CN102856899A - 一种微电网降低网损的方法 - Google Patents

Abstract

本发明公开了一种微电网降低网损的方法，本发明建立了微电网无功优化模型，并利用优化算法求解当网络的有功损耗最小时的微电网中电容器组无功补偿大小。其中优化算法包括如下步骤：1）生成初始化群体；2）计算群体中每个个体对应的网损值，寻找网损最小的个体，保存为最优值，记录该位置；将所有个体的位置按照更新公式迭代更新，寻找网损最小的个体，保存为新最优值；3）将新最优值与原有最优值进行比较，若最优值有更新，把新最优值的个体还原至上一次迭代时的位置，迭代运算结束后输出最终优化结果。本发明与现有技术相比较，降低了微电网网损，提高电能总体利用效率；选用的优化算法不容易陷入局部最优，且迭代运算时使用的方程参数少方便调节，稳定性更强。

Description

一种微电网降低网损的方法

技术领域

本发明涉及一种微电网节能方法，特别是一种微电网降低网损的方法。

背景技术

随着国民经济的发展，电力需求迅速增长，电力部门大力建设火电、水电以及核电等大型集中电源和超高压远距离输电网。但是，随着电网规模的不断扩大，超大规模电力系统运行成本高，难度大，难以适应用户越来越高的安全和可靠性要求，以及多样化的供电需求。近年来，世界范围内接连发生几次大面积停电事故，充分暴露了电网的脆弱性。

微电网（micro-grid）是指由分布式电源、储能装置、能量转换装置、相关负荷和监控、保护装置汇集而成的小型发配电系统，是一个能够实现自我控制、保护和管理的自治系统，既可以与大电网并网运行，也可以独立运行。微电网的分布式发电具有污染少、可靠性高、能源利用效率高、安装地点灵活等多方面优点，有效解决了大型集中电网的许多潜在问题。

与传统大电网相比，微电网的特性主要有两点不同：①电源的输出特性复杂。目前常见的微电源包括光伏电池、燃料电池、风力发电机、小型燃汽轮机等，其中以光伏电池为代表的可再生能源受自然条件影响大，功率输出不稳定，而从环保和节能的角度考虑，应该尽量最大功率输出。②传输线的损耗明显增大。对于高压架空输电线，线路电抗远大于电阻，而低压微电网的输电线路电阻远大于电抗，由于传输线特性不同，功率的自然分布存在很大的区别，与高压输电系统相比，低压微电网的传输线损耗相对较大，在进行系统功率配置优化时必须加以考虑。

微电网通常接于低压配电网，靠近负荷，微电网无功优化是降低网损的一项重要措施。通过无功优化调度，可以优化微电网的无功潮流分布，降低微电网的有功损耗和电压损耗，从而提高运行经济性，改善电能质量，使用电设备安全可靠地运行。

中国专利《一种独立微电网系统》（专利号CN 201010572995.0）提出了一种用于解决上述问题的系统，并公开了如下技术方案：“每个区域包括电能质量治理单元、第三可再生能源发电电源和第三并网逆变器，所述的电能质量治理单元通过相对应的联络开关连接到输电网络”。但是上述专利中所述的电能质量治理单元只是笼统地包括了无功补偿装置、谐波治理装置等，并未提出这些装置的控制策略和方法，也没有考虑微电网运行中降低网损的需要。

中国专利《微电网无功功率补偿方法和系统》（专利号CN 201110258294.4）提出了一种用于解决上述问题的系统，并公开了如下技术方案：“根据设定的调节目标利用微电网的孤网无功控制策略对所述无功补偿装置或所述无功补偿装置和分布式电源进行无功输出的调节”。但是上述专利中所述的孤网无功控制策略只是在采取传统九区图控制策略进行无功补偿控制的基础上，增加母线电压限制条件，主要出发点是提高微电网的电压稳定性，并未考虑微电网运行中降低网损的需要。

