光伏高渗透率下分布式储能群间协同的电压控制策略.pdf

http:WW-47AutomationofElectricPowerSystems2023年5月2 5日第10 期第47 卷电力系玩自动化DOI:10.7500/AEPS20220811002Vol.47No.10May25,2023光伏高渗透率下分布式储能群间协同的电压控制策略李军徽，孙大朋1，朱星旭，于昊正，李翠萍1，东哲民（1.现代电力系统仿真控制与绿色电能新技术教育部重点实验室（东北电力大学），吉林省吉林市13 2 0 12；2.国网河南省电力公司经济技术研究院，河南省郑州市450 0 0 0；3.国网河北省电力有限公司邯郸供电分公司，河北省邯郸市0 56 0 0 0）摘要：针对分布式光伏高渗透率接入配电网后引起的节点电压越限问题，提出一种基于集群划分的储能调压控制策略。该策略包含配电网集群划分和分布式储能调压控制策略两部分。首先，通过改进的模块度指标对配电网进行集群划分；然后，在计及储能功率与荷电状态（SOC)的前提下，构建储能优化调压数学模型，根据越限电压的节点所在集群所需总功率对集群内储能进行分配，确定分布式储能运行收益最大时的储能时序动作功率；最后，分析不同方案下电压的波动性、配电网网损和储能运行经济性。通过两种方案对比表明，所提策略对应的方案不仅有效控制了节点电压、减少了网损，而且取得了良好的经济性。关键词：配电网；分布式储能；分布式光伏；电压控制；集群优化0引言截至2 0 2 1年，全国光伏累计新增装机容量为54.88GW，其中分布式光伏（distributedphotovoltaic，D PV）装机容量2 9.2 7 9GW，占比53.35%(。中国早期的配电网规划并未考虑大规模分布式电源接人的情况，特别是对于配电网承受能力相对薄弱的农村电网，随着分布式光伏在配电网中渗透率的不断提高，其对配电网的安全稳定运行造成很大影响，尤其是功率倒送2 1和节点过电压3 。过电压问题会直接影响到配电网的安全运行，并且增加了弃光电量。针对分布式光伏导致的过电压，调控手段一般有无功补偿4-5、减少有功输出6 和有功-无功综合调节7-8 3 种方式。对于光伏高渗透率下的配电网，功率输出周期性强，若出现电压越限问题，则在可预测的很长一段时间内，电压都会发生越限现象，且会导致光伏发电功率的浪费。针对这一问题，有文献引人分布式储能（distributed energy storage,DES）来调节分布式光伏造成的节点电压越限问题，储能可用于消纳光伏发电多余的电力，并可在夜间负荷高峰时放电9-1。文献12 采用分布式储能与传统调收稿日期：2 0 2 2-0 8-11；修回日期：2 0 2 2-12-2 5。上网日期：2 0 2 3-0 3-2 3。吉林省自然科学基金联合基金资助项目（YDZJ202101ZYTS152)。压设备相结合的方式，可有效控制电压不越限并减轻传统调压设备的负担。储能在配电网中呈现数量较多、位置分散等特点，在调压时还需考虑其对潮流、经济性等多种因素的影响。目前，配电网电压控制策略大致可分为集中式调压与分布式调压13 。其中,集中式调压利用配电网全局调配，统一协调系统内可调用资源，适用于偶发性电压越限的情况14;分布式调压以就地消纳为中心思想，针对电压越限节点的区域进行调节，相对于集中式调压，分布式调压具有良好的区域自治性和灵活性，能够实现对电压的高效调节15。针对分布式调压，现有研究引入集群概念来对配电网进行调节。集群是由电气上相似或互补的若干节点，以及该区域内的分布式电源、分布式储能、负荷及其他控制装置所构成16-17 。将强耦合的节点分成集群，利用集群能更好地划分分布式储能调压各区域的边界18 19。在集群电压控制方面，文献20提出一种基于不完全量测数据的集群电压协调控制策略，以降低集群间的发电损失。文献2 1对配电网进行集群划分，采用牛顿法协调无功出力实现对配电网电压的有效控制。文献2 2 以最小化光伏功率损失和网损为目标，通过双层电压控制策略对电压进行调节。文献2 3 基于电气距离模块度划分集群，利用储能对配电网电压越限最严重的集群进行调节。然而，现有采用分布式储能作为调压手段的控482023,47(10)学术研究制策略，大多采用集中控制策略或简单就地消纳，区域整合能力较差。