计及多个风电机组出力相关性的配电网无功优化

针对含多个风电机组的配电网无功优化问题,利用场景分析法处理风电机组出力的不确定性和负荷的随机波动。采用拉丁超立方采样产生多个场景,考虑多个风电机组风速间的相关性,利用Cholesky分解对生成的场景进行重新排序。以有功网损期望值最小为目标函数,以节点电压、支路功率以及电容器投切组数为约束条件,建立配电网无功优化模型。采用鸡群优化算法求解模型,并在改进的IEEE 69节点配电网算例中进行仿真,研究了风电机组出力相关性对无功优化结果的影响,结果证明了所提无功优化模型和方法的可行性。通过无功优化,能够有效地提高配电网的电压水平并减少网络损耗,对配电网的安全经济运行具有重要意义。     

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。     

计及风光出力相关性的配电网多目标无功优化

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。     

含多个风电机组的配电网无功优化

风电机组出力的随机性使传统无功优化模型难以胜任.提出了含多个风电机组的配电网无功优化的模型和算法.基于场景分析法探讨了单台和多台不同参数风电机组的随机出力描述方法,并针对不同参数的风电机组同时接入系统时的情况,提出了系统场景的划分规则,继而建立了含多个风电机组的配电网无功优化的场景模型.针对多场景潮流计算的复杂性,提出一种高效算法,该算法先利用场景功率的相似性确定场景的分析次序,再将前一场景的潮流计算结果作为后一场景的初始条件,以加速潮流收敛.仿真结果验证了该模型和算法的有效性.     

多场景下含风电机组的配电网无功优化的研究

研究了多场景下含风电机组的配电网无功优化问题。利用概率统计的思想解决了风电机组有功输出的不确定性问题,根据转子侧最大电流限制条件确立了风电机组无功输出范围。结合传统的电容器无功补偿方法,将风电机组作为连续可调无功源参与到配电网的无功优化。建立了以系统网损最小和节点电压越限惩罚为目标的无功优化模型。算例表明不同场景下的风电机组参与配电网无功优化可有效地降低系统的网损,提高各节点电压,同时,增强配电系统受风速影响的适应性。     

基于混沌并行差分进化算法的含风电配电网无功优化

将风电机组接入配电网,其出力的间歇性、随机性使得传统无功优化模型不再适用。为此,采用场景分析法对双馈异步发电机（doubly fed induction generator,DFIG）的出力情况进行探讨,建立了含DFIG的配电网无功优化场景模型。考虑DFIG的灵活无功调节能力,建立以降低系统网损、抑制电压波动为综合目标的模糊无功优化模型。通过蒙特卡罗仿真对配电网系统进行无功补偿选址,采用带反馈的混沌并行差分进化算法（chaotic parallel differential evolution algorithm with feedback,CPDEF）求解含DFIG的配电网无功优化问题。通过IEEE 33节点系统对所提出的无功优化模型进行仿真计算,结果表明系统网损得以明显降低,电压水平明显改善,并证明了所提方法的可行性和有效性。     

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。     

多负荷水平下含风电接入的配电网无功优化

由于风电输出功率的随机性,风电机组的大量接入给配电网无功优化带来更多不确定性因素。为了提高配电网无功优化对风力发电并网的适应能力,建立了多负荷水平下基于场景分析的考虑风电接入的多目标无功优化模型。该模型综合考虑了节省电能损失费用和节点电压偏差2个指标,将2个指标进行模糊化,采用最大化模糊满意度指标法将多目标优化问题转换为单目标优化问题,然后采用自适应遗传算法进行求解。并以IEEE 33节点测试系统为例,计算和分析了在不同场景时最大负荷、一般负荷和最小负荷3种负荷水平下,电容器投切、系统有功损耗、节点电压以及节省电能费用情况。计算结果表明,所提出的无功模糊优化方法,在不同负荷水平、不同场景下改善电压质量和降损节能效果显著,适合多负荷水平下含风电机组的配电网无功优化需要。     

基于改进粒子群算法含双馈风电机组配网无功优化研究

针对风电机组并网后对配电网无功补偿产生的影响,从双馈风电机组自身的有功、无功输出特性出发,基于场景概率的方法计算风力机组出力情况,以网损最小为目标函数寻求优化求解方法。利用改进粒子群算法来实现系统接入双馈风电机组后的无功优化,在Matlab 2013b软件中构造IEEE33节点模型并利用该算法求解。结果表明,双馈风电机组在参与系统无功优化时具有良好的性能,验证了该改进算法的有效性。     

多场景随机风速条件下的配电网风电机组选址定容

建立了风速多场景概率分布条件下的风电机组出力模型,在已有配电网系统中预置各节点风速参数以保证规划结果符合实际配电网风速情况。在此基础上,根据风电机组接入配电网对系统有功损耗和系统静态电压稳定性的改善情况,选取风电机组接入配电网的候选位置。以年综合费用最小为目标,利用遗传算法实现风电机组接入的位置和容量的优化配置。IEEE33节点配电系统仿真结果表明,文中提出的风电机组接入配电网规划模型使规划结果更贴近实际,并可有效提高风电机组接入配电网的经济效益和可靠性指标。     

