CN104037781A - 电网无功协调控制方法及装置 - Google Patents

Abstract

本发明公开了一种电网无功协调控制方法及装置，确定日前无功计划；对日前无功计划进行短时无功修正；对短时无功修正后的日前无功计划，进行实时无功修正。并且根据不同时间尺度的特点采用不同的预测方法、优化目标、优化变量、时间维度和计算方法。本发明实施例确定日前无功计划，对日前无功计划进行短时无功修正，对短时无功修正后的日前无功计划，进行实时无功修正。从而实现多时间尺度无功滚动修正。

Description

电网无功协调控制方法及装置

技术领域

本发明涉及电力领域，尤其涉及一种电网无功协调控制方法及装置。

背景技术

随着能源枯竭和环境污染问题的日益加重，基于可再生能源的分布式发电已经成为当前电力工程和能源领域的研究焦点和前沿技术。

分布式发电大量接入将使配电网电压无功控制面临严峻挑战。风、光照等自然资源的随机性使得分布式电源有功、无功出力具有间歇性，未来配电网必须有消纳大量分布式电源出力随机波动的能力；为缓解分布式电源出力预测与负荷预测的误差，需要基于日前、短时、超短时不同时间尺度分布式发电和负荷变化趋势，研究时序递进滚动的无功电压优化控制模型；为挖掘分布式电源无功潜力，需深入研究不同类型分布式电源电压无功特性及运行控制方法；为实现降损节能、保证电压质量和提高电力企业资产利用率，无功电压控制必须考虑分布式电源与配电网电压无功资源的协调配合策略。

因此，如何实现电网无功多时间尺度协调滚动修正是当前需要解决的技术问题。

发明内容

本发明实施例提供一种电网无功协调控制方法及装置，能够实现电网无功多时间尺度滚动修正。

本发明实施例采用如下技术方案：

一种电网无功协调控制方法，包括：

确定日前无功计划；

对日前无功计划进行短时无功修正；

对短时无功修正后的日前无功计划，进行实时无功修正。

可选的，所述确定日前无功计划包括：

对风速、光照强度和负荷大小进行预测，得到预测结果；

根据预测结果，以小时级时间维度，以风力发电机、光伏发电机、微型燃气轮机、有载调压分接头和电容器为优化变量，以电容器动作次数，计算风、光日前无功计划。

可选的，所述对日前无功计划进行短时无功修正包括：

确定短时修正方法，并根据确定的短时修正方法进行短时无功出力修正，如果原计划与实际负荷发生偏离，则以30分钟时间维度重新优化计算。

可选的，所述对短时无功修正后的日前无功计划，进行实时无功修正包括：

确定实时修正方法，并根据确定的实时修正方法进行实时无功出力修正。

可选的，所述确定实时修正方法，并根据确定的实时修正方法进行实时无功出力修正包括：

根据不同时间尺度的特点采用不同的预测方法、优化目标、优化变量、时间维度和计算方法，进行多时间尺度无功出力修正。

一种电网无功协调控制装置，包括：

第一模块，用于确定日前无功计划；

第二模块，用于对日前无功计划进行短时无功修正；

第三模块，用于对短时无功修正后的日前无功计划，进行实时无功修正。

可选的，所述第一模块具体用于，对风速、光照强度和负荷大小进行预测，得到预测结果；根据预测结果，以小时级时间维度，以风力发电机、光伏发电机、微型燃气轮机、有载调压分接头和电容器为优化变量，以电容器动作次数，计算风、光日前无功计划。

可选的，所述第二模块具体用于，确定短时修正方法，并根据确定的短时修正方法进行短时无功出力修正。

可选的，所述第三模块具体用于，确定实时修正方法，并根据确定的实时修正方法进行实时无功出力修正。

基于上述技术方案，本发明实施例确定日前无功计划，对日前无功计划进行短时无功修正，对短时无功修正后的日前无功计划，进行实时无功修正。从而实现多时间尺度无功滚动修正。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种电网无功协调控制方法的流程图；

图2为本发明实施例提供的另一种电网无功协调控制方法的流程图；

图3为本发明实施例提供的一种电网无功协调控制装置的结构图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例将电网无功调度分为三个时间尺度进行。首先，第二天各发电机24小时出力值在前一天17点确定并上报，即日前出力计划。日前计划中需要对风速和光照强度进行预测，并得到其有功出力值，进而计算出无功调度范围。确定日前无功计划之后，在执行调度指令前2-3个小时进行短时无功修正。在原计划值与实际运行值发生严重偏离的情况下,及时完成该时刻及当日剩余时段的重新预测和无功出力计划的调整。最后，在执行调度指令前5-15分钟进行实时无功修正，消除突发性不确定因素。