现有通过划分集群来进行电压调节的控制策略中，采用常规调压手段的文献大多仍以调动系统的无功调节能力为主，不能从根本上解决光伏发电功率的浪费，还会导致系统受到扰动后常规调压资源的缺失；以储能作为调压手段时2 3 针对划分集群的指标与群间协同考虑不足，对多节点配电网系统全年运行情况的研究较少针对上述问题，本文首先利用改进的模块化指数2 4-2 5 对配电网进行集群划分。在集群划分方面，在引人有功灵敏度矩阵的同时增加了储能能力的边权值，并结合两者对集群进行划分，提高了集群划分的耦合度，确定了配电网划分后的拓扑。在调压策略部分，本文针对此刻所有越限集群进行就地消纳调节，并非仅从调节电压越限最严重的集群人手，考虑出现电压越限后集群储能无调节能力情况的群间协同，并在调节后通过潮流计算，考虑其对整体配电网的影响。对配电网配置分布式光伏造成节点电压越限的调控，以调节电压在设定范围内为前提来确定待选的储能出力组合；通过MATPOWER计算潮流，筛选出不会影响其他集群电压越限的储能出力组合。以接入储能综合收益最大为目标确定储能的最优出力，并通过算例仿真对比本文策略与常规策略，验证了本文所提策略的有效性。1基于集群划分的储能调压控制策略框架针对高渗透率分布式光伏接人配电网造成节点电压越限、储能动作功率分配等问题，本文提出以储能运行收益最大化为目标的基于集群划分的储能调压控制策略，包括配电网集群划分和分布式储能调压控制两部分，其框架结构如附录A图A1所示1)配电网集群划分部分是利用系统运行参数和改进的模块化指数，将具有相似电气特征的节点划分到一个集群；2)分布式储能调压控制部分是在配电网集群划分的基础上，根据集群所需有功功率对各储能合理分配功率并确定最优出力时序，以实现电压调节和达到储能运行收益最大的目的。本文所提基于集群划分的储能调压控制策略可以实现储能功率的合理分配，既能兼顾分布式储能运行的经济性，又可以满足配电网的调压需求，保证了配电网储能电站的有效性和可持续运转。2基于集群划分的储能调压控制模型2.1采用改进模块化指数的集群划分模型模块化指数通常由网架结构及节点间边权确定，根据边权对复杂的网络系统进行分解。本文采用一种改进的模块化指数对复杂网络进行分区，以模块化指数作为衡量分区质量的参数，综合考虑有功灵敏度指标，提出一种集群划分方法。模块化指数可以根据其数值大小，有效反映节点间的电气耦合程度。与其他集群划分方法相比，模块化指数无须预设集群个数。其基本定义如下：1k;kAij(i,j)(1)2m2m1认位于同一集群(i,j)=(2)0其他式中：为系统模块化指数；A,为节点i和j连接边的权重（边权），A，=1表示节点i和j直接相连，A，0表示节点i和j不相连；m=0.5ZA，为系统网络所有权重之和；k,和k分别为与节点i和i相连边的权重之和。配电网边权A，由无功-电压或有功-电压灵敏度矩阵决定。电压幅值V和相角的变化量（V,)与有功功率P和无功功率Q的变化量（P,Q)可通过式（3）建立联系。相应的灵敏度计算公式如式（4)所示，为系统潮流方程雅可比矩阵的对应项TSopPSooTP(3)LVJLSvpSvaJLAQSoPSoQaPQ(4)LSvpSSvalaVaVaPQ式中：Sop和SQ分别代表与有功与无功功率相关的相角灵敏度矩阵；Svp和SvQ分别代表与有功与无功功率相关的电压幅值灵敏度矩阵。由式（3）、式（4)可知，节点电压的变化量与有功和无功功率均相关。本文在集群划分时，主要利用储能来调节电压，并主要对配电网内节点的有功功率进行调节。描述系统两个节点间的边权采用下式：V=Sv p A P(5)Svp.iA/=-lg(6)max(Svp.i)式中：Svp.i为灵敏度矩阵Svp中第i行、第列的元素；A为改进的节点i和j连接边的权重（边权）。针对分布式光伏造成的电压越限问题，集群内部的电压调节采用分布式储能消纳多余的有功功率，不占用系统的无功调节资源，利用有功灵敏度参http:-49李军徽，等光伏高渗透率下分布式储能群间协同的电压控制策略数来描述有功功率的消纳能力1PsubPveed,PNeed=0PP:c.Psub(7)Psub PedPNeedAVPNed=(8)Svp.iiiEC式中：C表示集群集合C中第k个集群，k的取值范围为1到集群总数；9p.c为集群C内的有功灵敏度，当储能所能提供的消纳能力大于所需有功功率或无须储能消纳时，9P.c,=1,其他情况下9P.c1;Psub为集群C内分布式储能所能提供的总有功消纳能力；PNeed为所需有功功率的最小值；V,为节点i的电压增量；Svp.i为集群C,内节点i储能的有功-电压灵敏度。