随机模拟粒子群算法在风电场无功补偿中的应用

在风电机组机端装设无功补偿装置有利于改善风电对系统电压质量造成的负面影响。该文针对风电出力的随机性及负荷和系统电压的变化,提出了求最优无功补偿装置容量的机会约束规划模型,并利用随机模拟的粒子群算法求解。该模型以费用最小为目标函数,考虑了风速的概率分布、风电机组本身的有功和无功特性以及含风电场的潮流处理方法等。通过分析某配电网风电场无功、电压、功率因数的变化情况,利用该文方法进行无功补偿优化,结果表明模型与算法的有效性。     

计及无功裕度的双馈风电场无功电压协调控制

针对双馈风电场的无功补偿能力和电压稳定问题,提出考虑双馈风电场无功裕度的无功电压控制方案。该方案以双馈风电机组为主要补偿设备,以静止无功补偿器作为辅助无功补偿设备,并引入风电场风功率预测,优化计算未来一个时段内的无功补偿优化参考值。在MATLAB/Simulink中建立双馈风电场模型,连接无穷大电网,采用粒子群优化算法优化出风电场无功补偿参考值。仿真结果表明,风电机组按照该无功优化参考值进行无功输出,可留有更大的无功裕度,增强了风电场无功调节能力,并且满足电压要求,提高了风电场的电压稳定性,同时双馈发电机组无需连续无功调节。     

兼顾安全与经济的高风电渗透率局部电网无功控制策略

针对大规模风电场有功出力波动所造成的局部电压稳定问题,研究了高风电渗透率下局部电网的无功优化模型及算法,并提出了一种兼顾安全与经济的无功控制策略。该策略分为三层:监视层借助WAMS及SCADA实时监视各节点电压、潮流及各无功源状态;计算层基于监视层信息计算双馈异步风力发电机组的无功出力上下界,并采用量子行为粒子群优化算法求解无功联合优化模型;执行层下发计算层结果至各无功源。该策略能够在保障节点电压在控制范围内的同时,充分利用双馈异步风力发电机的无功调节能力,提升局部电网整体静态电压稳定性,并减小有功网损。算例表明,所提策略可行,对高风电渗透率下局部电网的运行具有一定参考价值。     

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。     

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。     

含双馈型风电场的配电网智能无功优化方法研究

研究了含双馈电机的风电场接入配电网后的无功电压优化控制方法,通过分析双馈感应风电机组的功率情况,充分发挥双馈感应风电机组对配电网的无功调节能力,将构建的无功优化问题转换为一个非线性混合整数优化的数学问题,并采用智能遗传优化算法进行求解。利用IEEE30节点系统作为算例进行仿真分析,计算结果可为含风电场的配电网提供合适的无功分布参考,验证了该控制方法的有效性。     

含电动汽车充电站和风电的配电网无功优化

<正>电动汽车充电负荷的不确定性以及风电机组出力的随机性给配电网无功优化带来了新的挑战。研究了含电动汽车充电站和风电的配电网无功优化模型和算法,建立了电动汽车充电负荷模型和风电出力模型,将风电场作为连续可控的无功源参与无功优化。基于机会约束规划方法建立了含电动汽车充电站和风电的配电网多目标无功优化模型。算例结果表明本文所建配电网无功优化模型能够提高配电网运行的经济性与可靠性。     

考虑双馈电机风电场无功调节能力的配电网无功优化

针对目前配电网无功优化中没有考虑具有灵活无功调节能力的并网双馈电机风电场为系统提供无功支持的问题,研究了考虑双馈电机风电场无功调节能力的配电网无功优化模型和算法.分析了风速预测误差对双馈电机风电场无功容量的影响,将双馈电机风电场无功容量极限作为约束条件,在最大效率利用风能的前提下将双馈电机风电场作为连续无功源参与配电网...     

计及风光出力相关性的配电网多目标无功优化EI北大核心CSCD

风电-光伏机组的大量接入对传统的无功优化模型提出了新的挑战。提出了计及风光出力相关性的配电网多目标无功优化模型,采用粒子群优化神经网络(particle swarm algorithm-BP neural network,PSO-BP)依据过去天气预报和风电出力的历史数据训练得到风电预测出力曲线,利用综合场景概率法生成光伏出力曲线。用斯皮尔曼相关系数将风光之间的出力相关性量化,再考虑风机和光伏机组共同参与无功优化。采用多目标粒子群算法(multi-obj ective particle swarm optimization,MOPSO)求解模型,以改进的IEEE 33节点配电网系统作为仿真样本,求得兼顾网损和电压偏差的Pareto最优解集,从中选择最优方案。算例结果验证了风光出力相关性对无功优化的影响,以及分布式电源接入配电网能有效降低网损和提高节点电压。在实际运行中,各地区的风光出力均满足一定的自然规律,可以以斯皮尔曼相关系数大小为参考依据,实现分布式电源(distributed generation,DG)和静止无功补偿装置(static var compensator,SVC)的协同优化运行,为配电网的安全经济运行保驾护航。     

