马啸远，孟中强，姚天亮，李 飞

（中国能源建设集团甘肃省电力设计院有限公司，兰州730050）

国外能源研究机构通过调研市场能源需求数据，对其储存容量进行扩增，文献[1]通过设计松弛调峰储能系统增加了能源储存容量，利用多目标能源消纳方式控制缩减能源消耗量，采用灰色PSO 算法显示储能系统中的能源消耗量数据，达到储存监测的目的。但这种方式占据了大量的能源空间，加大了储存空间压力；文献[2]设计多区域热网储能模型划分出多种储能区域，利用凸多面体抽象域技术压缩能源储存空间，利用Tent 映射混沌优化算法统计能源储存过程数据，解决能源储存空间过大的问题。但这种方法存在一定的安全隐患，空间压力过大导致储能装置不稳。

针对上述研究的分布式能源储能技术出现的问题，本文根据现场调研数据，设计分布式能源储能系统，对其储能模型，能源传输方式进行技术化改进，并采用算法程序控制系统的均衡，保证储能系统的稳定。

1 分布式能源储能系统

针对上述技术的不足，本研究设计微网储能拓扑模型，制定最佳能源运输方式，设计逻辑运输方式，采用Nash 均衡算法保证能源储存系统的稳定，实时显示储能罐中的压力数据和能源数据，增强其安全性[3]，分布式能源储能系统如图1所示。

图1 分布式能源储能系统Fig.1 Distributed energy storage system

本文设计的分布式能源储能系统采用非接线电磁传递的方式进行数据传输，利用无线网络和C卡读取的方式完成控制判断，主要控制单元为能源服务器、智能主机和移动终端，三者之间通过无线网络完成能源服务器与智能主机的数据交互，智能主机与移动终端的交互，能源服务器与移动终端通过逻辑通道连接。指令控制室负责分布式能源管理模块的指令调度和运营管理，能源供应线路采用新型逻辑线路运输方法，通过LED 屏显示实时数据变化，利用触摸键盘的方式对系统模块进行操控[4]。能源储能管理核心技术为微网储能拓扑模型，通过储能模型结构完成分布式能源的储能设计，解决传统储能方式存在的问题。微网储能拓扑模型数据一般由C 卡和非接卡方式完成读取，根据C 卡读取数据制定能源逻辑运输线路，非接卡预读过程主要完成能源模型数据预测，通过无线IC 传输的方式为终端设备提供参考；同时模型输出数据通过USB 通信的方式完成与PC 端口的对接，形成模型与应用端口的互连设计。在此结构中由Nash 均衡模块和数频接入模块完成能源储能管理的视频监控，同时数频接入数据通过能源传输记录在微机数据库中[5]。

2 微网储能拓扑模型

根据现阶段能源储能方式进行分析，通过了解能源产出、储存和应用量进行设计，对其储存方式通过微网储能拓扑模型结构完成储能装置的改进，极大提高了储能容量，微网储能拓扑模型如图2所示。

图2 微网储能拓扑模型Fig.2 Microgrid energy storage topology model

微网储能拓扑模型在现有储能结构的前提下进行设计，将能源储存方式进行分布式改进，主要作用设备为静态开关、主隔离网设备、断路器和潮能控制器，静态开关通过定时器控制能源管理系统的运行；主隔离设备将能源变电站与储能系统分割；断路器对微电网调度线路进行保护[6]；潮能控制器负责控制能源的涌入量。微网储能模型将能源管理器、各终端负荷、储能装置和变电站相互结合，既完成能源的分布式储能过程，又实现了能源与电网的联网控制，是分布式储能系统的核心技术结构。微网储能类型包括微型燃料能源、风电能、光热能和微电池能源等各项新能源类型，而这些能源的保存形式主要通过能源机组来完成，根据能源类型的不同选取相应的储能方式，能够适应能源个体间的特点完成储能[7]。根据输入的能源类型将储能方式分为能耗型和储存型两种，能耗型储能方式储存时间短暂，更新换代速度较快，一般具有需求量高，应用范围广的特点；储存型储存时间长，更换速度缓慢，一般具有储存量大，应用范围小的特点。

微网储能拓扑模型的建立使储能过程能够根据不同的能源类型进行特定储存，对不同能源产生的负荷进行分类控制，使负荷达到输出标准[8]。在拓扑模型设计过程采用多项先进技术和设备，实现大规模能源的合理储存，同时保证储存能源的顺利输送，是建立逻辑运输线路的前提条件。

3 能源逻辑运输方式

通过分析系统储能量和能源类型，对不同能源的利用设计逻辑运输过程，以保证储存的能源以最快速度运输到所需部门，通过设置多种信号控制线路中的能源流向，并对储能余量进行监测，能够有效地防止能源浪费[9]。能源逻辑运输方式如图3所示。

图3 能源运输方式Fig.3 Energy transport modes

逻辑化能源运输线路由多个逻辑控制装置组成，首先对微网模型储能罐中的能源进行计量，根据需求量和储存量确定运输策略，通过逻辑控制确定储存位置；逻辑配送确定运输方式；数字驱动确定送达位置，并与控制系统完成指令交互[10]。能源计量装置能够完成微网储能罐的余量检测，将检测量输入到逻辑控制和配送单元，为能源的运输提供支持。保护装置负责维护逻辑运输线路安全，系统出现问题能够及时反应，避免造成装置损坏，能够及时切断需求侧的能源供应。逻辑配送与数字驱动两侧设置紧急预警信号，主要针对余量检测异常强行停止运输，避免逻辑线路的过量运输[11]。