利用有功-电压灵敏度矩阵和边权平均值构成改进的模块化指数。假设配电网被划分为Nc个集群，则改进的模块化指数m为：1Pm,i=Nc2(grc.+avg(Aj)(9)k=1式中：avg(A,)为权重的平均值。系统中分布式光伏出力、上级电网传输功率和负荷等都随着时刻的变化而变化。为避免系统参数变化导致配电网集群划分结果具有时变性，本文在集群划分计算时，代人的参数选取系统全年运行参数的平均值。本文采用基于有功灵敏度矩阵的模块化指数作为式（1)的边权，用来表示节点间的电气耦合度。步骤如下：步骤1：初始化系统内部所有节点，每个节点对应一个集群并计算每个集群的初始模块化指数pm.io步骤2：对于节点i，从剩下的节点中随机与另一个节点组成一个两节点集群，计算新的模块化指数pm.i，衡量每个候选合并节点的集群模块化指数变量o=pm.一pm。若o0,则选择另一个节点形成新的集群，并计算新的模块化指数变量。节点i和节点被归为同一集群，直到模块化指数变量达到最大值，并更新模块化指数的总和pm.=m.十p。对所有节点重复进行集群合并过程，直到系统的模块化指数不能进一步增加为止，此时o达到正的最大值。步骤3：将新形成的集群当作单个节点，重复步骤2 进行节点合并，配电网拓扑结构被更新为新形成的集群。步骤4：当没有新节点被合并到集群时该循环过程停止，得到最终的集群划分结果2.2分布式储能优化调压模型在对配电网集群进行划分后，针对分布式光伏接人配电网造成节点电压越限的问题，构建考虑储能经济性的调压模型，并设计储能的充放电控制策略，使得节点电压在控制范围之内。2.2.1目标函数储能总经济性FTotal包括储能收益和储能成本两大部分，以储能总经济性最大为目标确立目标函数：max Frotal=Fwcc+FLoss.CDESCDES(10)WinvM式中：FwCC为储能利用分时电价获得的运行收益；FLOSS为减少的网络损耗收益；CDES为分布式储能等年值投资成本；CDES为分布式储能运行维护成本。1)储能运行收益FCC储能系统根据负荷需求情况与电网分时电价（t i m e o f u s e，T O U）进行充放电，可获得储能电价套利。FWC=FwC-FwCC(11)Ns96FwCC=ypEs(12)$=1=196FwCC=yDEsZZMMTou(t)P.(t)t(13)S=1=1式中：FCC为储能售电费用；FCC为储能购电费用；yDEs为储能使用寿命周期;Mrou(t)为t时刻的分时电价；Pe.（t)和Paisc.s（t)分别为t时刻第s个储能的充、放电功率；t为时间间隔；Ns为分布式储能个数。2)减少网络损耗带来的收益FLossFLOss=FLOsFLOss(14)35040FLOSSMTou(t)PLi(t)t(15)L11=135040FLOSSL2MTou(t)PL2(t)t(16)1=1式中：FLOSS和FLOSS分别为储能动作前、后网损所需费用;PLi(t)和PL2（t)分别为t时刻储能动作前、后全网总损失功率3)分布式储能等年值投资成本CDESinv本文计算时间尺度为一年，储能的投资成本计算利用其在寿命周期内的等年值投资成本Nsr(1+r)orsCDES(CeEDEs.,+CpPDEs.,)inv(1+r)vrs-1(17)式中：Ce为储能单位容量配置成本；Cp为储能单位502023,47(10)学术研究功率配置成本;EDEs.,和PpEs,分别为分布式储能j的额定容量和功率；r为贴现率4)分布式储能运行维护成本CDES为维护储能装置正常运行，需对储能设施进行必要的维护，所需投人成本如下CDES=CMEY,DES(18)式中：CM为单位发电量储能运维成本;Ey.DEs为储能装置年发电量。2.2.2约束条件1)第k个集群内各节点接入的分布式储能功率约束PDES.i,k(19)i=1式中：PpES.为第k个集群接入的分布式储能功率；PpES.i.为第k个集群内节点i接人的分布式储能功率；N为第k个集群内的节点数。2)电压约束UminU.,U.(20)max式中：Umin为节点电压允许最小值；Umax为节点电压允许最大值；Ui.为节点i在t时刻的电压。设置配电网节点电压约束范围为0.90 U1.10U，其中，U为额定电压（标么值为1）。3)配电网潮流约束P,(t)-Pi,DPv(t)Pi,DEs(t)=ZU,(z)(Gycoso,(1)+By sin,(z)NU.