摘要：隨著分布式能源的大量接入，電力系統面臨如何減弱新能源并網引起波動的挑戰。合理配置分布式儲能能夠有效平抑波動，提高電能質量，因此需要對分布式儲能配置問題進行深入研究。該文首先研究并歸納了分布式儲能的發展現狀，其次從新型電力系統下分布式儲能的優點入手，通過分析電源側、電網側以及用戶側等不同的應用場景，建立了完善的分布式儲能合理配置流程，然后分別從優化模型的搭建和優化方法的選擇2方面展開研究，匯總了常用的目標函數和約束條件，論述了典型優化算法的適用性，*后根據目前分布式儲能配置的研究現狀，指出了目前優化過程中需要改進的問題。

關鍵詞：新型電力系統；分布式能源；分布式儲能；優化配置；智能優化算法

0.引言

分布式可再生能源發電是基于風、光等新能源的分布式發電，具有建設周期短、應用場景多、環境負效應低、技術成熟度高等優勢，發展前景廣闊[1]。2022年前3季度，分布式光伏新增裝機超過全國光伏新增裝機的2/3，成為裝機增長*快的可再生能源發電類型，這意味著“分布式光伏整縣推進"模式在全國范圍內鋪開，高比例清潔能源占比逐步提高，分布式配儲能的應用前景逐漸體現，因此分布式儲能的規劃部署作為分布式儲能工程合理性應用的前提至關重要。

為實現2021年4月國家能源局發布的《關于加快推動新型儲能發展的指導意見(征求意見稿)》中“儲能裝機3000萬kW"目標，各省份紛紛出臺相應政策，對不同項目的儲能配比做出相應規定，具體見附錄A表A1。通過匯總表對比可以看出：(1)各省份儲能儲能裝機配比均在10%以上，充電時長均在2h以上；(2)規范的項目多為集中式儲能容量配比，對于分布式儲能容量配比規定較少，缺乏對其系統性研究；(3)政策中關于儲能容量配比還未能根據儲能具體應用場景細化。

相較于集中式儲能，分布式儲能可減少集中儲能電站的線路損耗和投資壓力，但也具有分散布局、可控性差等特點。合理規劃分布式儲能，不但可以促進新能源的消納，降低棄風棄光率，還可以通過“削峰填谷"來降低配電網的容量，減少投資資源[3]。圍繞分布式儲能規劃的問題，國內外專家學者開展了大量研究，已獲得階段性成果，目前主要側重于不同場景的數學建模和規劃優化方法等方面。對此，本文從新型電力系統下分布式儲能的特點入手，圍繞分布式儲能的應用場景建立了分布式儲能優化配置的研究框架，旨在對新型電力系統下分布式儲能的配置方法進行詳細梳理，對新型電力系統的優化具有重要意義。首先研究了分布式儲能的物理架構，對其典型應用場景進行了歸納總結，基于對不同指標以及不同目標函數的考慮，歸納分布式儲能容量配置的不同，旨在對分布式儲能的容量規劃配置做系統的歸納以及對改進其配置方法做合理的展望。

1.分布式儲能應用場景及配置流程

規劃配置分布式儲能系統，需要從分析儲能在不同應用場景下發揮的關鍵作用和服務典型應用場景下的分布式儲能容量配置流程設計2個方面出發，滿足分布式儲能容量配置合理性與科學性要求。

1.1分布式儲能的應用場景

根據分布式儲能在電力系統中的安裝位置，其應用場景可分為發電側、電網側以及用戶側，如圖1所示。在發電側，分布式儲能可參與可再生能源并網、減少棄風棄光、負荷跟蹤、系統調頻等應用場景；在電網側，可參與輔助電力調峰、備用容量、緩解電網阻塞、延緩輸配電設備擴容、無功支持、輔助動態運行等應用場景；在用戶側，分布式儲能可用于峰谷價差套利、容量費用管理、提升電能質量、提升供電可靠性等應用場景，下面對不同場景下分布式儲能的不同應用進行歸納分析，以找到各場景下儲能的合理容量配置方法。

圖1分布式儲能應用場景

在用戶側，分布式儲能可用于峰谷價差套利、容量費用管理、提升電能質量、提升供電可靠性等應用場景，下面對不同場景下分布式儲能的不同應用進行歸納分析，以找到各場景下儲能的合理容量配置方法。

