Smart Grid智能电网，2022,12(6)，187-197 Hans汉斯 Published Online December 2022 in Hans.http://www.hanspub.org/journal/sg https:/doi.org/10.12677/sg.2022.126018 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 王浩宁，黄明，韩俊峰，徐海栋，李毅，张雷，张建林，王浩粼，潭力， 杜向阳2 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普方法。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EEE-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 Wang',Ming Huang1,Junfeng Han2,Haidong Xu',Yi Li,Lei Zhang Jianlin Zhang1, Haolin Wangi,Li Tan1,Xiangyang Du2 AState Grid Chongqing Electric Power Company Wulong Power Supply Branch,Chongqing Chongqing Fengji Intelligent Technology Research Institute Co.Ltd.,Chongqing Received:Nov.26h,2022;accepted:Dec.16h,2022;published:Dec.28h,2022 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0.智能电网，2022,12(6：187-197.D0110.12677/5g.2022.126018
Smart Grid 智能电网, 2022, 12(6), 187-197 Published Online December 2022 in Hans. http://www.hanspub.org/journal/sg https://doi.org/10.12677/sg.2022.126018 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[J]. 智能电网, 2022, 12(6): 187-197. DOI: 10.12677/sg.2022.126018 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 王浩宁1 ，黄 明1 ，韩俊峰2 ，徐海栋1 ，李 毅1 ，张 雷1 ，张建林1 ，王浩粼1 ，谭 力1 ， 杜向阳2 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 1 State Grid Chongqing Electric Power Company Wulong Power Supply Branch, Chongqing 2 Chongqing Fengji Intelligent Technology Research Institute Co. Ltd., Chongqing Received: Nov. 26th, 2022; accepted: Dec. 16th, 2022; published: Dec. 28th, 2022
王浩宁等 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 pa- per 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 pho- tovoltaic (DPV)-energy storage system,establishes the optimization model of rural grid photovol- taic (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 vol- tage 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/ © Open Access 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]，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们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。文献刀以居民用 D0:10.12677/sg.2022.126018 188 智能电网
王浩宁 等 DOI: 10.12677/sg.2022.126018 188 智能电网 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 Open Access
王浩宁等 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1000m,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500m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10kV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220V,进而辐射给各用户供电。 500m0 口 。A类用 0kV B类用户 Figure 1.The household distribution diagram of a typical rural natural village 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： D0:10.12677/sg.2022.126018 189 智能电网
王浩宁 等 DOI: 10.12677/sg.2022.126018 189 智能电网 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。 Figure 1. The household distribution diagram of a typical rural natural village 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：