发明内容

发明目的：本发明针对现有技术，提出一种微电网降低网损的方法，提高运行经济性，改善电能质量，使用电设备安全可靠地运行。

技术方案：为了实现上述目的，本发明涉及一种微电网降低网损的方法，包括如下步骤：

（1）建立微电网无功优化数学模型，数学模型为

$\min P_{\mathrm{loss}}=-\frac{1}{2}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(V_i^2-2V_i{V}_j\cos {\mathrm{\θ}}_{\mathrm{ij}}+V_j^2)\·G_{\mathrm{ij}}---\left(1\right)$

其中P_loss是微电网的网络有功损耗，minP_loss表示使网络有功损耗最小；V_i和V_j分别为节点i和j的电压幅值；θ_ij为节点i和j的电压相角差；G_ij是导纳矩阵中下标为ij的元素；

（2）采用优化算法求解问题，步骤如下：

1）生成初始化群体；

2）计算群体中每个个体对应的网损值，寻找网损最小的个体，保存为最优值，记录该位置；将所有个体的位置按照更新公式进行迭代更新；计算每个个体对应的网损值，寻找网损最小的个体，保存为新的最优值；

3）将新的最优值与原有的最优值比较，若新的最优值比原有的最优值更好，则更新原有最优值及其位置，并把新的最优值所在位置的个体还原至上一次迭代时该个体所在的位置，若新的最优值并不优于原有最优值，则直接进入下一次迭代计算；当迭代次数达到上限，或所有个体均不再变化时，输出最终优化结果，所述的优化结果为当网络的有功损耗最小时的微电网中电容器组无功补偿大小。

所述的微电网无功优化数学模型使下述公式成立：

$Q_{\mathrm{Ci}}^{\min }\≤Q_{\mathrm{Ci}}\≤Q_{\mathrm{Ci}}^{\max }$

$X_i^{\min }\≤X_i\≤X_i^{\max }---\left(2\right)$

f(Q_C,T_K)=0

Q_Ci∈Q_C

其中，Q_Ci是微电网中第i个无功补偿点的电容器组容量；

和分别是微电网中第i个无功补偿点的电容器组容量的上限和下限，根据实际配置情况取值；Q_C是微电网中的电容器组无功向量；X_i是微电网中其他所需要满足上下限的状态变量，包括支路功率限制、各节点电压上下限限制；

和分别是该状态变量的上限和下限，根据实际情况取值；f(Q_C,T_K)=0是解决优化过程中所需满足的潮流方程。

迭代过程中使用的更新公式如下：

$x_{\mathrm{ij}}^k=x_{\mathrm{ij}}^{k-1}+\mathrm{\η}*V*(x_j^{\mathrm{Hbest}}-x_{\mathrm{ij}}^{k-1})$ （3）

V=V_begin+V_end*(C-1)/C^max

其中：

j∈[1,D],且i,j,k∈Z；D是控制变量的个数，根据微电网的电容器无功补偿配置决定；N是一个初始化参数，N的数值范围为10-50之间的整数；表示第i个体在第k次迭代后的j维分量；η是随机数，且η∈(0,1)；V表示更新速度；

表示历史最优结点的j维分量；V_begin是起始更新速度；C为当前迭代次数，

C^max为最大迭代次数，C^max的值为50或100；V_begin+V_end为最终更新速度。V_begin<V_end，且0<V_begin+V_end≤1。

有益效果：本发明与现有技术相比较，具有以下优点：

（1）在微电网中分布式电源发电量相对稳定的情况下，通过对微电网中的电容器组无功补偿大小进行调节控制，达到稳定系统电压，改善供电电能质量的目的，降低微电网网损，提高电能总体利用效率；

（2）求解优化问题时，在每次迭代后寻找网损最小的个体，并且当历史最优值更新的时候，将最优值所在位置的个体还原至上一次迭代时该个体所在的位置，避免个体在位置变化过程中遗漏可能存在的更优解，解决了其它优化算法容易陷入局部最优的问题；

