基于貪婪算法的分布式儲能系統(tǒng)容量優(yōu)化配置方法

微電網(wǎng)中負荷側(cè)的劇烈變化對維持供需平衡構(gòu)成了巨大挑戰(zhàn)。這種變化源于多種因素，如用戶行為、插電式電動汽車、可再生能源等

。為應對高峰負荷，電網(wǎng)安裝的電力設備一般均留有裕度，如輸電線路和變壓器，但由于高峰負荷持續(xù)時間較短，設備占用率較低，且設備投資巨大，成本較高，因此利用分布式儲能系統(tǒng)(DESS)進行輔助調(diào)峰以降低電網(wǎng)調(diào)峰成本已經(jīng)成為了一種新型的解決方案

。然而，DESS的容量分配問題比集中式儲能(central energy storage system，CESS)更為復雜，尤其是功率流的存在，需要考慮DESS的位置和各種設備之間的相互作用，進一步提高了優(yōu)化復雜度

。因此，研究大規(guī)模DESS容量優(yōu)化配置方法對于降低電網(wǎng)運行成本具有顯著的理論價值和工程意義。

目前，不同場景下DESS容量分配的模型和方法已經(jīng)得到研究

。DESS容量分配主要考慮兩個方面，一是目標函數(shù)，二是算法復雜度。針對目標函數(shù)，文獻[13]以有功網(wǎng)損為目標函數(shù)，利用粒子群算法尋優(yōu)，優(yōu)化儲能充放電功率。但是以有功網(wǎng)損為目標并不能最大化DESS帶來的經(jīng)濟收益。文獻[14]建立了計及可再生能源不確定性的電化學儲能投資成本和運行成本最小的優(yōu)化目標函數(shù)，然而并未考慮維護成本和調(diào)度收益，建立的經(jīng)濟模型具有局限性。針對算法復雜度，文獻[15]和[16]建立了考慮各種成本因素的數(shù)學模型，并采用非線性優(yōu)化的遺傳算法獲得分配結(jié)果。文獻[17]考慮了負荷特性與電價機制的影響，建立了儲能系統(tǒng)降低網(wǎng)絡損耗的優(yōu)化模型，采用遺傳算法進行求解。文獻[18]建立了儲能系統(tǒng)削峰填谷的數(shù)學模型，并應用改進型量子遺傳算法優(yōu)化儲能系統(tǒng)容量配置方案?，F(xiàn)有文獻多采用遺傳算法進行優(yōu)化，然而遺傳算法求解效率不高，算法復雜度較高，在處理大規(guī)模問題時所需計算資源較大?，F(xiàn)有文獻主要存在兩個問題，即經(jīng)濟分析模型不夠全面和難以大規(guī)模計算。

針對上述兩個問題，本文提出了一種基于貪婪算法的分布式儲能系統(tǒng)容量優(yōu)化配置方法。所提方法通過選擇功率損耗靈敏度較高的候選位置安裝DESS，顯著縮小了求解空間，并利用貪婪算法和蒙特卡羅模擬相結(jié)合的方式，確定DESS的安裝位置以及每個位置的存儲容量。最后以浙江嘉興市某小區(qū)負荷數(shù)據(jù)為例，仿真驗證了所提方法的有效性。

1 DESS經(jīng)濟分析模型

現(xiàn)有文獻的儲能經(jīng)濟模型大多只考慮了投資成本和運行成本，忽略了運行調(diào)度帶來的經(jīng)濟效益。本文建立了考慮調(diào)度收益經(jīng)濟分析模型。每日DESS的總收益可以表示為

式中，

為總收益，

、

、

分別為調(diào)峰收益、DESS 的運維總成本和初始投資成本，

主要來自削峰填谷產(chǎn)生的直接收益和間接收益，以及儲能裝置退役的回收收益；

包括運行維護成本和故障損失成本。

1.1 調(diào)度收益Yshift

在給定DESS的容量和功率的情況下，安裝在PLS 較高的節(jié)點上的DESS 可以發(fā)揮更大的作用。因此，PLS高的節(jié)點可以作為安裝DESS的候選節(jié)點。根據(jù)拓撲結(jié)構(gòu)和負荷參數(shù)可得到各節(jié)點的PLS，并從

個節(jié)點中根據(jù)閾值選擇PLS最高的

個節(jié)點。由于

比

小得多，該方法可以大大降低選址問題的維數(shù)，提高解決DESS容量分配問題的效率。

為了鼓勵DESS技術(shù)的發(fā)展，降低電力系統(tǒng)的調(diào)控成本，許多國家都引入了儲能補貼來參與電力調(diào)度

。補貼金額通常與一天內(nèi)峰谷負荷差的下降量及負荷供應提升量成正比

式中，

為降低峰谷負荷差對單位功率的補貼；

為提升負荷供應量對單位功率的補貼；?

為一天內(nèi)通過儲能移峰填谷造成的負荷提升量；?

P

、?

