考虑可再生能源不确定性的储能选址定容规划方法研究丁倩

硕士学位论文
题目: 考虑可再生能源不确定性的储能
选址定容规划方法研究
研究生丁倩
专业新能源电力及其控制
指导教师曾平良教授
完成日期 2020 年 3 月
杭州电子科技大学硕士学位论文
考虑可再生能源不确定性的储能选址
定容规划方法研究
研究生：丁倩
指导教师：曾平良教授
2020 年 3 月
Dissertation Submitted to Hangzhou Dianzi University
for the Degree of Master
A Grid Electrochemical Energy Storage

Siting and Capacity Planning
Considering Renewable Generation
Uncertainty
Candidate: Ding Qian

Supervisor: Professor. Zeng Pingling
March, 2020
摘要
出力具有随机性和波动性的可再生能源大规模并入电网，对电网的安全稳定
运行造成了较严重的影响。储能具有响应快和灵活性强等特点，既可为电网提供
多种辅助服务，又可消纳高比例可再生能源。且近年来储能成本快速下降，储能
技术在电网中的应用已得到国内外研究者的广泛青睐。
首先，以浙江省电网的实际情况分析浙江省电网对储能的需求，针对储能在
削峰填谷、平滑可再生能源出力以及微电网三个场景的应用，研究其储能需求分
析模型，并根据储能应用于电网的实际情况，分析了储能并入电网的投资成本和
经济收益。其中投资成本主要有储能的初始投资成本和年运行成本，储能的经济
性收益主要有储能的循环寿命、降低线路损耗、直接收益、间接收益、政府补贴
以及提高供电可靠性等。此外本文还给出五个储能在实际电网的应用案例。
其次，从规划角度考虑储能选址定容问题，考虑储能系统并入电网的可靠性
与经济性，提出一种考虑安全约束的配电网储能选址定容规划方法。建立以储能
投资成本和运行成本之和最小为目标的优化模型，并用一个基于 MATLAB 平台
的优化软件 YALMIP 工具求解。
然后，在上述研究基础上考虑可再生能源不确定问题，采用双层优化算法对
储能选址和容量配置进行优化求解，外层采用分支定界法确定储能的选址位置，
内层采用遗传算法得到最优容量配置与储能充放电运行策略。以 IEEE-39 节点测
试系统为例，使用 MATLAB 仿真软件对上述所提方法进行仿真，验证所提方法
的正确性和运算效率。结果表明，本文所提方法最终可确定配电网储能系统的最
佳位置以及在每个位置的储能容量和功率，且满足经济上的合理性，使整个配电
网系统的总成本最低，当配电网的负荷峰谷差较大时可利用电池储能实现削峰填
谷，解决大规模可再生能源消纳和储能电站接入电网中其投资成本和运行成本过
高的问题，提高配电系统整体的经济性。在电网中接入储能系统在一定程度上可
降低网络损耗，节约储能投资成本。
最后，根据本文的研究内容和研究成果作总结与展望，提出本文的不足之处，
展望下一步可做的研究内容。
关键词：可再生能源并网，储能选址定容，分布式储能，双层优化模型
I
ABSTRACT
The large-scale integration of renewable energy with randomness and volatility

into the power grid has a serious impact on the safe and stable operation of the power
grid. Energy storage is characterized by fast response and flexibility, which can provide
a variety of auxiliary services for the power grid, and can also absorb a high proportion
of renewable energy. In recent years, the cost of energy storage has dropped rapidly,
and the application of energy storage technology in the power grid has been widely
favored by researchers at home and abroad.
Firstly, the paper analyzes the demand for energy storage based on the actual
situation of Zhejiang Power Grid. The energy storage demand analysis model is studied
by studying the application of energy storage in peak shaving and valley filling,
smoothing renewable energy output and microgrids. According to the actual situation
of energy storage applied to the power grid, the investment cost and economic benefits
of energy storage into the power grid are analyzed. The investment cost mainly includes
the initial investment cost and annual operational cost of energy storage. The economic
benefits of energy storage mainly include the cycle life of energy storage, reducing line
loss, direct income, indirect income, government subsidies and improving power
supply reliability. In addition, the paper also gives five application cases of energy
storage in the actual power grid.
Secondly, a method of energy storage siting and capacity planning for distribution
network considering safety constraints is proposed which considers the problem of
energy storage siting and capacity from the perspective of planning, and the reliability
and economy of energy storage system integration into the power grid, In this paper, an
optimized model of minimize the summation of energy storage investment costs and
operational costs is established, and use an optimized yalmip toolkit based on matlab
platform to solve the optimized model.
Then, the renewable generation uncertainty is considered based on the above
research. The double-layer optimization algorithm is used to optimize the energy
storage siting and capacity. The outer layer adopts the branch and bound method to
determine the location of the energy storage, and the inner layer uses the genetic
II
algorithm to obtain the optimal capacity configuration and the charge or discharge
operation strategy. The optimization problem is solved using matlab simulation
software to verify the correctness and computational efficiency of the proposed method
and the paper shows the performance of the proposed approach using the IEEE 39 bus
test system. The results show that the proposed method can finally determine the
optimal placement of the energy storage system of the distribution network and the
energy storage capacity and power at each location, which also meets economic
rationality to make the total cost of the entire distribution network system lowest. The
battery energy storage can be used to realize the peak shaving and valley filling when
the load peak-to-valley difference of the distribution network is large, and which can
solve the problem of absorbing large-scale renewable energy and high energy storage
investment cost and operational cost, and improves the overall economics of the power
distribution system. Accessing the energy storage system in the power grid can reduce
network loss to a certain extent and save energy storage investment costs.
Finally, according to the research content and research results of this paper, the
shortcomings of this paper are presented, and the research contents that can be done in
the next step are expected.
Keywords: renewable energy integration, optimal energy storage siting and

capacity, distributed energy storage, two-layer optimization algorithm
III
目录
摘要................................................................................................................................. I
ABSTRACT ...................................................................................................................... II
目录...............................................................................................................................IV
第 1 章绪论 ................................................................................................................. 1
1.1 课题研究背景及意义 ..................................................................................... 1
1.2 国内外研究现状 ............................................................................................. 2
1.2.1 储能技术分类及发展 .......................................................................... 2
1.2.2 储能接入电网的规划研究现状 .......................................................... 6
1.2.3 储能接入电网的可靠性研究现状 ...................................................... 8
1.2.4 储能接入电网的经济性研究现状 ...................................................... 9
1.3 本文工作 ....................................................................................................... 10
第 2 章电网储能电站需求分析 ............................................................................... 12
2.1 浙江储能电站需求分析 ............................................................................... 12
2.1.1 浙江省负荷特性 ................................................................................ 12
2.1.2 浙江省电网现状 ................................................................................ 14
2.1.3 浙江省电网发电及灵活资源分析 ................................................... 14
2.2 储能电站需求分析方法 ............................................................................... 17
2.2.1 削峰填谷场景下的储能需求分析方法 ........................................... 18
2.2.2 平滑可再生能源出力场景下的储能需求分析方法 ....................... 19
2.2.3 微电网场景下的储能需求分析方法 ............................................... 21
2.3 储能电站的经济性分析 ............................................................................... 23
2.3.1 储能系统的成本分析 ........................................................................ 23
2.3.2 储能系统的其他经济性分析 ............................................................ 23
2.4 储能应用于电网的影响案例 ....................................................................... 26
2.4.1 深圳宝清储能电站 ............................................................................ 26
2.4.2 福建安溪储能电站 ............................................................................ 26
2.4.3 卧牛石储能电站 ................................................................................ 26
2.4.4 阿拉斯加费尔班克斯市镍镉电池储能电站 .................................... 27
2.4.5 美国夏威夷毛伊岛电池储能电站 .................................................... 27
IV
2.5 本章小结 ....................................................................................................... 27

第 3 章考虑安全约束的配电网储能电站选址定容规划 ....................................... 28
3.1 配电网储能选址定容优化模型 ................................................................... 28
3.1.1 储能电站模型 .................................................................................... 28
3.1.2 目标函数 ............................................................................................ 29
3.1.3 约束条件 ............................................................................................ 30
3.2 配电网储能选址定容求解方法 ................................................................... 32
3.2.1YALMIP 工具包 .................................................................................... 32
3.2.2BNB 求解算法 ..................................................................................... 32
3.3 仿真结果分析 ............................................................................................... 33
3.3.1 算例参数 ............................................................................................ 33
3.3.2 优化结果 ............................................................................................ 34
3.4 本章小结 ....................................................................................................... 36
第 4 章考虑可再生能源不确定性的分布式储能规划方法 ................................... 37
4.1 考虑可再生能源不确定性的选址定容优化模型 ....................................... 37
4.1.1 模型的建立 ........................................................................................ 37
4.1.2 目标函数 ............................................................................................ 39
4.1.3 约束条件 ............................................................................................ 39
4.2 储能选址定容求解方法 ............................................................................... 41
4.2.1 常规遗传算法介绍 ............................................................................ 41
4.2.2 MATLAB 中的 MATPOWER 工具 ........................................................ 43
4.2.3 基于分支定界法的遗传算法 ............................................................ 44
4.3 仿真结果分析 ............................................................................................... 45
4.3.1 算例参数 ............................................................................................ 45
4.3.2 结果分析 ............................................................................................ 47
4.4 本章小结 ....................................................................................................... 49
第 5 章结论与展望 ................................................................................................... 51
5.1 研究总结 ....................................................................................................... 51
5.2 研究展望 ....................................................................................................... 52
致谢.............................................................................................................................. 53
参考文献...................................................................................................................... 54
附录：攻读学位期间参加的科研项目和成果.......................................................... 59
V
第 1 章绪论
1.1 课题研究背景及意义
由于传统化石能源被过度开发和利用，使得化石能源资源逐渐减少，环境污
染也越来越严重，因此节能减排和大力发展清洁能源越来越迫切。以风电、光伏
为代表的新能源发电已是我国新能源未来变革的主体，也是我国能源部门发展的
重点。截至 2017 年底，全球新能源装机容量已是 2179GW，其中风电装机容量
是 514 GW，光伏装机容量是 397 GW[1]。且根据我国《可再生能源法》要求制定
的《可再生能源发展“十三五”规划》发展目标，我国力争在 2020 年使风力发
电、光伏发电和光热发电分别达到 250GW、150GW 和 50GW，使可再生能源电
源装机比例超过 20%[2]。但新能源出力具有随机性、波动性、间歇性及弱调节能
力等特点，使得电网潮流分布不均匀，大规模的风电、光伏等可再生能源的飞快
发展对电网的可靠稳定运行带来极大的影响[3]，主要包括：弃风弃光、调峰调频、
功角与电压稳定等问题。传统电网设施已经跟不上越来越大的用户需求和高比例
可再生能源渗透电网带来的调峰调频问题。
另外，我国国民经济持续飞快增长，年均 GDP 增速接近 10%，能源消费不
断提升，全国用电量居于世界首位，用电需求逐年增长，电网负荷峰谷差越来越
大，尤其是当电网处于用电高峰时段，更急需补加额外备用电源。一方面，电网
需增设或改造发输配电设备以满足用户日渐增长的用电需求。另一方面，我国电
源端以火电机组为主，电源结构分配不合理，使得电网调峰能力非常有限，不能
满足实际电网发电需求，限制了我国电网运行的灵活性及消纳可再生能源的能力。
储能系统具有灵活、响应速度快的特点，是解决上述问题的一种有效手段。
在新能源发电中应用储能系统（Energy Storage System, ESS）可大幅提高可再生
能源并网，不仅可以解决峰谷差加大、延缓电网升级改造，缓解电网过渡阶段的
供电能力不足等问题，而且也可以提高系统的可靠性和稳定性，有效调节和优化
系统潮流，提高系统运行的经济效益，为大规模可再生能源并网提供了新的思路，
是解决可再生能源接入电网的有效途径之一[4-7]。我国储能技术与美国、英国、日
本等发达国家相比相对落后，还有很大差距，还位于摸索和示范的起步阶段[8]。
目前储能技术中，特别是电化学电池储能，得到快速发展，电池储能（Battery
Energy Storage System, BESS）成本得到了持续下降。但是，储能成本仍然相对高
昂，制约了储能技术（包括电池储能）在电网中大规模推广应用，降低储能的投
资成本和运行成本的相关研究是目前储能投资规划必须解决的重要问题[9, 10]。
1
储能技术在电力系统中大规模推广应用的重点在于制定合理的储能规划，即
储能选址与定容规划。在电网中确定储能的最优选址和定容可有效降低整个系统
成本。合理地选择储能建设位置和容量不仅能够使整个系统的经济效益最大化，
还能改善和提高系统的稳定性和安全性[11]。
1.2 国内外研究现状
1.2.1 储能技术分类及发展
储能就是运用合理的介质或者设备把当前不需要的电能储存起来，等需要电
能时再从这些介质中释放出来的过程 [12]。目前世界上的各种储能技术主要分为
物理储能、电化学储能和电磁储能这三大类，如图 1.1 所示：
抽水蓄能
物理储能压缩空气储能
飞轮储能
锂离子电池
电
能
储钠硫电池
电化学储能
存
方液流电池
式
铅酸电池
超导储能
电磁储能
超级电容储能
图 1.1 储能技术分类
不同储能有不同的储能特性，表 1.1 将几种不同储能技术的相关参数进行比

较，其中电化学储能具有较快的响应速度，较高的能量密度，较低的维护成本且
方便灵活等优点，是目前应用大规模储能技术的首选。表 1.2 比较了不同电化学
储能技术的性能与容量成本。由表 1.2 可以看出，锂离子电池的充放电转化率在
90%以上，铅酸电池的充放电转化率其次。但与铅酸电池及其他电池相比，锂离
子电池的容量成本相对高昂。未来在电化学储能技术中锂离子电池与铅酸电池将
会发挥越来越重要的作用。
2
表 1.1 储能技术的特性
储能类型典型功率持续时间应用场景

抽水蓄能 100~2000MW 4-10h 削峰调频、系统备用、黑启动
飞轮储能 5KW~1.5MW 15s-15min 调峰调频、平滑功率输出
压缩空气储能 100~300MW 6-20h 频率控制、平抑新能源出力
锂电池千瓦到兆瓦级 min-h 备用电源、电动汽车
液流电池 100KW~100MW 1-20h 抑制功率波动、新能源发电
超导储能 10KW~1MW ms-15min 调节电能质量、稳定输电
超级电容器 1KW~100KW s-min 平滑功率输出
表 1.2 常见电化学储能技术的性能与成本比较
电化学储能容量功率循环寿命效率功率成本容量成本