王浩宁等 10kV/400V台变 单相交流220V电网 AC 微网 控制器 DC 用户端负 光伏发 电组件 5kW并离逆变器 48v 485通信总线 电池箱 储能户外箱 Figure 2.Schematic diagram of photovoltaic energy storage system 图2.光伏储能系统原理图 max f=Rr-C (1) 其中，R为发电收益： R-ZR.+R (2) 其中： Ren=Son+Pou (3) 式中：Rm为第n年发电带来的收益：Y为系统运行周期：R,为设备回收过程带来的收益：Sm为自用电 量节省费用：Pm为多余电量并网收益费用。 其中，系统投资总成本 CT=CI+CoM +CR (4) 式中：C,为初始投资成本：CoM为维护更换成本：CR为退役成本，单位均为元。 CI=Cpy +CBss (5) 式中：Cr是光伏系统初始投资成本：C是储能系统初始投资成本，单位均为元。 Cm-BZC (6) 式中：P是光伏峰值时的功率，W:C~Cg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。 CaSS =Cstor XE (7) 式中：Cr是储能单位容量的成本，元/kWh),E是电池容量，kWh。 CoM =20(OpY +Ogss)+ERC (8) 式中：Oy为光伏全年维护所需成本：Os为储能全年维护所需成本；Ec为整个系统更换一次所需成本。 D0:10.12677/sg.2022.126018 190 智能电网
王浩宁 等 DOI: 10.12677/sg.2022.126018 190 智能电网 Figure 2. Schematic diagram of photovoltaic energy storage system 图 2. 光伏储能系统原理图 max T T fRC = − (1) 其中， RT 为发电收益： 1 Y T en r n R RR = = + ∑ (2) 其中： RSP en a = +n un (3) 式中： Ren 为第 n 年发电带来的收益；Y 为系统运行周期； Rr 为设备回收过程带来的收益； an S 为自用电 量节省费用； Pun 为多余电量并网收益费用。 其中，系统投资总成本 C CC C T I OM R =+ + (4) 式中：CI 为初始投资成本；COM 为维护更换成本；CR 为退役成本，单位均为元。 CC C I PV BSS = + (5) 式中：CPV 是光伏系统初始投资成本；CBSS 是储能系统初始投资成本，单位均为元。 8 1 PV a i i C PC= = ∑ (6) 式中： Pa 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。 CCE BSS stor = × (7) 式中：Cstor 是储能单位容量的成本，元/(kW∙h)，E 是电池容量，kW∙h。 C OO E OM = ++ 20( PV BSS RC ) (8) 式中：OPV 为光伏全年维护所需成本；OBSS 为储能全年维护所需成本；ERC 为整个系统更换一次所需成本
王浩宁等 CR=BC (9) 式中：B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 APho=PcPG-Phe Pote=0 (10) △Qm=Q6m+Qc-Q6-0=0 (11) 式中：△P、△Q为节点的有功、无功不平衡量；Pm、m为储能装置的有功、无功容量：%、 Q。为光伏有功、无功出力：P、Q为节点的有功、无功负荷：P、Q为节点有功、无功注入 功率。 2)网络功率平衡约束 ∑Ph=∑Poa+∑Pa (12) 式中：∑P为节点注入有功，kW；∑Pd为总的有功，kW;∑P为整个系统的网络损耗，kW。 3)储能系统运行平衡约束 2P（(aM=0 (13) 式中：∑P(S)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 Umn≤U,≤Uma (14) 6nmn≤d≤6nma (15) 式中：Umm、Umax为节点电压U,的下限与上限：6m、6mx为节点电压6的相角下限与上限。 3.基于改进蚊群算法的模型求解 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，然后其它蚂蚊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1刀。 本文对传统蚁群算法中的期望因子B改进，即： a,0<n≤o B={b,%<n≤m= (16) 式中：a<b,nx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。 D0:10.12677/5g.2022.126018 191 智能电网
王浩宁 等 DOI: 10.12677/sg.2022.126018 191 智能电网 C C R = β 1 (9) 式中： β 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 Δ , 0 G ess lood cal P P PP P bus bus m = − −= + bus bus (10) Δ , 0 ess load cal Q Q QQ Q bus bus m G bus bus = − −= + (11) 式中： ΔPbus 、 ΔQbus 为节点的有功、无功不平衡量； , ess Pbus m 、 , ess Qbus m 为储能装置的有功、无功容量； PG 、 QG 为光伏有功、无功出力； lood Pbus 、 load Qbus 为节点的有功、无功负荷； cal Pbus 、 cal Qbus 为节点有功、无功注入 功率。 2) 网络功率平衡约束 ∑∑ ∑ PP P all = + load loss (12) 式中： ∑Pall 为节点注入有功，kW； ∑Pload 为总的有功，kW； ∑Ploss 为整个系统的网络损耗，kW。 3) 储能系统运行平衡约束 , ( )Δ 0 T ess bus m s ∑P st = (13) 式中： , ( ) T ess bus m s ∑P s 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 UU min ≤ ≤i max (14) min i max δ δδ ≤ ≤ (15) 式中：Umin 、Umax 为节点电压Ui 的下限与上限； min δ 、 max δ 为节点电压 i δ 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 β 改进，即： 0 0 max , 0 , a nn b n nn β < ≤ = < ≤ (16) 式中：a < b， max n 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