结合STATCOM的多场景下主动配电网无功优化研究

将电容器组和STATCOM结合,对含风电机组的主动配电网进行无功优化方案研究。采用STATCOM在风电机组的接入点进行补偿,在其他脆弱的节点上采用电容器组补偿,很好的解决了优化效率和优化成本的权衡问题。将异步风机接入33节点配电网,并将其有功出力细分为六种场景,利用改进粒子群算法对每个场景下的配电网进行了无功优化,得到了不同场景下的多种非劣解方案,在场景概率的基础上对优化方案进行选择。通过算例分析证明了两种补偿方式相结合在风力发电机出力随机波动下,能够提高主动配电网运行的安全性和经济性。     

多风电场接入的灵敏度场景静态无功/电压评估

风电出力对电力系统运行的影响存在复杂的非线性,现有处理风电随机性的风电场景模型难以保证风电场景与电力系统优化运行保持一致,为此提出含多风电场的电力系统无功/电压灵敏度场景分析方法。首先利用网损/电压灵敏度计算方法计算多风电场相关性出力样本的网损/电压灵敏度,再基于主成分分析构建联合网损/电压灵敏度特征空间,并在此基础上进行场景聚类,得到多风电场网损/电压灵敏度场景。将某2个风电场的实际数据接入IEEE 30节点系统中分别进行传统风电场景分析和所提灵敏度场景分析,验证了所提方法的有效性和优越性。     

含固态变压器新型配电网动态无功多目标优化

风机和光伏电池等分布式电源(distributed generator, DG)大量接入配电网会导致电压波动和网损增大等问题,需要对动态无功进行优化。但是由于风光存在的不确定性会影响动态无功优化的效果,因此提出了一种含固态变压器新型配电网动态无功多目标优化方法。首先,通过 Weibull 分布和 Beta 分布对风速和光照强度进行曲线拟合,再采用风机和光伏电池出力公式生成 DG 出力模型。其次,通过蒙特卡洛仿真抽样法对上述模型进行抽样,生成上千个DG日出力场景,并采用k-means 聚类算法将上千个场景聚类成k个典型场景,以缩短随机潮流计算时间。再次,以IEEE33 节点系统为基础,建立含固态变压器有源配电网方案和含有载调压变压器有源配电网方案,以日内网损和电压波动最小为目标,采用改进型多目标灰狼算法对两种方案的相关参数进行优化。最后,以优化后的相关参数进行仿真和对比,证明了所提方法在降低配电网网损和维持节点电压稳定方面的优越性。     

含风力发电的配电网自适应分时段无功优化

针对含风力发电的配电网中风电机组出力的间歇性和系统负荷的波动性,提出了自适应分段优化策略,通过分时段优化实现无功动态调节。该策略根据风机出力和负荷的波动程度确定各时段最佳持续时间。在此基础上,计及运行环境的变化和决策者需求,提出了一种新的含决策偏好因子的分段优化方法。以降低网络损耗和电压偏差为目标,建立了含风力发电的配电网多目标无功优化模型,并采用多目标粒子群优化算法(multi-objective particle swarm optimization,MOPSO)求解。以改进的IEEE30节点系统为例进行仿真计算,仿真结果验证了所提方法和模型的有效性。     

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     

基于场景聚类的主动配电网分布鲁棒综合优化

为较好地考虑分布式电源（DG）和负荷的不确定性对配电网的影响,基于风电场景预测,通过调整网络拓扑结构和风电、光伏发电、微型燃气轮机、储能、无功补偿等的出力,提出了实现动态重构与无功优化相结合的主动配电网综合优化模型。在考虑DG间相关性的基础上,基于原始数据采用拉丁超立方采样得到初始场景,利用手肘法确定K-means算法的聚类数,从而得到典型场景,场景分布的概率置信区间由1-范数和∞-范数约束。另外,为了消除储能与机组组合的时间相关性约束,重点介绍了基于盒式分解算法的两阶段分解模型。第1阶段以机组启停成本和运行成本为目标函数对机组与储能的各时段运行域进行约束。将第2阶段转化为单时间尺度优化问题,通过求解得到经济性最优的结果。模型采用列与约束生成算法进行求解,通过对IEEE 33节点系统与Taipower 84节点系统的仿真验证了模型的鲁棒性与可行性。     

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。     

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。     

考虑相关性的含风电的配电网无功优化

随着间歇性分布式电源如风电的大量接入,有必要考虑其随机性和相关性对配电网无功优化的影响。首先,采用秩相关系数表示风速和负荷间的相关性,并利用拉丁超立方采样生成具有相关性的初始样本,再应用同步回代缩减法进行场景缩减,以提高计算效率;其次,建立了基于多场景的配电网无功优化模型,综合考虑了并联电容器、静止无功补偿器、有载调压变压器等电压-无功控制设备;然后,应用二阶锥松弛技术将传统无功优化模型转换为混合整数二阶锥规划模型,降低了求解难度;最后,通过改进的IEEE 33节点配电网验证了本文模型的合理性,并重点研究了相关性对无功优化的影响。     

计及风电不确定性的配电网无功模糊优化

针对风电机组并网给配网无功优化带来的不确定性问题,提出了基于风速预测的场景分析法,将不确定性模型转换成多个典型的确定性场景问题,建立了全场景下兼顾有功网损和静态电压稳定裕度的多目标无功优化模型。采用模糊集理论将确定性问题模糊化,按照最大满意度准则将多目标模型转换成单目标模型,并采用量子行为粒子群优化算法对模型进行求解。以IEEE69节点配电系统为例进行仿真分析,结果验证了该模型的有效性和可行性。