(t)j=1Q,(t)-Qi.Dpv(t)=NU,(t)ZU,(t)(G,sino,(t)-B,coso,(t)j=1(21)式中：P（t）Q（t)分别为t时刻节点i负荷的有功和无功功率;Pi.DPv（t）、Q i.D Pv（t)分别为t时刻节点i分布式光伏的有功和无功功率;Pi.DEs（t)为t时刻节点i的储能功率,若储能放电则为正,否则为负;U（t)U,（t)分别为t时刻节点ij的电压幅值;G,、B,分别为节点导纳矩阵中第i行、第i列元素的实部和虚部；o,（t)为t时刻节点ij相角差；N为节点总数。4)节点电压与储能有功功率约束AU.,=U-U.,=U。-U.,=U。-U m=m=1Z(Q,(2)-Qupv(1)V(22)mn=mPu.DEs(t)Smin2PuDEs(2)A/SmPn.DEs(1=1(23)0SmaxZP.DEs(t)Att=1式中：Ui,为t时刻节点i的电压与额定电压的幅值差；U。为线路始端节点电压标幺值，本文线路始端设置为平衡节点，U。=U N；U 为节点m一1与节点m之间线路的电压降；Um为节点m的电压；P，（t）Q，（t)分别为t时刻节点n负荷的有功和无功功率;Pn.Dv（t)、Q n.D v（t)分别为t时刻节点n分布式光伏的有功和无功功率;RmX分别为节点m一1与节点m之间线路的电阻和电抗;Pn.DEs（t)为t时刻节点n的分布式储能功率，若储能放电则为正，否则为负；Smin和Smax分别为储能折合充放电效率后的最小和最大容量；T为系统运行周期，本文取15min为时间间隔，时间跨度为3 6 5d。5)储能的荷电状态（stateofcharge,SOC)约束Soc.minSoc(t)Soc.m(24)max式中：Soc.min为储能SOC下限，本文取O.1;Soc.max为储能SOC上限，本文取0.9;Soc（t)为t时刻储能的SOC。3基于集群划分的储能调压控制策略3.1调压控制策略流程基于集群划分的储能调压控制策略的流程图如附录A图A2所示。本文策略主要分为以下两个部分：1)配电网集群划分：根据前述方法对配电网进行集群划分。设定电压越限的边界值，将负荷和光伏功率按时间间隔输入划分集群后的配电网，通过计算潮流得到系统各节点电压。若存在电压越限，则统计电压越限的节点与越限幅度，并将电压越限的节点归类到其所属的集群。此部分优化结果作为分布式储能调压控制的基础。2)分布式储能调压控制：在初始阶段，计算电网当前时刻的潮流，得到电压越限节点，统计电压越限的集群C=C,C2，,C，,C,),计算将集群内节点电压全部恢复到预设正常范围内时的集群内http:-入51李军徽，等光伏高渗透率下分布式储能群间协同的电压控制策略部所需功率Pc。在得到集群所需功率之后，依据上述储能调压优化模型，计及集群内部储能的SOC约束，集群Ck内每个储能的容量Sc.应在其容量限制范围内，满足Sc.i.minSc.Sc.i.maxo在在需要集群C，内储能充电的情况下，储能充放电容量变化的值为Sc.，本次动作后，若Sc十Sc./Sc.i.max，则集群内储能按照不同比例分配功率分别动作，若出现集群内某储能容量达到最大值，则由集群内剩余储能承担本次动作所需功率；反之，在需要集群C内储能放电的情况下，本次动作后，若Sc.一Sc.Scki.min，则集群内储能按照不同比例分配功率分别动作，若出现集群内某储能容量达到最小值，则由集群内剩余储能承担本次动作所需功率。针对群间协同场景，在一个集群内若出现某些节点电压越上限、某些节点电压越下限的情况，则根据上述公式计算出集群内所需功率的净值后，按照其集群内整体充、放电数值，并依据上述储能调压优化模型对群内储能进行按比例分配，然后对系统进行潮流计算，得到平衡后节点电压的结果。若某一集群内部可用储能容量用尽，则根据越限节点的PP.c，将此集群所需功率划归到相邻耦合的集群。此时，其他集群将按照上述分配原则对此部分功率进行消纳。最后，对每种储能功率组合动作后重新计算一次潮流，验证各节点电压是否在允许范围内，若电压仍越限，则舍弃此储能动作组合，直至电压在允许范围之内。统计电压在范围内的储能功率动作组合，计算每种动作方式下的储能净收益，确定此刻储能的最大收益并输出对应的储能功率。3.2评估指标1）电压越限频次2之入TX=入u(25)1=1i=1式中：X为系统运行全时段电压越限的次数；入u为判断电压是否发生越限的0-1值，发生越限时为1，否则为0。2)电压偏移率对储能配置的需求度指标之（UU.,)(U.-Umin)maxD=(26)(UU。)