卷中南民族大学学报（自然科学版）根据表3的数据，可以得出以下结论：当场景2即单一储能设备接入时，配电网的脆弱均衡度平均值为0.365，相较于未安装储能设备的场景1，脆弱均衡度下降了6.89%；有功网损平均值为1.325，相较于场景1，下降了6.21%.同时，与场景1相比，场景3和场景4的这两个指标分别下降了15.31%和15.04%.这表明，在风力和光伏发电接入的配电网中，安装储能设备可以提高电网的稳定性，并降低网络损耗.此外，随着储能设备的增加，这一优化效果将更加显著.但需要注意的是，随着储能设备容量和数量的增加，储能系统的规划成本也会随之增加，规划成本增加的成本无法用购电成本的减少量来弥补.因此，在储能设备的规划中，容量和数量应根据实际需求而定，不应盲目增加.在本算例中，双位置接入储能即场景3的优化效果最佳.因此，选取场景三中的一组最优解，位置为第2节点和第13节点，容量分别为0.959、0.721.对改组合进一步分析储能装置的出力策略以及荷电状态，结果如图5-6所示，在5：00的时候负荷需求达到了谷值并且风电出力也达到峰值，此时储能装置吸收多余的电能将其储存起来，在负荷需求达到峰值的时候即12：00与20：00前后放出电量，来保证电网的正常供电，并且使储能装置的初始与结束状态的荷电状态相同以便明天正常运行.4 总结与展望4.1 总结本文提出了一种储能的双层优化配置的方法，考虑到了储能接入电网后，电网的稳定性与经济性以及储能选址定容与运行策略之间的耦合性.为了能够更快更精准的求解模型，将改进鲸鱼算法和YALMIP+CPLEX联合使用，在MATLAB中对改进后的IEEE33节点系统进行算例分析，得到结论如下：（1）通过对比无储能和加入储能的仿真结果，证明本文提出的双层优化模型能够有效的配置储能系统的最优位置与容量，使得储能系统规划的成本最小，同时可以得到储能系统运行出力的最优策略，使得电网的网损较低，稳定性提高.图6 储能1和储能2的荷电状态图Fig. 6 State of charge diagrams of energy storage 1 and 2.图5 储能1和储能2的充放电功率图Fig. 5 Charging and discharging power diagram of energy storage 1 and 2表3 各场景仿真结果比较Tab.3 Comparison of simulation results for various scenarios场景1 23 4位置—914123，147，202，138，20，293，16，21容量/MWh—1.3381.2191.1170.862，0.6541.353，0.9620.959，0.7210.651，0.710，0.5900.831，0.5120.651CE，plan/万元—3.8133.2113.1424.2124.7154.6435.4205.892F1/MW1.4021.3661.2991.2811.2061.1761.1931.0321.021F20.3920.3720.3670.3560.3390.3360.3210.3140.307F3/万元0.4890.3630.3710.3790.2890.2630.2710.2110.193表1 仿真参数设置Tab.1 Simulation parameter settings参数名称初始种群个数最大迭代次数最大半径最小半径充放电效率储能单位投资成本（元/kWh）储能单位维护成本［元/（kWh·a）］取值50 100 3 0.02 0.9 1384 126表2 电价参数表Tab.2 Electricity price parameter table电价分时电价时段1：00-5：00，23：00-24：0013：00-18：006：00-12：00，19：00-22：00元/kWh0.50.731.21250第 2 期陈建国，等：新能源发电接入下储能系统双层优化模型（2）通过多位置储能场景对比，储能系统数量的增加可以提高电网运行时的经济性以及稳定性，同时可以降低网络损耗，但随着储能系统数量的增加，总成本也会激增，导致总体经济性的降低，因此在进行储能配置的时候需要对电网的规模与预算进行整体的评估与决策.4.2 展望本文的研究仍有一些问题没有考虑，例如火电机组调节出力、风电不确定性、需求响应等，未来储能配置优化的研究应往以下方面深入研究：（1）考虑负荷的需求响应，电动汽车、以及大型用电单位也可以看作储能，在用电高峰期适当进行削减、在负荷峰谷期，合理增加用电量.