1.2分布式儲能容量配置流程

分布式儲能容量配置需要綜合考慮應用場景用戶與市場需求的分析，建立起適合該應用情況下的容量配置數學模型，具體容量配置流程見圖

從流程圖可以看出：

(1)分布式儲能容量配置需

要根據應用場景以及市場與用戶需求得出儲能容量配置的目標函數；

.       根據配電網運行要求以及儲能自身條件確定該模型的運行約束條件；

.       對設計的數學模型，選取合理的算法對目標函數進行求解。因此，本文接下來就目前對不同目標函數的研究進行歸納總結與分析。

圖2分布式儲能容量配置流程

2.分布式儲能數學建模

經濟性是儲能配置過程中 要考慮的因素，而可靠性貫穿于新型電力系統的各個部分，它保證了分布式儲能的持續出力能力以及抵御電網波動的能力，因此研究分布式儲能優化配置的經濟性和可靠性具有重要意義，下面將分別對其進行深入研究。

2.1經濟性

目前，分布式儲能存在投資成本較高、投資回收期較長等問題，對此，行業內專家學者對分布式儲能各類應用場景的經濟性問題開展了相關研究。針對優化應用于電源側的儲能容量配置，其經濟性主要體現在新能源消納以及碳收益方面!。提高了儲能參與新能源消納的效率。對于配電網側，其經濟性主要體現在降低網損收益、削峰填谷、配電網新能源消納等方面。文獻針對配電網削峰填谷、降低網損的場景，提出了一種修正儲能容量的方法，以配電網總成本*低為優化目標，使得儲能容量與壽命達到較好的配合,具有更優的經濟性。

從分布式儲能的優化配置經濟性研究現狀中，可以得出:

.       政策為分布式儲能提供效益保障，合理制定電價機制以及補貼政策是實現儲能商業價值的重要因素;

.       目標函數的設立大多包含投資成本及運維成本，體現出目前成本高昂問題依舊是提高儲能容量配置經濟性的限制因素，因此如何降低配置成本是儲能行業發展的 ;

.       約束條件的確定與儲能應用場景相關，在用戶側，通常要考慮儲能自身約束，比如儲能充放電約束、荷電狀態約束等，

在電源側，還需要考慮傳統火電機組、新能源電站的出力約束；在配電網側，還需要考慮電力系統潮流約束、節點電壓約束等。

2.2可靠性

新型電力系統中可再生能源發電占比越來越大，大量新能源并網以及電力電子器件的接入會給電網帶來較大沖擊，配電網中包含了很多 負荷、二級負荷，需要越來越高的電能質量，同時在負荷高峰期，部分負荷可能會因系統輸配電能力有限而失去供電。

為減少新型電力系統中的重要用戶因電網故障或負荷停電造成的經濟損失，通過配置一定容量的分布式儲能作為應急電源或不間斷電源，能有效提高系統可靠性。除此之外，儲能系統因其本身特性可以 快速地控制有功和無功，提升系統響應擾動的能力，調整頻率與電壓到標準值，還能補償負荷波動，提高系統運行的穩定性，因此研究分布式儲能配置的可靠性指標是提升新型電力系統穩定性的重要方向。

.       優化算法

3.1經典優化算法

在根據分布式儲能的應用場景選取合適的目標函數以及約束條件后，需要對建立好的儲能配置模型進行求解，才能得到儲能配置參數，完成儲能配置過程，選取合適的優化算法也是儲能能否實現優化配置的重要一環。

3.1.1線性規劃

線性規劃是在一組線性約束條件的限制下，求一線性目標函數*大或*小的問題。而在求解儲能容量配置問題時，其目標數及約束條件往往是非線性的，因此需要將非線性的目標函數及約束條件進行線性化才能求解。

3.1.2動態規劃

動態規劃是通過將大問題拆分成小問題，同時明確各問題之間的邏輯關系，進而以遞推的方式去解決問題。在求解儲能容量配置模型優化問題中，將目標函數中的優化變量折解為子變量，按子變量的邏輯關系逐一求解。

分布式儲能的動態配置通過動態地調節配電網的潮流分布，可有效降低配電網網損成本，由于網內負荷的季節性變化是儲能配置發生變化的主要影響因素，而動態規劃模型相對于靜態規劃模型的優點是能夠得到全局*優解，因此，儲能動態配置比固定配置更具有經濟性，且能利用優化目標與子目標之間的邏輯關系，減少冗余計算過程，提高優化效率。其缺點在于：沒有固定的求解模型，依賴決策者提供*優判斷，同時沒有維數限制，對求解的空間需求大。