(U。-U mi n)max1D。(27)TUi.,=U-U i.,=U。-mX.Z(Q,(t)-Qn.DPv(t)N(28)n=m式中：D,为t时刻系统的电压偏移率,代表此时与额定电压的偏离程度；D。为系统整体的电压偏移率，其值越接近0 则系统偏移率越低，调压效果越好。4仿真分析4.1算例条件算例采用IEEE118节点配电网2 6 ，系统基准电压为11kV，基准容量Sg=10MVA。I EEE118 节点配电网集群划分结果如图1所示。图中：红色节点代表接入分布式光伏的节点；蓝色节点代表接入分布式储能的节点。根据前文集群划分方法对配电网进行集群划分。储能的SOC范围为0.10.9,初始SOC设定为0.5；节点电压允许偏差范围为10%。分布式光伏出力采用某地区全年实际光照数据，其光照辐射度如附录B图B1所示，分布式光伏在配电网接入位置与容量如图B2所示，集群内储能配置如表B1所示。文中潮流采用MATPOWER进行计算。算例分析采用某地区配电网全年实际运行数据，计算时间间隔为15min，时间尺度为3 6 5d。全网负荷之和曲线如附录B图B3中红色线所示；全网光伏出力之和曲线如图B3中蓝色线所示。在光伏出力高峰时段，负荷需求处于最低，光伏出力与负荷需求的匹配度非常低；电价采用某地区实际分时电价如表B2所示，考虑到光伏安装位置较多，储能安装位置应首先选择在光伏接入区域内对节点影响较大的点，其次选择系统内功率流动较大的节点。储能的配置已有相关文献与政策文件说明，本文按照储能占新能源的10%进行配置。为验证本文所提策略的有效性，在储能配置相同的情况下，对比分析不同方案下储能调压策略的有效性，以及不同方案下的储能经济性。通过全年数据的计算，来全面验证所提策略的有效性。方案1：分布式控制调压方式。未提前对配电网进行集群划分，根据电压灵敏度矩阵确定附近需要动作的储能，对配电网越限电压进行就地调节，综合该支路的储能额定功率和SOC状态分配储能动作功率。计算储能运行的综合收益。522023.47(10)学术研究集群12集群4集群51006310111410643102115集群22851165.781031162961218896679104117-30-55387131990-6780861051183136.56398142091-68818710632375740-152196269828899793107168333584122989470工34-594217237184-10899953560432472851094411047257361-112484526-74111-113496246277550-7651-77集群6525354集群3图1基于集群划分的配电网结构Fig.1Distribution network structure based on cluster partition方案2：本文提出的调压方式。根据前文设计的控制策略，采用改进的模块化指数对配电网进行集群划分，以储能运行收益最大为目标确定储能最优的动作功率。4.2结果分析首先，针对配电网无主动调压设备介入时，运用MATPOWER计算配电网潮流，得到配电网全年的电压。计算结果如图2 所示。从图中可以看出，配电网节点电压出现了越限。从节点来看，在节点7 0之后，由于分布式光伏装机容量较大、安装点较多，导致电压在后半部分越限较为严重；从时间来看，在一年中第12 0 2 40 d即夏秋季时，分布式光伏处于一年中的出力高峰期，光伏发电时间也比其他季节长，造成电压越限的情况较为严重。1.151.101.05nd/审1.000.950.900.853653002401801206020406080100117时间/d0节点号图2原始配电网全年节点电压Fig.2Annual node voltage of originaldistributionnetwork根据计算，在无主动调压介人的情况下，配电网电压越上限的次数总计为1453 次。采用本文所提控制策略对配电网电压进行调节，调节后的系统全年电压如图3 所示。从图中可以看出，系统在全年的运行中将电压控制在限制范围内1.10nd/审1.051.000.9536530024018012060时间/d02040 60 80 100117节点号图3方案2 下配电网全年节点电压Fig.3Annual node voltage of distributionnetwork under scheme 2为方便观察分布式储能的时序动作，选取其中一个典型日的储能动作来说明调压过程，各集群储能的日时序出力如图4所示。