现代电力系统中的分布式电池储能：面向变电站自治扩展与剩余负荷平抑的人工智（Artificial Intelligence, AI）能驱动优化——应用于高压/中压（HV/MV）公用变电站

《Journal of Energy Storage》：Distributed battery energy storage in modern power systems: Artificial-intelligence-driven optimization for utility-substation autonomy expansion and residual load flattening

　　

孤立电力系统中光伏（Photovoltaic, PV）的高渗透率会导致午间反向功率流、可再生能源弃电、变压器/线路过载及陡峭的晚峰爬坡需求。本文提出并验证了一种安装于高压/中压（High Voltage/Medium Voltage, HV/MV）公用变电站的分布式电池储能系统（Battery Energy Storage System, BESS）分散式、含预测信息（forecast-in-the-loop）运行框架，通过凸启发式-人工智能（Convex-Heuristic-Artificial Intelligence）——即线性规划（Linear Programming, LP）-遗传算法（Genetic Algorithm, GA）-深度神经网络（Deep Neural Network, DNN）协同工作流——实现优化。其目标是在多母线输电系统上获得最优分散式BESS调度曲线，以在变电站层级削减电网输入功率与PV反向输出功率。与通用的馈线平滑或成本最小化研究不同，本文提出的优化目标明确针对变电站边界处日接近零净需求（daily near-zero net demand），从而提升本地可再生能源自发自用比例，并间接平抑常规发电机组所见的系统级剩余负荷（residual load）。研究人员采用塞浦路斯岛孤网电力系统中50座HV/MV变电站的真实30分钟净负荷数据进行测试，并对PV盈余最大的五座变电站进行详细评估。假定每座选定变电站配置20 MW / 80 MWh BESS，结果表明：年输入电能减少约15–60%，年反向流/输出电能减少约60–90%，常规发电机组聚合日均爬坡率（ramp rate）降低约16%。研究结果表明，分散式变电站级BESS运行可实质性提升本地需求自治（local demand autonomy）并缓解鸭子曲线（duck curve）效应，使分布式可再生能源更易适应传统及孤立电力系统。

论文解读：分布式电池储能系统(BESS)在现代化电力系统中基于AI驱动的优化——面向公用变电站自治扩展与剩余负荷平抑

《Journal of Energy Storage》刊载的本研究由Giorgos S. Georgiou、Pavlos Nikolaidis与Paul Christodoulides完成。研究背景指出，孤立电力系统中光伏（Photovoltaic, PV）高渗透引发午间反向功率流（reverse power flows）、变压器与线路重载、可再生能源弃电及晚峰陡升爬坡（ramp-up）需求，限制了电网对分布式可再生能源（Renewable Energy Source, RES）的接纳能力。现有电池储能系统（Battery Energy Storage System, BESS）研究多聚焦馈线级削峰填谷、电压调节或网损/成本最小化，缺乏在高压/中压（High Voltage/Medium Voltage, HV/MV）变电站节点明确追求日净需求趋零（near-zero daily net demand at substation boundary）即变电站自治（substation autonomy）的分散式运行框架。为此，研究人员提出一种含预测信息（forecast-in-the-loop）的混合优化管线，结合线性规划（Linear Programming, LP）、遗传算法（Genetic Algorithm, GA）与深度神经网络（Deep Neural Network, DNN），以各HV/MV变电站净负荷预测值为基础，自适应调整LP权重，获取使变电站与输电网双向功率交换最小化的BESS充放电计划，并在塞浦路斯配电系统运营商（Distribution System Operator, DSO）提供的50座132/22–11 kV变电站真实30分钟净负荷数据上验证。案例选取PV渗透最高且具典型午间净负值的5座变电站（Cluster 3），假定各配20 MW / 80 MWh BESS。结果表明该框架可使年输入电能降15–60%、年PV反向流出电能降60–90%、系统常规机组日均爬坡率降约16%，同时实现变电站级自发自用最大化和系统级鸭子曲线（duck curve）平抑。该研究表明分散式变电站边界BESS调度可在无集中协调下产生系统级剩余负荷（residual load）平抑效益，对高PV渗透孤立及未来互联系统具有重要工程参考价值。

主要关键技术方法：

研究人员采用塞浦路斯DSO提供的50座HV/MV（132/22–11 kV）变电站全年30分钟分辨率净负荷（负荷减PV发电）实测数据，经k-means聚类识别高PV渗透Cluster 3变电站并选取盈余最大的5座。建立以最小化网侧导入（P_grid,im）、导出（P_grid,ex）、BESS充电（P_bat,ch）、放电（P_bat,dis）及荷电状态（State of Charge, SoC）惩罚项为目标的LP模型，变量经归一化处理并保证充放/进出功率互斥（由约束保证全局最优解下不同时发生）。GA以LP输出之日净交换能量最小为适应度函数，搜索LP权重系数（w_im、w_ex、w_ch、w_dis、w_s），约束权重和为1且均正、进出权重和不小于BESS权重和。各变电站独立训练全连接DNN，输入前24 h净负荷、星期及时刻，输出未来24 h 30分钟净负荷预测值，超参数经贝叶斯优化确定。DNN预测驱动GA求取当日最优LP权重，LP给出理想调度曲线后由System Advisor Model（SAM）计算考虑效率与SoC动态的实调度，每日滚动更新并以当日末SoC作为次日初值，各变电站独立并行求解。

研究结果：

3. Case study results

基于塞浦路斯输电系统单线图与地理分区描述，五座选定变电站位于PV高渗透城市区域。模拟显示假定20 MW/80 MWh BESS可吸收午间PV过剩功率。年度逆向PV能量（无BESS时约5–13 GWh/站）经所提方法削减60–90%。五站合计年输入电能降约21%、年输出电能降约62%。

3. Case study results（净需求剖面与BESS运行）

各月日均净需求曲线表明BESS显著填平午间负谷（反向流）与晚间正峰，趋近零净需求，变电站自治增强；日均谷值（12:00）与峰值（19:00）分别削减约3.5 MW/天与2.7 MW/天。BESS功率与SoC（State of Charge）时序显示高PV低负荷月份（4–6月、9–10月）利用率最高，所有BESS呈现午间充电、早晚放电的一致模式，最大化本地REG（Renewable Energy Generation）自用。

3. Case study results（系统级残余负荷与爬坡）

虽未显式优化系统剩余负荷，分散BESS使全网常规机组所见负荷曲线变平。日均爬坡量ΔP从181 MW降至152 MW，爬坡率ΔP/h从~26 MW/h降至22 MW/h，降幅约16%；晚峰陡升（鸭子曲线效应）被缓解，午间填谷与晚峰削峰共同降低热电机组调节压力。

4. Operational robustness and real-world deployment considerations

统计验证（配对检验、置信区间）表明各站输入输出能量显著减少且结果对季节波动稳健。灵敏度分析（同步缩放PV与负荷±20%）显示净交换均值、峰值与标准差持续下降，高PV站出口削减更显著。最恶劣PV/负荷组合下框架仍维持降反向流效果。BESS运行模态（午充晚放）四季一致。框架仅需本地量测（净负荷、PV估算、SoC），兼容既有SCADA/能量管理系（Energy Management System, EMS），通信依赖低，具边缘控制（edge-control）架构特征，可耐受通讯中断。

讨论与结论翻译：

本研究表明，在高压配电变电站多点分布式安装BESS是通过本地可再生能源时段转移以降低输电网双向功率交换、提升变电站能量自治的有效途径。五座高PV盈余变电站案例显示年输入电能削减15%–60%、年PV反向流出削减60%–90%。BESS受控于午间PV过剩时充电、晚间或低PV时放电，削弱反向功率流与高峰输入。分散独立控制的BESS还可降低常规机组午–晚爬坡需求、削平系统午间谷值与晚峰，使常规机组调度更高效经济，本案例中日均爬坡与爬坡率整体降低约16%。当前逐站顺序独立运行在大规模扩展时存计算瓶颈，未来拟并行化及扩展至多站联合目标函数、纳入交流最优潮流（AC Optimal Power Flow, AC-OPF）约束及BESS选址定容协同优化。

以上内容均浓缩自原文，未添加推测信息。专业术语首次出现标注英文缩写，保留原文上下标格式。