（3）求解优化问题时，迭代运算时使用的方程参数少，方便调节，在保证精度的同时，减少运算量，有更强的稳定性。

附图说明

图1是本发明所述微电网的基本结构示意图；

图2是本发明求解优化问题的算法流程图。

具体实施方式

图1所示的是本发明所述微电网的基本结构示意图。图中1是系统电源，2是微电网与配电网连接母线，3是微电网与配电网连接变压器，4是微电网母线，5、7、9、10、11、13、14、15、18、19、20是负荷，6、16、21是无功补偿电容器，8、12、17是分布式电源。微电网通过母线2和变压器3与系统电源1相连，微电网母线4上连接有负荷5和无功补偿电容器21，母线4上连有两条馈线，分别接有相应的分布式电源和负荷，其中无功补偿电容器6和无功补偿电容器16分别接于两条馈线上。特别的，分布式电源8、12、17接入电网的逆变装置未单独画出，包含在电源中，分布式电源的种类包括光伏电池、燃料电池、风力发电机、小型燃汽轮机等，不作具体限制。

图2所示的是本发明求解优化问题的算法流程图。

本发明的具体实施过程如下：

1、建立微电网无功优化数学模型

选取微电网中的电容器组无功补偿大小为控制变量，以网络有功损耗最小为优化目标，建立微电网无功优化模型如下：

$\min P_{\mathrm{loss}}=-\frac{1}{2}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}(V_i^2-2V_i{V}_j\cos {\mathrm{\&theta;}}_{\mathrm{ij}}+V_j^2)\&CenterDot;G_{\mathrm{ij}}---\left(1\right)$

使下述公式成立：

$Q_{\mathrm{Ci}}^{\min }\&le;Q_{\mathrm{Ci}}\&le;Q_{\mathrm{Ci}}^{\max }$

$X_i^{\min }\&le;X_i\&le;X_i^{\max }---\left(2\right)$

f(Q_C,T_K)=0

Q_Ci∈Q_C

其中，P_loss是微电网的网络有功损耗，minP_loss表示使网络有功损耗最小；V_i和V_j分别为节点i和j的电压幅值；θ_ij为节点i和j的电压相角差；G_ij是导纳矩阵中下标为ij的元素；Q_Ci是微电网中第i个无功补偿点的电容器组容量；

和

分别是微电网中第i个无功补偿点的电容器组容量的上限和下限，根据实际配置情况取值；Q_C是微电网中的电容器组无功向量；X_i是微电网中其他所需要满足上下限的状态变量，包括支路功率限制、各节点电压上下限限制；和分别是该状态变量的上限和下限，根据实际情况取值；f(Q_C,T_K)=0是解决优化过程中所需满足的潮流方程。

2、采用优化算法求解问题

由于微电网中的负荷复杂而多样，求解无功优化问题需要采用一种稳定的、全局寻优能力较强的优化算法。选取电容器组的无功补偿大小为控制变量，采用优化算法，通过迭代运算，求解出使微电网网损最小的电容无功补偿大小，具体步骤如下：

（1）生成初始化群体，群体个数由控制变量的个数决定；

假定共有D个控制变量，初始化的群体分为两部分：

a.每个控制变量上下限的组合构成第一类群体，总共有2^D个；

b.每一个控制变量单独处于最大值或最小值时，其他控制变量均取在各自上下限范围内的随机值，共有2D个这样的情况，每种情况生成N个个体，因此这类个体总共有2*D*N个。

以上两部分个体的总和形成初始化群体，共2^D+2*D*N个。

（2）计算群体中每个个体对应的网损值，寻找网损最小的个体，保存为最优值，记录该位置；将所有个体的位置按照更新公式进行迭代更新；计算每个个体对应的网损值，寻找网损最小的个体，保存为新的最优值，与原有的最优值比较，若新的最优值比原有的最优值更好，则更新原有的最优值及其位置，并把新的最优值所在位置的个体还原至上一次迭代时该个体所在的位置，此举是为了防止变化过程中可能遗漏掉的更优解；若新的最优值并不优于原有的最优值，则直接进入下一次迭代计算；当迭代次数达到上限，或所有个体均不再变化时，输出最终优化结果。迭代过程中使用的更新公式如下：

$x_{\mathrm{ij}}^k=x_{\mathrm{ij}}^{k-1}+\mathrm{\&eta;}*V*(x_j^{\mathrm{Hbest}}-x_{\mathrm{ij}}^{k-1})$ （3）