将负荷与储能联系起来，建立起“储-荷”的协同规划荷调度模型.（2）研究合理的能量管理策略，将时间尺度变得更加精细化，精准调节储能、火力发电等系统的出力，最大程度上提高电网的稳定性、降低能源的浪费.参考文献［1］范士雄，蒲天骄，刘广一，等. 主动配电网中分布式发电系统接入技术及其进展［J］.电工技术学报，2016，31（S2）：92-101.［2］程晓悦，卢锦玲. 考虑不确定性的分布式电源多目标优化配置［J］.电力科学与工程，2014，30（11）：16-21.［3］汤广福，周静，庞辉，等. 能源安全格局下新型电力系统发展战略框架［J］.中国工程科学，2023，25（2）：79-88.［4］潘舒扬，李勇，贺悝，等. 考虑微电网参与的主动配电网分区自动电压控制策略［J］.电工技术学报，2019，34（21）：4580-4589.［5］刘畅，卓建坤，赵东明，等. 利用储能系统实现可再生能源微电网灵活安全运行的研究综述［J］. 中国电机工程学报， 2020， 40（1）：1-18.［6］寇凌峰，张颖，季宇，等. 分布式储能的典型应用场景及运营模式分析［J］. 电力系统保护与控制， 2020，48（4）： 177-187.［7］王成山，武震，李鹏. 分布式电能存储技术的应用前景与挑战［J］. 电力系统自动化， 2014， 38（16）： 1-8.［8］KOU Lingfeng，ZHANG Ying，JI Yu，et al. Typical application scenario and operation mode analysis ofdistributed energy storage［J］. Power System Protectionand Control， 2020， 48（4）： 177-187.［9］吴皓文，王军，龚迎莉，等. 储能技术发展现状及应用前景分析［J］.电力学报，2021，36（5）：434-443.［10］温春雪，赵天赐，于赓，等. 基于改进粒子群算法的储能优化配置［J］.电气技术，2022，23（10）：1-9，58［11］周成伟，李鹏，俞斌，等. 风光储微电网储能系统容量优化配置［J］.综合智慧能源，2022，44（12）：56-61.［12］戴彦文，于艾清.基于改进NSGA-Ⅲ的微电网储能优化配置［J］.电气传动，2022，52（18）：40-47.［13］PHAN M C，TRAN T Q，BACHA S，et al. Optimal sizing of battery energy storage system for an islanedmicrogrid［C］//IECON，2018-44th Annual Conference ofthe IEEE Industrial Electronics Society. IEEE，2018：1899-1903.［14］GARMABDARI R，MOGHIMI M，YANG F，et al.Multi-objective energy storage capacity optimisationconsidering microgrid generation uncertainties［J］.International Journal of Electrical Power & EnergySystems， 2020， 119： 105908-105919.［15］刘振国，胡亚平，陈炯聪，等.基于双层优化的微电网系统规划设计方法［J］.电力系统保护与控制，2015，43（8）：124-133.［16］朱志莹，郭杰，于国强，等.风光接入下储能系统双层优化模型［J］.太阳能学报，2022，43（10）：443-451.［17］王荔妍，陈启鑫，何冠楠，等.考虑电池储能寿命模型的发电计划优化［J］.电力系统自动化，2019，43（8）：93-100.［18］米阳，王鹏，邓锦，等.孤岛交直流混合微电网群分层协调控制［J］.电力系统保护与控制，2021，49（20）：1-8.［19］闫群民，董新洲，穆佳豪，等.基于改进多目标粒子群算法的有源配电网储能优化配置［J］.电力系统保护与控制，2022，50（10）：11-19.［20］黄柯蒙，刘继春.计及需求响应和热电联产的多微电网联盟优化调度方法［J］.智慧电力，2021，49（6）：107-115.［21］刘磊，白克强，但志宏，等.一种全局搜索策略的鲸鱼优化算法［J］.小型微型计算机系统，2020，41（9）：1820-1825.（责编&校对雷建云）251。
