微信客服
微信公众号
该模型根据负荷和DG出力的时序性，对DG和储能装置的位置和容量进行协同优化。同时为了改善NSGA-II初始化多样性低，交叉变异概率恒定，收敛速度慢等缺点，将云模型的思想融入到NSGA-II中并利用改进的云模型NSGA-II对上述模型进行寻优，然后再用1-9标度法与隶属度函数相结合的方法对寻优的结果进行评价。
最后，通过IEEE-33节点系统对该模型进行仿真，结果表明上述模型和算法能有效地对分布式电源和储能设备进行优化配置。
随着我国经济发展，电力需求日益增长，煤、石油、天然气等传统化石能源过度使用造成环境污染问题日趋严重，因此安装具有线损低，清洁环保，效率高，发电方式灵活的DG受到人们越来越多的青睐。我国自然资源种类多,拥有丰富的风能，水能和光能资源，这为DG的发展奠定了基础。
但是由于风力发电和光伏发电出力具有波动性，如果大规模接入DG会造成整个配电网不稳定，可能出现双向潮流和局部节点电压过高的现象，因此配电网对DG的接纳能力受到严重的限制。虽然风力发电和光伏发电出力在时序上具有互补的特性，但是综合考虑负荷的时序性，仅安装这两种分布式电源是不能完全平抑DG的波动。
因此本文在接入DG的同时也适量安装一定的储能装置根据DG出力和负荷的时序特性，实时调整储能装置的充放电状态，尽可能使DG出力的波动性降到最低，能够大大提升配电网对DG的接纳能力，因此如何合理配置DG和储能装置的位置和容量使目标函数达到最优，成为国内外专家学者研究的热点之一。
文献[1-2]在负荷需求水平和DG出力恒定的前提下对DG进行选址定容优化配置，并未考虑负荷和DG出力的时序性与实际情况相差较大的问题。文献[3]考虑了DG出力和负荷的时序特性，同时也提及了储能装置但未根据三者的实际运行情况对其进行协同优化。
文献[4]的模型中只提及风力发电的波动性，没有充分考虑负荷需求的波动性。文献[5]以线路有功损耗和电压稳定性作为目标函数，但在求解过程中将其转化为单目标求解。文献[6]充分考虑风力发电，光伏发电和负荷的时序特性，并以年碳排放量最小建立DG的优化配置模型，但是该模型未考虑储能装置。
文献[7]充分考虑DG和负荷的时序特性并对储能装置进行协同规划，但未考虑储能装置的效益，政府补贴，节点电压质量等因素其模型还不够全面同时该模型未对算法进行改进，求解的算法仍存在不足。上述文献从不同角度研究DG的优化配置，建立考虑不同指标的数学模型。
本文在前人研究的基础上，取其精华并对他们的不足进行补充和修正，建立充分考虑DG、储能装置和负荷的时序特性以及储能效益的多目标分布式电源优化配置模型，并采用基于云模型的NSGA-II对上述模型进行求解，最后采用1-9标度法与隶属度函数相结合的方法对寻优的结果进行评价。
算法对比三维图
结论
本文基于DG和负荷的时序特性，以降低系统年运行费用以及提高电能质量为目标，对DG和储能设备进行协同优化，建立分布式电源与储能装置优化配置的规划模型，并采用基于云模型的NSGA-II进行求解得到最优配置方案。
结果表明：
(1)考虑DG和负荷的时序性更符合负荷和DG的实际运行情况，同时考虑时序性能充分发挥储能设备的优势。
(2)储能装置、DG和负荷的协同优化可以有效控制等效负荷的波动，同时可以大大提高DG的渗透率。
(3)改进的云模型NSGA-II比原始算法收敛速度快而且能够找到全局最优避免局部收敛。
(1)考虑DG和负荷的时序性更符合负荷和DG的实际运行情况，同时考虑时序性能充分发挥储能设备的优势。
(2)储能装置、DG和负荷的协同优化可以有效控制等效负荷的波动，同时可以大大提高DG的渗透率。
(3)改进的云模型NSGA-II比原始算法收敛速度快而且能够找到全局最优避免局部收敛。
总之，本文所提的模型和算法可以对分布式电源和储能装置进行合理的优化配置，达到经济性好电能质量高的目的。
原标题:考虑时序与储能配合的分布式电源优化配置研究
0 条