陈建军
广州市建和物业管理有限公司 510000
摘要：带有光伏接收器的低压配电网可能会导致过电压，而在用户一侧配置备用电源可以很好地调节电压，同时也可借助潮流计算的形式，解决电压获取问题。此外，文中还提出在电压基础上优化能量分配的方法：产生光伏功率和存储能量模型；使用户电压和主表电压与用户之间的主动联系，并据此建立了最佳储存能量分配模式；使用低压站实际运行数据进行模拟。建议的方法可以更准确地计算局部电压，在家庭能够获得光伏存储装置的地方，可以有效地管理最佳的储存配置。
关键词：户用光伏；储能；低压台区；优化配置；电压曲线拟合
前言
能源是人类社会发展的动力，是国民经济发展和人民生活水平提高的重要物质基础。当今，石油、煤炭等常规能源有限，无法满足社会持续增长的能源需求，曾经多年的过度开发利用，已造成严重的环境问题。“绿水青山就是金山银山”，为了人民福祉和子孙后代永续实现福祉，开发再生能源关系到国计民生。中国大部分农村地区幅员辽阔，地势宽广、日照条件极佳，太阳能覆盖面广，太阳能光伏发电技术是近些年来太阳能利用领域中发展最前沿的研究领域，很多地方政府依照地理优势，在一部分农村地区，其安装的分布式光伏组件适配器的网络，可能因能量的传输等原因，导致传输电压过高的情况，从而储能技术的重要性越发明显。近年来，随着时代和科技的向前发展，光伏技术的也得到了长足的发展，储能技术的突破为解决这一问题提供了契机，在当下储能被广泛应用于削峰填谷，抵消光伏能量的波动，使可再生能源的网络接收器在诸多方面得到提升，但是高昂的储能成本，变为当下科研界一个急需要解决的问题。在目前的光伏储能模式下，如何合理配置其容量是非常必要的，国内外的科研人员已经进行了大量的研究并获得成效，光伏功率因数和有效的储能调节手段都得到了拓展，建议采用这种方式对低压配电网的有功电压进行控制，采用双迭代遗传算法进行求解，基于安全性和经济性考虑，建议采用合理的配电网优化模型，将有源网络中的损耗降到最小，并将电压限制到最大，为了获得最佳的折中方案，对渗透率进行了优化。这种情况下，在综合考虑磁导率密度基础上，提出了一种优化能量密度分布的方法，该方法是从不同的位置设计存储量。但是，由于低压配电网信息的缺乏或不准确，在实际应用中，头端电压的估算比较困难，本文提出了基于电压曲线的记忆分配方法，即应力估算法；建立了用户电压和主表电压与用户活动之间的函数关系；然后，考虑到现有技术的运行限制和当前科技水平下备用能量的电压限制问题，设计出备用能量的最大化分配的最优模型；最后，通过该领域的活动数据验证了本文所述方法的有效性。
一、光伏和储能的出力建模
（一）光伏出力模型
本文通过采集某实际低压台区的光伏出力样本，近似得到在晴天、阴天及变化天气等类型下的典型日出力曲线，如图l所示。因为光伏在晴天出力最大，后文将以晴天天气的典型日出力曲线作为光伏出力特性的具体体现进行计算分析。
.png)
（二）储能出力模型
储能出力模型储能的出力满足3个约束。
1.储能装置输出功率约束：蓄电池t时刻输出的有功功率受蓄电池最大充放电功率和蓄电池储能剩余容量的限制，即如图2中的公式所示。运用图2中的公式可以得出：Pc和Pd分别为储能的充、放电功率；Pes,max为储能的极限功率。
.png)
2.蓄电池容量约束：电池工作时的有功功率受电池最大充放电功率和电池剩余容量的限制，运用图3中的公式可以得出：S0Cmax—S0Cmin。分别为蓄电池荷电状态的上、下限，SOC(t)的表达式，SOC0为蓄电池初始荷电状态。
.png)
3.蓄电池充放电平衡：为保证蓄电池储能系统在第二天及以后继续正常工作，应限制蓄电池剩余容量，即在一个充放电循环（24小时）内，蓄电池总充放电量应相等即如图4中的公式所示。
.png)
二、电压曲线拟合模型
根据电压与有功功率之间的非线性二次关系，本文提出用电能表的总有功功率和用户的有功功率来适应用户的电压，考虑到电压与功率之间的二次关系，图5中的函数关系式用于装配，式中：V为用户的电压；X为站区总电表有功功率；用户对应的有功功率函数为二次曲面；采集了实际低压变电站一天（采样频率1h/次）电能表总有功功率、用户有功功率和用户电压的时间序列数据。
.png)
三、储能优化配置模型
通过将上述曲线安装在用户电压上方，可以根据电能表总有功功率和用户有功功率计算出用户电压，在此基础上，考虑到电压约束超过上限和储能模型的作用，提出了一种基于电压曲线调整的最优储能分配方法，其目标是使储能容量最优化。考虑到功率和容量的最大负载和放电极限，建立了铅酸蓄电池的最优储能配置模型，铅酸蓄电池的容量是指蓄电池在规定的端电压和电流值下完全充放电时所能释放的总电量。如果铅酸蓄电池的最大放电速度是有限的，则该极限与蓄电池功率和储能容量之间的关系如图6中的公式所示
.png)
上述公式中，Ppv，t，指代的是t时间下，光伏的实际出力参数值；Pc，t以及Pd，t分别指代的是t时间下，蓄电池的充电和放电功率；此外，公式中ηc、ηd则分别指代的是蓄电池的充电以及具体放电效率参数值。
四、仿真分析
采集一天主表有功功率、用户有功功率、目的站区域电压的时间序列数据（数据采样频率为1h/次）。通过图5公式结合时间序列采集的数据，利用MALAB汇编软件包得到用户电压、主表有功功率与站区用户有功功率之间的函数关系。如图8预测值与真实值的电压曲线示例图所示，给出了通过公式7计算的电压安装值与实际值之间的比较，这是电压拟合值与实际值之间的电压曲线的示例。
.png)
从图8电压曲线示例可以看出，电压拟合值与实际值之间的最大偏差为1.32v，平均误差为0.6V。因此，拟合后的函数关系下，能更好地反映实际电压。
将图7中的公式代入图6中的公式，可以得到光伏存储组合输出值与电压值Vt函数关系，如图9中的公式所示：
.png)
仿真模拟条件设置：储能电池最大放电速度，限值为0.2，电压宽度上限为235V。通过求解上述节能配置模型，光伏用户的最优储能配置如表1所示，电压曲线如图10所示，从图10可以看出光伏安装后，中午高峰时，光伏输出吸收了当地部分负荷，使电压升高；但由于光伏发电量过大，导致个别时间压力过大，使电压高于上限；用户侧根据表1配置储能后，在满足稳定运行约束的前提下，可以在高峰时段充电，在下游时段放电，这样，在用户电压曲线图10的峰值时段t内，电压可以升高到一定程度，并且可以将总电压控制到电压宽度235V的上限。
.png)
结语
提出了基于电压曲线拟合的能量优化分配方法。通过对全文的分析可得出如下结论：
（1）研究中提出了一种新的电压曲线拟合方法，该方法执行下，能够显著提升光储并网点的电压计算精准性，从而助推后续配置模型构建的质量。
（2）本次所提出的储能配置方法属于最优方案，方案执行中，对网架参数的需求并不高，即可给出最佳的储能配置方案，借此为光伏接入点电压合格提供保障的同时，还可将配置容量降至最低，最终为后续的储能优化配置工作效果提升奠定坚实的基础。
参考文献：
[1] 肖海伟, 汪平, 黄娟. 考虑耐受渗透比的低压配电网储能优化配置[J]. 供用电, 2019, 036(008):67-72,90.
[2] 王子凌, 周金辉, 陈铭,等. 计及有载调压的高光伏渗透率配电网储能优化配置[J]. 电力系统及其自动化学报, 2020, v.32;No.199(08):128-134+142.
[3] 何森, 林舜江, 李广凯. 含光伏的低压配电网分布式储能多目标优化配置与运行[J]. 电工电能新技术, 2019, v.38;No.189(03):21-30.
[4] 易 斌, 梁崇淦, 赵 伟,等. 基于低压配电台区运行特性的储能控制策略[J]. 智能电网, 2020, 10(3):10.
[5] 卢毓东, 谢祥颖, 刘周斌,等. 基于储能电源的配电网末端电压改善方法[J]. 电网与清洁能源, 2019, v.35;No.239(06):32-37.
[6] 杜鹏, 米增强, 贾雨龙,等. 基于网损灵敏度方差的配电网分布式储能位置与容量优化配置方法[J]. 电力系统保护与控制, 2019, 47(06):109-115.