'

為DESS 配置前后峰谷負荷差，計算公式如下：

式中，

(

)、

′

(

)分別為配置DESS前后

個節(jié)點的總電負荷功率；

、

'

分別為配置DESS前后一天內(nèi)的負荷消耗電量。

1.1.2 間接收益

快遞企業(yè)在定價時，要遵循既能彌補快遞服務的成本（4Cs中的成本策略，彌補企業(yè)成本），又要考慮消費者的承受能力（4Cs中的成本策略，確定消費者能付出的成本），又能獲取企業(yè)最大的利潤（4Rs中的回報策略）的定價的指導思想。例如，消費者需要快遞企業(yè)在極短時間內(nèi)將快遞送到指定地點，快遞企業(yè)在觀察到競爭者并不擁有同類產(chǎn)品的情況下，可決定在消費者認可的情況下采用撇脂定價策略，即先制定較高的定價，獲取企業(yè)的最大利潤，打響價值戰(zhàn)，打造優(yōu)質(zhì)品牌，直到其他快遞企業(yè)也開始提供類似快遞服務時才將價格降到正常水平。

運用儲能裝置協(xié)同火電機組調(diào)峰，一方面可以降低火電機組由于不斷調(diào)整運行方式而導致的損耗，從而延長其使用壽命，但會減少火電調(diào)峰收益；另一方面，也可以減少火電機組燃料投入，因此，本文以火電機組在延長壽命周期獲得的收益、節(jié)約的燃料成本和減少的火電調(diào)峰收益作為DESS的間接收益，其計算公式

為:

1.1.3 回收效益

儲能裝置中含有較多可回收利用的重金屬，如鈷、鋰等，當儲能裝置退役后對其進行回收再利用，可獲得回收效益，其計算公式如下：

第二，林業(yè)生態(tài)建設質(zhì)量有待提高?，F(xiàn)階段，我國林業(yè)資源生態(tài)環(huán)境建設取得一定成效，主要表現(xiàn)在荒漠化防治、水土保持兩方面。但是，林業(yè)生態(tài)環(huán)境建設所取得的成果僅限于重點治理區(qū)域，其他絕大部分普遍存在質(zhì)量不高、樹種單一、樹種結(jié)構(gòu)不合理的問題。

綜上所述，儲能裝置通過參與調(diào)峰獲得的總收益為：

1.2 使用成本Ycost

全壽命周期的使用成本主要包括運行維護成本

和故障損失成本

。

溝通的目的，包括兩個相互關聯(lián)的方面：一是協(xié)調(diào)組織活動，有效整合資源，實現(xiàn)組織目標；二是滿足員工的心理需要，協(xié)調(diào)人際關系，增加員工滿意度與忠誠度。

1.2.1 運行維護成本

不同的DESS具有不同的初始投資成本、額定容量

、放電深度(depth of discharge，DOD)和循環(huán)次數(shù)

。DESS 的安裝費用計入每次充放電過程的成本之中。隨著DESS 工作時間的增加，剩余循環(huán)次數(shù)逐漸減少。當剩余周期數(shù)減少到一定值時，DESS將被報廢。

基于儲能全生命周期模型的每千瓦時成本考慮了各充放電過程所分擔的總成本，是目前常用的評價指標

。因此，本文選擇每千瓦時成本作為評價指標，每個充放電過程的成本與充放電的電量成正比。DESS 的總能量

可以定義為整個生命周期的充放電容量。

與放電深度DOD和總循環(huán)數(shù)

N

的關系滿足

DOD的計算式表示為

式中，SOC

、SOC

分別為儲能裝置荷電狀態(tài)的最大值和最小值。

研究發(fā)現(xiàn)，當DOD大于0.2時，總能量幾乎保持不變。一般來說，DOD 在實際執(zhí)行中能達到0.5，即總能量可近似為一個常數(shù)。時間間隔?

內(nèi)的運行維護成本主要包括充放電成本

、運營成本

和維護成本

分別為：

式中，

(

)為

時刻的單位電價；

表示維護成本與DESS容量之間的比例關系。

玉米在碳酸鹽黑鈣土或碳酸鹽草甸土上種植時，在土壤有效鋅低于0.00005～0.0001%時應施用硫酸鋅。玉米的施肥，應根據(jù)需肥量、土壤養(yǎng)分供給量、肥料利用率以及計劃產(chǎn)量等指標來確定。一般每公頃施優(yōu)質(zhì)農(nóng)家肥3～4萬公斤，磷酸二銨150～200公斤，尿素150～225公斤，硫酸鉀50～75公斤，硫酸鋅7.5～15公斤。其中尿素的30%做底肥，70%在玉米6-7葉期追肥。

其中

在實際應用中，由于發(fā)射和接收平臺振動、探測器噪聲以及轉(zhuǎn)臺機械噪聲等因素的影響，光通信終端接收光軸與入射光束夾角存在隨機抖動.一般認為隨機偏差角θ滿足瑞利分布，其概率密度分布函數(shù)表達式為[19-20]

作品《望雨》充分運用了美的特性和時代的表達方式展示了一個典雅的情境。作品中沒有多少難的動作，但它卻觸動了我們的心靈，交織在我們的情感之中。藝術(shù)與情感編織著作品的文學意境，客家民歌、樸質(zhì)的舞蹈服飾和優(yōu)雅的舞美動態(tài)三個因素構(gòu)成了舞蹈的審美屬性。它體現(xiàn)了“詩中有畫，畫中有詩”的舞臺藝術(shù)形象。因此作品需要人們用感官動態(tài)去接受，用心靈來體驗，通過對舞蹈的聯(lián)想來感悟生命的節(jié)奏，去體會厚重的情感內(nèi)涵。