V=V_begin+V_end*(C-1)/C^max

其中：

j∈[1,D],

且i,j,k∈Z；D是控制变量的个数，根据微电网的电容器无功补偿配置决定；N是一个初始化参数，N的数值范围为10-50之间的整数；

表示第i个体在第k次迭代后的j维分量；η是随机数，且η∈(0,1)；V表示更新速度；

表示历史最优结点的j维分量；V_begin是起始更新速度；C为当前迭代次数，

C^max为最大迭代次数，一般取50或100；V_begin+V_end为最终更新速度。参数设置时，初始速度V_begin较小，而V_end需较大，0<V_begin+V_end≤1。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.一种微电网降低网损的方法，其特征在于：包括如下步骤：

（1）建立微电网无功优化数学模型，数学模型为

$\min P_{\mathrm{loss}}=-\frac{1}{2}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}(V_i^2-2V_i{V}_j\cos {\mathrm{\&theta;}}_{\mathrm{ij}}+V_j^2)\&CenterDot;G_{\mathrm{ij}}---\left(1\right)$

其中，P_loss是微电网的网络有功损耗，minP_loss表示使网络有功损耗最小；V_i和V_j分别为节点i和j的电压幅值；θ_ij为节点i和j的电压相角差；G_ij是导纳矩阵中下标为ij的元素；

（2）采用优化算法求解问题，其步骤如下：

1）生成初始化群体；

2）计算群体中每个个体对应的网损值，寻找网损最小的个体，保存为最优值，记录该位置；将所有个体的位置按照更新公式进行迭代更新；计算每个个体对应的网损值，寻找网损最小的个体，保存为新的最优值；

3）将新的最优值与原有的最优值比较，若新的最优值比原有的最优值更好，则更新原有最优值及其位置，并把新的最优值所在位置的个体还原至上一次迭代时该个体所在的位置，若新的最优值并不优于原有最优值，则直接进入下一次迭代计算；当迭代次数达到上限，或所有个体均不再变化时，输出最终优化结果，所述的优化结果为当网络的有功损耗最小时的微电网中电容器组无功补偿大小。

2.根据权利要求1所述的一种微电网降低网损的方法，其特征在于：所述的微电网无功优化数学模型使下述公式成立：

$Q_{\mathrm{Ci}}^{\min }\&le;Q_{\mathrm{Ci}}\&le;Q_{\mathrm{Ci}}^{\max }$

$X_i^{\min }\&le;X_i\&le;X_i^{\max }---\left(2\right)$

f(Q_C,T_K)=0

Q_Ci∈Q_C

其中Q_Ci是微电网中第i个无功补偿点的电容器组容量；

和

分别是微电网中第i个无功补偿点的电容器组容量的上限和下限，根据实际配置情况取值；Q_C是微电网中的电容器组无功向量；X_i是微电网中其他所需要满足上下限的状态变量，包括支路功率限制、各节点电压上下限限制；

和

分别是该状态变量的上限和下限，根据实际情况取值；f(Q_C,T_K)=0是解决优化过程中所需满足的潮流方程。

3.根据权利要求1所述的一种微电网降低网损的方法，其特征在于：迭代过程中使用的更新公式如下：

$x_{\mathrm{ij}}^k=x_{\mathrm{ij}}^{k-1}+\mathrm{\&eta;}*V*(x_j^{\mathrm{Hbest}}-x_{\mathrm{ij}}^{k-1})$ （3）

V=V_begin+V_end*(C-1)/C^max

其中：i∈[1,2^D+2*N*D]，j∈[1,D],k∈[1,C^max]，且i,j,k∈Z；D是控制变量的个数，根据微电网的电容器无功补偿配置决定；N是一个初始化参数，N的数值范围为10-50之间的整数；

表示第i个体在第k次迭代后的j维分量；η是随机数，且η∈(0,1)；V表示更新速度；表示历史最优结点的j维分量；V_begin是起始更新速度；C为当前迭代次数，

C^max为最大迭代次数，C^max的值为50或100；V_begin+V_end为最终更新速度。

4.根据权利要求1所述的一种微电网降低网损的方法，其特征在于：V_begin<V_end，且0<V_begin+V_end≤1。

Images