考虑双馈机组无功调节能力的海上风电场无功优化

针对目前海上风电场运行时大量无功传输会引起有功损耗增加的问题,分析了海上风电场集电系统各电气设备的无功特性,以及双馈风电机组(doubly fed induction generator,DFIG)无功出力约束、风速变化对风电场内部无功潮流影响,提出了在保证最大风能利用的前提下将双馈风力发电机组作为连续无功源参与风电场无功补偿的方式,在保证风电场内部节点电压质量的前提下同时获得风电场内部网损最小的目标。以各风电机组的无功实时输出值为控制对象,将风电场无功优化问题转换为一个多变量、多约束的非线性混合优化问题,并采用粒子群优化算法(particle swarm optimization algorithm,PSO)进行求解。算例结果验证了该方法的有效性。     

含风电场的配电网无功优化策略研究

针对传统的配电网无功优化调节手段离散化、难以实现电压的连续调节等问题,研究了含风电场的配电网无功优化模型和算法,分析了双馈感应电机的无功发生能力,将风电场作为连续的无功调节手段参与配电网无功优化。并针对风电出力随机性的特点,用场景功率描述风电的随机出力,使之更具代表性。考虑了配电网的网损、电压偏差以及电压稳定性指标,建立了多目标无功优化模型。提出了基于量子粒子群算法(QPSO)的无功优化方法,该算法通过波函数描述粒子的状态,增加了种群的多样性,有效地避免了种群早熟等问题。用该算法对改进的IEEE33节点进     

基于粒子群优化算法的动态无功优化

提出了用于电力系统动态无功优化的粒子群优化算法(PSO),应用一个时间优先级序列来选择有载调压变压器分接头和可投切并联电容器组的动作时刻,将动态无功优化转化为一系列的静态无功优化问题.针对每一个时刻的静态优化,用罚函数将有约束问题转化为无约束问题,最后用粒子群优化算法加以解决.算例充分验证了本算法的正确性和有效性,以及在限制控制设备动作次数方面取得的成功,适用于解决动态无功优化问题.     

基于相邻经验粒子群算法的风电场集群无功电压分层控制策略

针对风电场集群的运行特点,提出了一种适用于风电场集群的无功电压分层控制策略。该策略分为2层:整定层根据风电场集群并网点电压确定所需无功功率;分配层利用风场各支路中节点电压确定参与无功功率分配的风机数量,计算风机和补偿设备的无功功率。分配层降低了优化算法的输入量,提高了收敛速度。同时提出了一种基于上述控制策略特点的改进粒子群算法-相邻经验粒子群算法,该算法通过在速度更新公式中加入相邻风机支路的优化结果,进一步提高算法的收敛速度。算例分析表明,该策略在提高优化算法收敛速度的基础上,能够对风电场集群内的节点电压及网损进行优化。     

基于场景概率潮流的电力系统无功优化研究

多风电场出力的随机性和互相关性特点对电力系统无功优化调度有着不可忽视的影响。针对这一问题,提出一种基于场景概率潮流的电力系统无功优化方法。该方法将风电出力场景化,结合概率潮流计算,以系统有功网损、发电机无功偏差和节点电压偏差期望加权值最小作为无功优化目标函数,利用粒子群算法求得各风电出力场景下的最优无功控制策略。在含多风电场的IEEE 30节点系统中对所提方法进行测试,并与确定性的场景无功优化方法相对比,验证了所提方法的有效性。     

含大规模风电场的电网概率无功优化调度

针对大规模风电场输出功率随机波动且无功设备种类繁杂的典型特征引起的无功电压问题,建立了概率无功优化调度模型,并提出利用无迹变换和自适应聚焦粒子群算法的求解方法。模型中,利用基于无迹变换的概率潮流算法处理风电场及负荷功率的不确定性影响,并将动态无功设备投入容量计入目标函数,以考虑全网中静态无功设备和风电场处动态无功设备的协调调度。仿真测试结果表明,所提方法可以协调调度多种无功设备,且与蒙特卡洛模拟方法及传统无功优化调度方法相比,所提方法既可有效处理不确定功率变量的影响,又可广泛适应不同风电输出状态下的调度方案。     

考虑拓扑影响的风电场无功优化策略研究

双馈风电机组(DFIG)机群的拓扑结构对风电场无功优化有较大影响。分析了DFIG的无功出力极限,将DFIG作为风电场连续无功源,计及风电场有载调压变压器分接头设置对DFIG机端电压的影响。以风电场内部有功损耗最小为优化目标建立风电场无功优化模型。最后,以丹麦HornsRev1离岸风电场为例,采用粒子群优化算法对所建立的无功优化模型进行求解。仿真结果验证了所提优化控制策略的安全性和经济性。     

基于量子粒子群混合算法的电力系统无功优化

针对传统粒子群算法在无功优化中易陷入局部最优和后期收敛慢等问题,提出了基于量子粒子群混合算法的无功优化计算方法.该算法将量子叠加态思想引入到粒子群算法中,使得单个粒子能表示更多的状态和量级,增加了种群的多样性;采用量子旋转门更新粒子的速度和位置,提高了收敛的速度.用该算法对IEEE 30节点系统进行无功优化计算,并与粒...     

