CN104463365B - 基于配网自动化的无功电压优化分析评估方法 - Google Patents
基于配网自动化的无功电压优化分析评估方法 Download PDFInfo
- Publication number
- CN104463365B CN104463365B CN201410737076.2A CN201410737076A CN104463365B CN 104463365 B CN104463365 B CN 104463365B CN 201410737076 A CN201410737076 A CN 201410737076A CN 104463365 B CN104463365 B CN 104463365B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- node
- particle
- reactive
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 18
- 239000002245 particle Substances 0.000 claims abstract description 62
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 230000005611 electricity Effects 0.000 claims abstract description 7
- 108090000623 proteins and genes Proteins 0.000 claims description 12
- 239000000243 solution Substances 0.000 claims description 12
- 238000002347 injection Methods 0.000 claims description 6
- 239000007924 injection Substances 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 210000003813 thumb Anatomy 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 206010049669 Dyscalculia Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及基于配网自动化的无功电压优化分析评估方法。本发明提供的基于配网自动化的无功电压优化分析评估方法，通过采用随机微粒群优化算法并选择合理的计算参数及计算公式，可以科学地配电网无功电压进行分析评估，合理地装备电网设备，使电网可以达到明显的降损节能功效，在降低末端电压的同时还可以更多地为电流提供流动可能，从而大大加强了输电能力，同时也扩大了系统的总容量。
Description
技术领域
本发明涉及基于配网自动化的无功电压优化分析评估方法。
背景技术
目前，国内配网自动化系统处于初步阶段，大部分地区已建设配网自动化系统，配网各点数据也已采集，但只是对配电的运行水平的初步了解，其内部配电网的无功电压运行管理水平、装备水平、运行状况、负载能力等还存在严重的不足；具体地说：1、配电网线路过长，支路数目庞大、负荷变化不断、季节性明显，且各配变大多使用无载变压器，造成10kV母线电压控制效果不明显，且配网的潮流分布计算困难；2、配电网无功补偿装置配置不合理，设备老化，基本设施建设不够牢固，导致安装的补偿装置得不到有效的发挥，不能产生最大化的经济效益；3、无功容量的设计没有考虑客户的需求，设计不合理；4、配网自动化系统新建，在线监控的无功设备少，造成软件没有有效的发挥控制效果，且在软件控制方面可借鉴的不多，对10kV以下配电网优化问题认识不够深入；5、硬件方面相关的自动化设备配置不完善，基础设施建设较差，线路和其他设备使用年限较长，通信能力不足，使得自动化系统使用过程中较为困难；因此，急需利用配网自动化系统针对10kV配电网的无功电压进行分析评估，实现配电网的无功资源优化配置，使配电网的有功损耗最小，无功补偿设备的投资最少，并有效的指导配电网技术改造工作。
发明内容
本发明提供的基于配网自动化的无功电压优化分析评估方法，旨在克服现有技术中无法对配电网无功电压进行分析评估，造成电网装置配备不合理、电网架设成本高的不足。
为了解决上述技术问题，本发明采用如下技术方案：基于配网自动化的无功电压优化分析评估方法，该方法基于随机微粒群优化算法，随机微粒群优化算法包括：
目标函数，以多负荷状态下网损费用与总投资额之和最小为目标函数，公式如下：
式中:N为规划年数；Kp为电价(万元/kwh)；S为负荷状态数；tik为第i年第k种负荷状态的持续时间(h)；PLik第i年第k种负荷状态下系统电能损耗(kw)；Qi k、分别为第i年第k种负荷状态下无功电源容量、可调变压器变比，H为系统节点集；Mj为节点j上无功电源的年维护费用；表示第i年节点j是否安装无功电源的0-1决策变量；为第i年在节点j上无功电源安装费用；r为贴现率；m为无功电源的使用年限(年)；Ki为第i年无功电源的成本单价(元/kVar):表示第i年节点j上安装的无功电源的容量；
