具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

如图1-图6所示公开了一种配电网光伏消纳容量提升方法，如图1所示，包括：

步骤1：建立含光伏系统的配电网模型，对配电网进行全年时序电压仿真，得到配电网各节点全年电压越限情况；

所述的配电网模型参数包含配电网的拓扑结构、基准电压、基准功率、线路阻抗、配电网各个节点的全年的负荷功率、光伏功率。

所述全年时序电压仿真是根据全年每一个时刻的配电网节点负荷功率以及光伏功率进行潮流计算，得到全年每一个时刻下每一个节点的电压值。

步骤2:利用光伏接入节点的逆变器对节点电压进行无功调节，得到初步改善之后的各节点全年电压越限情况，计算节点电压越限度；

所述光伏接入节点的逆变器的无功调节是利用逆变器对节点进行无功功率的补偿，直到达到最大功率因数或者最大逆变容量，这一阶段将不进行光伏有功功率的舍弃。

节点电压越限程度是用来衡量节点电压越限的大小：

式中：M为全年越限时刻数，U_Nmax为节点电压安全阈值上限，U_i为节点i的电压。

步骤3:利用集群策略和节点电压越限程度进行储能安装节点的选择，得到多个储能定址方案；具体步骤如下：

(31)根据配电网中各节点光伏功率和负荷功率，以电气距离、功率平衡度作为集群策略指标将配电网划分成几个集群；

(32)根据各自集群中的各节点电压越限度，选取越限最严重的前几个点作为储能定址节点，制定储能定址方案；

所述的集群策略是考虑到节点之间的强弱关联性，而对配电网进行区域性的划分的策略。集群之间的关联性比较弱，集群之内的关联性比较强；具体的为集群策略是就是将配电网划分几个区域，一个区域为一个集群。区域内的某节点发生变化的时候，区域内的其他节点变化比较大，其他区域内的节点变化比较小，因此，集群内的节点关联性比较强，集群外的节点关联性比较弱。

步骤4:采用合作博弈模型求解在满足约束条件下多个储能定址方案各自的最优储能配置容量与全年总弃光功率，并计算各自方案下的节点电压平均波动改善指标以及最大消纳能力指标。包含如下步骤：

(41)采用合作博弈模型以储能容量和全年弃光功率之和作为特征函数，求解各自方案下最优的储能容量配置和全年总弃光功率；

(42)在最优的储能配置容量和全年总弃光功率配置下再次进行全年的光伏消纳，计算各自方案新一轮的优化消纳之后的节点电压平均波动改善指标以及最大消纳能力指标；

所述的合作博弈模型包含：

(1)参与者：储能配置的Nc个节点。

(2)策略集：每一储能配置节点在全年时刻的储放电功率、弃光功率以及

无功调节功率。

(3)特征函数：配电网总的储能配置和全年弃光功率总和最低。

所述的合作模型的约束条件：

(1)储能充放电功率约束

在同一时刻，储能充放电功率不能同时进行：

P_ch,t·P_dis,t＝0

式中：P_ch,t为t时刻的储能装置的充电功率；P_dis,t为t时刻的储能装置的放电功率。

(2)储能荷电状态约束

为了延长储电设备的寿命，需要保证储电设备的荷电状态在一定的范围之内，而储电装置t时刻的荷电状态与t-1时刻的荷电状态与t时刻的充放电功率有关：

S_emin≤S_e,t≤S_emax

式中：S_e,t为t时刻的荷电状态，S_e,t-1为t-1时刻的荷电状态，η_ech为储电装置的充电效率，η_edis为储电装置的放电效率，S_Ne为储电设备的额定容量，S_emin、S_emax为储能荷电状态的最小值与最大值，Δt为单位调度时间。

(3)弃光约束

弃光功率需要小于某一时刻所产生的光伏功率：

P_gp,t≤P_pv,t

式中：P_gp,t为t时刻的弃光功率，P_pv,t为t时刻的产生的光伏功率。

(4)节点电压约束

U_min≤U_i≤U_max

式中：U_min为节点电压的安全范围的下限值；U_max为节点电压的安全范围的上限值；U_i为节点i的电压。

节点电压平均波动改善指标衡量经过储能全年充放电调度与弃光处理之后电压波动的改善程度：

式中：Nc为配置储能的节点数，du_i为节点i电压波动改善的程度，U_i,t、U_i,t′分别为节点i在时间t改善前后的电压值，U_i,av、U_i,av′为节点i的电压改善前后的平均值，dU_i、dU_i′分别为电压改善前后的电压波动，T为全年时刻。