其中，负值代表储能充电，反之代表储能放电。在0 9:0 0 17:0 0 时段，为平衡分布式光伏出力导致的节点过电压，分布式储能在此时段根据各集群所需消耗的功率进行充电；在0 0:0 0 一0 8:0 0 和18:00一2 4：0 0 时段，分布式光伏处于不出力或出力http:/s-53李军徽，等光伏高渗透率下分布式储能群间协同的电压控制策略6004002000-200M/率-400-600二-800-1000群5-1200-140000:0006:0012:0018:0024:00时刻图4各集群分布式储能动作情况Fig.4Action of distributed energy storageineachcluster较少时期，此时，储能放电以满足负荷高峰时期的功率需求,并且为了平衡SOC,储能也会放电以减少对主网功率的依赖下文主要针对方案1与方案2 的对比，来说明本文所提策略的有效性。4.2.1配电网全年电压偏移率分析为方便对比两种方案下储能调压的效果，采用点密度图的方式来描述系统全年的电压分布。方案1和方案2 的电压分布分别如附录B图B4和图B5所示。从图中可以看出，一年中方案1的峰值电压为1.0 99p.u.，方案2 的峰值电压为1.0 8 8 p.u.,两者在峰值电压上差异不大，但方案1电压超过1.08p.u.的次数为13 58 次，方案2 电压超过1.08p.u.的次数为92 次。在电压超过1.0 9p.u.时，方案1出现2 6 0 次电压越上限的情况，方案2 则没有出现电压超过1.0 9p.u.的情况。通过电压偏移率的计算，可以更加直观地看出不同方案下全年电压相对于标准电压的偏差。两种方案的配电网全年电压偏移率如附录B图B6所示。从图中可以看出，方案2 的数值在整体上更接近于0，方案1则较方案2 偏离较远。根据计算，在未配置储能时配电网电压偏移率为0.1919,方案1为0.0582，方案2 为0.0 43 6，方案2 较方案1低25.09%。方案2 优于方案1的具体原因分析如下：1)方案1采用传统分布式调控电压的方式，不能精准分配分布式储能的动作功率，导致储能动作对其他节点有较大影响；2)采用本文所提策略的方案2，首先对配电网进行集群划分，在发生电压越限的情况下，集群内所需功率主要由集群内储能就地消纳，提高了动作效率；3）方案2 在初步确定储能动作时序之后，会重新计算潮流，确定此动作功率是否对其他集群的节点电压造成影响，避免造成电压的二次越限4.2.2配电网全年网损分析配置储能可减少原系统的网损，并带来收益的增加。通过对比方案1和方案2 的系统网损，得到全年的系统线路网损之和，如附录B图B7所示。从图中可以看出，两种方案在大多数时间的网损数值相差不多，主要差异体现在全年分布式光伏出力高峰时期。此时，方案1全年网损为48 42.0 8 MWh，方案2 全年网损为457 9.6 6 MW.h，方案2 的系统网损较方案1低5.42%。分析原因如下：1)两种方案对于储能调压的原理基本相同,故在调压压力不大时两者相差不大；当分布式光伏发电处于高峰时段时，方案2 对配电网中功率流动控制较好，配电网所需功率尽可能在集群内部进行了消纳。2)方案2 在策略设计时，目标函数考虑了减少网损带来的收益，最终结果体现了网损减少的效果4.2.3配电网分布式储能运行经济性结果分析对应前文所述储能日运行动作情况，从一年中抽取出一天来描述方案2 储能动作的运行收益，储能日运行收益如图5所示。电价采用某地区实际分时电价，如附录B表B2所示。200150100500-50-1005-150-20000:0004:0008:0012:0016:0020:0024:00时刻图5方案2 下分布式储能的日运行收益Fig.5Daily operation income of distributedenergy storage under scheme 2根据储能的动作，结合分时电价，在储能充电时段属于平时价；在储能放电时，属于一天中的峰时电价，根据此思路计算出储能运行的全年收益，如表1所示。其中，储能成本根据等年值成本计算。