3.2智能優化算法

3.2.1遺傳算法

遺傳算法(geneticalgorithm,GA)其本質是一種具有并行性、全局性、自適應尋優特點的方法，能在尋優過程中自動搜集可行域內的有效信息，并自適應地控制搜索過程以求得近似*優解。在應用于儲能容量配置的過程中，其主要求解流程如圖3所示，主要步驟有：確定儲能容量配置參數集，對所需參數進行二進制編碼，確定初始儲能容量配置種群，根據儲能各應用場景下的目標函數對其進行適應度評價，對參數進行選擇交叉變異產生新一代種群直到迭代次數滿足所設置要求。算法求解結束，可以得到所要求的儲能容量配置的參數。

遺傳算法為全局優化算法，其對于求解多目標函數、混合非線性問題有其顯著的優點，但其求得的優化解一般不為*優解，一般為*優解附近的職值，在收斂性以及求解速度方面都存在局限性。對此，國內外專家學者對遺傳算法應用在分布式儲能規劃問題上展開研究，表2歸納了遺傳算法求解的標丞數、改進之處以及目前在應用方面的側 。

圖3遺傳算法流程圖

分析表2可以看出，目前應用遺傳算法來解決分布式儲能規劃的選址定容問題，其評價指標主要考慮儲能容量配置的經濟性方面或者以經濟性為主體的多目標函數，目前改進的方向主要有：

.       與其他智能算法相結合，通過算法之間的嵌入來改善遺傳算法的收斂性以及收斂速度；

.       改進遺傳算法中的選擇、交叉以及變異因子，使其更科學，更具適用性；

.       在使用遺傳算法優化前，對種群個體適應度進行排序，選取適用度高的個體做初代種群。

3.2.2群智能優化算法

群智能算法源于自然群體通過合作方式覓食的行為研究，每個具有經驗和智慧的個體通過相互作用機制形成強大的群體性智慧，以此解決復雜的問題，目前常見的應用在分布式儲能容量配置領域中的群智能優化算法有：蟻群算法、粒子群算法、菌群算法、蛙跳算法、狼群算法、鯨魚算法等。其中，粒子群算法(particleswarmoptimization，PSO)因為容易、精度高、收斂快等優點，被廣泛應用于儲能容量配置等方面。

粒子群算法的核心思想是利用群體中個體對信息的共享，使得整個群體的運動在問題求解空間中產生從無序到有序的演化過程，從而獲得問題的*優解，粒子群算法中兩大核心公式為速度更新公式與位置更新公式，即：

粒子群算法應用在分布式儲能容量配置方面，其主要的流程如圖4所示，首先需要確定區域配電網的各項參數，確定儲能應用場景，選取儲能配置參數作初始化粒子群，初始化粒子位置向量和速度向量，計算粒子的目標函數值，種群速度主要受慣性權重和學習因子參數影響，學習因子影響多維度尋優效率，慣性權重大小與全局搜索能力正相關，ω取值較大時有利于全局搜索，使得PSO算法收斂速度更快；ω取值較小時則更有利于局部搜索，使得PSO算法收斂精度更高。

PSO算法有迭代簡單、利用群體智能進行優化等優點，廣泛應用于新型電力系統中分布式儲能容量優化配置中。

圖4PSO優化算法流程圖

分布式儲能優化配置的應用場景很多，針對不同應用場景下的求解需要選擇合理的算法，各類算法具有各自的優缺點，需要在此基礎上進行改進，使之更好地對問題進行求解，目前主要應用的智能算法，如遺傳算法和粒子群算法，依然有計算量大、易落入局部*優等缺點，對此類算法進行改進并使之在儲能優化配置問題中有更好的收斂性與效率是目前的研究 。

4.Acrel-2000ES儲能柜能量管理系統

4.1系統概述

安科瑞儲能能量管理系統Acrel-2000ES，專門針對工商業儲能柜、儲能集裝箱研發的一款儲能EMS，具有完善的儲能監控與管理功能,涵蓋了儲能系統設備(PCS、BMS、電表、消防、空調等)的詳細信息,實現了數據采集、數據處理、數據存儲、數據查詢與分析、可視化監控、報警管理、統計報表等功能。在 應用上支持能量調度,具備計劃曲線、削峰填谷、需量控制、防逆流等控制功能。