约束方程为：
Umin＜Ui＜Umax
0＜Qi＜Qmax
Tmin＜Ti＜Tmax
式中Pi、Qi表示节点i的注入有功、无功；Ui、Uj为节点i，j的电压；Gij、Bij为节点i、j之间的电导、电纳；θij为节点i、j之间的电压相角差；j∈N表示所有与节点i相连的节点；
粒子群优化算法初始化为一群随机粒子，然后通过叠代找到最优解，在每一次叠代中，粒子通过跟踪两个“极值”来更新自己；第一个就是粒子本身所找到的最优解；这个解叫做个体极值pBest，另一个极值是整个种群目前找到的最优解，这个极值是全局极值gBest，在找到这两个最优值时,粒子根据如下的公式来更新自己的速度和新的位置：
V＝w*V+c1*rand()*(pBest-Present)+c2*rand()*(gBest-Present)
Present＝Present+V
式中V是粒子的速度,Present是当前粒子的位置，pBest和gBest如前定义，rand()是介于(0，1)之间的随机数，c1,c2是学习因子；w是加权系数取值在0.1至0.9之间；
规定节点电压必须满足定义的上下限，当前默认节点电压上下限值为1.1和0.9，若偏低或偏高则修正到平均值1；节点功率合格因数也必须满足定义大小，默认0.85为合格，若不满足要求则至少修正到0.85；
电压约束：
电压U需满足用户定义的上下限，默认当前下限和上限分别为0.9、1.1，如果经潮流计算后电压偏低或偏高时，则把基因修正到通过计算后电压U能达到1的状态，计算公式如下：
式中，U表示当前计算得出的节点电压大小，ΔU表示不满足条件时U需要修正的差值，R、X分别表示当前节点的阻抗值，P、Q分别表示该节点注入的有功和无功大小；
假设当前基因中的无功补偿大小为Qoriginal，计算出需要修正的无功ΔQ的值，公式如下：
功率因数约束：
通过计算，功率合格因数需要满足规定的大小，默认至少达到0.85，如果不满足则将对基因修正，增加或减少无功补偿值Q，直至功率因数达标；功率因数的计算公式如下：
同样，假设当前基因中的无功补偿大小为Qoriginal，计算出需要修正的无功ΔQ的值，公式如下：
式中取
若某节点的电压和功率因数均不合格时，默认选择两种修正方案中无功修正值较大的方案；
粒子群优化算法的步骤如下：
①优化变量编码，初始化粒子以及粒子速度；
②粒子适应度检测操作；
③跟新粒子速度及粒子位置；
④种群根据适应值进行复制；
⑤若不满足随机微粒群优化算法的终止条件，则重复步骤②至步骤④，直到满足终止条件为止；
基于配网自动化的无功电压优化分析评估方法，包括以步骤：
步骤一：读入原始数据参数，确定候选无功补偿点位置；
步骤二：计算各个节点上各种容量的概率，并优化变量编码初始化粒子；
步骤三：跟新粒子速度及粒子位置；
步骤四：随机搜索无功电源的安装位置和容量，计算网络潮流、运行费用及投资费用；
步骤五：若不满足随机微粒群优化算法的终止条件，则重复步骤二至步骤四，直到满足终止条件为止。
作为优选，所述学习因子c1＝c2＝2，通过设置两个相等的学习因子且使学习因子等于2，该参数的设置使公式求得的值更加合理。
本发明提供的基于配网自动化的无功电压优化分析评估方法，具有如下优点：通过采用随机微粒群优化算法并选择合理的计算参数及计算公式，可以科学地配电网无功电压进行分析评估，合理地装备电网设备，使电网可以达到明显的降损节能功效，在降低末端电压的同时还可以更多地为电流提供流动可能，从而大大加强了输电能力，同时也扩大了系统的总容量；本发明提高系统供电可靠性、稳定运行能力，同时能够确保电能质量合格，改善电能质量；分析10kV配电网线路无功潮流分布，实现10kV无功分层、分区就地平衡，提高配电网功率因数和配电网无功电压管理和自动化水平；满足目前的配电网无功电压优化要求，使电网调度自动化水平大幅度提高，为无功电压管理水平的提高提供了条件，对配电网的无功合理规划和优化可以具有很好的社会和经济效益。
具体实施方式
基于配网自动化的无功电压优化分析评估方法，该方法基于随机微粒群优化算法，随机微粒群优化算法包括：
目标函数，以多负荷状态下网损费用与总投资额之和最小为目标函数，公式如下：
式中:N为规划年数；Kp为电价(万元/kwh)；S为负荷状态数；tik为第i年第k种负荷状态的持续时间(h)；PLik第i年第k种负荷状态下系统电能损耗(kw)；Qi k、分别为第i年第k种负荷状态下无功电源容量、可调变压器变比，H为系统节点集；Mj为节点j上无功电源的年维护费用；表示第i年节点j是否安装无功电源的0-1决策变量；为第i年在节点j上无功电源安装费用；r为贴现率；m为无功电源的使用年限(年)；Ki为第i年无功电源的成本单价(元/kVar):表示第i年节点j上安装的无功电源的容量；
约束方程为：
Umin＜Ui＜Umax
0＜Qi＜Qmax
Tmin＜Ti＜Tmax
式中Pi、Qi表示节点i的注入有功、无功；Ui、Uj为节点i，j的电压；Gij、Bij为节点i、j之间的电导、电纳；θij为节点i、j之间的电压相角差；j∈N表示所有与节点i相连的节点；