1.2.2 故障損失成本

在實際工作中，廣東海事部門一方面加強內(nèi)部沿江六分支局聯(lián)動執(zhí)法，初步建立了“一江觸發(fā)、六地聯(lián)動、閉環(huán)管理”協(xié)同治理機制，為下一步打造西江應急與搜尋救助一體化奠定了基礎。另一方面，加強同地方政府及漁政、水利、交通、航道、氣象等職能部門的合作，固化機制，形成合力，取得良好效果。

故障損失成本是指儲能裝置因故障導致的損失，主要包括故障清除成本和停電損失成本，其計算公式為：

式中，

N

為儲能裝置日平均故障次數(shù)；

為每次故障維修成本；

(

)為故障期間等效的平均充放電電量；

為日平均停電時長；

(

)為平均輔助服務電價。

綜上所述，儲能裝置的總成本為：

2 分布式儲能運行模型

2.1 儲能系統(tǒng)配置約束

2.2 儲能系統(tǒng)充放電功率約束

2.3 儲能設備荷電狀態(tài)約束

式中，SOC

為第

個儲能設備的荷電狀態(tài)。

圖1各標記點顯示出明顯的規(guī)律性，考慮應力符號，雙單元法梁單元(簡稱“雙單元法”)計算結(jié)果(虛線)基本將實體單元包含在內(nèi)，未包含在內(nèi)的標記點3(4)、7(8)均在加固層，表明雙單元法加固層應力計算不準確，而對原結(jié)構(gòu)層應力計算結(jié)果偏大(偏安全)。因此，當認為加固層主要起分擔原結(jié)構(gòu)層應力作用時，可利用有限元雙單元模型求解內(nèi)力后按《公路圬工橋涵設計規(guī)范》JTG D61-2005對原結(jié)構(gòu)層進行驗算，結(jié)果偏安全。

3 基于貪婪算法的容量優(yōu)化配置方法

所有節(jié)點的負荷均來自嘉興市某區(qū)2020 年的實際數(shù)據(jù)。長期負荷數(shù)據(jù)滿足正態(tài)分布。采樣間隔為15 min，節(jié)點0長期總負荷如圖3所示。紅色曲線表示負荷的平均值，藍色曲線表示負荷的上限值，綠色曲線表示負荷的下限值。峰值負荷約為3.9 MW，谷負荷約為1.4 MW。在蒙特卡羅模擬中，設置負荷數(shù)據(jù)的置信水平為0.95。

基于貪婪算法的容量優(yōu)化配置方法可分為兩個主要步驟：①選擇功率損耗靈敏度最高的位置作為安裝DESS的候選節(jié)點，可以有效降低選址問題維度，提高計算效率；②通過蒙特卡羅模擬對負荷進行長期預測，將總?cè)萘侩x散化為許多小的存儲單元，通過貪婪算法逐一確定每個存儲單元的位置和充放電時間，使利潤最大化，在每個單元存儲分配之后，相應節(jié)點的負載會隨著DESS的功率更新，這個過程一直重復，直到所有單元都被分配完畢。

3.1 基于功率損耗靈敏度的選址

定義節(jié)點的功率損耗靈敏度為網(wǎng)絡功率損耗的總變化量與該節(jié)點的功率變化量之比。第

個節(jié)點的功率損耗靈敏度可以表示為

式中，?

P

為第

個節(jié)點的功率變化量；?

為由?

P

引起的總網(wǎng)絡功率損耗變化量。

1.1.1 直接收益

實際規(guī)劃過程中，可能出現(xiàn)多個節(jié)點功率損耗靈敏度相同的情形，此時，可根據(jù)這些節(jié)點功率損耗靈敏度的值是否超過閾值，將其均列為候選節(jié)點或非候選節(jié)點。若均被列為候選節(jié)點，則會參與下述3.2 小節(jié)的儲能容量規(guī)劃模型，如果計算得到的節(jié)點容量為0，則不安裝，若不為0，則安裝對應容量的DESS。

因此，基于功率損耗靈敏度的安裝節(jié)點選址為的是降低3.2 小節(jié)規(guī)劃模型計算的復雜度，并不會對優(yōu)化結(jié)果造成影響。

3.2 基于貪婪算法的容量分配

式中，

行

列中的元素表示第

個間隔期間安裝在節(jié)點

的DESS充放電功率。

負荷數(shù)據(jù)是DESS容量分配中需要考慮的關鍵因素，也是影響優(yōu)化結(jié)果的重要參數(shù)。有必要考慮長期負荷特性的影響，對歷史和未來負荷進行預測。本文采用蒙特卡羅模擬方法對負荷參數(shù)進行長期預測，得到正態(tài)分布的預測結(jié)果，可寫成

(

)。根據(jù)分布函數(shù)

(

)生成多組負荷數(shù)據(jù)，選取

組滿足置信水平

的負荷數(shù)據(jù)，記為

、

…

P

。優(yōu)化目標是在不同的負荷數(shù)據(jù)下找到效益最大的容量分配方案。

3.2.1 目標函數(shù)