(MWh) (MW) (次) (%) ($/kW) ($/kWh)
锂离子电池 4~24 1~10 4500 90~94 1800~4100 900~1700
钠硫电池 7.2 1 4500 75 2000~4600 625~1150
铅酸电池 3.2~48 1~12 4500 75~90 2000~4600 625~1150
锌镉液流电池 5~50 1~10 >10000 60~65 1670~2015 340~1350
（1）全球储能市场规模
据中关村储能产业技术联盟(China Energy Storage Alliance, CNESA)[13]调查
显示，截止到 2017 年底，全世界已投运的储能项目总装机规模达到 175.4GW，
与去年相比提升了 4 个百分点，增速较平稳，如图 1.2 和图 1.3 所示，抽水蓄能
的累计装机规模依然占最大比重，但比 2016 年下降了 1 个百分点；电化学储能
总装机规模占据次较大比重，有 2926.6MW，与去年相比上涨 45%，是所有装机
规模的 1.7%，相比 2016 年增长 0.5%。自 2010 年起，全球电化学储能增长速度
较平稳，2010-2017 年的复合增长率为 33%。所有电化学储能技术中锂离子电池
的总装机容量占比最大，达到 76%，与去年相比上涨了 62%。
2017 年，全球新增投运的电化学储能项目，其累计装机规模达到了 914.1MW，
与去年相比上涨了 23%。还有已规划但未实施以及正在建设中的电化学储能项
目，其装机规模有 3063.7MW，预计全球电化学储能的装机规模在短期内还将持
续攀升[13]。
3
压缩空气储能,
0.21%
钠硫电池
熔融盐储热, 13% 铅蓄电池
抽水蓄能, 96% 1.51% 7%
飞轮储能, 液流电池
0.31% 3%
锂离子超级电容
电化学储能, 电池 0.20%
1.70% 76%
其他
1.10%
图 1.2 截至 2017 年全球储能累计装机规模
3500 250%
231%
2926.6
3000
200%
2500
160% 2012.5
150%
2000
1500 1272.3 100%
1000 893.5
595.9 687.2 58%
524.1 50%
379.1 402.2 42% 45%
500 30% 30%
145.6
14% 15%
0 6% 0%
2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016 2,017
装机规模（MW）年增长率（%）
图 1.3 2008-2017 年全球电化学储能总装机规模
（2）储能应用分布
如图 1.4 所示，截至 2017 年底，根据全球已投运电化学储能项目应用领域
分布情况，辅助服务领域的累计装机规模占比最大，为 34%，为 1005.7MW；集
中式可再生能源并网和用户侧领域分别位列第二、三位，比重分别是 28%和 18%。
4
电源侧,
4%
集中式可再生能电网侧,
源并网, 28% 16%
用户侧,
18%
辅助服务, 34%
图 1.4 全球已投运的电化学储能项目应用领域分布图
如图 1.5 所示，2017 年全球新增投运电化学储能项目应用领域分布占比最大

的是集中式可再生能源并网领域，为 33%，与去年相比增长了 119%。
电源侧,
集中式可再生能源 11% 电网侧,
并网, 33% 8%
用户侧,
22%
辅助服
务, 26%
图 1.5 2017 年全球新增投运的电化学储能项目的应用领域分布图
根据各类电化学储能应用领域中的技术分布，电源侧主要是锂离子电池；锂
离子电池在集中式可再生能源并网、辅助服务、用户侧和电网侧领域同样占很大
比重，分别为 98%、99%、70%和 96%；用户侧中应用的电化学储能技术有锂离
子电池、液流电池、铅酸电池及锌-空气电池等[13]。
（3）储能市场技术分布
如图 1.6 所示，截止到 2017 年底，根据全球已投运电化学储能项目的技术
分布上来看，锂离子电池的装机占比最大，所占的比重为 76%，为 2213MW。钠
硫电池、铅酸电池分别位列第二、第三位，占比分别是 13%和 7%。
5
钠硫电池
13%
锂离子电池
76% 铅蓄电池
7%
液流电池
3%
其他超级电容
1% 0%
图 1.6 全球已投运的电化学储能项目累计装机分布
如图 1.7 所示，根据 2017 年全球新增投运的电化学储能项目技术分布来看，

锂离子电池的装机占比最大，为 93%，为 845.9MW，同比增长 30%。
铅蓄电池
7%
锂离子电池液流电池
93% <0.4
其他
<0.1
图 1.7 2017 年全球新增的电化学储能项目分布图
根据各类电化学储能技术的应用分布，集中式可再生能源并网领域主要是锂
离子电池，其所占比重为 35%，电网侧主要是液流电池，其所占比重为 78%，用
户侧主要是铅酸电池，其所占比重为 91%[13]。
1.2.2 储能接入电网的规划研究现状
储能技术的大规模应用将给传统电网结构带来根本性变化，目前储能规划问
题是重点研究内容。储能接入电网的规划主要研究电网加入储能后通过选取不同
的优化指标，如成本、社会效益和电网运行收益等指标，来决定储能的最优位置
和容量。文献[14]提出了一种改进的风电场储能容量优化配置方法，优化目标是
使风电场寿命周期内的储能系统初始投资成本和更换总成本最低，建立了储能容
量优化配置模型；优化模型考虑电池储能的寿命及运行策略，把风/储系统的长
期运行优化模型看作黑盒函数，最后求解方式采用网格自适应直接搜索算法。文
6
献[15]研究了用于电网负荷削峰填谷场景下的储能控制策略，充分考虑储能充放
电运行策略和循环寿命等因素，然后建立了储能投资的经济性模型。文献[16]研
究了以确保风电场合理投建为规划目标的风电场-储能-输电网联合规划方法，基
于信息间隙决策理论建立了含机会约束联合规划模型，考虑了负荷长期增长的非
随机不确定性，并根据所构建规划模型的结构特征，设计了相适应的 Benders 分
解算法。文献[17]建立了风光储互补的发电系统容量优化模型，目的在于提高系
统可靠性和降低整个系统的运行成本，以储能电池充放电功率限制以及系统最大
装机容量等为约束条件，最后通过混合差分进化法和粒子群算法对系统容量进行
优化。
文献[18]建立了以储能系统收益最大为目标的优化模型，从延缓电网升级、
减少阻塞成本以及低储高发套利这三方面考虑电池储能系统的效益，最后用结合
线性规划的遗传算法来求解所提优化模型。文献[19]以储能系统年收益最大为目
标函数，以系统的蓄电池容量为优化变量，建立了可以用于一次调频的电池储能
系统仿真模型，最后采用可调的充电限制和应用于紧急电阻的新型控制算法仿真。
文献[20]针对智能电网中的分布式风轮机，共享电池储能系统以及单个虚拟储能
系统的最优调度，提出了一个两阶段的规划模型。基于共享经济，提出了一种新
颖的能源银行模型。研究了电池储能系统和虚拟储能系统的协调策略以减轻可再
生能源的波动。文献[21]建立了基于成本效益分析的主动配电系统中电池储能系
统最优规划模型。考虑了电池储能的可靠性效益，提出了一种基于期望的数学计
算方式。决策变量主要包括操作策略控制变量和配置变量。最后采用智能单粒子
优化器对该模型进行优化。文献[22]提出了一种可在配电网中优化分配可再生能
源（主要是风能和太阳能光伏和储能系统），以最小化成本和有功功率损耗的策
略。该规划策略用于确定可再生能源与储能混合系统的可能和最佳位置的数量。
同时还提出了一种以最佳地分配储能的输出，减少可再生能源的日前预报误差来
提高可再生能源的有效利用率，以控制实际值和预测值之间的差额在理想值域范
围内为研究目标。文献[23]介绍了一种适应平衡区域互联的最大储能需求分析方
法，可缓解风力和光伏发电的波动性。文献[24]提出了一个基于 AMPL/CPLEX 软
件的线性规划模型，比较分析了储能对高比例间歇性可再生能源电网运行影响。
文献[23, 24]的方法缺乏成本/收益分析，不能全面评估储能的投资运行效益。文
献[25]优化了储能系统的位置，提出了一种半定松弛法求解最优储能配置问题，
只考虑固定容量和功率的储能装置，忽略其规模和选址优化可能导致的投资决策
不理想问题。综上，目前国内外学者大多是从储能与间歇性能源电站、用户、电
网等角度对储能规划，对消纳可再生能源为目标的储能规划、储能系统与含间歇
性输配电网的协调规划等方面研究较少。
7
1.2.3 储能接入电网的可靠性研究现状
近些年随着大规模可再生能源的迅速发展，尤其是越来越多的风电和光伏的
发电并网，这些可再生能源的间歇性和波动性对电网的冲击很大，确保未来电网
的安全可靠运行将是至关重要的工作。文献[26]研究了电力系统评估理论与实用
流程，重点阐述基于大型商用软件 RAMSES 的可靠性评估模型和方法，总结了
配电网可靠性评估模型以及其详细流程，并根据配电网实际情况对其可靠性和经
济性进行了综合分析。文献[27]根据配网特点抽象出了 N 种接线模式，然后利用
状态空间法计算可靠性值，并使用自调节遗传算法，最大程度对配电网可靠性进
行规划。文献[28]提出了一种系统的科学的规划流程方案，通过预安排停电建立
四种不同模型，由预测的可靠性指标与目标值进行比较得到最终解决方案。文献
[29]综述了国内外有关可靠性评估的一些研究现状和研究方法，介绍了进行电力
系统可靠性评估的目的和意义，并对配电网的可靠性评估大致发展历程进行了概
述。文献[30]在配电网中接入储能装置来平衡风电、光伏等可再生能源发电对电
网的负面影响。借助可靠性分析方法来计算储能系统不同接入点和不同接入容量
对配电网供电可靠性指标的影响。文献[31]采用改进准序贯蒙特卡洛法对配电网
进行可靠性评估，根据储能平抑风/光/储混合发电系统的功率波动情况研究储能
容量优化问题。而配电网可靠性评估主要是通过对储能容量优化后的结果，结合
不同风光储的运行策略和孤岛运行情况对比分析得出，但全文并未研究含风光储
可靠性评估中储能容量的优化问题。文献[32]考虑储能设备运行策略、运行特性
以及充放电循环次数、功率成本等，建立了储能充放电出力和经济性模型。通过
风/柴/储混合系统的可靠性评估结果，比较不同的运行策略对系统可靠性和经济
性的影响。文献[33]建立了既有功率型又有能量型的电池储能系统的风电场可靠
性时序评估模型。算例使用 RBTS 发电系统，研究在不同储能策略下电池储能系
统对风电系统的可靠性影响，并进一步分析了风电系统的可靠性受储能系统自身
的运行参数的影响程度。文献[34]针对新能源发电系统中混合储能系统的容量优
化问题，以混合储能系统的容量优化作为目标函数，把整体发电系统的负荷缺电
率等可靠性指标作为约束条件，最后利用改进粒子群算法对优化模型求解。
文献[35]在计算含风电和光伏等分布式电源的配电系统的可靠性时使用了
一种蒙特卡洛方法。首先讨论了分布式电源模型和孤岛方案，然后结合蒙特卡洛
法，提出了一种基于最小路径和分区概念的系统故障状态评估新方法，解决了现
有研究中含分布式电源的配电网在实际使用中可靠性差的问题。文献[36]以压缩
空气储能为研究对象，探索了在输电受限的风力综合发电系统中压缩空气储能的
可行应用和收益。开发了用于风能和储能运行策略的综合模型，并根据压缩空气
储能对系统的可靠性、效率和环境目标的贡献来量化压缩空气储能对系统的潜在
8
利益。
1.2.4 储能接入电网的经济性研究现状
全世界范围内的储能项目被不断的投入建设或使用，储能经济性研究主要是
从储能的投资成本和运行成本这两个指标考虑。储能的投资成本大致从储能系统
的使用寿命、初始投资费用以及运行效率等考虑，而储能的运行收益从改造投资、
直接收益和间接收益的角度考虑。储能由于其安装位置方便灵活，安装位置和场
景不同，需要考虑的经济收益参数也就有所不同。文献[37]建立了以微网下储能
总运行成本最小为目标的动态经济模型，通过动态规划方法分析了含风/光/柴/储
的微网动态经济调度问题，最终得到储能系统最佳配置容量及对应经济性。文献
[38]选用钠硫电池储能研究其在微网中的经济性，并借此分析了影响储能系统经
济性运行的其他多种因素。文献[39]考虑配电网的安全性、可靠性和经济性，设
计了一个以储能年收入最小为目标的经济规划模型，为城市配电网规划问题提出
了新的思考路线。文献[40]提出了一种同时考虑电池寿命与经济性的微电网储能
容量优化配置模型，在保障微网储能经济性的基础上，考虑延长储能的使用寿命。
文献[41]采用电池–超级电容器混合储能系统替代单类型电池储能系统，根据等
效循环寿命曲线建立电池的使用寿命量化模型，以储能系统年均最小成本为目标
函数，以波动率、置信度等为容量优化模型的约束条件，最后采用粒子群算法求
解模型。文献[42]构建了考虑延缓电网升级改造、网络损耗减小的储能收益、可
靠性等综合价值评估模型，最后采用粒子群优化算法求解。
文献[43]通过分析微网中典型负荷曲线的实现对储能系统的优化调度，且分
析其最优潮流问题，最终分析出储能系统的直接收益。文献[44]以风光储及柴油
机联合组成的独立系统为研究对象，分析计算多种储能下的单位发电成本，得出
该独立系统的最佳储能技术。文献[45]建立了以储能投资成本最小兼顾收益最大
为目标函数的优化模型，充分考虑了延缓电力设备投资、辅助服务等方面的问题，
最终分析得出液流电池、硫化溴电池的最佳容量配置。文献[46]分析对比了可以
延缓电力设备升级改造的光伏发电、柴油机组、电池储能等几种优化方案，最终
得到最佳的可行方案及与之对应的容量配置结果。文献[47]提出缓解电价波动的
储能运行策略，以配电网公司的年综合成本最小为目标，最后以模糊粒子群优化
算法求解该储能规划模型。文献[48]提出了一种以配电网公司兼顾分布式电源所
有者的收益最大的储能系统选址定容规划方法。以最大弃风功率和一天内最大弃
风量分别作为储能的额定功率和容量来建立储能的选址定容规划模型。文献[47,
48]均未考虑负荷出力的不确定性，因此均不能证明其储能规划方案的合理性。
文献[49]提出了一种基于分解法来解决不确定性条件下的电池储能随机规划问
题。将所提出方法作为混合整数线性规划问题分两个阶段解决，以确保随机优化
9
问题的收敛性，分别是储能的最佳容量在第一阶段确定，储能最佳安装年份在第
二阶段确定。最后通过多次迭代确定最经济的分配结果。文献[50]介绍了使用大
规模储能完善风电场的经济性的理论研究，开发了一种计算机模型，改模型可以
模拟多个储能系统的运行，将各种操作策略与动态编程模型的结果进行比较，该
模型可以根据一组输入条件找到给定系统下的最大可能收益。文献[51]构建了储
能净收益最大模型，最后以枚举法得到储能的最优配置。文献[52]构建了以储能
投资成本净收益最大且考虑储能分时电价收益的最优模型，最后采用 CPLEX 求
解模型。文献[42, 51, 52]中的方法都未考虑到储能节点对延缓电网升级改造产生
的影响。综上，国内学者主要研究储能的投资经济性问题，国外学者多关注储能
的收益带来的经济性问题。且上述这些文献均未考虑与其他技术手段对比其经济
性，以证明储能在该文献场景中具有不可替代的作用的问题。
1.3 本文工作
本文在基于深入研究储能技术的理论和应用的基础上，从规划角度着手储能
选址定容问题，考虑储能接入配电网的可靠性与经济性问题，建立储能电站规划
理论模型，并结合 IEEE 39 节点测试系统的负荷数据证明本文所提方法的准确性
和合理性。
本文共 5 章，具体研究如下：
第 1 章绪论。深刻挖掘研究背景及意义，深入研究储能目前发展现状和储能
接入电网的规划现状，针对以上研究的长处和不足，提出本文储能规划方法研究。
第 2 章电网储能电站的需求分析。本章首先以浙江省电网的实际情况分析浙
江省电网对储能的需求；然后针对储能在削峰填谷、平滑可再生能源出力以及微
电网三个场景的应用研究其储能选址定容的需求分析模型，并根据储能应用于电
网的实际情况，分析了储能并入电网的投资成本和经济收益；最后给出了五个储
能应用于实际电网的影响案例。为后续章节有关储能选址定容模型的建立和规划
方法的研究打下了坚实的基础。
第 3 章从规划角度考虑储能选址定容问题，考虑储能接入电网的安全性和经
济性问题，提出了一种考虑安全约束的配电网储能选址定容规划方法。建立了以
储能投资成本和运行成本最小为目标的优化模型，最后采用一个基于 MATLAB
平台的优化软件 YALMIP 工具求解。
第 4 章考虑可再生能源不确定性的分布式储能电站选址定容规划方法。储能
电池的选型必须考虑储能系统的投资成本兼具其平滑可再生能源出力的性能。铅
酸蓄电池目前技术成熟、成本低廉、性能稳定，尤其适合应用于含新能源的电力
系统中。本文将以铅酸蓄电池作为新能源系统中的储能电池，在第 3 章的基础上
考虑可再生能源不确定问题，提出一种考虑可再生能源不确定性的分布式储能选
10
址定容规划方法。针对电网储能选址定容的目标优化问题，采用双层优化算法对
储能选址和容量配置进行优化求解，外层采用分支定界法确定储能的选址位置，
内层采用遗传算法得到最优容量配置与储能充放电运行策略，以 IEEE-39 节点测
试系统为例，同样使用 MATLAB 仿真软件对所提方法进行仿真，验证本文方法
的正确性与有效性。
第 5 章结论与展望。对本文研究内容作总结，并提出本文所做不足之处，展
望下一步可做的研究工作。
11
第 2 章电网储能电站需求分析
随着我国市场化进程的不断发展及储能技术的不断提升，储能成本不断下降，
储能系统大规模接入电网参与电力系统的调节已是必然趋势。储能技术在电力系
统中的大规模应用的关键问题在于如何配置合理的经济的储能位置与容量。本章
先以浙江省电网的实际情况分析浙江省电网对储能的需求，然后基于削峰填谷、
平滑可再生能源出力、微电网三个场景研究其储能需求分析方法以及其他经济性
模型，最后列举五个储能系统应用于实际电网的影响案例。
2.1 浙江储能电站需求分析
2.1.1 浙江省负荷特性
如图 2.1 所示，2017 年 1-8 月，浙江电网调度用电量累计 2609.3 亿千瓦时，
增长 8.1%；整点调度最大负荷 7488 万千瓦，增长 8.6%。月平均日负荷率自 2 月
以来趋势上升，7 月达最大值 85.6%，比上年同期上升 0.4 个百分点；最大峰谷
差为 2593 万千瓦，比去年多 242 万千瓦；月最大峰谷差率在 1-5 月围绕 40%上
下波动，6 月起下降至 35%左右。
8000 100
7000 90
80
6000
70
5000 60
4000 50
3000 40
30
2000
20
1000 10
0 0
1月 2月 3月 4月 5月 6月 7月 8月
2017年调度最大负荷 2016年调度最大负荷2 2016年月最大峰谷差率