新型电力系统中构网型储能技术的技术研发与创新趋势随着现代社会对电力需求不断增长和电力系统的发展，新型电力系统中构网型储能技术的技术研发与创新趋势备受关注。
构网型储能技术是指将储能设备（如电池、超级电容等）分布式地部署在电力系统中，通过智能控制实现储能和释能，以提高电网的稳定性、安全性和经济性。
本文将探讨该技术的最新研发和创新趋势。
一、构网型储能技术的研究现状构网型储能技术在电力系统中的应用已取得了显著进展。
目前，许多国家和地区都在积极推进构网型储能技术的研究和应用，以应对电力系统中存在的一系列挑战。
在我国，国家电网公司等单位已启动了多项关于构网型储能技术的研究项目，取得了一些重要的成果。
二、构网型储能技术的关键技术及创新1. 智能控制技术构网型储能技术的核心在于智能控制技术。
通过实时监测电网状态和需求，精确控制储能设备的充放电过程，以实现电力系统的灵活调度和优化运行。
当前，智能控制技术正成为构网型储能技术研究的重点，不断推动技术的发展和创新。
2. 储能设备性能提升随着科技的不断进步，储能设备的性能也在不断提升。
目前，高性能的电池、超级电容等储能设备已广泛应用于构网型储能技术中，为电力系统提供了可靠的支撑。
此外，新型储能材料的研究和应用也为构网型储能技术带来了更多的创新可能。
三、构网型储能技术的发展趋势1. 多能互补未来，构网型储能技术将向着多能互补的方向发展。
通过不同类型的储能设备结合应用，实现能量的互补和优化利用，提高电力系统的能源利用效率和供电质量。
2. 智能化应用随着人工智能、大数据等技术的迅猛发展，构网型储能技术的智能化水平将不断提升。
未来，智能控制系统将更加智能化、自动化，为电力系统提供更加可靠的支撑。
3. 系统集成构网型储能技术将与电力系统的其它关键技术进行深度融合，实现系统集成。
这样一来，电力系统的整体性能将得到进一步提升，为电力系统的可持续发展奠定坚实基础。
结语新型电力系统中构网型储能技术的技术研发与创新趋势备受瞩目，正呈现出蓬勃发展的态势。
储能电池辅助火电机组二次调频的设计与应用赵 磊1 王明明2 崔进波3 咸秀超4（1中国电建集团核电工程有限公司 2.国网山东省电力公司经济技术研究院3.山东电力工程咨询院有限公司4.山东电力工程咨询院有限公司）摘 要：为充分利用电池储能在辅助火电机组二次调频中的优势，对电池储能参与火电机组二次调频的设计方案进行设计与优化。
以山东某电厂为例，针对储能系统在二次调频方面的优势，分析储能辅助火电机组二次调频的过程和原理，在此基础上对电池储能辅助该火电机组二次调频的建设方案进行了设计。
文中分析了控制策略对二次调频效果的影响，选取基于区域控制偏差（Area Control Error，ACE）信号的控制策略。
根据政策文件对项目的收益进行了分析，证明该设计方案可以大幅提高二次调频性能，且经济性良好。
关键词：储能电池；二次调频；控制策略；补偿收益0 引言随着近些年风电和光伏等新能源接入电网容量的迅速增加，其间歇式发电的特性导致电网对调节容量的需求增加，而新能源发电自身又不具备参与频率调节的功能，原有传统机组则需要承担这些新能源发电带来的调频任务。
以山东电网为例，目前电网二次调频主要依靠火电机组。
火电机组具有响应时滞长、机组爬坡速率慢的特性。
如果频繁进行大范围的调节，一方面会对机组设备造成影响，不利于机组的稳定和经济运行；另一方面，机组进行的超低排放改造也在一定程度上限制了火电机组的调节速率，降低了调节性能。
电化学储能电池系统辅助火电机组进行二次调频，具有响应时间短（<100ms）、调节速度快（空载至满载的调节时间<20ms）、调节精度高的特点。
储能辅助火电机组二次调频既可以提高火电机组调节性能，也能显著减少电网所需调频备用容量。
而且由于电池储能系统响应速度快、运行灵活，可以在满足系统调频需求的同时产生动态效益。
本文针对电池储能辅助火电机组二次调频的特性，基于山东省某火力发电厂储能调频项目，研究储能辅助火电机组二次调频的配置、控制及工程建设方案，并对其经济性进行分析。