給定一個由

個節(jié)點組成的配電網(wǎng)，對于儲能設備，不妨設

(

)為瞬時充放電功率，如果

(

)＞0表示DESS從電網(wǎng)吸收能量，

(

)＜0表示DESS向電網(wǎng)供電。DESS存在如下三個約束條件

：①儲能系統(tǒng)配置約束；②充放電功率約束：由于DESS的充放電模塊和功率轉(zhuǎn)換系統(tǒng)的容量限制，充放電功率需要在上下限之內(nèi)；③SOC 約束：荷電狀態(tài)SOC需滿足上下限的約束。

目標函數(shù)為式(18)所示的總收益最大。優(yōu)化問題可以描述為

對于給定的容量配置方案，在不同的負荷數(shù)據(jù)

、

…

P

下，基于容量分配優(yōu)化模型存在不同的最優(yōu)值，表示為

,

…

z

。以

為決策變量，將式(18)改寫為式(19)

式中，

P

為負荷參數(shù)；

z

為對應負荷

P

和配置容量為C

儲能時的最大收益。

（2）與遺傳算法的對比分析

3.2.2 貪婪算法

上述分析中考慮了DESS的充放電功率的差異以及SOC的限制，求解式(20)相當困難，不能用一般的非線性優(yōu)化方法求解。本文提出基于貪婪算法的分步求解方法。其核心思想是將儲能分成許多小單元，每個單元的容量只能充放電一次，根據(jù)式(20)中的模型，依次確定各單元存儲在不同負荷下的安裝位置和充放電時間。負荷節(jié)點相應地被視為功率的存儲單元，每一個決策過程都是求解一個簡單的模型。在確定各單元的安裝位置和充放電時間后，得到分配方案和相應的最大凈利潤，分別求解了不同總儲能容量下的最大凈利潤

，以凈利潤最大的容量分配方案為最優(yōu)方案。

根據(jù)DESS 的特點對問題進行了適當?shù)暮喕Ｊ紫葹楸苊庖蜻^度使用DESS而導致壽命迅速下降，每個DESS僅限充放電一個循環(huán)。其次當DESS參與調(diào)峰時，充放電只發(fā)生在低負荷和峰值負荷期間，因此決策過程是確定峰值負荷時的最佳放電時間和谷負荷時的最佳充電時間。

結(jié)合上述兩種簡化，提出了一種基于貪婪算法的分步策略。儲能器被分為

個單元，每個單元可以在間隔?

期間以額定功率充放電，單元的數(shù)量

取決于

在計算每臺機組單元的功率時，根據(jù)負荷參數(shù)選擇能帶來最大凈利潤的節(jié)點和充放電時間。以安裝節(jié)點

、充電時間

、放電時間

為決策變量，式(22)給出了目標和約束條件。

圖5中,K_num為當前四字節(jié)中/K/字節(jié)的個數(shù);RES_INIT為RE_SYNC模塊初始狀態(tài)指示信號;sync為同步請求信號。系統(tǒng)復位或者處于碼組同步狀態(tài)下,RE_SYNC模塊處于RE_SYNC_ INIT狀態(tài),當碼組同步結(jié)束后,即滿足sync&K_num==0時跳轉(zhuǎn)到RE_SYNC_ DATA狀態(tài)。在RE_ SYNC_DATA狀態(tài)下如果檢測到/K/字節(jié)后就會跳入RE_SYNC_CHECK狀態(tài),如果在RE_SYNC_ CHECK狀態(tài)能連續(xù)檢測到4個/K/字節(jié)就表明是發(fā)端發(fā)起了重同步,立即進入RE_ SYNC_INIT狀態(tài),同時拉高RES_INIT信號,通知其余同步模塊。

近年來，伊犁州直各縣市財政部門在監(jiān)督檢查領域運用政府購買服務對一些行政企事業(yè)單位進行監(jiān)督檢查。2017年在開展縣鄉(xiāng)財政專項資金重點檢查工作中，采取政府購買服務的方式，對伊犁州直八縣三市十類涉農(nóng)惠民補貼資金共計22億元進行了重點檢查，檢查資金量大，覆蓋范圍廣，社會力量投入人員多。實踐證明，采用政府購買服務方式，動員社會中介力量參與財政監(jiān)督檢查工作是對財政綜合監(jiān)督的有益補充。但總體上來看，伊犁州財政局向社會購買服務仍處于摸索階段，尚未形成制度化、規(guī)范化的運行機制，工作中還存在一些難題和制約因素。

4 仿真分析

4.1 系統(tǒng)參數(shù)

仿真中采用的電價為浙江嘉興市峰谷電價，如表1所示。

會議要求，各市縣黨委、政府要盡快建立完善體制機制，將鄉(xiāng)村風貌提升工作擺上重要議事日程，建立完善工作協(xié)調(diào)機制，強化監(jiān)督考核激勵，加強上下聯(lián)動、部門協(xié)作，抓好進度統(tǒng)籌、問題協(xié)調(diào)、資金籌措和項目推進；要創(chuàng)新宣傳方式和手段，全力營造全社會關心支持鄉(xiāng)村風貌提升的良好氛圍；要以鄉(xiāng)村風貌提升三年行動為抓手改進干部工作作風，加強執(zhí)紀問責，嚴格落實項目管理、資金監(jiān)管等要求，確保項目成為“民心工程”“暖心工程”；要按照目標任務和時間進度，層層壓實工作責任，優(yōu)化考核流程，推動工作取得實效。