粒子群优化算法初始化为一群随机粒子，然后通过叠代找到最优解，在每一次叠代中，粒子通过跟踪两个“极值”来更新自己；第一个就是粒子本身所找到的最优解；这个解叫做个体极值pBest，另一个极值是整个种群目前找到的最优解，这个极值是全局极值gBest，在找到这两个最优值时,粒子根据如下的公式来更新自己的速度和新的位置：
V＝w*V+c1*rand()*(pBest-Present)+c2*rand()*(gBest-Present)
Present＝Present+V
式中V是粒子的速度,Present是当前粒子的位置，pBest和gBest如前定义，rand()是介于(0，1)之间的随机数，c1,c2是学习因子；所述学习因子c1＝c2＝2，w是加权系数取值在0.1至0.9之间；
规定节点电压必须满足定义的上下限，当前默认节点电压上下限值为1.1和0.9，若偏低或偏高则修正到平均值1；节点功率合格因数也必须满足定义大小，默认0.85为合格，若不满足要求则至少修正到0.85；
电压约束：
电压U需满足用户定义的上下限，默认当前下限和上限分别为0.9、1.1，如果经潮流计算后电压偏低或偏高时，则把基因修正到通过计算后电压U能达到1的状态，计算公式如下：
式中，U表示当前计算得出的节点电压大小，ΔU表示不满足条件时U需要修正的差值，R、X分别表示当前节点的阻抗值，P、Q分别表示该节点注入的有功和无功大小；
假设当前基因中的无功补偿大小为Qoriginal，计算出需要修正的无功ΔQ的值，公式如下：
功率因数约束：
通过计算，功率合格因数需要满足规定的大小，默认至少达到0.85，如果不满足则将对基因修正，增加或减少无功补偿值Q，直至功率因数达标；功率因数的计算公式如下：
同样，假设当前基因中的无功补偿大小为Qoriginal，计算出需要修正的无功ΔQ的值，公式如下：
式中取
若某节点的电压和功率因数均不合格时，默认选择两种修正方案中无功修正值较大的方案；
粒子群优化算法的步骤如下：
①优化变量编码，初始化粒子以及粒子速度；
②粒子适应度检测操作；
③跟新粒子速度及粒子位置；
④种群根据适应值进行复制；
⑤若不满足随机微粒群优化算法的终止条件，则重复步骤②至步骤④，直到满足终止条件为止；
基于配网自动化的无功电压优化分析评估方法，包括以步骤：
步骤一：读入原始数据参数，确定候选无功补偿点位置；
步骤二：计算各个节点上各种容量的概率，并优化变量编码初始化粒子；
步骤三：跟新粒子速度及粒子位置；
步骤四：随机搜索无功电源的安装位置和容量，计算网络潮流、运行费用及投资费用；
步骤五：若不满足随机微粒群优化算法的终止条件，则重复步骤二至步骤四，直到满足终止条件为止。
以上仅为本发明的优选实施方式，旨在体现本发明的突出技术效果和优势，并非是对本发明的技术方案的限制。本领域技术人员应当了解的是，一切基于本发明技术内容所做出的修改、变化或者替代技术特征，皆应涵盖于本发明所附权利要求主张的技术范畴内。
Claims (2)
1.基于配网自动化的无功电压优化分析评估方法，其特征在于，该方法基于随机微粒群优化算法，随机微粒群优化算法包括：
目标函数，以多负荷状态下网损费用与总投资额之和最小为目标函数，公式如下：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>min</mi>
<mi> </mi>
<mi>C</mi>
<mo>=</mo>
<mi>min</mi>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>K</mi>
<mi>p</mi>
</msub>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mi>S</mi>
</munderover>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>L</mi>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>(</mo>
<msubsup>
<mi>Q</mi>
<mi>k</mi>
<mi>i</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>T</mi>
<mi>k</mi>
<mi>i</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>H</mi>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mo>-</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<msub>
<mi>M</mi>
<mi>j</mi>
</msub>
<msubsup>
<mi>I</mi>
<mi>j</mi>
<mi>i</mi>
</msubsup>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<mi>min</mi>