2017年月最大峰谷差率 2016年月平均日负荷率 2017年月平均日负荷率
图 2.1 1-8 月用电负荷特性指标对比
2017 年 1～8 月尖峰持续时间有所增加。其中，90%最大负荷为 6703 万千

瓦，大于等于该负荷的持续时间为 146 小时，同比增加 22 小时；95%最大负荷
为 7076 万千瓦，大于等于该负荷的持续时间为 47 小时，同比增加 17 小时；97%
12
最大负荷为 7224 万千瓦，大于等于该负荷的持续时间为 20 小时，同比增长 7 小

时。
近年来浙江省全省用电负荷屡创历史新高，给浙江省电网电力供应带来巨大
的压力。仅 2017 年夏季，浙江电网负荷量刷新历史最高纪录，浙江用电负荷达
到 7433 万千瓦高峰。根据 2012-2017 年浙江电网的最大负荷量，基于线性拟合
的方法来估计 2020 年浙江电网的最大负荷量，如图 2.2 所示。线性拟合公式如
式（2.1）所示：
Pmax = 459.4*( − 2011) + 4370 (2.1)
式中， Pmax 为浙江电网的最大负荷，  为电网所处年份，拟合曲线的确定系

数 R2 为 0.901，拟合效果较好。通过计算可预估 2020 年浙江省最大负荷约为 8504
万千瓦。
图 2.2 2020 年最大日负荷曲线
2017 年 6 月 21 日最高温度为 24.8℃，最低温度为 22.1℃，平均温度 23℃.

当日气温适宜，选为基本负荷日。6 月 21 日浙江调度最大负荷为 5271.7 万千瓦，
发生在 11 点，最小负荷为 3620.6 万千瓦，发生在 4 点。日最小负荷率为 68.7%；
平均负荷为 4495 万千瓦，日负荷率为 85.3%。与最大负荷日相比，基本负荷日
的最大负荷发生时间处于上午，而最小负荷发生时间相同。
将最大负荷日当日整点负荷量减去基本负荷日的整点负荷量，可以估计出夏
季因为高温而产生负荷差，这部分负荷认为是夏季高温而导致的降温负荷量，可
认为是浙江省夏季空调负荷的最大值。如图 2.3 所示：
13
最大负荷基本负荷夏季降温负荷

80000
60000
负荷（MW）
40000
20000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
整点时间
图 2.3 2017 年夏季降温负荷（估计）曲线
2.1.2 浙江省电网现状
浙江电网是华东电网的重要组成部分，目前已基本建成以“两交两直”特高
压为核心，以“东西互供、南北贯通”的 500 千伏双环网为骨干，以沿海电源群
为支撑的坚强主网架。全省通过芜湖—安吉 2 回、安吉—练塘 2 回以及莲都—福
州 2 回共 6 回特高压交流线路，汾湖—三林 2 回、瓶窑—广德 1 回、瓶窑—武南
2 回、金华—宁德 2 回和富阳—河沥 2 回共 9 回 500 潜伏线路，与江苏省、上海
市、福建省及安徽省的电网相连。浙江电网电压等级涵盖±800、±500、±200、
±50、1000、500、220、110、35、10（20）千伏及以下；以钱塘江为分割点，形
成南北两电网，中间通有 2 回 1000 千伏特高压交流线路、4 回 500 千伏过江线
路。
至 2016 年底，浙江电网拥有±800 千伏换流站 2 座，换流容量 1600 万千瓦，
线路总长度（含过境）641 公里；±500 千伏过境输电线路总长度 472 公里；±
200 千伏换流站 5 座，换流容量 100 万千瓦，输电线路总长度 169 公里；1000 千
伏变电站 3 座，变电容量 1800 万千伏安，线路总长度 1185 公里；500 千伏变电
站 40 座，变电容量 8805 万千伏安，线路总长度为 8154 公里；220 千伏公用变
电站 304 座，变电容量 12789 万千伏安，线路总长度 16813 公里；110 千伏公用
变电站 1278 座，变电容量 12459 万千伏安，110 千伏输电线路总回路长度 22368
公里。
2.1.3 浙江省电网发电及灵活资源分析
截至“十四五”末电源规划预计规模详见表 2.1：
14
表 2.1 截至“十四五”末电源规划预计累计规模（单位：万千瓦）
年份 2018 2021 2022 2023 2024 2025 十四五

抽水蓄能 458 493 598 493 523 683 958
核电 907.6 - 1032.6 1032.6 1032.6 1032.6 1407
火电 4680 4703 4703 4703 4703 4703 4703
风电 148 212 276 340 404 468 532
光伏 1138 1188 1268 1348 1428 1508 1588
抽水蓄能核电火电风电光伏
5000
4500
4000
3500
3000
万千瓦
2500
2000
1500
1000
500
0
2018年 2021年 2022年 2023年 2024年 2025年十四五
图 2.4 “十四五”电源规划预计累计规模图
根据规划，到“十四五”末浙江省境内装机总容量为 11974 万千瓦，其中常

规水电 706 万千瓦、抽蓄 958 万千瓦、火电 4703 万千瓦、核电 1407 万千瓦、风
电 532 万千瓦、光伏 1588 万千瓦，如图 2.4 所示。
旋转备用情况：计算方式的旋转备用参照华东调控（2018）365 号文《国家
电网公司华东分布关于 2019 年华东电网旋转备用和备用容量上限有关配置要求
的通知》，2019 年华东电网旋转备用容量为 9090MW，占华东地区统调装机容量
的 3.07%。
省外接入：浙江省的省外输送电由三峡水电、溪洛渡水电、皖东送电、四川
水电、灵绍直流、吉泉直流以及白鹤滩直流所负担。其中三峡水电装机容量为
1820 万千瓦，涉及年平均发电量 847 亿千瓦时，在汛期向浙江输送的电力电量
占华东地区的 23%；溪洛渡水电站共装机 1386 万千瓦，其中向浙江输送 800 万
千瓦；根据“十一五”电能发展规划，皖电东送一期的 360 万千瓦和皖电东送二
期的凤台电厂二期、平圩三期共 332 万千瓦在浙江进行消纳；根据国家计委要求，
2002 年起国网公司每年汛期安排四川向华东送电，
“川电东送”每年电量 16.5 亿
15
千瓦时，浙江公司消纳其中的 50%；2018 年灵绍直流按照夏季最大供电能力 600

万千瓦进行安排，2019 年起可满送 800 万千瓦；吉泉直流于 2018 年底投运，可
输送功率 1200 万千瓦，浙江省占其中的 25%（300 万千瓦），根据目前送端电源
建设情况来看，安排 2019 年分电 100 万千瓦，2020 年分电约 200 万千瓦；而白
鹤滩（右岸）水电站规划通过特高压直流输电线路向浙江省内输送 800 万千瓦水
电电力。从建设情况看，2022 年当年分电约 500 万千瓦，2023 年分电 800 万千
瓦。
平衡原则：
1）留有一定旋转备用容量对保证电网安全可靠运行至关重要，考虑“十四
五”按 8%留取备用；
2）统调燃气机组全开机，出力按装机容量的 80%考虑；
3）风电不参与平衡，光伏电站按装机容量的 20%参与平衡；
4）统调抽蓄、核电按全容量参与电力平衡。
根据表 2.1“十四五”电源规划预计规模中光伏十四五装机规模数据，可得
到光伏电站分别按装机容量的 100%和 20%参与电网平衡的等效负荷曲线，如图
2.5 和图 2.6 所示：
负荷 2021年 2022年 2023年 2024年 2025年
9000
8500
8000
7500
万千瓦
7000
6500
6000
5500
5000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
小时
图 2.5 考虑光伏发电的等效负荷曲线
16
负荷 2021年 2022年 2023年 2024年 2025年

9000
8500
8000
7500
万千瓦
7000
6500
6000
5500
5000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
小时
图 2.6 20%的光伏参与电力平衡的等效负荷曲线
调峰分析原则：按照以下条件计算在“十四五”期间省内电力调峰平衡。
1）考虑平均高峰下的低谷时段调峰平衡，其中平均高峰负荷取全年最大负
荷的 80%，低谷时段负荷取平均高峰负荷的 62%；
2）省内华东统调机组考虑桐柏、天荒坪、仙居抽水蓄能电站的 200%容量参
与调峰；灵绍直流按照 50%容量参与调峰，其他直流不参与调峰；
3）省内统调煤机在保留基本旋转备用开关容量的情况下，按照出力的 50%
参与调峰；负荷低谷时段，统调水电机组、火电燃油、燃气机组不出力；
4）生物质、垃圾发电、余热余压余气机组按照 50%容量参与调峰；
5）抽水蓄能机组按照 200%容量参与调峰，光伏按照 10%容量参与调峰，海
洋能发电不出力；
6）风电考虑严重情况，按照 60%装机容量反调峰；
7）皖电东送、灵绍直流及淮东分电等区外火电按 50%容量参与调峰，区外
水电、核电不参与调峰。
储能系统规模：220kV 整体改造变电站推荐配置储能功率为 50MW 的储能
电站，110kW 整体改造变电站推荐配置储能功率为 11MW 的储能电站；新建
220kV 变电站（多征地）推荐配置储能功率为 25MW 的储能电站，新建 110kV
变电站（多征地）推荐配置储能功率为 10MW 的储能电站。
2.2 储能电站需求分析方法
储能系统根据在发电侧、电网侧和用户侧的应用，其主要的应用场景分类如
图 2.7 所示：
17
储能主要应用场景分类
发电侧电网侧用户侧
新平热黑电微电延电缓改供
电负启网辅网电大
能滑荷助电缓网解善用
源出解动调网保电末输用可
耦跟峰服供靠户
自力踪务网端电户峰
我可电升电设电性
/
可（谷
消再备级压施能价
纳生再改支拥质
生用差
能容造撑堵量套
源能
源量利
爬）
坡
控
制
图 2.7 储能主要应用场景分类
本节将选择削峰填谷、平滑可再生能源出力和微电网三个场景分析储能需求
理论模型和方法。
2.2.1 削峰填谷场景下的储能需求分析方法
储能系统在削峰填谷场景中的应用主要是通过在负荷高峰时段放电，在负荷
低谷时段充电来实现，如图 2.8 所示。电网公司利用储能削峰填谷，延缓电网设
备的升级改造，提高电力设备的利用率；用户利用储能削峰填谷，通过峰谷差价
获得经济效益。实现储能最优削峰填谷的效果主要是求解储能系统的最优充放电
策略。
配置储能前负荷曲线
配置储能后等效负荷曲线
削峰
削峰
高峰
填谷
填谷
平谷
低谷
0：00 6：00 12：00 18：00

时刻
图 2.8 储能在削峰填谷场景下的效果图
18
一般储能参与削峰填谷场景的优化从两个方面考虑，一是直接以储能收益为
优化目标，即储能参与削峰填谷的收益模型如式（2.2）所示下：
T
M ARV =  ( Pi ,d q peak − Pi ,c qvalley )t (2.2)
t =1
式中， Pi ,c 和 Pi ,d 为 i 节点上的第 t 个时间段储能充放电功率， q peak 和 qvalley 为

储能峰谷时段电价，t 为时间间隔，T 为最大时间尺度，一般取一天的最大时刻
24 时。
二是以储能参与削峰填谷的效果为目标，即建立储能系统参与电网削峰填谷
功率优化模型，以削峰填谷效果为目标的优化目标函数，即以储能并入电网后负
荷标准差最小为目标[53]，如下式（2.3）所示：
T
min f ( Pb ) =  (P
t =1
l ,t − Pb ,t − Pa ) 2 / T (2.3)
Pb = [ Pb ,1 , Pb ,2 ,...Pb ,t ,...Pb ,T ]T (2.4)
T
Pa =  ( Pl ,t − Pb ,t ) / T (2.5)
t =1
式中， Pl ,t 为实际电网负荷； Pb 为储能系统对外功率构成的向量； Pb ,t 为储能

系统的与大电网的交换功率，即充放电功率；T 为负荷采样个数； Pa 为储能与大
电网交换功率后的负荷平均值。
2.2.2 平滑可再生能源出力场景下的储能需求分析方法
以储能平滑风电出力为例，新能源发电产生的电量效益表示在减少风电出力
受限而采取弃风造成的电量损失的效益。储能带来电网某日多消纳风电电量为:
t2
Wwind =  Pw (t )  tdt (2.6)
t1
式中， t1 、 t 2 为日弃风开始和结束时间， Wwind 为为日储能系统多消纳的风

电电量， Pw (t ) 为储能系统存储的风电功率，其计算方法如式（2.7）所示：
 0 0  v  vin or v  vout
 3 3
 (v − vin ) N F pwN
Pw (t ) =  vin  v  vN (2.7)
 vN3 − vin3
 N F pwN vN  v  vout
式中， Pw (t ) 为风电输出功率， NF 为风场内风机的个数， pwN 为风机的额定