式(20)的最優(yōu)解就是最佳位置和充放電時間。然后，需要更新DESS 的功率并將其添加到節(jié)點

的負載中，根據(jù)更新的負載數(shù)據(jù)，對下一個單元重復決策過程，直到所有容量都被分配?；谪澙匪惴ǖ娜萘績?yōu)化配置流程圖如圖1所示。

用于測試的配電網(wǎng)是IEEE 33節(jié)點系統(tǒng)，如圖2所示，其中節(jié)點3接入常規(guī)電源，剩余節(jié)點都處于負載狀態(tài)，外部電網(wǎng)通過節(jié)點0提供有功和無功功率。

針對儲能容量配置的問題，現(xiàn)有文獻大多采用遺傳算法。然而遺傳算法面對大規(guī)模儲能容量配置問題，存在計算效率低，需要計算資源較大的問題。該問題在面對分布式儲能的優(yōu)化配置時顯得尤為突出，分布式儲能相比于集中式儲能而言，能量交互的落點更為分散，需要更為全面的考慮。遺傳算法在優(yōu)化過程中需要對種群的適應度進行全面評估，效率不高。貪婪算法本質(zhì)上并不是一種追求最優(yōu)解的方法，只是獲得較為滿意解的方法，因此貪婪算法在計算效率方面會優(yōu)于遺傳算法。合理使用貪婪算法可以更為高效地處理大規(guī)模分布式儲能容量配置問題。因此本文提出了一種基于貪婪算法的容量優(yōu)化配置方法。

其他所需的系統(tǒng)參數(shù)設置如下。

4.2 仿真結(jié)果

（1）規(guī)劃結(jié)果分析

本文在MATLAB R2015b中仿真計算了每個節(jié)點的PLS。通過改變不同節(jié)點的負荷計算出的PLS如圖4所示。

由圖4 可得到超過閾值的11 個具有最高PLS的節(jié)點集

={13-16,19-20,27-31}，這些節(jié)點可作為安裝DESS的候選節(jié)點。然后根據(jù)上述參數(shù)進行仿真，得出凈利潤隨總?cè)萘孔兓慕Y(jié)果如圖5所示。

從圖5可以看出，凈利潤首先隨著總?cè)萘康脑鲩L而降低，然后增加，當總?cè)萘砍^1200 kWh時，儲能成本快速增長，收益增長緩慢，導致DESS凈利潤下降。因此，1200 kWh 為最佳總?cè)萘浚鋵娜萘糠峙淙鐖D6所示。

所得最優(yōu)容量分配方案，在圖3所示負荷數(shù)據(jù)下，調(diào)峰效果如圖7所示。

汽封間隙調(diào)整是汽封改造的關鍵，為保證改造效果，所有間隙均取設計值、前次改造值的下限。鑒于本次大修時，解體發(fā)現(xiàn)所有下部汽封磨損較為嚴重，而高中壓隔板及軸封上部汽封均完好，故決定將上部汽封的間隙值在上述數(shù)值上再降低0.2 mm。

最優(yōu)容量配置方案一天內(nèi)包括調(diào)峰補貼和峰谷電價差收益在內(nèi)的總收入為1081 元，而DESS 的安裝維護成本約850元，因此可得最高日凈利潤約231元。假設IEEE33節(jié)點0節(jié)點安裝了1200 kWh的CESS，在相同條件下，采用文獻[10]中的優(yōu)化方法，CESS參與調(diào)峰的總收入約為998元。在相同的成本參數(shù)和總?cè)萘肯拢珼ESS 的總收入比CESS增加約8.31%。

然后可以得到日平均最大收益

為

因此，對于含

個DESS的電力系統(tǒng)，一天的總運營維護成本可以表示為

值得說明的是貪婪算法并不能保證全局最優(yōu)解，存在脆弱性，而遺傳算法往往能得到全局最優(yōu)解。為了驗證該方法的求解質(zhì)量，將所提方法與基于全局最優(yōu)的遺傳算法的求解結(jié)果進行了仿真對比。由于受遺傳算法效率的限制，選取32 個節(jié)點中的5 個節(jié)點作為候選節(jié)點，所選節(jié)點集為

={16,19,27 - 29}，總存儲容量為600 kWh，每個儲能單元的容量為30 kWh，

=20個單元。基于貪婪算法和遺傳算法的容量分配方案如表3所示。

由表3可知，基于這兩種算法的容量分配方案得到的凈收益是基本一致的。一般來說，遺傳算法可以收斂到最優(yōu)解，說明貪婪算法也可以得到相對較優(yōu)解，與最優(yōu)解相差不大，但求解效率會顯著提高，為了進一步證明該結(jié)論，給出貪婪算法中每個單元計算的迭代情況及遺傳算法整體迭代情況如圖8所示。

由圖8可知，由于貪婪算法中每個單元的決策過程都是求解一個簡單模型，算法可以迅速收斂得到結(jié)果；并且每個單元的決策計算時間約為18.54 ms，總計約18.54＊20=370.8 ms，而遺傳算法由于需要搜索全局最優(yōu)，耗時較長，大約為2.7 s，效率較低。

（3）與考慮整體效益規(guī)劃方案的對比分析

在未含儲能的配電網(wǎng)中，調(diào)峰主要依賴上級電網(wǎng)或本地常規(guī)調(diào)峰電源，系統(tǒng)整體收益主要包括：①售電收益；②火電調(diào)峰收益。成本主要包括：①向上級電網(wǎng)的購電成本；②本地電源的發(fā)電成本；③火電調(diào)峰的啟停成本、煤耗成本、壽命損耗成本