<mrow>
<mo>(</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>H</mi>
</mrow>
</munder>
<msubsup>
<mi>I</mi>
<mi>j</mi>
<mi>i</mi>
</msubsup>
<msubsup>
<mi>F</mi>
<mi>j</mi>
<mi>i</mi>
</msubsup>
<mo>+</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>H</mi>
</mrow>
</munder>
<msubsup>
<mi>I</mi>
<mi>j</mi>
<mi>i</mi>
</msubsup>
<mfrac>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
<mi>m</mi>
</msup>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
<mrow>
<mi>m</mi>
<mo>-</mo>
<mi>N</mi>
<mo>+</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<msub>
<mi>K</mi>
<mi>i</mi>
</msub>
<msubsup>
<mi>Q</mi>
<mi>j</mi>
<mi>i</mi>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中:N为规划年数；Kp为电价，单位：万元/kwh；S为负荷状态数；tik为第i年第k种负荷状态的持续时间，单位：h；PLik第i年第k种负荷状态下系统电能损耗，单位：kw；Qi k、分别为第i年第k种负荷状态下无功电源容量、可调变压器变比，H为系统节点集；Mj为节点j上无功电源的年维护费用；表示第i年节点j是否安装无功电源的0-1决策变量；为第i年在节点j上无功电源安装费用；r为贴现率；m为无功电源的使用年限，单位：年；Ki为第i年无功电源的成本单价，单位：元/kVar:表示第i年节点j上安装的无功电源的容量；
约束方程为：
Umin＜Ui＜Umax
0＜Qi＜Qmax
Tmin＜Ti＜Tmax
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>N</mi>
</mrow>
</munder>
<msub>
<mi>U</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>cos&theta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>sin&theta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Q</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>N</mi>
</mrow>
</munder>
<msub>
<mi>U</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>sin&theta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>cos&theta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中Pi、Qi表示节点i的注入有功、无功；Ui、Uj为节点i，j的电压；Gij、Bij为节点i、j之间的电导、电纳；θij为节点i、j之间的电压相角差；j∈N表示所有与节点i相连的节点；
粒子群优化算法初始化为一群随机粒子，然后通过叠代找到最优解，在每一次叠代中，粒子通过跟踪两个“极值”来更新自己；第一个就是粒子本身所找到的最优解；这个解叫做个体极值pBest，另一个极值是整个种群目前找到的最优解，这个极值是全局极值gBest，在找到这两个最优值时,粒子根据如下的公式来更新自己的速度和新的位置：
V＝w*V+c1*rand()*(pBest-Present)+c2*rand()*(gBest-Present)
Present＝Present+V
式中V是粒子的速度,Present是当前粒子的位置，pBest和gBest如前定义，rand()是介于0至1之间的随机数，c1,c2是学习因子；w是加权系数取值在0.1至0.9之间；
规定节点电压必须满足定义的上下限，当前默认节点电压上下限值为1.1和0.9，若偏低或偏高则修正到平均值1；节点功率合格因数也必须满足定义大小，默认0.85为合格，若不满足要求则至少修正到0.85；
电压约束：
电压U需满足用户定义的上下限，默认当前下限和上限分别为0.9、1.1，如果经潮流计算后电压偏低或偏高时，则把基因修正到通过计算后电压U能达到1的状态，计算公式如下：
<mrow>
<mi>&Delta;</mi>