基于改进 DE 的含风电机组配电网多目标无功优化

电网无功优化是保障电网安全、经济、可靠运行的基本手段,普遍方法是应用智能优化算法以确定电网无功设备投切方案,为此引入差分进化算法解决含风电机组的配电网无功优化问题。考虑风电机组出力的随机性,采用基于场景概率方法,建立了全场景下计及有功网损、静态电压稳定指标、无功补偿设备投资成本的多目标无功优化模型。针对基本差分进化算法的不足,结合免疫原理和二次变异思想改进了差分算法,改进后算法在充分利用进化过程中优良信息的同时,又能保持种群多样性。算例分析结果验证了所建模型与改进方法的可行性和有效性。     

基于改进HPSO算法的风电场内部无功优化研究

双馈风电机组(DFIG)是当前风电场的主流机型之一,具有有功功率和无功功率可解耦控制的优点。将风电场中每一台DIFG机组作为单独的连续无功源,以每台DIFG机组无功出力为控制变量,把双馈风电场内部有功网损设为目标函数建立无功优化模型。为了减少风电场内部有功网损并稳定节点电压,在基本粒子群(PSO)算法的基础上引入了自适应权重和遗传算法中的杂交概念,提出了一种混合PSO算法,并将该方法应用于风电场内部无功优化模型求解。以华北地区某风电场为例,在MATLAB软件中采用改进HPSO算法对所建立的无功优化模型进行了求解,求解结果与基本PSO算法和线性递减权重的PSO算法相比,改进HPSO算法收敛速度更快且结果更优,验证了文中模型和算法的正确性。     

考虑风功率分布规律的风电场无功补偿容量优化决策

双馈型风电机组的无功调节范围随其有功功率输出变化而存在波动性,极端条件下,又有其不可调节性,由此必然降低其对自身电压水平支撑的持续性。为此,在依据功率估算数据对风电场输出功率分布特性进行统计分析的基础上,提出考虑风功率分布特性的风电场无功补偿容量优化决策方法。该方法在充分计及双馈感应发电机无功调节能力与风功率分布特性的前提下,以无功补偿的投资成本与运行成本最小化为目标,构建无功补偿容量优化计算模型。该研究可使双馈型风电场的无功补偿决策更具针对性,并以最小代价实现该类风电场连续、无缝的无功电压调节。应用改进粒子群优化算法对所构建算例系统进行求解,分析结果表明了该研究的有效性。     

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...     

风电场并网运行的无功补偿优化问题

风电场的功率输出具有很强的随机性,对风电场运行后的无功优化和系统稳定性问题进行了探讨。采用基于约束规划的无功补偿模型,提出基于随机模拟技术和Beta分布的粒子群优化解算方法。论述了Beta分布的粒子群算法的关键实施技术(Beta分布函数、初始可行解的产生策略、粒子的更新策略)及具体优化解算过程,并采用风电场并网运行的无功补偿优化及风电场并网运行的稳定性校验实例,表明该模型能满足可靠性和经济性条件下风电场所需的补偿容量,所采用的解算方法效果好。     

含风力发电的配电网分时段动态无功优化

风电场出力具有随机性,将其接入配电网会引起无功补偿设备的动作频繁。为此,提出一种先对风电场有功输出曲线进行分段,再对各个时段进行整体动态无功优化的方法。针对直接对24h风力发电曲线采用整体动态无功优化会引起维数灾导致算法难以收敛的问题,采用基于谱系聚类思想的风电场出力曲线的分段法。针对传统粒子群算法收敛到全局寻优能力较差且易陷入局部最优解的确定,采用云模型对粒子群算法的权值进行动态调整。最后,将上述算法运用于改进的IEEE 33节点系统,仿真结果表明提出的动态优化方法大大缩小了优化的时间,并减少了控制设备的动作次数,从而延长了设备的寿命。     

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。     

基于分布式电源有功无功调节能力的配电网无功规划

传统的无功规划方法在应对小概率极端电压场景时往往要求配电网投资大量的无功补偿装置。为此,基于分布式电源及负荷场景,提出一种配电网无功规划模型,该模型充分利用了分布式电源的有功、无功调节能力,在小概率极端电压场景下将分布式电源有功调节作为一种附加电压调节手段,并以无功补偿装置投资费用和分布式电源有功调节费用之和最小为目标以减少系统总支付费用。提出一种嵌入原始对偶内点法的粒子群优化算法对模型进行求解。通过对自定义IEEE 30节点系统进行仿真分析,验证了所提模型的经济性和所提算法的有效性。     

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。