；④火電機組的運行、維護成本；⑤網(wǎng)損成本。

在本文含儲能的配電網(wǎng)中，調(diào)峰主要依賴儲能，本地電源和電網(wǎng)主要保證電量基本供應，其系統(tǒng)整體收益主要包括：①售電收益；②儲能調(diào)峰補貼收益；③儲能回收效益。成本主要包括：①向上級電網(wǎng)的購電成本；②本地電源的發(fā)電成本；③儲能運行維護成本；④儲能故障損失成本；⑤火電機組的運行維護成本；⑥網(wǎng)損成本。

以圖2所示配電系統(tǒng)為例，進行仿真分析，上述收益和成本統(tǒng)計結(jié)果如圖9所示。

由圖9 可知：①傳統(tǒng)火電調(diào)峰模式下和本文分布式儲能調(diào)峰模式下的售電收益相同，這是由于無論采取何種調(diào)峰模式，保證負荷基本電力供應的電量不變；但不同調(diào)峰模式下的調(diào)峰收益不同，儲能調(diào)峰收益(補貼收益+回收效益)大于火電調(diào)峰收益，增加了63.2元；②傳統(tǒng)火電調(diào)峰模式下和本文分布式儲能調(diào)峰模式下的購電成本以及本地電源的發(fā)電成本是相同的，但不同調(diào)峰模式下的調(diào)峰成本不同，儲能調(diào)峰成本(運行維護成本+故障損失成本)小于火電調(diào)峰成本(啟停成本+煤耗成本+壽命損耗成本)，降低了40.2 元；由于火電機組不再調(diào)峰，火電機組的運行維護成本降低1.8 元；由于分布式儲能調(diào)峰時，功率不會在網(wǎng)絡中大范圍流動，且安裝位置均為線損靈敏度較高的節(jié)點，故網(wǎng)損成本降低了8.4元，總計50.4元。

綜上分析，本文分布式儲能調(diào)峰模式相比傳統(tǒng)火電調(diào)峰模式的凈收益為63.2+50.4=113.6 元，與表3所得結(jié)果相差不大，并且將原文優(yōu)化模型中的目標修改為整體收益時，得到的結(jié)果與圖6完全相同。這說明本文雖然僅考慮運行調(diào)度經(jīng)濟效益，但實際上與按照整體效益優(yōu)化的結(jié)果相同，原因如下：本文考慮了儲能直接效益(調(diào)峰補貼收益)，間接效益(替換火電調(diào)峰節(jié)約的啟停成本、煤耗成本、壽命損耗成本以及減少的火電調(diào)峰收益)，回收效益，儲能運行維護成本以及儲能故障損失成本，與整體效益相比，僅未考慮售電收益、向上級電網(wǎng)的購電成本、本地電源的發(fā)電成本、火電機組的運行維護成本以及網(wǎng)損成本，但是前三項在傳統(tǒng)火電調(diào)峰模式下和本文分布式儲能調(diào)峰模式下的值相等，不會對結(jié)果造成不利影響。由圖9可知，火電機組運行維護成本的影響極小，故不會影響規(guī)劃結(jié)果；本文在優(yōu)化模型未考慮網(wǎng)損成本，但是采用功率損耗靈敏度定位選址，得到的結(jié)果也是網(wǎng)損最低，與考慮網(wǎng)損成本等效，故也不會影響儲能規(guī)劃結(jié)果。

防治措施：在播種之前可以選用玉米生物型種衣劑進行拌種?；蛘呖梢赃x用2.5%咯菌腈懸浮種衣劑按照1∶500的比例進行配比，拌種10千克?？梢杂行ьA防基腐病的發(fā)生。并且應該在播種期，采用46.1%氫氧化銅水分散粒劑按照1∶1500的比例進行調(diào)和，或者可以選用12.5%氯溴異氰尿酸水溶性粉劑按照1∶1000的比例進行配比，進行對植株的莖部的噴淋，起到有效的預防作用。

經(jīng)過上述分析，本文僅考慮運行調(diào)度經(jīng)濟效益的優(yōu)化結(jié)果與按照整體效益的優(yōu)化結(jié)果是相同的，但按照整體效益進行優(yōu)化時，網(wǎng)損成本會涉及大量的潮流計算，且計算項目較多，顯著降低計算效率。

綜上表明本文所提基于貪婪算法的容量配置方案具有優(yōu)越性和有效性，可以解決大規(guī)模DESS容量配置問題。

5 結(jié) 論

針對應用于調(diào)峰的大規(guī)模分布式儲能系統(tǒng)選址和容量配置困難的問題，本文提出了一種基于貪婪算法的分布式儲能系統(tǒng)容量優(yōu)化配置方法。首先建立了DESS模型，并進行了經(jīng)濟性分析。然后介紹了所提方法的基本步驟與原理，最后仿真驗證了所提方法的有效性。所得結(jié)論如下：

（1）分布式儲能的凈利潤與儲能總?cè)萘坎⒎呛唵尉€性關系，凈利潤先隨著儲能總?cè)萘吭黾佣黾?，達到峰值后開始下降，仿真分析結(jié)果得到儲能最優(yōu)容量為1200 kWh。

（2）所提方法能有效提高DESS的每日調(diào)峰收益。最優(yōu)配置方案一天的總收入為1081 元，相比于CESS而言，能增加8.31%的收入。所提方法能并且與基于遺傳算法的容量配置方案相比，能更高效地獲得最優(yōu)解，更有利于解決大規(guī)模DESS容量優(yōu)化配置問題。

[1] 宋航, 劉友波, 劉俊勇, 等. 考慮用戶側(cè)分布式儲能交互的售電公司智能化動態(tài)定價[J]. 中國電機工程學報, 2020, 40(24): 7959-7972,8233.SONG H, LIU Y B, LIU J Y, et al. Intelligent dynamic pricing of electricity retailers considering distributed energy storage interaction on user side[J]. Proceedings of the CSEE, 2020, 40(24): 7959-7972,8233.

[2] LIANG H J, LIU Y G, LI F Z, et al. Dynamic economic/emission dispatch including PEVs for peak shaving and valley filling[J].IEEE Transactions on Industrial Electronics, 2019, 66(4): 2880-2890.

[3] MAHMUD K, SAHOO A. Multistage energy management system using autoregressive moving average and artificial neural network for day-ahead peak shaving[J]. Electronics Letters, 2019, 55(15):853-855.

[4] 劉文霞, 楊夢瑤, 王靜, 等. 基于運行策略智能生成方法的增量配電系統(tǒng)儲能優(yōu)化配置[J]. 中國電機工程學報, 2021, 41(10): 3317-3329,3658.LIU W X, YANG M Y, WANG J, et al. Energy storage planning for incremental power distribution systems based on the intellectual generating method of operational strategies[J]. Proceedings of the CSEE,2021,41(10):3317-3329,3658.

[5] 麻秀范, 陳靜, 余思雨, 等. 計及容量市場的用戶側(cè)儲能優(yōu)化配置研究[J].電工技術(shù)學報,2020,35(19):4028-4037.MA X F, CHEN J, YU S Y, et al. Research on user side energy storage optimization configuration considering capacity market[J].Transactions of China Electrotechnical Society, 2020, 35(19):4028-4037.

[6] 林哲,胡澤春,宋永華.考慮N-1準則的配電網(wǎng)與分布式儲能聯(lián)合規(guī)劃[J].中國電機工程學報,2021,41(13):4390-4403.LIN Z, HU Z C, SONG Y H. Joint planning of distribution network expansion and distributed energy storage systems under N-1 criterion[J].Proceedings of the CSEE,2021,41(13):4390-4403.

[7] 林嘉偉,王志新,張永.獨立直流微電網(wǎng)中考慮不同容量的分布式儲能系統(tǒng)能量控制策略[J].電力自動化設備,2020,40(10):139-146.LIN J W, WANG Z X, ZHANG Y. Energy control strategy of distributed energy storage system considering different capacities in isolated DC microgrid[J]. Electric Power Automation Equipment,2020,40(10):139-146.

[8] 梁晶, 張楷, 陳曈, 等. 分布式能源儲能技術(shù)發(fā)展研究[J]. 能源與節(jié)能,2020(6):54-55,72.LIANG J, ZHANG K, CHEN T, et al. Research on development of distributed energy storage technology[J]. Energy and Energy Conservation,2020(6):54-55,72.

[9] 李振坤, 李一驕, 張代紅, 等. 儲能設備對有源配電網(wǎng)供電可靠性的影響分析及優(yōu)化配置[J].電網(wǎng)技術(shù),2018,42(11):3676-3683.LI Z K, LI Y J, ZHANG D H, et al. Influence analysis of energy storage device on reliability of distribution network and its optimal allocation[J].Power System Technology,2018,42(11):3676-3683.

[10]黃弦超. 計及可控負荷的獨立微網(wǎng)分布式電源容量優(yōu)化[J]. 中國電機工程學報,2018,38(7):1962-1970,2211.HUANG X C. Capacity optimization of distributed generation for stand-alone microgrid considering controllable load[J]. Proceedings of the CSEE,2018,38(7):1962-1970,2211.

[11]馬溪原,郭曉斌,雷金勇.面向多能互補的分布式光伏與氣電混合容量規(guī)劃方法[J].電力系統(tǒng)自動化,2018,42(4):55-63.MA X Y, GUO X B, LEI J Y. Capacity planning method of distributed PV and P2G in multi-energy coupled system[J]. Automation of Electric Power Systems,2018,42(4):55-63.

[12]全慧, 楊水麗, 李相俊, 等. 改善配電網(wǎng)末端電壓的分布式儲能容量配置研究[J].電器與能效管理技術(shù),2020(10):64-70.QUAN H, YANG S L, LI X J, et al. Research on distributed energy storage capacity configuration for improving voltage of distribution network[J]. Electrical & Energy Management Technology,2020(10):64-70.

[13]郜寧,張慧媛,王子琪,等.區(qū)域電網(wǎng)分布式儲能選址定容規(guī)劃[J].高壓電器,2020,56(8):52-58.GAO N, ZHANG H Y, WANG Z Q, et al. Planning for site selection and capacity determination of distributed energy storage in regional power grid[J]. High Voltage Apparatus, 2020, 56(8):52-58.

[14]丁倩,曾平良,孫軼愷,等.一種考慮可再生能源不確定性的分布式儲能電站選址定容規(guī)劃方法[J].儲能科學與技術(shù),2020,9(1):162-169.DING Q, ZENG P L, SUN Y K, et al. A planning method for the placement and sizing of distributed energy storage system considering the uncertainty of renewable energy sources[J]. Energy Storage Science and Technology,2020,9(1):162-169.

[15]MIRANDA I, LEITE H, SILVA N. Coordination of multifunctional distributed energy storage systems in distribution networks[J].IET Generation,Transmission&Distribution,2016,10(3):726-735.

[16]CARPINELLI G, CELLI G, MOCCI S, et al. Optimal integration of distributed energy storage devices in smart grids[J].IEEE Transactions on Smart Grid,2013,4(2):985-995.

[17]吳峰, 黃綺彥, 史林軍, 等. 考慮優(yōu)化充放電策略的分布式儲能容量配置方法[J].供用電,2019,36(5):85-92.WU F, HUANG Q Y, SHI L J, et al. Distributed energy storage system capacity configuration considering optimized charging and discharging strategy[J].Distribution&Utilization,2019,36(5):85-92.

[18]夏新茂, 關洪浩, 丁鵬飛, 等. 基于改進型量子遺傳算法的儲能系統(tǒng)容量配置與優(yōu)化策略[J].儲能科學與技術(shù),2019,8(3):551-558.XIA X M, GUAN H H, DING P F, et al. Capacity allocation and optimization strategy of an energy storage system based on an improved quantum genetic algorithm[J]. Energy Storage Science and Technology,2019,8(3):551-558.

[19]王靜, 劉文霞, 李守強, 等. 計及機組降損收益的電源側(cè)電池儲能調(diào)頻/調(diào)峰經(jīng)濟效益評價方法[J].電網(wǎng)技術(shù),2020,44(11):4236-4245.WANG J, LIU W X, LI S Q, et al.A method to evaluate economic benefits of power side battery energy storage frequency/peak regulation considering the benefits of reducing thermal power unit losses[J].Power System Technology,2020,44(11):4236-4245.

[20]彭穗, 龔賢夫, 劉新苗, 等. 計及直流調(diào)節(jié)能力的含風電電力系統(tǒng)儲能優(yōu)化配置[J].中國電力,2022,55(1):37-45.PENG S, GONG X F, LIU X M, et al. Optimized energy storage configuration of wind power integrated power system considering DC regulation capacity[J].Electric Power,2022,55(1):37-45.

[21]彭春華,陳露,張金克,等.基于分類概率機會約束IGDT的配網(wǎng)儲能多目標優(yōu)化配置[J].中國電機工程學報,2020,40(9):2809-2819.PENG C H, CHEN L, ZHANG J K, et al. Multi-objective optimal allocation of energy storage in distribution network based on classified probability chance constraint information gap decision theory[J].Proceedings of the CSEE,2020,40(9):2809-2819.

[22]JIN R Y, SONG J, LIU J, et al. Location and capacity optimization of distributed energy storage system in peak-shaving[J]. Energies,2020,13(3):513.

[23]傅旭,李富春,楊欣,等.基于全壽命周期成本的儲能成本分析[J].分布式能源,2020,5(3):34-38.FU X, LI F C, YANG X, et al. Cost analysis of energy storage based on life cycle cost[J].Distributed Energy,2020,5(3):34-38.

[24]李濤, 許苑, 陳健, 等. 計及全壽命成本和收益的微電網(wǎng)儲能優(yōu)化配置[J].電力系統(tǒng)及其自動化學報,2020,32(3):46-51,58.LI T, XU Y, CHEN J, et al. Optimal configuration of energy storage for microgrid considering life cycle cost-benefit[J]. Proceedings of the CSU-EPSA,2020,32(3):46-51,58.

[25]黃際元, 李欣然, 常敏, 等. 考慮儲能電池參與一次調(diào)頻技術(shù)經(jīng)濟模型的容量配置方法[J].電工技術(shù)學報,2017,32(21):112-121.HUANG J Y, LI X R, CHANG M, et al. Capacity allocation of BESS in primary frequency regulation considering its technicaleconomic model[J]. Transactions of China Electrotechnical Society,2017,32(21):112-121.

[26]袁鐵江,張昱,栗磊,等.計及功率密度約束含氫儲能的預裝式多元儲能電站容量優(yōu)化配置研究[J].電工技術(shù)學報,2021,36(3):496-506.YUAN T J,ZHANG Y,LI L,et al.Capacity optimization configuration of pre-installed multi-energy storage power station considering power density constrained hydrogen storage[J]. Transactions of China Electrotechnical Society,2021,36(3):496-506.

[27]劉闖, 孫傲, 王藝博, 等. 計及電熔鎂負荷與儲能聯(lián)合調(diào)峰的電力系統(tǒng)日前-日內(nèi)聯(lián)合經(jīng)濟調(diào)度方法[J]. 電力自動化設備, 2022, 42(2):8-15.LIU C, SUN A, WANG Y B, et al. Day-ahead and intra-day joint economic dispatching method of electric power system considering combined peak-shaving of fused magnesium load and energy storage[J].Electric Power Automation Equipment,2022,42(2):8-15.