计及风电功率波动影响的风电场集群无功电压协调控制策略

针对大规模风电场集群区域有功出力随机波动、无功设备种类繁杂等典型特征引起的无功电压问题,提出一种计及风电功率波动影响的风电场集群无功电压协调控制策略。该策略根据风电功率预测信息、当前运行信息和历史断面信息建立多目标优化控制模型,并采用基于过滤集合的内点算法求解。通过利用汇集站和风电场的自动电压控制子站实现闭环控制,该控制策略能够对集群区域内离散设备和动态设备的动作响应实行差异化管理。对中国"三北"地区某实际风电场集群地区进行仿真计算,结果表明,所提控制策略能够改善中枢节点的电压控制效果,协调离散设备和动态设备的运行配合,维持集群区域的静态电压稳定性。     

基于自适应混沌粒子群优化算法的多目标无功优化

针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题。该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力。通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快。     

基于改进粒子群算法的主动配电网有功无功协调优化研究

随着间歇性分布式电源接入配电网的比例日益增高,配电网局部电压越限、网损增加的情况时有发生,降低了配电网对分布式能源的利用率,制约了配电网的经济运行水平.提出将有功调节措施(储能)考虑到无功动态优化模型中,旨在制定合理的储能充放电策略以平滑风光出力波动,减少无功补偿装置的动作次数,并在此基础之上,以节点电压偏移和网损为最...     

基于量子粒子群算法的电力系统无功优化

量子粒子群算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解.首次将量子粒子群算法用于电力系统无功优化中,以网损最小为目标函数,在IEEE30节点系统上进行测试,通过仿真测试以及不同算法优化结果的对比,表明基于量子粒子群(QPSO)...     

基于改进PSO算法的含风电场电力系统网架扩展规划研究

基于改进后的PSO算法,研究了如何利用网架扩展规划,来缓解风电并网发电后部分线路出现输电阻塞的现象.在PSO算法中,惯性权重和学习因子分别是控制PSO算法全局搜索和局部搜索的关键性可调整参数.为避免陷入局部解,同时加快收敛速度,提出了同时动态优化调整惯性权重和学习因子的改进PSO算法.基于IEEE39节点的仿真算例表明：在保证获得最优解的前提下,该算法的收敛速度显著加快.     

考虑分布式电源出力随机性的配电网无功优化策略

随着大量出力随机波动型的分布式电源并入配电网中,使得基于并联电容器等静态无功补偿装置的无功调节方式不能满足新的配电网络结构下的无功优化要求。提出了一种利用SVG动态无功补偿以稳定其并网点电压的无功控制策略,并详细分析了SVG容量的选取方法。在此基础上,提出了一种含有出力随机型及其他不同类型分布式电源的配电网无功优化策略,并利用改进的粒子群算法,充分验证了所提出方法的可行性及改进粒子群算法的快速有效性。     

基于改进粒子群算法的含DG配电网无功优化

含分布式电源(DG)配电网的无功优化是一个复杂的非线性优化问题,文中采用改进的粒子群算法(PSO)对配电网进行无功优化计算,建立以系统网损和电压平均偏离最小为目标函数,节点电压和电容器投切容量为约束条件的优化模型。在PSO中引入位置方差防止PSO陷入局部最优解,根据种群中粒子的适应度值对粒子进行变异处理,在保证算法收敛速度的基础上,改善算法性能。以含分布式电源的IEEE14节点配电系统为例进行无功优化分析,结果表明DG能增强电网运行的稳定性,所提算法具有较好的优化性能。     

基于风电功率概率预测的无功优化方法研究

近年来,风电装机规模和并网比例不断增加,对电网的无功分布产生了较大影响。传统无功优化方法未考虑风电的随机性和波动性,无法在整个周期内保持良好优化效果。提出一种基于风电功率概率预测的无功优化方法,构建考虑风电功率概率预测的无功优化数学模型,并采用粒子群算法对模型进行求解,实际算例验证了所提模型方法的有效性。     

基于机会约束规划的广义电源多目标优化配置

针对配电网间歇性电源渗透水平逐渐增大、分布式电源和电容器组分开规划的现状,将能提供有功功率和无功功率的电源统称为广义电源。考虑风电、光伏出力的随机性,以投资效益、污染气体排放和反映系统供电可靠性的支路电压稳定裕度为优化目标,建立基于机会约束规划的配电网广义电源多目标配置模型,采用内嵌蒙特卡洛模拟的改进多目标粒子群算法对模型求解。IEEE-33节点系统的仿真结果表明,协调优化配置配电网有功无功资源,在提高资源利用率的同时也降低了污染气体排放量,并且从概率的角度对电压质量进行评估,辅助规划人员进行科学决策。     

改进粒子群算法在无功优化中的应用

建立了无功优化的数学模型,针对粒子群算法易陷入局部最优解、收敛精度差的缺点,将改进粒子群优化算法应用到电力系统无功优化中。对粒子群的速度公式进行了改进,并在算法中引入反正切惯性权重和阈值来增强搜索全局最优解的能力。通过对IEEE30节点的算例仿真,证明改进后的粒子群算法在电力系统无功优化问题上具有一定的可行性。与PSO的结果对比表明该算法在一定程度上提高了计算的精度。     

基于粒子群算法的含光伏电站的配电网无功优化

对于含光伏电站的低压配电网,电压等级降低了,输电线路上的电压降不仅受无功功率的影响,有时有功功率引起的电压波动更加明显.由于有功和无功引起的电压变动分量是代数和的关系,因此无功补偿在一定程度上可以弥补有功功率变动造成的电压波动问题.以系统运行成本最优为目标函数,包括采用补偿措施后减小的配电网功率损耗费用和加装无功补偿装置的费用2个部分,建立含光伏电站配电网的无功补偿优化数学模型.该模型考虑了光伏电站并网逆变器的无功调节能力,采用改进的多组织粒子群算法对规划模型进行求解,通过算例分析验证了该模型与算法的可行性和有效性.