如图1所示，本发明实施例提供一种电网无功协调控制方法的流程图，包括：

11、确定日前无功计划；

12、对日前无功计划进行短时无功修正；

13、对短时无功修正后的日前无功计划，进行实时无功修正。

可选的，所述确定日前无功计划包括：对风速、光照强度和负荷大小进行预测，得到预测结果；根据预测结果，计算风、光日前无功计划。

具体的，日前无功计划有充足的时间进行动态无功优化计算,但分布式电源出力和负荷大小预测精度不高，因此该时间尺度的无功控制以电压稳定裕度最大为目标。在时间维上采用小时级优化方法，即对第二天每个小时计算出一个无功出力最优值。参与调节的优化变量包括风力发电机、光伏发电机、微型燃气轮机、有载调压分接头和电容器。对于有载调压分接头与电容器投切的次数限制，采用如下方法解决：先进行24h的静态优化，得到相邻两个时段的投切值得差值并进行排序，根据差值大小制定预动作表，并根据时间推进，动态修正此表。此方法能够考虑调压分接头与电容器的动作相关性。

针对日前时间尺度上的分布式电源出力及负荷预测，本发明采用马尔科夫(Markov)的预测方法。以风速预测为例，具体步骤如下：

(1)假设历史数据中最小风速为v_min，最大风速v_max，取风速的离散化步长为(v_max-v_min)/n，从v_min到v_max将风速分为n个区段。

(2)设一个小时为一个时间段。根据历史数据，建立各个时间段间的状态转移概率矩阵：

$s_{\mathrm{ij}}=\frac{H_{\mathrm{ij}}}{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{H}_{\mathrm{ij}}}$

式中：t＝0,1,2,…,24；S_t为第(t-1)小时到第t小时的状态转移概率矩阵，特别地，S₀为前一天24时到预测日0时的状态转移概率矩阵；s_ij为风速从第(t-1)小时区段i到第t小时区段j的状态转移概率；H_ij为风速从第(t-1)小时区段i到第t小时区段j的变化次数。

(3)给定初始风速值v_int，假设v_int在风速区段k，则在S₀中找到第k行的元素s_k1,s_k2…s_kn，这些元素建立初始时刻风速分布概率向量：

P₁＝(p(1),p(2),…,p(n))

式中：p(1),p(2),…,p(n)分别为风速在各个区段内的概率，其取值分别对应s_k1,s_k2,…,s_kn。

(4)计算各个小时的风速分布概率向量：

P_t+1＝P_tS_t

进一步，得到各个小时的风速分布概率空间：

W_t＝{p(i),v(i)；i＝1,2,...,n}

式中：W_t为第t小时的风速分布概率空间，p(i)为第i段风速的概率，v(i)为第i段风速的均值。

(5)根据风速与风机出力的关系：

$P=\left\{\begin{array}{cc}0,& v\&le;v_{\mathrm{ci}}\\ a+\mathrm{bv},& v_{\mathrm{ci}}\&le;v\&le;v_r\\ P_{r,}& v_r<v\&le;v_{\mathrm{co}}\\ 0,& v>v_{\mathrm{co}}\end{array}\right.$

计算各个风速段所对应的风机出力值，并对风机出力进行分段。此时，某些风速段可能对应的风机出力值相同，则合并这些分段，并将其所对应的风速分布概率相加以得到合并后的风机出力分布概率。设最后得到的风机出力分段数为n_w,则得到各小时风机出力分布概率空间为：

D_t＝{p_w(i),P_w(i)；i＝1,2,...,n_w}

式中：v_ci为切入风速；v_i为额定风速；v_co为切出风速；p_r为风力发电机的额定输出功率；而a＝P_rv_ci/(v_ci-v_r)和b＝P_r/(v_r-v_ci)均为常系数。D_t为第t小时的风机出力分布概率空间；p_c(i)为第i段风机出力概率；P_w(i)为第i段风机出力值。

通过预测得到风机出力值之后，得到其无功出力范围

$Q_{\max }^{\mathrm{wind}}=\sqrt{S^2-{P_{\mathrm{wind}}}^2}$

式中P_wind为风力发电有功注入功率，受自然资源影响；S为风机额定容量；为风机无功出力最大值。

动态无功优化模型是一个多变量、多约束的混合整数非线性优化问题，既有连续控制变量又有离散控制变量，对于这类问题，目前常用的主要有遗传算法和内点法，然而遗传算法擅长处理离散变量而内点法擅长处理连续变量，本发明提出采用遗传算法和内点法结合的混合算法来求解，将无功优化分为离散变量和连续变量两个子优化模型，其中用遗传算法处理无功优化中的离散变量而内点法处理连续变量，此种混合算法结合了遗传算法和内点算法的优点而避免了其缺点，有效的提高了求解效率。