最大消纳能力指标是用来衡量方案中储能配置以及弃光对配电网的光伏消纳能力提高情况，其配电网的新一轮的光伏消纳是建立在该方案中储能的额定容量、额定功率以及年总弃光功率的基础上。其中采用PSO优化算法求解最大消纳容量，以适应值求解模型求解PSO粒子的适应值。

具体实施步骤如下：

(1)配置PSO粒子的相关参数，其相关参数为粒子的种群数量、迭代次

数、加速系数、权重系数；

(2)随机初始化PSO粒子的位置和速度，其位置和速度为不同的光伏安

装容量；

(3)将PSO每一个粒子的位置代入适应值求解模型中；

(4)输入求解模型的相关参数，其相关参数为配电网的基准电压、基准功

率、配电网的拓扑结构、输电电路的阻抗、全年每一时刻节点的负荷功率，并计算该位置(光伏容量)下的全年每一时刻的每一个节点的光伏出力功率；

(5)对(4)进行潮流求解，并找出越限节点以及越限时刻；

(6)在满足约束条件下，对越限节点的越限时候进行储能和弃光调节，

以保证该时刻的节点电压恢复到正常范围内，如经储能和弃光调节之后无法恢复到正常电压值，则返回适应值为0；否则，返回适应值为光伏安装容量。

(7)以最大光伏安装容量为目标函数PSO的位置和速度的更新，直到满

足终止条件，输出最大光伏安装容量。

所述(4)的全年光伏时刻出力功率求取：

P_pv,i＝CO_pv,tC_pv,i

式中：CO_pv,t为t时刻光伏出力系数了；C_pv,i为节点i的光伏安装容量。

所述(6)的约束条件：

①储能充放电条件：

对越限电压进行调节的充放功率不得超过额定功率：

式中：P_N为储能的额定功率

②储能的荷电约束条件：

S_emin≤S_e,t≤S_emax

③弃光约束条件：

式中：P_gp,t,i为节点i在t时刻的弃光功率，P_sum,i为节点i总的弃光功率(即为方案中的总弃光功率)

步骤5:结合不同的方案下的四个指标，采用层次分析法和灰色关联度分析综合评价每一个方案，得到最优的储能定址定容以及弃光方案。包含如下步骤：

(51)确定不同储能定址方案的四个指标值：总的储能安装容量、全年总弃光功率、节点电压平均波动改善、最大消纳能力；

(52)以层次分析法确定四个指标的权重大小，以灰色关联度确定不同储能定址方案的灰色关联度，通过灰色加权确定最终储能定址方案。

所述的综合评价步骤为：

(1)标准化样本序列以及找到最优参考序列

设一共有m个方案，n个指标，则对样本序列组成的样本矩阵X＝(x_ij)_mn进行归一化,并找到参考样本。

d_j＝opt(c_ij)

式中：x_ij表示第i个方案，第j个指标下对应数值i＝1,2,...,m；j＝1,2,...,n，d_j为j指标中最优样本(根据实际情况选取j指标下的最大或最小值)。

(2)求取灰色关联度

定义Δ_ij为标准化后的第i个方案在j个指标上的值与第j个指标上最优值的偏差：

Δ_ij＝|c_ij-d_j|

标准化后，定义第i个方案在j个指标上的值与第j个最佳指标的灰色关联度ε_ij为

式中：ρ为分辨系数，一般选取0.5。

(3)用层次分析法确定权重

构建考量指标之间的判断矩阵，并对考量矩阵进行一致性检验，并且通过

一致性验,得到权重ω＝(ω₁,ω₂,…,ω_j)。

(4)计算加权关联度

(5)根据关联度大小进行排序，挑选最优方案。

γ_i的值越大表明第i个方案与最优样本的相关联程度越大，因此，可以根据相关联的程度大小进行最优方案选择。

实施例2

对于一个安装6MW的光伏容量的配电网进行年时序电压分析，配电网的拓扑结构图如图2所示，具体的节点光伏容量配置如下图3所示，由于节点24所安装的光伏容量是最大的，其电压越限程度也是最高的，如图4所示。