<mi>U</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>P</mi>
<mi>R</mi>
<mo>+</mo>
<mi>Q</mi>
<mi>X</mi>
</mrow>
<mi>U</mi>
</mfrac>
</mrow>
式中，U表示当前计算得出的节点电压大小，ΔU表示不满足条件时U需要修正的差值，R、X分别表示当前节点的阻抗值，P、Q分别表示该节点注入的有功和无功大小；
假设当前基因中的无功补偿大小为Qoriginal，计算出需要修正的无功ΔQ的值，公式如下：
<mrow>
<mi>&Delta;</mi>
<mi>Q</mi>
<mo>=</mo>
<mo>|</mo>
<mfrac>
<mrow>
<mi>U</mi>
<mo>&CenterDot;</mo>
<mi>&Delta;</mi>
<mi>U</mi>
<mo>-</mo>
<mi>P</mi>
<mi>R</mi>
</mrow>
<mi>X</mi>
</mfrac>
<mo>-</mo>
<msub>
<mi>Q</mi>
<mrow>
<mi>o</mi>
<mi>r</mi>
<mi>i</mi>
<mi>g</mi>
<mi>i</mi>
<mi>n</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>|</mo>
</mrow>
功率因数约束：
通过计算，功率合格因数需要满足规定的大小，默认至少达到0.85，如果不满足则将对基因修正，增加或减少无功补偿值Q，直至功率因数达标；功率因数的计算公式如下：
同样，假设当前基因中的无功补偿大小为Qoriginal，计算出需要修正的无功ΔQ的值，公式如下：
式中取
若某节点的电压和功率因数均不合格时，默认选择两种修正方案中无功修正值较大的方案；
粒子群优化算法的步骤如下：
①优化变量编码，初始化粒子以及粒子速度；
②粒子适应度检测操作；
③跟新粒子速度及粒子位置；
④种群根据适应值进行复制；
⑤若不满足随机微粒群优化算法的终止条件，则重复步骤②至步骤④，直到满足终止条件为止；
基于配网自动化的无功电压优化分析评估方法，包括以步骤：
步骤一：读入原始数据参数，确定候选无功补偿点位置；
步骤二：计算各个节点上各种容量的概率，并优化变量编码初始化粒子；
步骤三：跟新粒子速度及粒子位置；
步骤四：随机搜索无功电源的安装位置和容量，计算网络潮流、运行费用及投资费用；
步骤五：若不满足随机微粒群优化算法的终止条件，则重复步骤二至步骤四，直到满足终止条件为止；
上述配网为10kV以下配电网。
2.根据权利要求1所述的基于配网自动化的无功电压优化分析评估方法，其特征在于：所述学习因子c1＝c2＝2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410737076.2A CN104463365B (zh) | 2014-12-04 | 2014-12-04 | 基于配网自动化的无功电压优化分析评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410737076.2A CN104463365B (zh) | 2014-12-04 | 2014-12-04 | 基于配网自动化的无功电压优化分析评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104463365A CN104463365A (zh) | 2015-03-25 |
| CN104463365B true CN104463365B (zh) | 2017-10-24 |
Family
ID=52909369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410737076.2A Active CN104463365B (zh) | 2014-12-04 | 2014-12-04 | 基于配网自动化的无功电压优化分析评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104463365B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104868481B (zh) * | 2015-05-06 | 2017-11-14 | 国家电网公司 | 一种使配电网络全天有功损耗最小的电容补偿方法 |
| CN108110752B (zh) * | 2017-12-06 | 2021-03-12 | 中国南方电网有限责任公司 | 一种自适应电网负荷变化的日前计划方式无功优化方法 |
| CN116365536B (zh) * | 2023-06-01 | 2023-08-11 | 国网安徽省电力有限公司合肥供电公司 | 一种基于电力配电的低压无功精准性补偿方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103472731A (zh) * | 2013-09-24 | 2013-12-25 | 南方电网科学研究院有限责任公司 | 一种微电网小信号稳定性分析并参数协调整定的方法 |