最终得到方案1的年净收益为7 8.93 万元，方案2的年净收益为8 4.51万元，方案2 较方案1高出54学术研究2023,47(10)表1不同方案下的储能年净收益Table 1 Annual net income of energy storage underdifferentschemes运行收益/减少网损带来年净收益/方案成本/万元万元的收益/万元万元1132.10189.5121.5278.932132.10194.1222.4984.517.07%。从表1可以看出，方案2 的运行收益高于方案1，说明本文所提策略可以优化储能调度，最大化储能收益；方案2 减少网损带来的收益也高于方案1,说明本文所提策略会减少联络线上功率的流动，减少资源损耗。5结语在分布式光伏高渗透率接人配电网的背景下，针对光伏出力造成的电压越限问题，提出了基于集群划分的分布式储能调压控制策略，在节点电压得到控制的前提下，使得储能运行经济性最大，并得到最终的储能动作策略。通过算例仿真验证，得到如下结论：1)本文通过引人改进型的模块化指数概念对配电网进行集群划分。通过算例仿真分析，方案2 的系统网损较方案1低5.42%，降低了系统的功率流动。方案2 在降低系统压力的同时，减少了网损造成的经济损失。2)通过本文设计的基于集群划分的分布式储能调压控制策略，实现了对配电网电压的有效控制。从电压越限角度来看，两种方案均可以实现将电压控制在限定范围内；从电压峰值分布来看，在电压超过1.0 9p.u.时，方案1出现2 6 0 次电压越上限的情况，而方案2 则没有出现电压超过1.0 9p.u.的情况；方案2 的电压偏移率较方案1低2 5.0 9%。3)本文所提策略的经济性主要由储能的运行收益构成，并且通过计算系统的等年值成本与减少网损带来的收益，得到分布式储能全年的净收益，方案2的收益较方案1高出7.0 7%。本文的不足之处在于策略的制定是基于给定的储能配置，考虑储能控制策略与选址定容的耦合优化将是下一步的研究方向。附录见本刊网络版（http：/w w w.a e p s-i n f o.c o m/aeps/ch/index.aspx），扫英文摘要后二维码可以阅读网络全文。参考文献1】国家能源局.2 0 2 1年光伏发电建设运行情况EB/OL.（2 0 2 2-03-09)2022-06-30.http:/ Energy Administration.Construction and operation ofphotovoltaics in 2021EB/OL.（2 0 2 2-0 3-0 9）2 0 2 2-0 6-3 0 .http:/ 0 2 1，45(23):76-83.LI Cuiping,DONG Zhemin,LI Junhui,et al.Optimal controlstrategy of distributed energy storage cluster for promptingrenewable energy accommodation in distribution network J.Automation of Electric Power Systems,2021,45(23):76-83.3】赵毅，吴志，钱仲豪，等.计及源-荷时空相关性的主动配电网分布式优化调度J.电力系统自动化，2 0 19,43（19）：6 8-7 6.ZHAO Yi,WU Zhi,QIAN Zhonghao,et al.Distributed optimaldispatch of active distribution network considering source-loadtemporal and spatial correlations JJ.Automation of ElectricPowerSystems,2019,43(19):68-76.4李征，王文宾，韩胜峰，等.考虑无功支撑的分布式光伏接入配电网电压适应性研究J.电力系统保护与控制，2 0 2 2,50（11)：32-41.LI Zheng,WANG Wenbin,HAN Shengfeng,et al.Voltageadaptability of distributed photovoltaic access to a distributionnetwork considering reactive power support J.Power SystemProtection and Control,2022,50(11):32-41.5】李培帅，吴在军，张错，等.主动配电网分布式混合时间尺度无功/电压控制J.