功率，vin 、vout 、vN 分别为风机的切入风速、切出风速和额定风速[54]。切入风速，
19
可以并网发电的风速，一般为 3.5m/s。切出风速，大风时风电发电机自动停止运
行的风速，一般为 22m/s 以上。
储能带来的电量效益如式（2.8）所示：
M = wWwind (2.8)
式中，  w 为风电上网电价。
储能用于平滑风电场波动出力的经济性分析一般从两方面考虑[55]：
一是根据风电有功出力是否低于出力波动下限或高于出力波动上限，如下式
所示：
PWi ,,−t = PWi ,t − Plim,
i ,+
t (2.9)
PWi ,,+t = Plim,

i ,−
t − PW ,t
i
(2.10)
24
WPC =  ( PWi ,,−t + PWi ,,+t )t (2.11)
t =1
M PC = qW , feedWPC (2.12)
i ,− i ,+
式中，PWi ,t 为 i 节点上的风电场第 t 个时间段的实际功率，Plim, t 和 Plim,t 分别为相
对电网调度的偏差下限和上限， PWi ,,−t 和 PWi ,,+t 分别为储能参与平滑风电场功率输出

的充电和放电功率，M PC 为储能平滑后降低的成本，WPC 为储能平滑风电波动的
总交换电量， qW , feed 为风电上网电价。
二是日前风电功率预测准确率应不小于 80%，如若预测准确率不到 80%时，
则有下式所示：
 2
1
x = 1 − i
1 n
 ( PWi ,t − PPi ,t )  100% (2.13)
 PN n t =1 
Wcheck = (0.8 − x) PNi t (2.14)
M check = qW , feedWcheck (2.15)
式中， PPi ,t 为 i 节点上风电场第 t 个时间段的日前风电功率预测值， PNi 为风电

累计装机容量，n 为样本个数，x 为风电预测准确率，Wcheck 为日前准确率电量，
M check 为降低的日前风电出力费用。
在研究风电场储能容量配置优化中，既要保证能够减少风电出力波动，平滑
风电场输出功率，又要兼顾投资成本与运行成本最低，使风电场储能系统效益最
大化[56]。其经济模型如下式所示：
20
M investment = M i _ C + M i _ R + M i _ B (2.16)
M i _ B = N .1.C0 + N . 2 .C0 .m (2.17)
r (1 + r )lm
m= (2.18)
(1 + r )lm − 1
式中，M i _ C 为储能运行成本、M i _ R 为储能单元的置换成本，M i _ B 为储能的

基本投资成本，M investment 为储能总的投资成本。N 为储能系统中储能电站的数量，
 为储能单位容量安装成本， C0 为风电场储能容量的优化值， m 为折旧系数。
风电场储能容量优化的目标如式（2.19）所示：
min M = KL L LLT + KS S LST + K E E LET + M investment (2.19)
式中，  L 、  S 和  E 分别是风电场弃风损失量、平滑功率短缺损失量和储能
越限运行折算量， L LLT 为风电场弃风费用， S LST 为风电场平滑功率短缺损失费
用， E LET 为储能越限运行折算费用， K L 、 K S 和 KE 为运行成本的惩罚系数。
2.2.3 微电网场景下的储能需求分析方法
微电网虽然系统规模不大，但是它却有完整的发电和配电系统，微电网实际
上是一种配电的发方法，一般系统中包含分布式电源、用电负荷、储能装置等，
既可以联网又可以独立运行。微电网系统易受可再生能源的随机性和波动性的影
响，当微电网系统出现故障时还需要切断与大电网之间的联系，在微电网中规划
储能系统可以提高可再生能源的发展和利用，改善我国电网电能质量和提高电网
供电可靠性等[57]。
储能系统的规划一般考虑储能系统对微电网运行的经济性、可靠性上的影响
和对可再生能源利用率上的积极作用。所以微电网中储能系统的优化目标可分为
经济性目标、能源利用率目标以及可靠性目标等，如图 2.9 所示：
21
优化目标
经济性目标利用率目标可靠性目标
微电网全寿命周可再生能源利用平抑能源功率波

期成本率动
微电网投资总收
能量供需平衡失负荷率
益
储能设备成本燃料消耗量
图 2.9 微电网系统下储能的优化目标
经济性目标一般有：前期建设投资成本包括
C1 = C INI (2.20)
N
CINI =  Ciini (2.21)
i =1
CINI 是前期建设的储能初始投资成本， Ciini 是第 i 个储能的初始成本， N 是

微电网中的储能设备的数量。
后期微电网的运行成本包括：
C2 = COM + CFUEL + CEM + CGRID + CPEN (2.22)
N
COM =  Ciom (2.23)
i =1
N
CFUEL =   i Fi (2.24)
i =1
N
CREP =  i ,t Ri (2.25)
i =1
M
CEM =   j C em
j (2.26)
j =0
Q
CGRID =   k Ekgrid (2.27)
k =0
22
Q
CPEN =  k Ekpen (2.28)
k =0
Ciom 为设备 i 的维修成本，  i 和 Fi 分别是设备 i 使用的燃料单价和燃料用量，

 i ,t 和 Ri 分别是根据当前的市价和运行时间范围内需要更换设备 i 的次数， M 是
污染物的数量， j 和 C em
j 分别是污染物的排放量和治理成本，Q 是时段的数量，
 k 、Ekgrid 、k 和 Ekpen 分别是时段内电网的交易市价、微电网和电网的交易电量、

弃电的单位惩罚金额以及弃电量。
微电网系统运行场景不同，目标函数中的各项取值和计算方法也将不同。微
电网系统储能的配置规划常用的优化算法包括遗传算法、改进型非支配排序遗传
算法、粒子群优化算法等，一般都会根据算例的实际情况选择可行算法。
2.3 储能电站的经济性分析
2.3.1 储能系统的成本分析
（1）初始投资成本分析
从实际工程应用情况来看，储能系统的初始投资成本主要包括两部分，一是
储能的容量成本，二是储能的功率成本。其数学模型可表示为式（2.29）所示：
M C , P = Ci . pi ,C + Pi . pi , P (2.29)
式中， C i 表示第 i 储能系统的容量， pi ,C 表示单位容量成本， Pi 表示储能系

统的功率， pi , P 表示单位功率成本。不同的储能系统，其容量成本和功率成本有
所不同。容量成本与储能系统的投资成本相关，功率成本主要受储能系统用监控
系统、双向变流器的投资等影响。
（2）年运行成本分析
储能系统的运行成本数学经济模型可表示为式（2.30）所示：
M C = Ci . pi _ C (2.30)
式中， pi _ C 表示储能系统的单位容量年运行成本，即运维成本。
2.3.2 储能系统的其他经济性分析
（1）储能系统的循环寿命
储能系统成本分析的重要部分包括循环寿命。储能系统的循环寿命的定义是
当储能电池的容量降到其额定容量的 80%时，储能电池的充放电循环次数。电池
的循环寿命受温度、峰值电流、充放电深度以及充放电速率等诸多因素的影响[15]。
储能电池使用寿命年限为
23
Tlife
Nuse _ year = (2.31)
Lcyc _ year
式中，Tlife 为储能电池在正常充放电深度下的循环寿命， Lcyc _ year 为年充放电

的累计循环次数。
依据储能电池的使用寿命年限与基准收益率，对使用寿命周期内的储能电池
的总投资成本进行分摊，然后叠加储能电池的年运行成本，得到储能电池的经济
模型如下式（2.32）所示：
n(1 + n) use _ year
N
M ES = ( Ci . pi ,C + Pi . pi , P ) . + pi _ C .WES (2.32)
(1 + n) use _ year − 1
N
式中， C i 表示第 i 储能系统的容量， pi ,C 表示单位容量成本， Pi 表示储能系

统的功率， pi , P 表示单位功率成本。 n 为储能系统投资收益率， N use _ year 为储能使
用寿命年限。 pi _ C 为储能系统的单位容量年运行成本，即运维成本，WES 为储能
系统年放电量。
（2）降低线路损耗
线损与电流的平方成正比，储能系统在峰值负荷时放电可降低线路上的电流，
从而降低线路损耗。储能系统在低谷负荷时充电可增加系统负荷，从而增加线路
损耗，但储能带来的网损减少量大于增加量小于储能带来的网损减少量。当考虑
峰值负荷的电价时，高峰时段的网损成本也高。储能系统用于减少线路网络损耗
的成本收益如式（2.33）所示：
T
R.qt 2
M loss = m 2
[ Pt + Qt2 − ( Pt − Pt )2 − (Qt − Qt ) 2 ] (2.33)
t =1 Vj
Pt = Pd ,t − Pc ,t (2.34)
Qt = Qd ,t − Qc ,t (2.35)
式中，m 为储能系统的年投运总次数，R 是上一级变电站到储能安装位置的

等效电阻， qt 为第 t 个时刻的电价， V j 为储能系统安装在 j 节点下的接入电压，
Pt 和 Qt 分别是第 t 个时刻负荷的有功和无功功率， Pd ,t 和 Pc ,t 分别是储能放电、充
电功率， Qd ,t 和 Qc ,t 是储能放出和吸收的无功功率。
（3）直接收益
储能在电网侧的主要收益来源是分时电价和辅助服务补偿。在分时电价下，
储能在高峰时段放电，在低谷时段充电，高储低放的运行策略产生电价套利。储
能系统的高储低放运行的经济性模型如式（2.36）所示：
24
T
M1 =  qq ,t  Pb,t (2.36)
t =1
式中，qq ,t 为分时电价，Pb ,t 为充放电功率，M1 表示储能系统低储高发套利。

储能响应调度指令进行充电，等效为发电机组响应调度指令减出力运行，可
看作储能系统提供调峰辅助服务。因此，对减少的弃风量进行补偿，储能系统提
供调峰辅助服务的经济效益。储能用于调峰辅助服务补偿的成本分析如式（2.37）
所示：
T
M 2 = aux (  ( Ploss ,t − Ploss
'
,t )t ) (2.37)
t =1
式中，aux 为储能调峰标准补偿费用，Ploss ,t 和 Ploss

'
,t 分别为储能系统配置前后
每小时的弃风量， t 为时间间隔。
（4）间接收益
储能系统应用于削峰填谷场景的经济效益包括直接收益和间接收益。直接收
益如 2.2.1 小节所示，通过电网用电高峰与用电低谷的差价得到经济效益。储能
系统的间接收益主要包括延缓发输配电设备投资的经济效益、节煤收益和环境收
益等。间接效益经济模型如式（2.38）所示：
n
M income = PES . pg _ vest + (qout − qin + qtp )WES +  M i Qi (2.38)
i =1
式中， PES 为储能系统的功率， pg _ vest 为常规发电机组单位功率成本， qout 为

储能系统的上网电价， qin 为储能低谷电价， qtp 代表常规火电机组的单位供电成
本，WES 代表储能年放电量，M i 代表储能减少第 i 种污染物排放带来的环境收益，
n 为污染物数量， Qi 代表第 i 种污染物的排放量。
（5）政府补贴
在配电网安装用于削峰填谷的储能装置可获得政府补贴。储能系统用于电网
削峰填谷政府补贴产生的经济型模型如式（2.39）所示：
T
M gov =  mg ,t  max(0, Pb ,t ) (2.39)
t =1
式中， mg ,t 代表储能系统减少单位峰值功率得到的政府补贴； max(0, Pb ,t ) 为

储能削峰放电的最大功率， M gov 表示政府对储能系统的削峰补贴。
（6）提高供电可靠性
当电力系统发生较严重停电故障时，储能系统能够作为备用电源给用户供电，
避免停电引起的供电中断，提高电网供电可靠性，保证电力系统正常运行[55]。在
提高电网供电可靠性方面，储能的经济效益来自于给用户正常电力供应，避免电
25
力故障导致停电损失，而得到的经济性补偿。
储能提高供电可靠性的经济模型如式（2.40）所示：
M RE = pRE .min( PAV , PES )TRE (2.40)
式中， pRE 为由于电力故障导致停电时补偿给用户的费用， PAV 为用户在停

电期间的平均用电负荷， PES 为在停电期间储能的放电功率， TRE 为停电时长。
2.4 储能应用于电网的影响案例
2.4.1 深圳宝清储能电站
2011 年 8 月，我国首座投入商业运营的兆瓦级锂离子电池储能站在南方电
网深圳宝清建成，经过近 9 年的时间验证，标志我国已掌握并成功应用兆瓦级电
池储能的关键技术。完成了深圳大运会的供电保障任务，顺利的完成用于“削峰
填谷”场景的应用实践。深圳宝清储能电站通过储能监控系统使储能电站工作，
来满足其他区域的供电需求，可达到有调频调压、削峰填谷和孤岛运行的效果。
2.4.2 福建安溪储能电站
2012 年 5 月，在福建安溪县投入使用了我国第一台功率最大的移动式磷酸
铁锂离子电池储能电站，该首台移动储能电站示范工程的成功使得后面又陆续投
入两台，实现了可靠供电兼顾经济供电。这三台移动式储能电站产生的作用相当
明显，仅这三台移动式储能电站就将福建安溪试点配电区的供电能力提升 40％
~80％。福建不同地区均有不同的季节性用电负荷，像安溪、龙岩等地因制茶、
电烤烟、电烤花生等用电存在大量季节性负荷，特别是安溪地区，每年的春季、
夏季、秋季制茶时期电网负荷增长巨大，高峰负荷接近平日用电的 12 倍，导致
出现“尖峰”现象，而在某些时段安溪局部区域形成严重的低电压。移动式储能
电站在安溪被投入使用后，在制茶季节的用电高峰期，仅一台移动式储能电站就
能同时满足大约 12 户左右的制茶用户的负荷供电，可有效缓解安溪制茶用户用
电紧张，提高居民用电利用率[58]。
2.4.3 卧牛石储能电站
2013 年 3 月，辽宁卧牛石风电场 5000 千瓦×2 小时的全钒液流储能示范储
能电站顺利通电，标志着辽宁电网首个电池储能示范项目正式并网。在风电场升
压站内建设卧牛石储能电站，将风电场容量的 10％配备到全钒液流储能电站。
借助先进的储能技术和智能控制手段安排全钒液流电池储能电站，以配合风场的
运行策略，全钒液流电池储能电站与大电网之间通过存储或释放电能以实现友好
交互，既可以降低风力发电波动性对电网造成的冲击，又能有效提升电网接纳和
26
充分利用可再生能源的能力，保证系统运行的质量安全和可靠性[59]。
2.4.4 阿拉斯加费尔班克斯市镍镉电池储能电站
一个自重为 1400 吨的镍镉电池储能电站安装在阿拉斯加费尔班克斯市，占
地面积可以建一个足球场，能满足 4 万千瓦的电力需求。在这个镍镉电池储能电
站运行的两年里，已经避免了 81 次停电事故。在多种电化学储能电池中，钠硫
电池技术相对成熟，能量密度较高，已受到国内外研究人员的广泛关注。20 世纪
60 年代中期诞生了钠硫电池，钠硫电池早期的研究内容主要是在电动汽车中的
应用。
2.4.5 美国夏威夷毛伊岛电池储能电站
一个 1.5 万千瓦的电池储能电站安装在美国夏威夷毛伊岛，与瓦胡岛风电场
购买的风电配套运行。瓦胡岛风电场装机容量有 3 万千瓦，储能电池需保持在一
天中的大多数时间都处于半充电状态。当风力突然增强或减弱时，电池储能电站
能平稳电流。该电池储能电站拥有频率调节功能，可以在（负荷低谷）电价较低
时存储电能，在（负荷高峰）电价较高时卖出电能。该电池储能电站容量为 1 万
千瓦时，相当于一个 3 万千瓦的风电场满负荷运行 20 分钟产生的电力[60]。
2.5 本章小结
本章以浙江省电网的实际情况分析浙江省电网对储能的需求，针对储能在削
峰填谷、平滑可再生能源出力以及微电网三个场景的应用，研究其储能选址定容
的理论需求分析模型，并根据储能应用于电网的实际情况，分析了储能系统并入
电网的投资成本、运行成本和其他经济性收益模型，如循环寿命、降低线路损耗、
直接收益、间接收益、政府补贴及提高供电可靠性等经济性模型。最后给出了五
个储能应用于实际电网的影响案例。为后续章节配电网储能选址定容优化模型的
建立和规划方法的研究奠定了坚实的基础。
27
第 3 章考虑安全约束的配电网储能电站选址定容规划
基于第 2 章储能电站的需求分析方法以及储能对电网的影响案例的分析研
究，本章提出了一种考虑安全约束的配电网储能选址定容规划方法。配电网的储
能选址定容优化易受多种因素的影响，储能与电网的协调规划问题是一个较复杂
的非线性组合优化问题。在实际工程应用中，储能电站的安装、运行、维护等方
面的费用对储能的整体经济效益有一定影响。本章综合考虑储能在配电网环境下
的各项收益与成本，确立储能选址定容的目标函数，并分析优化过程中的各种约
束条件，获得最佳储能规划选址和容量以及此规划下的经济性。
3.1 配电网储能选址定容优化模型
3.1.1 储能电站模型
储能系统具有快充快放、响应速度快、方便灵活的特性，在负荷低谷期时存
储电能，在负荷高峰期释放电能。图 3.1 为配电网与储能系统的结构示意图。
配
电
变
压
器
储能系统
负荷
图 3.1 配电网与储能系统结构示意图
通常，电池储能的充放电特性可由以下五个参数给予描述，即容量、功率、
充电和放电效率，自放电率和荷电状态 SOC[61]。电池储能系统的荷电状态 SOC
反映了电池剩余电量的大小，电池储能系统的荷电状态可根据式（3.1）计算：
剩余电量 Erate -Ed