在日前无功计划求解算法中，目标函数为电压稳定裕度最大，优化变量包括风力发电机、光伏发电机、微型燃气轮机、有载调压分接头和电容器。优化方法采用本发明提出的混合算法求解。混合算法的基本思路是：首先不考虑离散变量的离散约束，采用非线性内点算法求解得到初始解，然后进行离散优化问题和连续优化问题的迭代求解。

在离散优化问题中，将连续变量设为不变，只对离散变量进行编码、交叉变异操作，得到各时段的连续变量，在连续优化问题中，将离散变量设为不变，采用内点算法对连续变量进行优化计算，得到离散变量值，重复交叉迭代，直到满足收敛条件，即可得到包括连续变量和离散变量的最终优化结果。混合算法的具体步骤如下：

(1)将控制变量分为连续变量和离散变量，松弛离散变量约束，采用非线性内点法进行优化计算，得到初始解其中分别为风机出力初始解、光伏出力初始解、微型燃气轮机出力初始解和电容器出力初始解；

(2)置迭代次数为k＝1；

(3)保持不变，以为控制变量采用遗传算法求解离散优化子问题得到

(4)令保持不变，采用非线性内点法求解连续优化子问题，得到检验是否满足收敛条件，若不满足，则k＝k+1，转向步骤(3)，若满足，计算结束，得到优化结果。

可选的，所述对日前无功计划进行短时无功修正包括：确定短时修正方法，并根据确定的短时修正方法进行短时无功出力修正。

具体的，以短时分布式电源出力和负荷预测为基础，在时间维上取30分钟级。短时滚动计划环节需要监视日前无功计划的执行情况,在原计划与实际负荷发生严重偏离的情况下,及时完成该日剩余时段的重新预测和无功出力计划的调整，即滚动地修正各个分布式电源在剩余时段的无功出力计划。由于短时时间尺度在分布式电源出力和负荷预测精度上相比日前有较大提高，并且还有充足的无功调节时间和裕度，因此优化目标为风险最小，即电压越限概率最小。在短时时间尺度上尽可能较低系统的潜在风险。

由于有载调压分接头的调整会影响多条同一母线的10kV线路，因此短时无功修正时不考虑该优化变量。

针对短时时间尺度上的分布式电源和负荷预测，本发明采用自回归滑动平均模型Auto-Regressive and Moving Average Model(ARMA)。以风速预测为例，具体步骤如下：

(1)读入风速历史数据，对数据进行标准化处理，得到平稳、正态、零均值的时间序列。

(2)设定自回归与滑动平均模型阶数的初值。

(3)估计AR模型参数。

(4)计算残差序列和残差方差。

(5)计算准则函数值BIC。

(6)如果模型阶数未达到上限则转入步骤(3)；否则停止迭代，取最小的BIC值对应的p作为AR模型最终确定的阶数。

(7)拟合ARMA模型，计算模型参数并进行适应性检验。

(8)对风速建模并得到预测的风速序列。

通过短时无功修正的风、光预测，得到其有功出力值，进而得到其无功出力范围，方法同日前无功计划。短时无功修正求解算法中，取目标函数为电压越限概率最小。优化方法同日前无功计划的混合算法。其中电压越限概率采用基于半不变量的随机潮流计算。具体步骤如下。

将电力系统节点注入方程和支路潮流方程线性化，在基准运行点处一阶泰勒展开，可得

$\left\{\begin{array}{c}{S}_0+\mathrm{\&Delta;S}=f(X_0+\mathrm{\&Delta;X})=f\left(X_0\right)+J_0\mathrm{\&Delta;X}+.....\\ Z_0+\mathrm{\&Delta;Z}=g(X_0+\mathrm{\&Delta;X})=g\left(X_0\right)+G_0\mathrm{\&Delta;X}+....\end{array}\right.$

式中：S₀、X₀、Z₀分别为节点注入量S和状态变量X、Z的期望值；ΔS、ΔX、ΔZ为随机扰动。

假设各节点负荷、风速和光照强度随机变化相互独立，每个时段的风速服从Weibull分布，光照强度服从beta分布。利用半不变量的性质，将卷积运算简化为几个半不变量的代数运算，得到待求量的各阶半不变量后，利用Gram-Charlier级数展开方法计算得到状态变量的概率密度函数。

可选的，所述对短时无功修正后的日前无功计划，进行实时无功修正包括：确定实时修正方法，并根据确定的实时修正方法进行实时无功出力修正。

实时无功修正是对短时修正的进一步调整和修正，一般调节量较小。在时间维上采用10分钟级的方法。由于时间较短，参与调节的优化变量主要以微型燃气轮机为主。以稳定电源作为缓冲机组，消除不确定因素，并达到经济性最高的目的。因此优化目标为网损最小。分布式电源出力和负荷的预测方法同短时无功修正的ARMA模型。由于时间较短，为了消除可能存在的不确定性，求解方法采用输出结果稳定的内点法。