电力系统自动化，2 0 2 1，45（16）：16 0-16 8.LI Peishuai,WU Zaijun,ZHANG Cuo,et al.Distributedhybrid-timescale voltage/var control in active distributionnetworksJ.Automation of Electric Power Systems,2021,45(16):160-168.6黄伟，刘斯亮，羿应棋，等，基于光伏并网点电压优化的配电网多时间尺度趋优控制J.电力系统自动化，2 0 19,43（3）：92-10 0.HUANG Wei,LIU Siliang,YI Yingqi,et al.Multi-time-scaleslack optimal control in distribution network based on voltageoptimization for point of common coupling of PVJ.Automationof Electric Power Systems,2019,43(3):92-100.7 黄大为，王孝泉，于娜，等.计及光伏出力不确定性的配电网混合时间尺度无功/电压控制策略J.电工技术学报，2 0 2 2，3 7(17):4377-4389.HUANG Dawei,WANG Xiaoquan,YU Na,et al.Hybridtimescale voltage/var control in distribution network consideringPV power uncertainty J.Transactions of China ElectrotechnicalSociety,2022,37(17):4377-4389.8俞智鹏，汤奕，戴剑丰，等，基于有功自适应调整的光伏电站无功电压控制策略J.电网技术，2 0 2 0,44（5）：190 0-190 7.YU Zhipeng,TANG Yi,DAI Jianfeng,et al.Voltage/Varcontrol strategy of PV plant based on adaptive adjustment ofactive powerJ.Power System Technology,2020,44（5):1900-1907.9张勇军，张锶恒，刘斯亮，等.考虑分布式光伏与储能接入的配变双层规划J.电力系统保护与控制，2 0 2 0,48（2 4）：9-15.ZHANG Yongjun,ZHANG Siheng,LIU Siliang,et al.Dualplanning of a distribution transformer considering the impact ofdistributed photovoltaics and energy storage access JJ.Powerhttp：/WWos-55(编辑章黎光伏高渗透率下分布式储能群间协同的电压控制策略李军徽，等System Protection and Control,2020,48(24):9-15.10王笑雪，徐，王成山，等.基于MAS的主动配电网分布式电压控制J.中国电机工程学报，2 0 16,3 6（11)：2 918-2 92 6.WANG Xiaoxue,XU Tao,WANG Chengshan,et al.Distributed voltage control in active distribution networksutilizing multiple agent system J.Proceedings of the CSEE,2016,36(11):2918-2926.11李振坤，陈思宇，符杨，等.基于时序电压灵敏度的有源配电网储能优化配置J.中国电机工程学报，2 0 17，3 7（16）：46 3 0-4640.LI Zhenkun,CHEN Siyu,FU Yang,et al.Optimal allocationof ESS in distribution network containing DG base on timing-voltage-sensitivity analysis JJ.Proceedings of the CSEE,2017,37(16):4630-4640.12张江林,庄慧敏，刘俊勇，等.分布式储能系统参与调压的主动配