因此，需要利用逆变器与储能相结合策略使得节点恢复到规定值，以保证配电网的完全与稳定性。

1、逆变器的初步调节

经过逆变器无功的初步调节之后，节点24的越限程度明显降低，如图5所示。

2、储能定址方案

根据全年模拟各节点的电压情况，结合节点电压越限指标以及集群划分策略进行储能定址方案的选择。本文的集群划分将以电气距离作为结构性指标，衡量节点电压幅值的变化的关联程度；以功率平衡度作为功率指标，衡量有功、无功功率变化对于节点的影响。

根据上述集群划分的标准以及考虑光伏安装容量以及位置，本文将标准的配电网划分为四个集群，每一个集群内的节点电压越限程度如图6所示

一共划分了四个集群，集群1中的电压越限的节点为23、24、25；集群2中并无电压越限节点；集群3中电压越限的节点为5、6、7、8、9、26、27、28、29、30、33；集群4中的电压越限节点为10、11、12。

考虑集群的特点，先根据集群内的电压越限情况进行初步选择，然后在结合集群之间的关系进行综合评判。如果集群内相邻的节点之间电压越限程度相差比较大，则认为电压越限严重的节点带动电压越限严重小的节点。因此，只要在电压越限严重的节点进行储能配置，降低电压，节点越限程度小的节点电压自然会下降。进行集群内节点筛选之后，考虑集群之间的相关联性，如果集群内的最大电压越限程度远小于其余集群内最小越限程度，则认为，此集群电压越限是由其余集群带动，主要控制其余集群电压，此集群的电压也就回归正常值。

集群1中节点23与节点24、25电压越限程度比较大，且节点24、25电压越限严重，可认为节点23的电压越限是由节点24、25带动，因此，在节点24、25进行储能配置。集群2无电压越限，因此，并不考虑。集群3中节点6、节点26、27、28与其余节点电压有一定的差距，因此，需要安装储能装置。集群4中节点最大的电压越限比较低，因此，可以认为，集群4的节点电压越限是由其余集群带动，因此，集群4不进行储能配置。

根据上述的节点储能配置，将拟定节点24、25、6、27、26、28作为储能配置的备选节点。并且根据越限程度，拟定如下的储能配置方案，如表3所示。

表1 方案选址以及个数确定

3、储能定容方案

根据上述的储能方案进行合作博弈求得最优的储能配置以及弃光容量。结果如表2所示由于全年所产生的光伏功率在8800MW，结果中的弃光功率均是符合要求。

表2 储能配置以及弃光功率

从表2可以看出，方案一中单个节点进行储能配置，储能配置容量比较少，但年总的弃光功率最高的，由于单个节点无法与其他节点进行配合消纳，也导致在储能和弃光功率下消纳能力也是最低的；方案六中由于在六个节点进行储能配置，总的储能配置容量最高，但降低了年总弃光功率，由于节点之间储能和弃光的相互配合，最大限度地提高了光伏消纳水平。不同的方案由于节点储能配置不一样，但弃光和储能配置总的容量有所差别，储能配置节点数越多，总的储能配置容量越大，但提高了新一轮的消纳能力；平均节点改善水平与节点配置数量的多少并无直接的关系，但总的来说，由于储能和弃光的调节作用，使得节点电压波动有了明显的改善。

5、多指标评价

根据上述不同方案下的四个指标特性进行综合评价挑选出最为合适的方案，考虑到不同指标之间的相关性以及指标之间的重要程度，采用层次分析法与灰色关联度指标进行综合评价，结果如表3所示

表3 多指标评判的综合结果

方案6的综合评分最高，即为最佳方案，由于方案6的节点储能配置比较多，节点之间协调工作，可以增大配电网的消纳能力。当配电网所需光伏进一步需要扩大的时候，可以进行1.72MW的光伏容量额外扩建。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。