在短时无功修正时，首先把日前无功计划中对分布式电源出力和负荷的预测值与实际值进行对比，判断预测值与实际值的误差。如果误差小于3％，则认为日前无功计划合理，不需要作调整；如果误差大于3％小于10％，则认为日前无功计划与实际有少量偏差。对剩余时段做差值修正。对无功供求差较大的负荷点就近寻找无功电源，根据差值调节该无功电源无功出力计划；如果误差大于10％，则认为日前无功计划与实际偏差较大。对剩余时段重新优化计算。实时无功修正过渡方法同上。

图2为本发明实施例提供的另一种电网无功协调控制方法的流程图。

本发明实施例确定日前无功计划，对日前无功计划进行短时无功修正，对短时无功修正后的日前无功计划，进行实时无功修正。从而实现多时间尺度无功滚动修正。

本发明实施例，分析不同时间尺度分布式发电和负荷的变化趋势，发展了时序递进滚动的无功电压优化计划和策略。研究适合不同时间尺度分布式发电出力和负荷变化的预测方法。根据不同时间尺度的不同调度思路和目标，建立数学模型，并针对不同数学模型采用了适合的算法进行求解。基于误差分析，考虑了不同时间尺度之间的过渡衔接方法，在保证优化调度准确可靠的同时减少了重复计算。

如图3所示，本发明实施例提供一种电网无功协调控制装置，包括：

第一模块31，用于确定日前无功计划；

第二模块32，用于对日前无功计划进行短时无功修正；

第三模块33，用于对短时无功修正后的日前无功计划，进行实时无功修正。

可选的，所述第一模块具体用于，对风速、光照强度和负荷大小进行预测，得到预测结果；根据预测结果，计算风、光日前无功计划。

可选的，所述第二模块具体用于，确定短时修正方法，并根据确定的短时修正方法进行短时无功出力修正。

可选的，所述第三模块具体用于，确定实时修正方法，并根据确定的实时修正方法进行实时无功出力修正。

本发明实施例确定日前无功计划，对日前无功计划进行短时无功修正，对短时无功修正后的日前无功计划，进行实时无功修正。从而实现多时间尺度无功滚动修正。

本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种电网无功协调控制方法，其特征在于，包括：

确定日前无功计划；

对日前无功计划进行短时无功修正；

对短时无功修正后的日前无功计划，进行实时无功修正。

2.根据权利要求1所述的方法，其特征在于，所述确定日前无功计划包括：

对风速、光照强度和负荷大小进行预测，得到预测结果；

根据预测结果，以小时级时间维度，以风力发电机、光伏发电机、微型燃气轮机、有载调压分接头和电容器为优化变量，以电容器动作次数为约束，计算风、光日前无功出力计划。

3.根据权利要求2所述的方法，其特征在于，所述对日前无功计划进行短时无功修正包括：

确定短时修正方法，并根据确定的短时修正方法进行短时无功出力修正，如果原计划与实际负荷发生偏离，则以30分钟时间维度重新优化计算。

4.根据权利要求3所述的方法，其特征在于，所述对短时无功修正后的日前无功计划，进行实时无功修正包括：

确定实时修正方法，并根据确定的实时修正方法进行实时无功出力修正。

5.根据权利要求4所述的方法，其特征在于，所述确定实时修正方法，并根据确定的实时修正方法进行实时无功出力修正包括：

根据不同时间尺度的特点采用不同的预测方法、优化目标、优化变量、时间维度和计算方法，进行实时无功出力修正。

6.一种电网无功协调控制装置，其特征在于，包括：

第一模块，用于确定日前无功计划；

第二模块，用于对日前无功计划进行短时无功修正；

第三模块，用于对短时无功修正后的日前无功计划，进行实时无功修正。

7.根据权利要求6所述的装置，其特征在于，所述第一模块具体用于，对风速、光照强度和负荷大小进行预测，得到预测结果；根据预测结果，以小时级时间维度，以风力发电机、光伏发电机、微型燃气轮机、有载调压分接头和电容器为优化变量，以电容器动作次数为约束，计算风、光日前无功计划。

8.根据权利要求7所述的装置，其特征在于，所述第二模块具体用于，确定短时修正方法，并根据确定的短时修正方法进行短时无功出力修正，如果原计划与实际负荷发生偏离，则以30分钟时间维度重新优化计算。

9.根据权利要求8所述的装置，其特征在于，所述第三模块具体用于，确定实时修正方法，并根据确定的实时修正方法进行实时无功出力修正。