能源分配策略的制定通过转换能源计量数据完成微网能源的储量和余量信号测定，余量检测根据测定的信号进行能源逻辑的控制，主要通过控制信号和逻辑信号完成。整个能源逻辑的运输实现了微网储能模型的完美配送，能够对需求侧提供的能源需求量进行设计，完成分布式能源的逻辑控制，通过测定的各种信号完成能源分配，形成最有效的能源利用方式。

4 Nash 均衡算法

纳什均衡（Nash equilibrium）主要对存在关联的事物形成博弈局面，在博弈过程中个体间的变化会导致整体的变动，而若个体改变状态，则博弈中的其它个体均不会发生改变，即在群体性管理中必存在Nash 平衡。在此时间内模型收录的能源函数为

式中：F表示储能模型收录的能源类型函数；vt表示储能时间内能源类型分析时间；π 表示不同类型的能源录入参数；Cge，Cgc和Cgp表示风电能、光热能和微电池能源函数式。

根据模型中录入能源的参数进行Nash 均衡整定，其整定函数表示为

经过Nash 均衡之后储能系统中的能源保持稳定，此时设定的能源储存指标为

对于均衡的能源储能系统，若进行能源供应，需保证供应策略的最优化，本文通过ε-greedy公式制定并执行。

对制定的最优能源供应策略进行分析，通过对比不同状态下有效率差确定制定策略函数的优越性，即：

式中：ΔQ表示能源有效供应差值；表示均衡状态下的能源供应有效率；表示未达均衡状态的能源供应有效率；σ 表示能源市场允许的最大供应差。

5 试验结果与分析

实验过程在Intel i9 9600KF 计算机，4.0 GHzCPU和64+128 GB 内存双核PC 机运行。现场实验环境设置，实验采集信号为数据采集器，监控方式为摄像监控，传输方式WLAN 5G 信号传输，信号传输速率＞4.5 MB/s，算法程序运算误差＜1.5%。在此环境下进行实验，参数配置如表1所示。

表1 环境参数与配置软件Tab.1 Environmental parameters and configuration software

本设计试验对蓄电池组诊断技术进行研究，根据实验数据分析，对同种型号的电池容量和诊断精度进行实验，根据Proteus 仿真软件对实际工作过程进行仿真演示，分布式储能系统仿真如图4所示。

根据图4 仿真结果对比各设计方案具体效果，根据式（4）计算能源有效率，将实验中各项参数统计数据。进而验证本研究的有效性，将实验结果汇总数据表，最终显示分布式储能系统数据记录如表2所示。

图4 分布式储能系统仿真图Fig.4 Simulation diagram of distributed energy storage system

表2 分布式储能系统数据记录Tab.2 Distributed energy storage system data record

通过表2 数据分析，本设计采用的分布式能源储能系统的储能容量为867.59 MW，最大能源利用率达到88.3%，计算误差为0.86%；因此本研究对能源储能技术的设计具有较高可行性。

根据实验结果显示3 种不同方案的储能容量条形图，通过对比方式分析各系统容量差值，系统储能容量条形图如图5所示。

图5 系统储能容量条形图Fig.5 Bar graph of system energy storage capacity

图5 为3 种不同储能方案的储能容量条形图，其中本设计最大储能容量为867.59 MW；文献[1]采用的松弛调峰储能系统最大储能容量为764.46 MW；文献[2]设计的多区域热网储能方式最大储能容量为621.78 MW。本研究储能系统容量最大。

通过对比各设计方案的能源利用率，进一步完成对比实验，根据VMWare Player 16 软件实现能源的虚拟储能过程，得到系统能源利用率曲线对比如图6所示。

图6 系统诊断精度曲线Fig.6 System diagnostic accuracy curve

通过对比发现3 种系统能源利用率随储能容量的变化而变化，本研究系统在储能容量为400 MW时，能源利用率为70%，储能容量为1000 MW 时，能源利用率为85%，能源利用率最高为88.3%，此时储能容量为867.59 MW；文献[1]能源利用率最高为74.6%，文献[2]能源利用率最高为68.1%。因此本研究储能容量最大，能源利用率最高，计算误差最小，体现出本设计储能方案的优越性。

6 结语

本文对分布式能源的储能技术进行研究，设计微网储能拓扑模型提高系统储能容量，将输入量较多的能源进行分布式储存，同时设立不同的负荷标准，使储能容量达到最大。对能源的供应线路进行设计，通过逻辑控制的方式制定最优运输线路，提高能源利用率，保证分布式能源的绿色发展。利用Nash 均衡算法控制能源罐中的平衡，使能源的流入和流出尽可能减小对储能系统的影响，并通过公式计算能源供应有效性，提高系统能源分配的信服力。但是本研究在实验过程中仍存在问题，能源分布太多导致管理松散，储能均衡过程影响能源送达时间等问题仍待解决。