4.2系統結構

Acrel-2000ES，可通過直采或者通過通訊管理或串口服務器將儲能柜或者儲能集裝箱內部的設備接入系統。系統結構如下：

4.3系統功能

4.3.1實時監測

系統人機界面友好，能夠顯示儲能柜的運行狀態，實時監測PCS、BMS以及環境參數信息，如電參量、溫度、濕度等。實時顯示有關故障、告警、收益等信息。

4.3.2設備監控

系統能夠實時監測PCS、BMS、電表、空調、消防、除濕機等設備的運行狀態及運行模式。

PCS監控：滿足儲能變流器的參數與限值設置；運行模式設置；實現儲能變流器交直流側電壓、電流、功率及充放電量參數的采集與展示；實現PCS通訊狀態、啟停狀態、開關狀態、異常告警等狀態監測。

BMS監控：滿足電池管理系統的參數與限值設置；實現儲能電池的電芯、電池簇的溫度、電壓、電流的監測；實現電池充放電狀態、電壓、電流及溫度異常狀態的告警。

空調監控：滿足環境溫度的監測，可根據設置的閾值進行空調溫度的聯動調節，并實時監測空調的運行狀態及溫濕度數據，以曲線形式進行展示。

UPS監控：滿足UPS的運行狀態及相關電參量監測。

4.3.3曲線報表

系統能夠對PCS充放電功率曲線、SOC變換曲線、及電壓、電流、溫度等歷史曲線的查詢與展示。

4.4.3.4策略配置

滿足儲能系統設備參數的配置、電價參數與時段的設置、控制策略的選擇。目前支持的控制策略包含計劃曲線、削峰填谷、需量控制等。

4.3.5實時報警

儲能能量管理系統具有實時告警功能，系統能夠對儲能充放電越限、溫度越限、設備故障或通信故障等事件發出告警。

4.3.6事件查詢統計

儲能能量管理系統能夠對遙信變位，溫濕度、電壓越限等事件記錄進行存儲和管理，方便用戶對系統事件和報警進行歷史追溯，查詢統計、事故分析。

4.3.7遙控操作

可以通過每個設備下面的紅色按鈕對PCS、風機、除濕機、空調控制器、照明等設備進行相應的控制，但是當設備未通信上時，控制按鈕會顯示無效狀態。

4.3.8用戶權限管理

儲能能量管理系統為保障系統安全穩定運行，設置了用戶權限管理功能。通過用戶權限管理能夠防止未經授權的操作（如遙控的操作，數據庫修改等）。可以定義不同級別用戶的登錄名、密碼及操作權限，為系統運行、維護、管理提供可靠的安全保障。

5.相關平臺部署硬件選型清單

6.結束語

新型電力系統中新能源占比越來越大，給電網穩定性和電能質量帶來很多問題和挑戰，通過合理規劃分布式儲能，不僅可以促進新能源的消納，還可以提升電網穩定持續供電能力。本文針對分布式儲能的優化配置問題展開深入研究，根據分布式儲能的不同應用場景，構建了完善的優化配置模型，同時從模型搭建和優化算法選擇2方面進行研究歸納，得到以下結論：

1）通過對分布式儲能系統經濟性方面目標函數的研究，得出目前存在的儲能成本較高、 期長等問題，需要相關部門制定相應政策進行引導調節，例如在建造分布式儲能初期給予投資方一定比例的獎勵以降低投資成本，在電網調度中優先調用已投運的分布式儲能以減短 期。

2）現有的分布式儲能優化配置模型一般從經濟性和可靠性2方面選取目標函數，且優化目標一般較為單一，下一步應考慮加入其他方面的優化目標，例如環保性和能源利用率等，并考慮將其轉化為經濟性、可靠性2方面的目標函數；此外，對于多目標優化中各目標函數的權重應根據具體場景進行合理分配。

3）隨著分布式儲能優化配置的研究更加深入，會出現更多類型的優化指標，因此不僅要完善目標函數體系，還要對現有的優化算法進行改進，提高方法 度和適用性，使得優化結果具有更高的可信度。

參考文獻

[1]李建林，姜冶蓉，馬速良，崔宜琳，郭霄宇.新型電力系統下分布式儲能應用場景與優化配置.2024

[2]張光儒，任浩棟，馬振祺，等.提升配電網承載力和調節能力的整縣分布式光伏儲能配置方法[J].電氣技術，2022，23(11)：49-55，61.

[3]安科瑞企業微電網設計與應用手冊.2022.05版.