SOC = = .100% (3.1)
额定电量 Erate
式中， Erate 代表电池的额定总电量， Ed 代表电池释放的总电量。
28
储能系统具体模型如下：
充电过程:
Pi c tc
S (t ) = (1 − t ) S (t − 1) + (3.2)
C
放电过程:
Pi d t
S (t ) = (1 − t ) S (t − 1) − (3.3)
Cd
式中，S (t ) 是第 t 个时刻的储能电站的荷电状态， 是自放电率，Pi c 和 Pi d 分

别是充电和放电功率， c 和  d 分别是充电和放电效率， C 是储能电站的容量，
t 表时间间隔。
储能电站与电网的功率交换可以由下式（3.4）所示：
Pi (t ) = Pi c (t ) − Pi d (t ) (3.4)
式中， Pi (t ) 是储能电站和电网之间的交换功率。对一个储能电站来说，同一
c d
时刻的 Pi (t ) 和 Pi (t ) 值是互斥的，即不能同时充电和放电，由下式（3.5）所示：
Pi c  Pi d = 0 (3.5)
3.1.2 目标函数
在电力系统中接入储能装置可大幅提高可再生能源并网，解决负荷峰谷差加
大，延缓电网升级改造，缓解电网过渡阶段的供电能力不足等问题，可提高系统
的可靠性和稳定性，有效调节和优化系统潮流，提高系统运行的经济效益。在电
网中确定储能的最优选址和定容可有效降低整个系统成本。合理地选择储能建设
位置和容量不仅能够使整个系统的经济效益最大化，还能改善和提高系统的稳定
性和安全性。本文以最小化储能的投资成本和运行成本为目标，其数学表达式如
式（3.6）所示：
Nbus T T
min  [ zi Ci p +  PIi (t )tq(t ) +  zi Pi (t )tq(t )] (3.6)
i =1 t t
式中，N bus 为系统节点数， p 是储能电站的单位容量造价，q(t ) 是 t 时刻的电

价， zi 是 i 节点的储能投资变量，可用式（3.7）表示：
1, 在i节点装储能装置
zi =  (3.7)
0, 其他
PIi (t ) 是 t 时刻流入 i 节点的有功功率总和，如式（3.8）所示：
29
 Nbus

PIi (t )=Real Vi (t )(  YikVik )*  =Pi net (t ) − Pi (t ) (3.8)
 k =1 
式中， Pi net (t ) 是在 t 时刻 i 节点处的净有功注入功率，它包括负荷、发电机和
可再生能源出力，但不包括交换功率 Pi (t ) 。Vi (t ) 表 i 节点上的电压，Yik 是 i 节点与
k 节点之间的线路导纳， Vik 是 i 节点与 k 节点之间的电压[62]。
3.1.3 约束条件
储能规划问题的安全约束分为两类：一类是系统运行约束，即系统在运行中
应该满足的约束条件，这类约束包括系统运行时每个时刻都要满足的功率平衡和
在调度周期内的初始和终止时刻储能系统 SOC 应当保持一致；另一类约束是设
备特性约束，包括储能系统和配电网系统，以及为防止储能系统过充和过放，其
荷电状态 SOC、储能充放电功率等满足上、下限的限制约束。这些约束条件可表
示如下：
1）节点功率约束：
Pi = Vi  V j (Gij cos ij + Bij sin ij ) (3.9)
ji
Qi = Vi  V j (Gij cos ij − Bij sin ij ) (3.10)

ji
式中，Pi 和 Qi 分别是 i 节点的有功和无功注入功率，Vi 和 V j 分别是 i 节点和

j 节点的电压， ij 是 i 节点和 j 节点之间的电压相角差，Gij 和 Bij 分别是 i 节点和
j 节点之间线路的电导和电纳。
2）节点电压幅值和相角约束：
Vi  Vi  Vi , i = 1, 2...N (3.11)
i  i  i , i = 1, 2...N (3.12)
式中，V i 和 V i 分别是节点电压的最低和最高电压， i 和  i 分别是节点电压

相角的最小和最大相角。
3）线路传输容量约束：
i j (Gij cos  ij + Bij sin ij ) − Vi Gij

Pij = VV (3.13)
2
− Pij  Pij  Pij (3.14)
式中，Pij 是 i 节点和 j 节点之间的线路潮流，Pij 是 i 节点和 j 节点之间的最

大线路传输容量。
4）储能电站及其功率约束：
30
Si  Si  Si , for all i (3.15)
式中， S i 和 S i 分别是储能电站最小和最大 SOC。为了避免电池储能系统出

现满充或者满放的情况，以延长储能系统的使用寿命，设置了 SOC 的允许范围。
通常电池储能系统取 S i = 0.1 ~ 0.2 ， Si = 0.8 ~ 0.95 。此外，为了确保储能电站在
开始时能有充放电状态，取 SOC 的初始值 S (0) = 0.3 ~ 0.6 。在电池储能系统工作
的过程中，各时刻的储能系统的 SOC 应处于所允许的范围内，如式（3.9）和图
3.2 所示：
max{S1 , S2 ,..., Sk ,...}  S
 (3.16)
 min{S1 , S2 ,..., Sk ,...}  S
图 3.2 储能 SOC 曲线示意图
储能的充放电功率约束可表达为：
C
0  Pi c  zi P i (3.17)
D
0  Pi d  zi P i (3.18)
C D
式中， P i 和 P i 分别是储能电站的最大持续充电和放电功率。
5）储能电站的容量约束：
Ci  C (3.19)
式中， C 是可允许安装的储能电站的最大容量，且 C i 大于零。

6）储能电站建设数量约束：
N bus
z
i =1
i z (3.20)
其中， z 是最多可允许安装的储能电站的数量。
31
3.2 配电网储能选址定容求解方法
储能的选址定容是一个较为复杂的优化问题。目前常用的优化算法有粒子群
算法、遗传算法、动态规划算法、解析法等。本文考虑安全约束的配电网储能电
站选址定容规划问题选择用 YALMIP 语言求解。
3.2.1YALMIP 工具包
YALMIP 工具箱是一个基于 MATLAB 平台的优化软件工具，它可以为凸优
化和非凸优化问题提供一种高级的建模求解语言。通常，优化问题不同所用的求
解算法也就不同。YALMIP 工具包含基本的线性规划求解算法，如线性规划
（linprog）、二值线性规划（bintprog）、分支定界（bnb）等，它还提供了求解工
具，如 cplex、gurobi、glpk、lpsolve 等求解器。YALMIP 工具是将建模与算法分
开，可提供一种统一的建模语言和应用程序编程接口（Application Programming
Interface, API），兼容多种求解器之间的集成[63, 64]。
YALMIP 的建模语法非常简单，只有四个基本命令：
（1）创建决策变量
（2）约束条件设置
（3）参数配置
（4）求解
在 MATLAB 环境中用 YALMIP 工具箱求解问题是一种新的方式。YALMIP
工具箱可提供一种简单又统一的建模语言，相比较于 MATLAB 原有语言，
YALMIP 的语言表达方法更易掌握。
YALMIP 不仅是一个线性规划求解工具，而且还搭建了一个统一的软件建模
平台，支持当前几乎所有软件求解算法[65]。本文规模化储能的最优配置问题包括
二进制变量和连续变量，因此它是一个混合整数非凸优化问题。在本文中，我们
使用 BNB 作为混合整数凸问题的内置求解算法，而且 BNB 相对于本文的混合
整数非凸优化问题较容易实现。
3.2.2BNB 求解算法
分支定界法[66, 67]可以用于求解纯整数或混合整数规划问题，是一种系统化
的解法，以一般线性规划之单行法解得最佳解后，将非整数值的决策变量进行递
归迭代，具体为将非整数值的决策变量分成最接近的两个整数，然后再分别代入
原问题中，形成两个子问题分别进行求解，如此得到目标函数的上限或下限，从
而寻得最优解[68]。这种方法灵活且便于计算机求解，目前已经成功运用于求解生
产进度问题、工厂选址问题、背包分配问题等。本章将用分支定界法解决储能的
选址问题。
32
分支定界法是对有约束条件，即其可行解为有限数的最优问题的所有可行解
空间恰当地进行系统搜索。分支定界法的主要思路是：分支是把所有解空间重复
分割成较小的子集，界定是对前面的每个子集的解集计算一个目标下限。剪支是
在每次分支后，若某个已知可行解集的目标值不能达到当前的界限，则将这个子
集剔除，不再做进一步分支。这样，就可以排除许多解的子集，进而缩小搜索域
[69]
。
3.3 仿真结果分析
3.3.1 算例参数
本文采用 IEEE 9 节点配电网系统进行仿真分析，其系统拓扑图如图 3.3 所
示。网络总负荷为 315MW+j115Mvar。储能系统单位容量成本为 200 万元/兆瓦
时，使用寿命为 15 年。若采样时间间隔越短，采样周期长，所需数据量就越大，
为了较快得到仿真验证结果，本文取采样时间间隔是 4 小时，取采用周期为 6。
表 3.1 显示了每 4 小时的电价数据。表 3.2 显示了电池储能的相关参数。典型日
负荷曲线如图 3.4 所示。
BUS 9
BUS 4 BUS 8
GEN 1 GEN 2
BUS 5 BUS 7
BUS 6
GEN 3
图 3.3 IEEE 9 节点系统图
表 3.1 电网分时电价
电价 1~4 5~8 9~12 13~16 17~20 21~24

（万元/MW.h） 0.056 0.112 0.156 0.112 0.156 0.112
33
表 3.2 电池储能系统相关参数
编号性能指标符号数值
1 充电效率 c 95%
2 放电效率 d 95%
3 储能单位容量成本 p 2￥m/ MW.h
4 最小储能电站容量 C 4MW.h
5 自放电率  0.1%
C
6 最大持续充电功率 Pi 5MW
D
7 最大持续放电功率 Pi 5MW
8 最小 SOC 值 Si 10%
9 最大 SOC 值 Si 95%
10 初始 SOC 值 SOC（0） 40%
11 末 SOC 值 SOC（T） 40%
400
负荷功率/MW
350
300
250
1 3 5 7 9 11 13 15 17 19 21 23
时间/h
图 3.4 日负荷曲线
3.3.2 优化结果
采用本文提出的 YALMIP 工具和 BNB 求解器在 MATLAB 上编程求解，可
得到在 IEEE 9 节点测试系统的仿真验证结果。由于篇幅有限，这里不再具体说
仿真结果表明，当储能系统安装在节点 2 和节点 9 上且容量均为 27.4409MW.h
明。
时仿真结果最优。此时储能和电网之间的净能量交换功率如图 3.5 所示。在图 3.5
34
中，我们可以清楚地看到在 1~4h，13~16h，21~24h，储能系统正在充电，并且在
这些时间段交换功率分别为 4MW.h，5MW.h 和 2MW。而在 9~12h，17~20h，储
能系统正在放电，在这两个时段内的交换功率均为 5MW.h。
图 3.5 储能系统与大电网之间的交换功率
储能系统的荷电状态 SOC 变化如图 3.6 所示。正如预期结果，SOC 的值在

10％到 95％之间波动，SOC 的两个初始值和最终值均为 40％。
系统原负荷曲线与含储能的等效负荷曲线比较如图 3.7 所示。根据图 3.7，
系统加入储能电站后对负荷有一定的削峰填谷作用。
图 3.6 SOC 曲线
35
400 原负荷等效负荷
350
功率/MW
300
250
1 3 5 7 9 11 13 15 17 19 21 23
时间/h
图 3.7 系统原负荷曲线与含储能的等效负荷曲线比较图
3.4 本章小结
本章从规划角度考虑储能选址定容问题，考虑储能接入电网的安全性和经济
性问题，考虑了储能系统应用于配电网的最佳充放电策略、位置以及容量等优化
目标。提出了一种考虑安全约束的配电网储能选址定容规划方法，建立了以储能
投资成本和运行成本最小为目标的优化模型，最后采用一个基于 MATLAB 平台
的优化软件 YALMIP 工具求解，使用 IEEE-9 节点系统验证了所提方法的有效性。
结果表明，本章所提方法最终可确定配电网储能系统的最佳位置和容量，满足经
济上的合理性，可使整个配电网系统的总成本最低。YALMIP 工具对于解决本文
所提模型的混合整数规划问题是有效的。虽然 YALMIP 工具箱可以针对不同求
解问题调用不同的求解器解决，但求解模型的算法内嵌于一个封装好的未知的求
解器中，不知道算法的构成和详细步骤，不方便日后算法的改进及下一个优化问
题的解决。
36
第 4 章考虑可再生能源不确定性的分布式储能规划方法
本章在第 3 章的基础上考虑可再生能源不确定问题，即发电侧加入风电、光
伏和水电，结合储能系统平衡风电光伏等分布式电源对配电网的冲击。本章提出
一种考虑可再生能源不确定性的分布式储能选址定容规划方法。针对电网储能选
址定容的目标优化问题，采用不同于第 3 章求解方式的双层优化算法对储能选址
和容量配置进行优化求解，外层采用分支定界法确定储能的选址位置，内层采用
遗传算法得到最优容量配置与储能充放电运行策略，以 IEEE-39 节点测试系统为
例，同样使用 MATLAB 仿真软件对所提方法进行仿真，验证所提方法的正确性
和运算效率。
4.1 考虑可再生能源不确定性的选址定容优化模型
在保证电力系统安全可靠运行的前提下，充分利用新能源发电，将风电、光
伏、水电、常规发电机组以及储能系统看作一个整体，利用五种运行方式的协调
互补来消纳平抑风电和光伏发电的间歇性波动性，以降低可再生能源并网对电力
系统的影响。在上述背景下考虑储能选址定容是一个非常复杂的问题，本节建立
关于储能、风电、光伏和水电的多元灵活性资源的优化模型，确定了以储能成本
与利益为优化目标的目标函数，并详细分析了优化过程中存在的各种约束条件。
4.1.1 模型的建立
（1）储能电站模型
储能系统具体模型如下：
充电过程:
Pi c tc
S (t ) = (1 − t ) S (t − 1) + (4.1)
C
放电过程:
Pi d t
S (t ) = (1 − t ) S (t − 1) − (4.2)
Cd
式中，S (t ) 是第 t 个时刻的储能电站的荷电状态， 是自放电率，Pi c 和 Pi d 分

别是充电和放电功率， c 和  d 分别是充电和放电效率， C 是储能电站的容量，
t 表时间间隔。
储能电站与电网的功率交换可以由下式（4.3）所示：
37
Pi (t ) = Pi c (t ) − Pi d (t ) (4.3)
式中， Pi (t ) 是储能电站和电网之间的交换功率。对一个储能电站来说，同一
c d
时刻的 Pi (t ) 和 Pi (t ) 值是互斥的，即不能同时充电和放电，由下式（4.4）所示：
Pi c  Pi d = 0 (4.4)
（2）风电出力模型
风电出力主要受风速变化的影响，风电输出功率主要是通过预测风速得到的。
风电输出功率与风电机轮风速的关系可以用三次函数模型来计算。风电出力模型
可以表示为：
 0 0  v  vin or v  vout
 3 3
 (v − vin ) N F pwN
Pw (t ) =  vin  v  vN (4.5)
 vN3 − vin3
 N F pwN vN  v  vout
式中， Pw (t ) 为风电输出功率， NF 为风场内风机的个数， pwN 为风机的额定

功率， vin 、 vout 、 vN 分别为风机的切入风速、切出风速和额定风速[54]。
（3）光伏出力模型
光伏发电系统主要由电池板、逆变器、控制器三部分组成。光伏出力可表示
为：
GING
Ppv = PSTE [1 + k (Tc − Tr )] (4.6)
GSTE
式中， Ppv 为光伏组件的输出功率， PSTE 为标准情况下的光伏组件的最大输
出功率， GING 为实际情况的太阳辐照强度， GSTE 为标准情况下的太阳辐照强度，
一般取 1000W/m2， k 为功率温度系数， T 为光伏组件温度， Tr 为参考温度，一
般为 25℃[70]。
（4）水电出力模型
水力发电的原理就是把水的势能和动能转化成水轮机产生的机械能，再将机
械能转化成电能。水电站的出力以及与其相关的水轮机水头表达式如下：
Phydro = 9.81Qd ( H d − H ) (4.7)

式中， 为水机的效率，Qd 为设计流量，为 H d 设计水头，H 为水头损失。
其中，
p1 1v12 p2  2 v22
H = ( Z1 + + ) − (Z2 + + ) (4.8)
g 2 g g 2 g
式中， Z 为相对基准面的单位位能， p / g 为单位压能，  为水的密度， v
38
为水断面平均流速， v 2 / 2 g 为单位动能，  为考虑流速断面分布不均的动能不

均匀系数[70]。
4.1.2 目标函数
可再生能源由于其固有的可变性和间歇性，将对配电系统的电能质量和性能
产生负面影响。规模化储能接入配电网可以大幅改善配电网运行水平，提高配电
网消纳可再生能源的能力，增强配电网的灵活性，降低配电网损耗。储能系统可
以采用最优充放电策略通过电价差获取运行经济效益。另一方面，储能的投资成
本相对较高。因此，本文储能规划目标函数是使整个系统成本最小，包括储能的
投资成本，充放电运行成本以及配电网网损。数学表达式如式（4.9）所示：
Nbus T T
min  [ zi Ci p +  PIi (t )tq(t ) +  zi Pi (t )tq(t )] (4.9)
i =1 t t
式中，N bus 为系统节点数， p 是储能电站的单位容量造价，q(t ) 是 t 时刻的电

价， zi 是 i 节点的储能投资变量，可用式（4.10）表示：
1, 在i节点装储能装置
zi =  (4.10)
0, 其他
PIi (t ) 是 t 时刻流入 i 节点的有功功率总和，如式（4.11）所示：
 Nbus

PIi (t )=Real Vi (t )(  YikVik )*  =Pi net (t ) − Pi (t ) (4.11)
 k =1 
式中， Pi net (t ) 是在 t 时刻 i 节点处的净有功注入功率，它包括负荷、发电机和
可再生能源出力，但不包括交换功率 Pi (t ) 。Vi (t ) 表 i 节点上的电压，Yik 是 i 节点与
k 节点之间的线路导纳， Vik 是 i 节点与 k 节点之间的电压[62]。
4.1.3 约束条件
这些约束条件可表示如下：
1）功率平衡约束
T T Nbus
 (P
t =1
w ,t + Ppv ,t + Phydro ,t + Pg ,t ) =  ( Pload ,i ,t + Pi ,t )
t =1 i =1
(4.12)
式中，Pg ,t 为常规发电机组在第 t 个时刻的发电功率，Pload ,i ,t 为系统第 i 个节点

第 t 个时刻的负荷功率。
2)风电/光伏/水电/常规机组出力约束：
0  Pw,t  P w,t (4.13)
39
0  Ppv ,t  P pv ,t (4.14)
0  Phydro ,t  P hydro ,t (4.15)
0  Pg ,t  P g ,t (4.16)
式中， P w,t 、 P pv ,t 、 P hydro ,t 分别为风电、光伏、水电和常规机组的最大输出

功率。
3）节点功率约束：
Pi = Vi  V j (Gij cos ij + Bij sin ij ) (4.17)
ji
Qi = Vi  V j (Gij cos ij − Bij sin ij ) (4.18)

ji
式中，Pi 和 Qi 分别是 i 节点的有功和无功注入功率，Vi 和 V j 分别是 i 节点和

j 节点的电压， ij 是 i 节点和 j 节点之间的电压相角差，Gij 和 Bij 分别是 i 节点和
j 节点之间线路的电导和电纳。
4）节点电压幅值和相角约束：
Vi  Vi  Vi , i = 1, 2...N (4.19)
i  i  i , i = 1, 2...N (4.20)
式中，V i 和 V i 分别是节点电压的最低和最高电压， i 和  i 分别是节点电压

相角的最小和最大相角。
5）线路传输容量约束：
i j (Gij cos  ij + Bij sin ij ) − Vi Gij

Pij = VV (4.21)
2
− Pij  Pij  Pij (4.22)
式中， Pij 是 i 节点和 j 节点之间的线路潮流， Pij 是 i 节点和 j 节点之间的最

大线路传输容量。
6）储能电站及其功率约束：
Si  Si  Si , for all i (4.23)
式中， S i 和 S i 分别是储能电站最小和最大 SOC。

储能的充放电功率约束可表达为：
C
0  Pi c  zi P i (4.24)
D
0  Pi d  zi P i (4.25)
40
C D
式中， P i 和 P i 分别是储能电站的最大持续充电和放电功率。
7）储能电站的容量约束：
Ci  C (4.26)
式中， C 是可允许安装的储能电站的最大容量，且 C i 大于零。

8）储能电站建设数量约束：
N bus
z
i =1
i z (4.27)
其中， z 是最多可允许安装的储能电站的数量。
4.2 储能选址定容求解方法
采用双层算法求解储能的最优选址定容问题，即外层用分支定界法确定储能
的选址问题，内层用遗传算法确定储能的容量和充放电运行问题。
1）外层优化问题
外层优化的决策变量为储能系统的配置位置，属于整数规划，本文采用的是
分支定界法确定储能的位置，这种方法灵活且便于计算求解。
2）内层优化问题
内层优化考虑了储能系统与发电机在风/光/水电典型日的情况。内层优化的
决策变量为储能系统的容量和每一时刻的 SOC 值，是连续变量，本文采用遗传
算法求解储能的容量、SOC 值。内层优化的约束条件包含非线性潮流，本文通过
调用 MATPOWER 工具箱进行配电网潮流计算。仿真环境是 MATLAB 及
MATPOWER 工具箱和遗传工具箱，采用多线程并行计算方案大大提高了模型求
解效率。
4.2.1 常规遗传算法介绍
遗传算法（Genetic Algorithm, GA）本质上就是模拟达尔文生物进化论里自
然界生物进化过程的一种算法。在科学和生产实践中表现为在所有可能的解决方
法中找出最符合该问题所有要求的条件的解决方法，即找出一个最优解。
遗传操作是模拟自然界所有生物基因遗传的过程。通过对所需选择的特征编
码组成初始种群，遗传操作的处理方式就是对种群的各个个体对同一环境的适应
度进行比较，从而实现优胜劣汰的选择进化过程。遗传操作可使问题的解在若干
代后被优化，最终无限接近最优解。种群中的个体可随机向最优解逼近，遗传操
作可进行高效有向的搜索方式。
常规遗传操作的步骤如下：
（1）选择
41
从种群中选择适应度良好的个体，淘汰不适应规则的低劣个体的操作。选择
操作的最终目的在于把优良个体直接保留到下一代。选择操作基于种群中每个个
体的适应度评估。
其中最简单最常用的选择策略是轮盘赌选择。在轮盘赌选择中，各个个体被
选中的概率正比于其适应度函数值。用数学表达式为，若种群大小为 n ，个体 i
n
的适应度为 f i ，那么 i 被选择的概率就是 Pi = fi /  fi 。
j =1
在计算种群各个个体的选中概率后，需要进行多轮选择来选择适合的交配个
体。当选中个体后，就可以进行随机组成交配对，以进行交叉操作。
（2）交叉
自然界所有生物进化过程中最强大的作用是可以重组生物遗传基因，也就是
交叉操作。交叉操作可以把两个父代个体的部分基因互相替换重组产生新个体。
交叉操作可进一步提升遗传算法的搜索能力。
由交叉概率挑选种群中的两个个体交换部分基因产生带有父代个体特征的
新个体。根据编码方式的不同，有以下算法：
1）实质重组：离散重组、中间重组、线性重组；
2）二进制交叉：多点交叉、两点交叉、单点交叉、均匀交叉。
但是最常用的交叉操作是单点交叉。操作为：在个体中随机假定一个交叉点，
在进行交叉操作时，互换该点前或后的两个个体的基因，由此产生两个新的个体。
（3）变异
对种群中个体的某些基因值做变动就是变异操作。一般先以假定的变异概率
随机选择变异位置改变基因数据中的值进行变异操作。其中，变异概率依据种群
大小、染色体长度等因素进行阈值的设定。
根据个体编码方式的不同，有以下算法：
1）实值变异
2）二进制变异
遗传算法引入变异操作的用意是使遗传算法具有局部的随机搜索能力，使遗
传算法可维持多样性的群体，避免出现还没有寻到最优的结果。此时的收敛的概
率取较大值。
遗传算法经过交叉操作逼近最优解的域时，可通过变异操作的局部随机搜索
能力使最优解逐渐收敛。在上述这种情况下的变异概率一般取最小值，避免逼近
最优解的基因因为变异操作导致破坏。遗传算法中，交叉操作作为主要的操作手
段用于全局搜索最优解，变异操作作为辅助操作用于局部搜索最优解。交叉和变
异操作之间相互配合而又相互竞争使遗传算法兼具全局和局部的搜索能力。
（4）结束条件
42
当迭代次数达到预先设定的代数，或最优个体适应度和群体适应度不再波动，
或最优个体的适应度达到给定的值域时，算法即结束。
常规遗传算法框图如图 4.1 所示：
开始
产生初始种群
计算每个个体的适应度
以概率选择遗传操作
选择一个个体复制到新种群
迭代次数
gen=gen+1
选择两个个体进行交叉插入到新种群
选择一个个体进行变异插入到新种群
得到新种群
否
是否满足终止条件？
是
得到结果
结束
图 4.1 常规遗传算法框图
4.2.2 MATLAB 中的 MATPOWER 工具

电力系统分析中有一项最基本的操作就是计算电力系统潮流。它根据给定系
统的网络结构及运行条件来确定整个系统的运行状态，主要是各节点电压(包括
幅值和相角)、网络中的潮流分布和网络损耗功率等。目前国内常见潮流仿真计
算软件有中国电力科学研究院的 PSASP(Power System Analysis Program) 、
BPA(Bonneville Power Administration)、美国 PTI 公司的 PSS/E(Power System
Simulator/Engineering)等，这些软件系统适用于工程应用和大规模系统分析。
MATLAB 中的 MATPOWER 也是用来解决电力系统潮流计算和优化潮流计算问
题的一个软件包，但 MATPOWER 仅适用于简单小系统电网的潮流分析[71]。
43
4.2.3 基于分支定界法的遗传算法
外层优化的是一个二进制变量，即选址问题，常规算法计算复杂，计算速度
和收敛性都达不到要求。储能选址定容规划模型采用基于遗传算法的求解算法更
加高效，该算法步骤如下：
（1）算法初始化，输入配电网参数信息，包括 39 节点系统参数和储能相关
参数信息（初始 SOC 状态、充放电时间、充放电效率和自放电率等）。
（2）对外层优化的决策变量，即储能系统的安装位置 z ，采用分支定界法
进行判断和选择。内层优化的决策变量，储能系统容量 C 和持续时间变化的 SOC
均随机产生在其可行域的初始个体，最终将随机产生 N p 个初始个体。
（3）将（2）里随机产生的储能系统容量 C 和储能的荷电状态 SOC 的初始
个体进行可行性筛选，去掉太小和太大的储能容量 C 和荷电状态 SOC ，接着随
机产生相同个数的初始个体，直到种群达到 N p 为止。前面对决策变量的可行性
筛选包括两个部分，①是将储能的假设位置 z 、储能容量 C 和储能的荷电状态
SOC 带入内层的储能充放电功率 Pcd 的计算，判断储能充放电功率 Pcd 是否在可
行域内，若不在该可行域内，则该个体不可行，否则，记录对应的运行优化值，
并进行②；②是将①中可行的运行优化值带入到 MATPOWER 调用的交流潮流
计算中，通过 MATPOWER 得出的潮流结果判断是否收敛。若这时的电网潮流不
收敛，就剔除该个体；否则，记录对应的优化值和对应的满足交流潮流的系统网
损 PIi ，结束该组随机产生的可行性个体的筛选，并进行下一组个体的筛选，直到
进行 N p 组。
（4）利用经过两层筛选的储能容量和荷电状态以及经潮流解得到的可行系
统网损等其他可行优化值计算目标函数值和对应的适应度值。
（5）对每一代产生的种群进行选择、交叉以及变异操作，经过每一次迭代
形成下一代新的种群。
①利用不同个体在同一选择环境中的目标函数值和适应度值，对可行个体进
行选择操作，但不需要再进行可行性筛选步骤；
②对选择操作产生的种群进行交叉操作；
③对交叉操作产生的种群进行变异操作，并对新产生的个体进行可行性筛选；
④根据步骤（5）的操作，继续产生新种群。
6）判断是否达到设置的最大迭代次数 GENmax ，若是，则输出最终的最优结
果，即：储能的最佳节点位置 z 、储能系统的最佳容量 C 、储能荷电状态 SOC 、
储能充放电功率 Pcd 和最终使储能投资和运行最小的目标函数最优值。否则，回
到步骤（3）。
整个基于分支定界法的遗传算法流程图如图 4.2 所示：
44
开始
输入配电网系统参数信息
设定遗传算法的种群规模Np、最大迭代
次数GENmax、交叉概率、变异概率等
确定储能电站所有可行位置
Nmax个分支定界法外层优化
初始储能的容量，生成初始种群
初始储能的容量和位置作为下层模型的输
入数据
潮流计算
N=N+1
计算目标值，计
迭代数算个体适应度
GEN=GEN+1
选择、交叉、变异操作遗传算法内层优化
否
满足GEN=GENmax?
是
否
达到最大Nmax个 ?
是
输出储能的最优位置和容量、功率、
SOC值、系统网损、最低成本等
结束
图 4.2 算法流程图
4.3 仿真结果分析
4.3.1 算例参数
本文采用 IEEE 39 节点测试系统进行仿真分析，其系统拓扑如图 4.3 所示。
并且在此基础上，在节点 30 接入光伏和水电，在节点 32 接入风电，光伏、水电
和风电的典型日出力曲线如图 4.4 所示。某年的典型日负荷曲线示意图如图 4.5
所示。根据负荷曲线特征，0 时至 7 时为负荷低谷时段，8 时至 11 时和 17 时至
21 时为负荷高峰时段。该分时电价具体如表 4.1 所示。储能投资周期为 15 年。
本文假设每个节点允许接入的储能系统个数为 2 个，最大安装容量为
200MW.h。电池储能系统的详细参数如表 4.2 所示。算例数据选择一个典型日代
表全年验证本文储能选址定容方法的有效性。
45
光水 H
G
伏 G 电 37
A
30 29
25 26 28
2 27
38
1 3 18 17 I G
G J
16 21
39
15 G
G
14 24 36
4
5 13 23
9 6 19
12
11 20 22
7 10
8
31 32 34 33 35
B G C G 风 G E G D G F
电
图 4.3 IEEE10 机 39 节点系统拓扑图
光伏水电风电
300
200
功率/MW
100
0
1 3 5 7 9 11 13 15 17 19 21 23
时间/h
图 4.4 光伏、水电和风电典型日特性曲线
46
8000
功率/MW 7000
6000
5000
1 3 5 7 9 11 13 15 17 19 21 23
时间/h
图 4.5 典型日负荷曲线
表 4.1 电网分时电价
编号负荷时段时间/h 电价（万元/MW.h）
1 低谷 0~7 0.056
2 平谷 12~16,22~23 0.112
3 高峰 8~11,17~21 0.156
表 4.2 电池储能系统相关参数
编号性能指标符号数值
1 充电效率 c 95%
2 放电效率 d 95%
3 储能单位容量成本 p 2￥m/ MW.h
4 最大储能电站容量 C 200MW
5 自放电率  0.1%
C
6 最大持续充电功率 Pi 100MW
D
7 最大持续放电功率 Pi 100MW
8 最小 SOC 值 Si 10%
9 最大 SOC 值 Si 95%
10 初始 SOC 值 SOC（0） 40%
11 末 SOC 值 SOC（T） 40%
4.3.2 结果分析
结果表明当储能系统接入节点 21 和节点 39，储能容量均为 199MW.h 时，
47
整个系统的电网损耗和运行成本最小，此时储能系统的初始投资成本为 79583 万
元。在储能投资周期为 15 年内，储能系统通过负荷高峰放电，负荷低谷充电，
可盈利 187850 万元，网损费用为 709548 万元。电网不接入储能系统产生的网损
费用为 712455 万元，表明在电网中接入储能系统在一定程度上能够减少网络损
耗，且储能系统在投资周期为 15 年里，储能系统可带来的总盈利为 111174 万
元。
储能系统的充放电功率曲线和 SOC 曲线如图 4.6 和图 4.7 所示。可以看出储
能系统均在低谷时间段即 0 时至上午 7 时充电，储能 SOC 在该时间段逐渐增加，
在高峰时间段[8～11],[17～21]储能系统放电，储能 SOC 在该时间段逐渐降低。
同时还可以看出除了在低谷时段储能自动充电，在高峰时段储能自动放电外，在
平谷时段，储能系统也能合理的自动地充放电。而且从图 4.6 和图 4.7 还可以看
出，2 个位置处的储能全天几乎都在运行，利用率极高，充分利用峰、平、谷电
价差使储能收益最大化。为防止储能电站发生过充和过放，储能 SOC 的变化范
围始终在 0.1～0.95 的范围内，且在一天的初始时刻和末时刻均保持在 0.4，为下
一天储能系统的正常运行作准备。
图 4.6 21 节点的储能充放电功率曲线和 SOC 曲线
图 4.7 39 节点的储能充放电功率曲线和 SOC 曲线
以 39 节点结果为例，加储能系统前的负荷曲线与加储能后的负荷曲线的比
48
较如图 4.8 所示。系统总负荷与加储能后的等效负荷曲线的比较如图 4.9 所示。

从图 4.8 和图 4.9 均可以看出，系统加入储能电站后对负荷有一定的削峰填谷作
用，但作用效果不明显。
1500 原39节点负荷 39节点等效负荷
1300
功率/MW
1100
900
1 3 5 7 9 11 13 15 17 19 21 23
时间/h
图 4.8 39 节点原负荷曲线和加储能后负荷曲线比较图
原负荷等效负荷
8000
功率/MW
7000
6000
5000
1 3 5 7 9 11 13 15 17 19 21 23
时间/h
图 4.9 系统总负荷曲线和加储能后负荷曲线比较图
4.4 本章小结
本章针对高比例可再生能源配电网中的储能选址定容问题，结合风/光/水/储
/常规发电机组五种运行方式的协调互补来消纳平抑风电和光伏发电的间歇性波
动性，降低可再生能源并网对电力系统的影响。提出了一种考虑可再生能源不确
定性的分布式储能电站选址定容方法，建立综合考虑可再生能源出力和系统安全
约束下的解决储能最优选址和定容问题的最优模型。文中假设系统的每个节点都
可以安装储能系统，包括可再生能源发电节点、普通发电机节点和负荷节点，且
49
其功率和容量统一设置一定范围内。
算例以 IEEE-39 节点系统为例进行仿真验证。算例结果表明，本章所提方法
最终可确定配电网储能系统的最佳位置以及在每个位置的储能容量和功率，满足
经济上的合理性，使整个配电网系统的总成本最低；电池储能可用于削峰填谷解
决配电网负荷峰谷差波动大的情况，解决大规模可再生能源消纳和储能电站接入
电网中其投资成本和运行成本过高的问题，提高配电系统整体的经济性；且在电
网中接入储能系统在一定程度上可降低网络损耗，节约储能投资成本。
50
第 5 章结论与展望
5.1 研究总结
本文首先针对当前储能的研究现状以及储能接入电网的可靠性、经济性规划
情况进行了仔细地研究，分析了电网对储能的各种需求，总结了储能接入电网的
多种经济性模型和方法。为了解决新能源并网和负荷需求不断增大而导致的电网
安全稳定运行问题，提出储能选址定容规划模型。通过对电池储能装置建立经济
模型，最终得出了适合用于配电网储能系统最优运行策略及最优容量配置。本文
的主要结论有如下几个方面：
（1）从浙江省电网的实际情况分析浙江省电网对储能的需求，针对储能在
削峰填谷、平滑可再生能源出力以及微电网三个场景的应用研究其储能选址定容
的需求分析模型，并根据储能应用于电网的实际情况，分析了储能并入电网的投
资成本和经济收益。给出了五个储能应用于实际电网的影响案例。
（2）从规划角度考虑储能选址定容问题，考虑储能接入电网的安全性和经
济性问题，提出了一种考虑安全约束的配电网储能选址定容规划方法。建立了以
储能投资成本和运行成本最小为目标的优化模型，采用一个基于 MATLAB 平台
的优化软件 YALMIP 工具箱，直接调用 BNB 求解器对模型求解，求解方式简单
快捷，最终可确定配电网储能系统的最佳位置和容量，使整个配电网系统的总成
本最低。
（3）结合第 2 章配网储能的研究方法和第 3 章的储能选址定容规划研究，
针对储能接入电网的可靠性和经济性上解决配电网中储能的选址定容问题，提出
了一种考虑可再生能源出力不确定性的分布式电化学储能选址定容双层优化模
型。结合风/光/水/储/常规发电机组五种运行方式的协调互补来消纳平抑风电和
光伏发电的间歇性波动性，以降低可再生能源并网对电力系统的影响。采用双层
优化算法对储能选址和容量配置进行优化求解，外层采用分支定界法确定储能的
选址位置，内层采用改进遗传算法得到最优容量配置与储能充放电运行策略，以
IEEE-39 节点测试系统和 MATLAB 仿真软件对所提方法进行仿真验证。结果表
明，本文所提方法最终可确定配电网储能系统的最佳位置以及在每个位置的储能
容量和功率，满足经济上的合理性，使整个配电网系统的总成本最低；当配电网
的负荷峰谷差较大时可利用电池储能实现削峰填谷，解决大规模可再生能源消纳
和储能电站接入电网中其投资成本和运行成本过高的问题，提高配电系统整体的
经济性；且在电网中接入储能系统在一定程度上可降低网络损耗，节约储能投资
51
成本。
本文在配电网储能系统的规划方法的研究上取得了一些较小的成果，主要贡
献为：以间接式可再生消纳最大化，和以储能的投资费用、系统网损费用、储能
盈利的总成本最小为优化目标。综合考虑了系统的安全性和稳定性等其他指标，
加入了交流潮流模型，考虑了储能电站功率与荷电状态变化之间的联系，结合了
上层电网的分时电价，有效解决了储能最优选址定容问题。
但是由于作者的研究水平和编程能力有限，未能实现最理想化的结果。仍存
在以下问题：
（1）第 4 章以经济最优为目标函数，虽能得到综合经济效益最大化的储能
规划方案，但不能同时保证储能削峰填谷作用最大化。
（2）由于暂未持有浙江新昌电网实际电网数据，未以实际电网仿真验证本
文所提方法的可行性。
5.2 研究展望
未来社会将越来越追求环保，新能源与储能在电网中的应用规划必将是未来
必须解决的问题。为了更好的完善本课题的研究，未来还有以下几个工作值得进
一步探索：
（1）考虑以浙江新昌电网为例，仿真验证本文所提方法的可行性。
（2）考虑不同场景下的储能选址定容多目标优化方法。这个不同场景包括
储能参与电网削峰填谷、调峰调频以及缓解电力缺口等。
（3）可在（2）中单场景研究的基础上，考虑满足多场景运行需求的储能控
制策略以及配置研究方法。
（4）改进规划模型的算法研究，提高程序的运行效率和程序结果的正确和
有效性。
由于缺乏政策支持和不够完善的市场体系，我国目前还不能完全实现储能在
电力系统中的广泛应用，但我国市场广阔，未来储能必然会大规模应用于电力系
统领域。本文可为未来储能的配置规划研究提供一定的参考意义和参考价值。
52
致谢
时间太瘦，指缝太宽，二年多的研究生生活很快就要结束了，在论文完成的
最后，我想对曾经给予我支持和帮助的老师、同学以及我的家人表示感谢，谢谢
你们！
首先感谢我的导师曾平良教授，本次论文的研究工作是在曾平良教授的悉心
指导和教诲下完后的。他严谨的教学态度和精益求精的科研精神一直潜移默化地
感染和激励着我。从研究生课程的选定，到科研项目的研究，再到论文选题、论
文撰写和修改等方面，曾老师都给予了我莫大的支持和帮助。两年多来，曾平良
老师不仅给我精心指导学业，而且还无微不至的关怀我的思想和生活情况。而且
跟老师做项目给了我很多锻炼和学习的机会。在此向曾老师致以诚挚的感谢和崇
高的敬意。
其次，感谢杭州电子科技大学自动化学院为我搭建的平台，以及本专业内各
位老师的指导，尤其是章坚民教授的耐心指导，在此，我要向诸位老师鞠一躬表
示感谢。
我还要感谢在一起愉快的度过研究生生活的 232 实验室和 220 实验室的各
位同学们，特别是我同门盛旭喆、丁士东、柴尔烜和我师弟丰俊杰，因为有你们
的支持和帮助才使我克服一个个困难，顺利完成研究生毕业论文。同样在这里请
接受我诚挚的谢意！
最后，感谢我的家人在学习生活等各方面对我的关心和支持，因为他们的关
怀，我才有了源源不断的动力，顺利完成论文的研究工作。
53
参考文献
[1] 郑雪媛. 综合考虑规划和运行的电网侧储能优化配置研究[D].郑州: 郑州大

学, 2019.
[2] 刘冰, 张静, 李岱昕, 等. 储能在发电侧调峰调频服务中的应用现状和前景
分析[J]. 储能科学与技术, 2016, 5(06): 909-914.
[3] 李凯, 马倩, 徐红兵, 等. 储能系统的荷电状态管理策略及其影响评价[J].
电力系统自动化, 2015(8): 27-32.
[4] Yu Z, Zhao Y D, Feng J L, et al. Optimal Allocation of Energy Storage System for
Risk Mitigation of DISCOs With High Renewable Penetrations[J]. IEEE
Transactions on Power Systems, 2013, 29(1): 212-220.
[5] 丁明, 陈忠, 苏建徽, 等. 可再生能源发电中的电池储能系统综述[J]. 电力
系统自动化, 2013, 37(1): 19-25.
[6] 李秀磊, 耿光飞, 季玉琦, 等. 主动配电网中储能和需求侧响应的联合优化
规划[J]. 电网技术, 2016, 40(12): 3803-3810.
[7] 赵金利, 于莹莹, 李鹏, 等. 基于锥优化的储能系统参与配电网运行调节快
速计算方法[J]. 电力系统自动化, 2016, 40(02): 30-35,48.
[8] 叶季蕾, 薛金花, 王伟, 等. 储能技术在电力系统中的应用现状与前景[J].
中国电力, 2014, 47(3):1-5.
[9] 马会萌, 李蓓, 李建林, 等. 适用于集中式可再生能源的储容配置敏感因素
分析[J]. 电网技术, 2014, 38(2): 328-334.
[10] 向育鹏, 卫志农, 孙国强, 等. 基于全寿命周期成本的配电网蓄电池储能系
统的优化配置[J]. 电网技术, 2015, 39(01): 264-270.
[11] Fernandez-Blanco R, Dvorkin Y, Xu B, et al. Optimal Energy Storage Siting and
Sizing: A WECC Case Study[J]. IEEE Transactions on Sustainable Energy, 2016,
PP(99): 1-1.
[12] 刘志雄, 赵一男, 刘丽. 我国大规模储能技术发展预测及分析[J]. 中国高新
技术企业, 2016(19): 79-80.
[13] 中关村储能产业技术联盟 (China Energy Storage Alliance, CNESA )[M].
http://esresearch.com.cn/#/main.
[14] 沈子奇, 裴玮, 邓卫, 等. 考虑电池寿命和运行控制策略影响的风电场储能
容量优化配置[J]. 高电压技术, 2015, 41(07): 2236-2244.
[15] 修晓青, 李建林, 惠东. 用于电网削峰填谷的储能系统容量配置及经济性评
54
估[J]. 电力建设, 2013, 34(2):1-5.

[16] 李昀昊, 王建学, 曹晓宇, 等. 面向风电场–储能–输电网联合规划的机会约
束 IGDT 模型[J]. 电网技术, 2019, 43(10):3715-3724.
[17] 刘婧珂, 吉培荣, 刘浩, 等. 基于差分进化粒子群算法的储能系统容量优化
[J]. 电力科学与工程, 2019, 35(7): 35-41.
[18] Leou R. An economic analysis model for the energy storage systems in a
deregulated market[C]. 2008 IEEE International Conference on Sustainable
Energy Technologies, 24-27 Nov. 2008, 2008: 744-749.
[19] Oudalov A, Chartouni D, Ohler C. Optimizing a Battery Energy Storage System
for Primary Frequency Control[J]. IEEE Transactions on Power Systems, 2007,
22(3): 1259-1266.
[20] Zhong S, Qiu J, Sun L, et al. Coordinated planning of distributed WT, shared BESS
and individual VESS using a two-stage approach[J]. International Journal of
Electrical Power and Energy Systems, 2020, 114.
[21] Liu W, Niu S, Xu H. Optimal planning of battery energy storage considering
reliability benefit and operation strategy in active distribution system[J]. Journal
of Modern Power Systems and Clean Energy, 2017, 5(2): 177-186.
[22] Galvan E, Mandal P, Haque A U, et al. Optimal Placement of Intermittent
Renewable Energy Resources and Energy Storage System in Smart Power
Distribution Networks[J]. Electric Power Components and Systems, 2017, 45(14):
1543-1553.
[23] Makarov Y V, Du P, Kintner-Meyer M C W, et al. Sizing Energy Storage to
Accommodate High Penetration of Variable Energy Resources[J]. IEEE
Transactions on Sustainable Energy, 2012, 3(1): 34-40.
[24] Solomon A A, Kammen D M, Callaway D. The role of large-scale energy storage
design and dispatch in the power grid: A study of very high grid penetration of
variable renewable resources[J]. Applied Energy, 2014, 134.
[25] Bose S, Gayme D F, Topcu U, et al. Optimal placement of energy storage in the
grid[C]. Decision & Control, IEEE, 2012.
[26] 韩辉. 基于可靠性评估的电网规划研究[D].杭州: 浙江大学, 2010.
[27] 刘宁. 基于自调节遗传算法的配电网可靠性规划[D].天津: 天津大学, 2009.
[28] 王浩浩. 配电网可靠性规划及其技术评估方法研究[D].广州: 华南理工大学,
2012.
[29] 鲍晓慧, 侯慧. 电力系统可靠性评估述评[J]. 武汉大学学报(工学版), (4): 98-
55
103.
[30] 冯明灿, 邢洁, 方陈, 等. 储能电站接入配电网的可靠性评估[J]. 电网与清
洁能源, 2015, 31(06): 93-96,103.
[31] 涂炼, 刘涤尘, 廖清芬, 等. 计及储能容量优化的含风光储配电网可靠性评
估[J]. 电力自动化设备, 2015, 35(12): 40-46.
[32] 谢开贵, 王岸, 胡博. 计及储能设备运行策略的风／柴／储混合系统可靠性
评估[J]. 电力系统保护与控制, 2012, 40(9): 1-7.
[33] 孟虹年, 谢开贵. 计及电池储能设备运行特性的风电场可靠性评估[J]. 电网
技术, 2012.
[34] 刘宇男. 新能源发电系统中混合储能系统优化控制的研究[D].吉林: 东北电
力大学, 2017.
[35] Zhang X, Bie Z, Li G. Reliability Assessment of Distribution Networks with
Distributed Generations using Monte Carlo Method[J]. Energy Procedia, 2011,
12(none): 0-286.
[36] Bhattarai S, Karki R, Piya P. Reliability and economic assessment of compressed
air energy storage in transmission constrained wind integrated power system[J].
Journal of Energy Storage, 2019, 25.
[37] 张华民, 周汉涛, 赵平, 等. 储能技术的研究开发现状及展望[J]. 能源工程,
2005(3): 1-7.
[38] 丁明, 张颖媛, 茆美琴, 等. 包含钠硫电池储能的微网系统经济运行优化[J].
中国电机工程学报, 2011, 31(4): 7-14.
[39] 程林, 焦岗, 田浩. 可靠性与经济性相协调的配电网规划方法[J]. 电网技术,
2010, 34(11): 106-110.
[40] 肖浩, 中国科学院电工研究所, 肖浩, 等. 计及电池寿命和经济运行的微电
网储能容量优化[J]. 高电压技术, 2015, 41(10): 3256-3265.
[41] 韩晓娟, 程成, 籍天明, 等. 计及电池使用寿命的混合储能系统容量优化模
型[J]. 中国电机工程学报, 2013, 33(34).
[42] 配电网中蓄电池储能系统的价值评估模型[J]. 电力自动化设备, 2013, 33(2):
57-61.
[43] Sortomme E, El-Sharkawi M A. Optimal Power Flow for a System of Microgrids
with Controllable Loads and Battery Storage[C]. Power Systems Conference and
Exposition, 2009 PSCE '09 IEEE/PES, 2009.
[44] Kaldellis J K, Zafirakis D. Optimum energy storage techniques for the
improvement of renewable energy sources-based electricity generation economic
56
efficiency[J]. Energy, 2007, 32(12).

[45] Chacra F A, Bastard P, Fleury G, et al. Impact of Energy Storage Costs on
Economical Performance in a Distribution Substation[J]. IEEE Transactions on
Power Systems, 2005, 20(2): 684-691.
[46] Rau N S, Taylor B. A Central Inventory of Storage and Other Technologies to
Defer Distribution Upgrades - Optimization and Economics[J]. IEEE Transactions
on Power Delivery Pwrd, 1998, 13(1):194-202.
[47] Zheng Y, Dong Z Y, Luo F J, et al. Optimal Allocation of Energy Storage System
for Risk Mitigation of DISCOs With High Renewable Penetrations[J]. IEEE
Transactions on Power Systems, 2014, 29(1): 212-220.
[48] Atwa Y M, El-Saadany E F. Optimal Allocation of ESS in Distribution Systems
With a High Penetration of Wind Energy[J]. IEEE Transactions on Power Systems,
2010, 25(4): 1815-1822.
[49] Alharbi H, Bhattacharya K. Stochastic Optimal Planning of Battery Energy
Storage Systems for Isolated Microgrids[J]. IEEE Transactions on Sustainable
Energy, 2017:1-1.
[50] Hessami M-A, Bowly D R. Economic feasibility and optimisation of an energy
storage system for Portland Wind Farm (Victoria, Australia)[J]. Applied Energy,
2011, 88(8): 2755-2763.
[51] Yang Y, Li H, Aichhorn A, et al. Sizing Strategy of Distributed Battery Storage
System With High Penetration of Photovoltaic for Voltage Regulation and Peak
Load Shaving[J]. IEEE Transactions on Smart Grid, 2014, 5(2): 982-991.
[52] Deeba S R, Sharma R, Saha T K, et al. Evaluation of technical and financial
benefits of battery-based energy storage systems in distribution networks[J]. IET
Renewable Power Generation, 2016, 10(8): 1149-1160.
[53] 牛文迪. 电池储能参与电网削峰填谷优化策略研究[D].哈尔滨: 哈尔滨工业
大学, 2018.
[54] 周明, 李琰, 李庚银. 基于随机生产模拟的日前发电–备用双层决策模型[J].
电网技术, 2019(5): 1606-1613.
[55] 孙伟卿, 裴亮, 向威, 等. 电力系统中储能的系统价值评估方法[J]. 电力系
统自动化, 2019, 43(08): 47-58.
[56] 张熙, 张峰, 巩乃奇, 等. 基于荷电状态动态调整的储能电站容量规划[J].
电力自动化设备, 2015, 35(11).
[57] 刘畅, 卓建坤, 赵东明, 等. 利用储能系统实现可再生能源微电网灵活安全
57
运行的研究综述[J]. 中国电机工程学报.
[58] 福建安溪移动式储能电站[J]. 能源与环境, 2018(03): 62.
[59] ESCN 中国储能网[M]. http://www.escn.com.cn/news/show-219335.html.
[60] 美国电力储能发展的经验与启示[M]. http://www.chinasmartgrid.com.cn/news/
20131106/470437-3.shtml.
[61] 丁明, 王波, 赵波, 等. 独立风光柴储微网系统容量优化配置[J]. 电网技术,
2013, 37(3): 575-581.
[62] Spangler R, Shoults R. Power Generation, Operation, and Control [Book
Review][J]. IEEE Power & Energy Magazine, 2014, 12(4): 90-93.
[63] 俞武扬. YALMIP 工具箱在运筹学实验教学中的应用[J]. 实验室研究与探索,
2015, 33(6): 915-919.
[64] 戴江涛. Yalmip 优化工具箱及其在控制理论中的应用[J]. 江西科学, 2015, 33
(06): 915-919.
[65] yalmip + lpsolve + matlab 求解混合整数线性规划问题（MIP/MILP）[M].
https://blog.csdn.net/mucai1/article/details/39471865.
[66] Ho T-Y, Liu S, Zabinsky Z B. A branch and bound algorithm for dynamic resource
allocation in population disease management[J]. Operations Research Letters,
2019, 47(6).
[67] Quesada I, Grossmann I E. An LP/NLP based branch and bound algorithm for
convex MINLP optimization problems[J]. Computers & Chemical Engineering,
1992, 16(10-11): 937-947.
[68] 宋若辰. 班轮公司集装箱空箱在途库存控制研究[D].上海: 上海交通大学,
2012.
[69] 曹年林. 与大规模新能源发电相适应的用户侧联合调峰技术研究[D].北京:
北京交通大学, 2015.
[70] 曲春辉, 孙文文, 陶思钰, 等. 考虑电动汽车接入的风/光/水/储灵活性资源
系统优化匹配研究[J]. 电气应用, 2019, 38(1): 71-77.
[71] 于群，曹娜. 普通高等教育“十二五”电气信息类规划教材 MATLAB Simulink
电力系统建模与仿真[M]. 北京：机械工业出版社, 2013.
58
附录：攻读学位期间参加的科研项目和成果
一、发表的学术论文
[1]. 第二作者. YIKAI SUN, QIAN DING, HAO XING, et al. Optimal Placement and
Sizing of Grid-scale Energy Storage in Distribution Networks with Security
Constrains[C]. 2018 International Conference on Power System Technology
(POWERCON 2018), 2018, 1477-1482.
[2]. 第一作者. 丁倩, 曾平良, 孙轶恺等. 一种考虑可再生能源不确定性的分布
式储能电站选址定容规划方法[J]. 储能科学与技术, 2019.
二、申请的发明专利
[1]. 第二申请人. 毛颖兔, 丁倩, 徐谦等. 一种考虑可再生能源出力的分布式储
能选址定容方法. 国家知识产权局, 201910217566.2 [P]. 2019. 已公开.
[2]. 第一申请人. 丁倩, 曾平良. 一种考虑减小峰谷差的储能选址定容多目标优
化方法. 国家知识产权局, 201910491356.2 [P]. 2019. 已公开.
三、参加的科研项目
[1]. 现代电网中应用和应对储能电站的关键技术, 国家电网浙江省电力公司科技

项目（5211JY17000N）, 负责人. 2018 年 6 月至 2019 年 12 月.
59

考虑可再生能源不确定性的储能选址定容规划方法研究 丁倩

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

考虑可再生能源不确定性的储能选址定容规划方法研究 丁倩

Uploaded by

Copyright:

Available Formats

硕 士 学 位 论 文

A Grid Electrochemical Energy Storage

Candidate: Ding Qian

The large-scale integration of renewable energy with randomness and volatility

Keywords: renewable energy integration, optimal energy storage siting and

2.5 本章小结 ....................................................................................................... 27

不同储能有不同的储能特性，表 1.1 将几种不同储能技术的相关参数进行比

储能类型 典型功率 持续时间 应用场景

电化学储能 容量 功率 循环寿命 效率 功率成本 容量成本

图 1.2 截至 2017 年全球储能累计装机规模

1500 1272.3 100%

图 1.3 2008-2017 年全球电化学储能总装机规模

如图 1.5 所示，2017 年全球新增投运电化学储能项目应用领域分布占比最大

图 1.5 2017 年全球新增投运的电化学储能项目的应用领域分布图

如图 1.7 所示，根据 2017 年全球新增投运的电化学储能项目技术分布来看，

图 1.7 2017 年全球新增的电化学储能项目分布图

2017年调度最大负荷 2016年调度最大负荷2 2016年月最大峰谷差率

图 2.1 1-8 月用电负荷特性指标对比

2017 年 1～8 月尖峰持续时间有所增加。其中，90%最大负荷为 6703 万千

最大负荷为 7224 万千瓦，大于等于该负荷的持续时间为 20 小时，同比增长 7 小

式中， Pmax 为浙江电网的最大负荷，  为电网所处年份，拟合曲线的确定系

图 2.2 2020 年最大日负荷曲线

2017 年 6 月 21 日最高温度为 24.8℃，最低温度为 22.1℃，平均温度 23℃.

最大负荷 基本负荷 夏季降温负荷

图 2.3 2017 年夏季降温负荷（估计）曲线

年份 2018 2021 2022 2023 2024 2025 十四五

根据规划，到“十四五”末浙江省境内装机总容量为 11974 万千瓦，其中常

千瓦时，浙江公司消纳其中的 50%；2018 年灵绍直流按照夏季最大供电能力 600

负荷 2021年 2022年 2023年 2024年 2025年

负荷 2021年 2022年 2023年 2024年 2025年

发电侧 电网侧 用户侧

0：00 6：00 12：00 18：00

式中， Pi ,c 和 Pi ,d 为 i 节点上的第 t 个时间段储能充放电功率， q peak 和 qvalley 为

Pb = [ Pb ,1 , Pb ,2 ,...Pb ,t ,...Pb ,T ]T (2.4)

式中， Pl ,t 为实际电网负荷； Pb 为储能系统对外功率构成的向量； Pb ,t 为储能

式中， t1 、 t 2 为日弃风开始和结束时间， Wwind 为为日储能系统多消纳的风

式中， Pw (t ) 为风电输出功率， NF 为风场内风机的个数， pwN 为风机的额定

PWi ,,+t = Plim,

对电网调度的偏差下限和上限， PWi ,,−t 和 PWi ,,+t 分别为储能参与平滑风电场功率输出

Wcheck = (0.8 − x) PNi t (2.14)

M check = qW , feedWcheck (2.15)

式中， PPi ,t 为 i 节点上风电场第 t 个时间段的日前风电功率预测值， PNi 为风电

M i _ B = N .1.C0 + N . 2 .C0 .m (2.17)

式中，M i _ C 为储能运行成本、M i _ R 为储能单元的置换成本，M i _ B 为储能的

经济性目标 利用率目标 可靠性目标

微电网全寿命周 可再生能源利用 平抑能源功率波

CINI 是前期建设的储能初始投资成本， Ciini 是第 i 个储能的初始成本， N 是

Ciom 为设备 i 的维修成本，  i 和 Fi 分别是设备 i 使用的燃料单价和燃料用量，

 k 、Ekgrid 、k 和 Ekpen 分别是时段内电网的交易市价、微电网和电网的交易电量、

式中， C i 表示第 i 储能系统的容量， pi ,C 表示单位容量成本， Pi 表示储能系

式中，Tlife 为储能电池在正常充放电深度下的循环寿命， Lcyc _ year 为年充放电

式中， C i 表示第 i 储能系统的容量， pi ,C 表示单位容量成本， Pi 表示储能系

式中，m 为储能系统的年投运总次数，R 是上一级变电站到储能安装位置的

式中，qq ,t 为分时电价，Pb ,t 为充放电功率，M1 表示储能系统低储高发套利。

式中，aux 为储能调峰标准补偿费用，Ploss ,t 和 Ploss

式中， PES 为储能系统的功率， pg _ vest 为常规发电机组单位功率成本， qout 为

式中， mg ,t 代表储能系统减少单位峰值功率得到的政府补贴； max(0, Pb ,t ) 为

式中， pRE 为由于电力故障导致停电时补偿给用户的费用， PAV 为用户在停

剩余电量 Erate -Ed

式中， Erate 代表电池的额定总电量， Ed 代表电池释放的总电量。

式中，S (t ) 是第 t 个时刻的储能电站的荷电状态， 是自放电率，Pi c 和 Pi d 分

式中，N bus 为系统节点数， p 是储能电站的单位容量造价，q(t ) 是 t 时刻的电

Qi = Vi  V j (Gij cos ij − Bij sin ij ) (3.10)

考虑可再生能源不确定性的储能选址定容规划方法研究丁倩

考虑可再生能源不确定性的储能选址定容规划方法研究丁倩

硕士学位论文

储能类型典型功率持续时间应用场景

电化学储能容量功率循环寿命效率功率成本容量成本

最大负荷基本负荷夏季降温负荷

发电侧电网侧用户侧

经济性目标利用率目标可靠性目标

微电网全寿命周可再生能源利用平抑能源功率波

400 原负荷等效负荷

编号负荷时段时间/h 电价（万元/MW.h）