| CN103972908A (zh) * | 2014-05-23 | 2014-08-06 | 国家电网公司 | 一种基于自适应混沌粒子群算法的多目标无功优化方法 |
| CN104037776A (zh) * | 2014-06-16 | 2014-09-10 | 国家电网公司 | 随机惯性因子粒子群优化算法的电网无功容量配置方法 |
| CN104166877A (zh) * | 2014-05-31 | 2014-11-26 | 徐多 | 基于改进二进制粒子群优化算法的微网优化运行方法 |
-
2014
- 2014-12-04 CN CN201410737076.2A patent/CN104463365B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103472731A (zh) * | 2013-09-24 | 2013-12-25 | 南方电网科学研究院有限责任公司 | 一种微电网小信号稳定性分析并参数协调整定的方法 |
| CN103972908A (zh) * | 2014-05-23 | 2014-08-06 | 国家电网公司 | 一种基于自适应混沌粒子群算法的多目标无功优化方法 |
| CN104166877A (zh) * | 2014-05-31 | 2014-11-26 | 徐多 | 基于改进二进制粒子群优化算法的微网优化运行方法 |
| CN104037776A (zh) * | 2014-06-16 | 2014-09-10 | 国家电网公司 | 随机惯性因子粒子群优化算法的电网无功容量配置方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104463365A (zh) | 2015-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107301472B (zh) | 基于场景分析法和电压调节策略的分布式光伏规划方法 | |
| CN109687458B (zh) | 考虑区域配电网风险承受能力差异的网架规划方法 | |
| CN108470231B (zh) | 考虑储能系统量化特征的配电网分布式储能选址定容方法 | |
| CN107069814B (zh) | 配网分布式电源容量布点的模糊机会约束规划方法与系统 | |
| CN105978016B (zh) | 一种基于最优潮流的多端柔性直流输电系统优化控制方法 | |
| CN105356481B (zh) | 一种基于多馈入短路比的动态无功补偿选点方法 | |
| CN105096207B (zh) | 一种基于层次分析法的重要电力用户供电可靠性评估方法 | |
| CN103606014B (zh) | 一种基于多目标的海岛分布式电源优化方法 | |
| CN102915472A (zh) | 基于基因修复混沌遗传算法的配电网综合优化规划方法 | |
| CN109818369B (zh) | 一种计及出力模糊随机性的分布式电源规划方法 | |
| CN105244889A (zh) | 一种配电网无功补偿规划的方法 | |
| Huang et al. | Hybrid optimisation method for optimal power flow using flexible AC transmission system devices | |
| CN104463365B (zh) | 基于配网自动化的无功电压优化分析评估方法 | |
| CN107276067A (zh) | 一种考虑负荷特性的配电网联络开关配置优化方法 | |
| CN106712051B (zh) | 低压配电台区分散无功补偿与扩大线径协调优化计算方法 | |
| CN105046584A (zh) | 一种基于k-means算法的理想线损率的计算方法 | |
| CN107123983A (zh) | 一种基于安全域的变电站接入方案辅助评估方法 | |
| CN109615244A (zh) | 一种考虑不同类型电源入网的综合评价方法 | |
| CN108306346A (zh) | 一种配电网无功补偿节能方法 | |
| CN104732107B (zh) | 以介质参数为评估参量的变压器套管剩余寿命预测方法 | |
| CN103824124A (zh) | 一种针对电网公司的节能潜力评估方法 | |
| CN107171322B (zh) | 一种含小水电配电网的规划方法 | |
| CN109617079A (zh) | 一种直流配电系统潮流解的存在性与稳定性分析方法 | |
| CN106203742B (zh) | 一种基于节能回报率的电网设备节能评价及选型方法 | |
| CN117674211A (zh) | 一种集中式共享储能容量的规划方法、系统及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |