CN104578091B - 一种含多源电网的无延时最优无功协调控制系统及方法 - Google Patents
一种含多源电网的无延时最优无功协调控制系统及方法 Download PDFInfo
- Publication number
- CN104578091B CN104578091B CN201410334069.8A CN201410334069A CN104578091B CN 104578091 B CN104578091 B CN 104578091B CN 201410334069 A CN201410334069 A CN 201410334069A CN 104578091 B CN104578091 B CN 104578091B
- Authority
- CN
- China
- Prior art keywords
- power
- reactive power
- igbt
- sample
- grid
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000005611 electricity Effects 0.000 claims abstract description 60
- 230000005619 thermoelectricity Effects 0.000 claims abstract description 28
- 230000033228 biological regulation Effects 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 72
- 238000012549 training Methods 0.000 claims description 63
- 239000003990 capacitor Substances 0.000 claims description 51
- 239000011159 matrix material Substances 0.000 claims description 30
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 230000014616 translation Effects 0.000 claims description 6
- 230000007812 deficiency Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 239000013604 expression vector Substances 0.000 claims description 3
- 241001146702 Candidatus Entotheonella factor Species 0.000 claims 1
- 230000001105 regulatory effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000003750 conditioning effect Effects 0.000 description 5
- 230000002035 prolonged effect Effects 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 206010003830 Automatism Diseases 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000000051 wattle Anatomy 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02E40/30—Reactive power compensation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于电力系统运行控制技术领域,具体是一种含多源电网的无延时最优无功协调控制系统及方法。包括获取含多源电网历史时刻的气象因素和电网潮流信息;预测得到未来时刻的最优风场并网节点/光伏电站并网点/SVG并网节点/火电并网节点/火电并网节点的无功功率;当前电网处于容性无功功率过剩则增加电网感性无功功率;当前电网处于容性无功功率不足则增加电网的容性无功功率。风力发电系统与电网之间,光伏发电系统与电网之间,火电发电系统与电网之间,负荷A与电网之间,电网与负荷B之间分别连接有多源电网无功功率协调控制终端装置。可避免电网无功潮流调节方法的调控结果都延后于潮流信息采集时刻的网络状态,达到控制信息和采集信息无时差对应。
Description
技术领域
本发明属于电力系统运行控制技术领域,具体是一种含多源电网的无延时最优无功协调控制系统及方法。
背景技术
为了提高网内薄弱节点电压水平和稳定欲度,避免电网大面积电压崩溃甚至解列,实现电力系统的稳定运行,要求电网实现无功潮流的有效控制,然而,随着风电与光伏发电大量接入电网,电网内电源种类和结构发生巨大变化,对于这类含多源电网,由于新能源受自然条件影响大,出力具有随机性和波动性,所以除了作为受电端的负荷变化会引起网内节点电压的波动,作为送电端的新能源发电系统出力的随机波动也将造成网内无功潮流的改变,致使节点电压发生波动,这使得网内薄弱节点电压水平和稳定裕度大幅降低,含多源电网的无功控制问题更为复杂和困难。截止目前,没有针对考虑含多源电网的无功功率控制方法和独立装置,电网无功控制技术以自动电压控制AVC为主,依据实时采集网内各节点的潮流信息,进行最优计算后的统一分层调控,而风电场主要采用监测并网点电压进行实时控制,控制策略有模糊控制、智能控制、分层控制等。这些控制手段的调控结果都延后于潮流信息采集时刻的网络状态,控制延时期间,风力发电系统和光伏发电系统的随机性和不确定性会使得当前实际网络状态(即控制实际作用时间点)与采集时刻网络状态存在较大差异,降低控制效果,甚至可能恶化网内无功功率的平衡,严重影响电网的稳定运行。
发明内容
针对上述现有技术存在的问题,本发明提供一种含多源电网的无延时最优无功协调控制系统及方法。其目的是能够实现无延时最优准确控制含多源电网网内无功潮流,避免现有电网无功潮流调节方法的调控结果都延后于潮流信息采集时刻的网络状态,控制延时期间。
为达到上述发明目的,本发明是通过以下方式实现的:
一种含多源电网的无延时最优无功协调控制方法,包括以下步骤:
步骤1:获取含多源电网历史时刻的气象因素和电网潮流信息;
步骤2:根据获取的含多源电网历史时刻的气象因素和电网潮流信息,利用弱分类器训练目标数据的预测模型;目标数据包括整网电压最薄弱节点无功功率、整网网损值、整网电压最薄弱节点电压幅值和整网电压最薄弱节点的电压稳定裕度;
步骤3:根据各目标数据的预测模型H(x0,y1 0)=C、当前时刻及历史时刻的气象因素和电网潮流因素,预测未来时刻的整网电压最薄弱节点无功功率,将y1 0换为其他目标样本集y0中的元素,重复整个过程,能够预测未来时刻的整网网损值、整网电压最薄弱节点电压幅值和整网电压最薄弱节点的电压稳定裕度;
步骤4:以预测的未来时刻的整网电压最薄弱节点无功功率、整网网损值、整网电压最薄弱节点电压幅值和整网电压最薄弱节点的电压稳定裕度为输入,以未来时刻的最优风场并网节点位置的无功功率、最优光伏电站并网点、最优SVG并网节点位置的无功功率、最优火电并网节点位置的无功功率、最优负荷的无功功率为输出,该模型以整网电压最薄弱节点无功功率最小,整网网损值最小,整网电压最薄弱节点电压幅值距离额定不超过5%,整网最薄弱节点电压稳定裕度最大为目标,以潮流方程为等式约束,以各个发电机功率极限、线路功率传输极限和节点电压极限为不等式约束,建立含多源电网的无延时最优无功协调优化模型;
步骤5:根据预测的未来时刻的整网电压最薄弱节点无功功率、整网网损值、整网电压最薄弱节点电压幅值和整网电压最薄弱节点的电压稳定裕度,利用含多源电网的无延时最优无功协调优化模型得到未来时刻的最优风场并网节点的无功功率、最优光伏电站并网点位置的无功功率、最优SVG并网节点的无功功率、最优火电并网节点位置的无功功率、最优负荷的无功功率;
步骤6:根据未来时刻的最优风场并网节点的无功功率、最优光伏电站并网点位置的无功功率、最优SVG并网节点的无功功率、最优火电并网节点位置的无功功率、最优负荷的无功功率、最优负荷的无功功率设定风力发电系统无功参考值、光伏发电系统的无功参考值、火电发电系统的无功参考值和SVG的无功参考值,风力发电系统、光伏发电系统、火电发电系统和SVG按照无功参考值进行调节;
步骤7:分别判断风力发电系统无功参考值、光伏发电系统的无功参考值或风电发电系统的无功参考值是否超出各个发电机功率极限、线路功率传输极限和节点电压极限,是,则执行步骤8,否则返回步骤3;
步骤8:若当前电网处于容性无功功率过剩,则增加电网感性无功功率;若当前电网处于容性无功功率不足,则增加电网的容性无功功率。
所述的气象因素包括日照强度、地区温度和风速;所述电网潮流信息包括风电场并网点电压、风电场并网点无功、风电场并网点有功、光伏电池并网点电压、光伏电池并网点无功功率、光伏电池并网点有功功率、最薄弱节点的电压、最薄弱节点的无功功率和最薄弱节点的有功功率。
所述的步骤2包括:
步骤2.1:将历史时刻的气象因素和电网潮流信息作为因素样本即训练样本,采集当前时刻的整网电压最薄弱节点无功功率、整网网损值、整网电压最薄弱节点电压幅值和整网电压最薄弱节点的电压稳定裕度作为目标样本y0,训练样本和目标样本构成无功功率预测模型的样本集;
步骤2.2:对训练样本进行归一化处理,得到原始训练样本集其中,L表示训练样本维数,L=12,N表示训练样本的数量,即因素样本采集的历史时刻;为第i时刻测量的因素样本,为目标样本集y0中第一个元素;
步骤2.3:设定无功功率预测模型的最大迭代次数和平移量;
步骤2.4:分别对目标样本中的各数据按平移量进行上下平移,每个目标样本数据得到两类分类样本,并将两类分类样本进行组合得到组合分类样本集:D={(xi,yi)|xi∈RL +1,yi∈{-1,+1},i=1,2,...,2N};式中,xi为新的样本向量,称为分类样本,该样本包括原始训练样本向量以及对原始目标样本按平移量δ进行上下平移得到的新样本;i表示目标样本序号,2N表示目标样本的数量;yi为构造分类样本集所设定的目标值,yi为1或-1;
步骤2.5:根据组合分类样本集D确定各训练样本相对于目标样本的权重向量d1,i,设yi=1的训练样本数量为N+,yi=-1的训练样本数量为N-,权重向量中各元素d1,l,i如下:
式中,各训练样本相对于目标样本的权重向量d1,i为行向量,权重向量中各元素d1,l,i中的l表示不同种类的训练样本;
步骤2.6:根据权重向量d1,i,采用加权平均法计算训练样本期望值,进而根据总体权重分布计算训练样本均值ms,k;
ms,k={ms,l,k|l=1...L+1},k=1,-1
其中,ms,k的维数与训练样本xi同为L+1,s代表当前迭代层,ds,l,i为权重向量ds,i中的第l号元素,xl,i为分类样本xi中的第l号元素,加和条件yi=k表示将满足相应yi值为k的所有训练样本按照i进行加和;
步骤2.7:构造样本类间离散度矩阵和构造样本类内离散度矩阵,进而建立映射矩阵;
利用k=1时的样本均值与k=-1时的样本均值构造样本均值差,并在L+1维空间里构造样本类间离散度矩阵Ss,k,即映射矩阵:
类间离散度表征不同类别训练样本之间的离散程度,式中,ds,i为当前迭代内样本的权重向量,e表示维数与分类样本xi相同的向量,其内部元素均为1;
类内离散度表征相同类别样本之间的离散程度,构造样本类内离散度矩阵:
映射矩阵将分类样本映射到新的样本空间,在该空间中分类样本满足样本类间离散度矩阵和样本类内离散度矩阵的比值最大化;
步骤2.8:计算分类阈值;
其中,ms为样本总均值向量,其维数与xi相同,其内部元素为当前迭代内的训练样本均值的平均数,即ms,1与ms,-1之和取平均值,为前次迭代中满足yi=1训练样本的分类错误率,为前次迭代中满足yi=-1样本的分类错误率,第一次迭代即迭代次数s=1时各训练样本的分类错误率为0;
步骤2.9:根据映射矩阵构造当前迭代中的弱分类器:
hs={hs,l|l=1...L+M}
式中,hs为弱分类器,xi,l表示分类样本xi中第l号元素,为中第l号元素,l=1…L+1代表样本类型,i表示样本序号,θs是分类阈值,根据前次迭代的分类错误率确定,(θs)l是分类阈值的第l号元素;
步骤2.10:计算当前迭代中的分类错误率:
hs(xi)表示利用弱分类器对样本xi分类的结果,hs(xi)l为该结果中的第l号元素,i表示样本序号,hs(xi)l≠1表示满足yi=1的第i个分类样本xi中,第l号样本元素xl,i在当前迭代中被错误分类,hs(xi)l≠-1同理;I(□)表示判断函数,若括号内的内容成立,则I=1,否则I=0,对所有被错误分类的分类样本的权重ds,l,i分别以yi=1或yi=-1进行分类加权,得到当前迭代中两类分类样本的分类错误率;
步骤2.11:由分类错误率计算投票参数αs:
αs=(1/2)ln((1-εs)/εs)
其中,所有样本总分类错误率
步骤2.12:利用分类错误率与投票参数更新权重向量,得到更新之后的权重向量ds+1,i;
ds+1,i=ds,i*exp(-αsyihs(xi))
式中,ds,i为原有权重向量,αs为投票参数,yi表示分值1或-1,其值对应于xi中元素;exp函数的内部元素为向量,exp以e为底数,以括号内向量中的每个元素为指数,进行指数函数计算,公式中*号表示向量点乘法,即向量内部对应项相乘,其计算结果为与分类样本维数相同的向量,即更新后的ds+1,i;
步骤2.13:对权重向量ds+1,i进行归一化处理,得到归一化后的权重向量ds+1,i,并将该权重向量作为下一次迭代的权重向量,重复执行步骤2.6~步骤2.13,直至完成所有分类样本的训练;
式中,Zs等于权重向量内元素的加和;
步骤2.14:对各次迭代的弱分类器,通过投票参数加权得到由历史时刻预测当前时刻无功功率的回归方程,即目标数据的预测模型H(x);
其中,C是由所有迭代的分类器通过投票参数加权得到的常数,用于确定保持因素数据与目标数据之间的关系;
一种含多源电网的无延时最优无功协调控制系统,包括多源电网无功功率协调控制终端装置、风力发电系统、光伏发电系统、火电发电系统、负荷A、负荷B、SVG和中央监控单元;其中,风力发电系统与电网之间连接有第一多源电网无功功率协调控制终端装置,光伏发电系统与电网之间连接有第二多源电网无功功率协调控制终端装置,火电发电系统与电网之间连接有第三多源电网无功功率协调控制终端装置,负荷A与电网之间连接有第四多源电网无功功率协调控制终端装置,电网与负荷B之间连接有第五多源电网无功功率协调控制终端装置;
中央监控单元的输出端分别与各多源电网无功功率协调控制终端装置连接;各多源电网无功功率协调控制终端装置均包括三个单相无功功率协调控制电路,且各个单相无功功率协调控制电路均相同;
所述的单相无功功率协调控制电路:包括第一门级可控晶闸管V1、第二门级可控晶闸管V2、第一二极管VD1、第二二极管VD2、第一绝缘栅双极晶体管T1、第二绝缘栅双极晶体管T2、第三绝缘栅双极晶体管T3、第四绝缘栅双极晶体管T4、第五绝缘栅双极晶体管T5、第六绝缘栅双极晶体管T6、第七绝缘栅双极晶体管T7、防止过电压避雷器ZNO1、第一电容器C1、第二电容器C2、交流断路器K1、能耗电阻R1、分压电阻R2、电感L1;
第二门级可控晶闸管V2的阳极接入多源电网线路中,第二门级可控晶闸管V2的阴极连接第一电容器C1的一端,第一门级可控晶闸管V1的阴极连接第二门级可控晶闸管V2的阳极,第一门级可控晶闸管V1的阳极连接至第二门级可控晶闸管V2的阴极与第一电容器C1的一端之间,第一电容器C1的另一端连接交流断路器K1的一端,交流断路器K1的另一端接入多源电网线路中,避雷器ZNO1的一端接至第二门级可控晶闸管V2的阳极与多源电网线路的连接处,避雷器ZNO1的另一端接至第二门级可控晶闸管V2的阳极与多源电网线路的连接处,第一绝缘栅双极晶体管T1的集电极连接第二绝缘栅双极晶体管T2的发射极,第一绝缘栅双极晶体管T1的发射极连接第六绝缘栅双极晶体管T6的发射极,第六绝缘栅双极晶体管T6的集电极连接第七绝缘栅双极晶体管T7的发射极,第七绝缘栅双极晶体管T7的集电极连接第二绝缘栅双极晶体管T2的集电极,电感L1的一端连接至第一绝缘栅双极晶体管T1的发射极于第六绝缘栅双极晶体管T6的发射极之间,电感L1的另一端连接第四绝缘栅双极晶体管T4的集电极,第四绝缘栅双极晶体管T4的发射极连接至第七绝缘栅双极晶体管T7的集电极与第二绝缘栅双极晶体管T2的集电极之间,第三绝缘栅双极晶体管T3的集电极连接至电感L1的一端,第三绝缘栅双极晶体管T3的发射极连接至电感L1的另一端,二极管VD1的正极连接能耗电阻R1的一端,第五绝缘栅双极晶体管T5的集电极连接电感L1的一端,第五绝缘栅双极晶体管T5的发射极连接第二电容器C2的一端,第二电容器C2的另一端连接分压电阻R2的一端,分压电阻R2的另一端接地,二极管VD1的负极连接至电感L1的一端与第五绝缘栅双极晶体管T5的集电极之间,多源电网线路还连接至第一绝缘栅双极晶体管T1的集电极与第二绝缘栅双极晶体管T2的发射极之间、第六绝缘栅双极晶体管T6的集电极与第七绝缘栅双极晶体管T7的发射极之间。
所述的各多源电网无功功率协调控制终端装置在其对应的发电系统或负荷超出各个发电机功率极限、线路功率传输极限和节点电压极限时进行无功功率协调,包括增加电网感性无功功率和增加电网的容性无功功率。
所述风力发电系统、光伏发电系统、风电发电系统或负荷未超出各个发电机功率极限、线路功率传输极限和节点电压极限时,交流断路器K1处于开断状态,第一绝缘栅双极晶体管T1、第三绝缘栅双极晶体管T3、第四绝缘栅双极晶体管T4、第七绝缘栅双极晶体管T7闭合,第三绝缘栅双极晶体管T3、第五绝缘栅双极晶体管T5处于开断状态,电感L1、第一电容器C1、第二电容器C2均未接入电网,电感L1上通过直流电压,即多源电网无功功率协调控制终端装置不提供任何无功功率。
所述的多源电网无功功率协调控制终端装置在当前电网处于容性无功功率过剩时,第二绝缘栅双极晶体管T2、第六绝缘栅双极晶体管T6闭合,第三绝缘栅双极晶体管T3处于开断状态,电感L1上通过直流电压,第二绝缘栅双极晶体管T2、第六绝缘栅双极晶体管T6开断处于开断状态,第五绝缘栅双极晶体管T5和交流断路器K1处于开断状态,第一电容器C1、第二电容器C2均未接入电路,电感L1串联接入线路,增加电网感性无功功率;
所述的多源电网无功功率协调控制终端装置在当前电网处于容性无功功率不足时,第一绝缘栅双极晶体管T1、第三绝缘栅双极晶体管T3、第四绝缘栅双极晶体管T4、第五绝缘栅双极晶体管T5、第七绝缘栅双极晶体管T7闭合,交流断路器K1处于开断状态,第二绝缘栅双极晶体管T2、第六绝缘栅双极晶体管T6处于开断状态,第一电容器C1并联接入电网线路、电感L1、第二电容器C2均未接入电路,增加电网容性无功功率。
所述的多源电网无功功率协调控制终端装置在当前电网处于容性无功功率过剩且需要切机操作时,第一绝缘栅双极晶体管T1、第二绝缘栅双极晶体管T2、第三绝缘栅双极晶体管T3、第四绝缘栅双极晶体管T4、第五绝缘栅双极晶体管T5、第六绝缘栅双极晶体管T6、第七绝缘栅双极晶体管T7处于开断状态,交流断路器K1处于开断状态,风力发电系统/光伏发电系统/风电发电系统切出,电感L1通过VD1和R1形成回路释放能量。
所述多源电网无功功率协调控制终端装置在当前电网谐波过高时,第二绝缘栅双极晶体管T2、第三绝缘栅双极晶体管T3、第六绝缘栅双极晶体管T6处于开断状态,第一电容器C1未接入电网,第二电容器C2、电感L1串联接入,第二电容器C2并联接入,构成滤波电路。
所述多源电网无功功率协调控制终端装置在电网稳定性下降时,第一绝缘栅双极晶体管T1、第二绝缘栅双极晶体管T2、第三绝缘栅双极晶体管T3、第四绝缘栅双极晶体管T4、第五绝缘栅双极晶体管T5、第六绝缘栅双极晶体管T6、第七绝缘栅双极晶体管T7处于开断状态,交流断路器K1处于闭合状态,第一电容器C1串联接入电网线路、电感L1、第二电容器C2均未接入电路,缩短风力发电系统/光伏发电系统/风电发电系统的电气距离。
本发明的有益效果是:本发明一种含多源电网的无延时最优无功协调控制系统及方法,在大量分布式电源接入电网的无功潮流控制中,分析甄选加入新能源因素并对其进行量化,如风电场地区风速、光伏电厂年地区日照强度、光伏电厂年地区温度等,对影响无功潮流变化的各个因素进行自趋优可变权重计算,确保客观反映各因素与无功潮流的关系,进行无延时控制目标设定,然后以网内无功潮流最优为目标进行分析计算,进而调整该电网中各个发电区域的配合,实现无延时最优准确控制含多源电网网内无功潮流,避免现有电网无功潮流调节方法的调控结果都延后于潮流信息采集时刻的网络状态,达到控制信息和采集信息无时差对应。
附图说明
图1为本发明方法流程图;
图2为本发明系统结构示意图;
图3为本发明系统连接示意图;
图4为本发明含多源电网的单相无功功率协调控制电路原理图;
图5为本发明中信号调理电路原理图;
图6为本发明中数据采集芯片与DSP电路连接原理图;
图7为本发明中M57962L芯片电路原理图;
图8为本发明实施例的风力发电系统、光伏发电系统、风电发电系统或负荷未超出各个发电机功率极限、线路功率传输极限和节点电压极限时单相无功功率协调控制电路状态示意图;
图9为本发明实施例的多源电网无功功率协调控制终端装置在当前电网处于容性无功功率过剩时单相无功功率协调控制电路状态示意图;
图10为本发明实施例的多源电网无功功率协调控制终端装置在当前电网处于容性无功功率不足时单相无功功率协调控制电路状态示意图;
图11为本发明实施例的多源电网无功功率协调控制终端装置在当前电网处于容性无功功率过剩且需要切机操作时单相无功功率协调控制电路状态示意图;
图12为本发明实施例的多源电网无功功率协调控制终端装置在当前电网谐波过高时单相无功功率协调控制电路状态示意图;
图13为本发明实施例的多源电网无功功率协调控制终端装置在电网稳定性下降时单相无功功率协调控制电路状态示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做详细说明。
一种含多源电网系统结构如图2所示,一种含多源电网的无延时最优无功协调控制方法,如图1所示,包括以下步骤:
步骤1:获取含多源电网历史时刻的气象因素和电网潮流信息,如表1所示,表1中功率基准值100MVA,电压基准值220KV。
所述气象因素包括日照强度、地区温度和风速;
所述电网潮流信息包括风电场并网点电压、风电场并网点无功、风电场并网点有功、光伏电池并网点电压、光伏电池并网点无功功率、光伏电池并网点有功功率、最薄弱节点的电压、最薄弱节点的无功功率和最薄弱节点的有功功率;
步骤2:根据获取的含多源电网历史时刻的气象因素和电网潮流信息,利用弱分类器训练目标数据的预测模型;目标数据包括整网电压最薄弱节点无功功率、整网网损值、整网电压最薄弱节点电压幅值和整网电压最薄弱节点的电压稳定裕度;如表2所示。
步骤2.1:将历史时刻的气象因素和电网潮流信息作为因素样本即训练样本,采集当前时刻的整网电压最薄弱节点无功功率、整网网损值、整网电压最薄弱节点电压幅值和整网电压最薄弱节点的电压稳定裕度作为目标样本y0,训练样本和目标样本构成无功功率预测模型的样本集;
步骤2.2:对训练样本进行归一化处理,得到原始训练样本集其中,L表示训练样本维数,L=12,N表示训练样本的数量,即因素样本采集的历史时刻;为第i时刻测量的因素样本,为目标样本集y0中第一个元素;
步骤2.3:设定无功功率预测模型的最大迭代次数和平移量;
步骤2.4:分别对目标样本中的各数据按平移量进行上下平移,每个目标样本数据得到两类分类样本,并将两类分类样本进行组合得到组合分类样本集:D={(xi,yi)|xi∈RL +1,yi∈{-1,+1},i=1,2,...,2N};式中,xi为新的样本向量,称为分类样本,该样本包括原始训练样本向量以及对原始目标样本按平移量δ进行上下平移得到的新样本;i表示目标样本序号,2N表示目标样本的数量;yi为构造分类样本集所设定的目标值,yi为1或-1;
步骤2.5:根据组合分类样本集D确定各训练样本相对于目标样本的权重向量d1,i,设yi=1的训练样本数量为N+,yi=-1的训练样本数量为N-,权重向量中各元素d1,l,i如下:
式中,各训练样本相对于目标样本的权重向量d1,i为行向量,权重向量中各元素d1,l,i中的l表示不同种类的训练样本;
步骤2.6:根据权重向量d1,i,采用加权平均法计算训练样本期望值,进而根据总体权重分布计算训练样本均值ms,k;
ms,k={ms,l,k|l=1...L+1},k=1,-1
其中,ms,k的维数与训练样本xi同为L+1,s代表当前迭代层,ds,l,i为权重向量ds,i中的第l号元素,xl,i为分类样本xi中的第l号元素,加和条件yi=k表示将满足相应yi值为k的所有训练样本按照i进行加和;
步骤2.7:构造样本类间离散度矩阵和构造样本类内离散度矩阵,进而建立映射矩阵;
利用k=1时的样本均值与k=-1时的样本均值构造样本均值差,并在L+1维空间里构造样本类间离散度矩阵Ss,k,即映射矩阵:
类间离散度表征不同类别训练样本之间的离散程度,式中,ds,i为当前迭代内样本的权重向量,e表示维数与分类样本xi相同的向量,其内部元素均为1;
类内离散度表征相同类别样本之间的离散程度,构造样本类内离散度矩阵:
映射矩阵将分类样本映射到新的样本空间,在该空间中分类样本满足样本类间离散度矩阵和样本类内离散度矩阵的比值最大化;
步骤2.8:计算分类阈值;
其中,ms为样本总均值向量,其维数与xi相同,其内部元素为当前迭代内的训练样本均值的平均数,即ms,1与ms,-1之和取平均值,为前次迭代中满足yi=1训练样本的分类错误率,为前次迭代中满足yi=-1样本的分类错误率,第一次迭代即迭代次数s=1时各训练样本的分类错误率为0;
步骤2.9:根据映射矩阵构造当前迭代中的弱分类器:
hs={hs,l|l=1...L+M}
式中,hs为弱分类器,xi,l表示分类样本xi中第l号元素,为中第l号元素,l=1…L+1代表样本类型,i表示样本序号,θs是分类阈值,根据前次迭代的分类错误率确定,(θs)l是分类阈值的第l号元素;
步骤2.10:计算当前迭代中的分类错误率:
hs(xi)表示利用弱分类器对样本xi分类的结果,hs(xi)l为该结果中的第l号元素,i表示样本序号,hs(xi)l≠1表示满足yi=1的第i个分类样本xi中,第l号样本元素xl,i在当前迭代中被错误分类,hs(xi)l≠-1同理;I(□)表示判断函数,若括号内的内容成立,则I=1,否则I=0,对所有被错误分类的分类样本的权重ds,l,i分别以yi=1或yi=-1进行分类加权,得到当前迭代中两类分类样本的分类错误率;
步骤2.11:由分类错误率计算投票参数αs:
αs=(1/2)ln((1-εs)/εs)
其中,所有样本总分类错误率
步骤2.12:利用分类错误率与投票参数更新权重向量,得到更新之后的权重向量ds+1,i;
ds+1,i=ds,i*exp(-αsyihs(xi))
式中,ds,i为原有权重向量,αs为投票参数,yi表示分值1或-1,其值对应于xi中元素;exp函数的内部元素为向量,exp以e为底数,以括号内向量中的每个元素为指数,进行指数函数计算,公式中*号表示向量点乘法,即向量内部对应项相乘,其计算结果为与分类样本维数相同的向量,即更新后的ds+1,i;
步骤2.13:对权重向量ds+1,i进行归一化处理,得到归一化后的权重向量ds+1,i,并将该权重向量作为下一次迭代的权重向量,重复执行步骤2.6~步骤2.13,直至完成所有分类样本的训练;
式中,Zs等于权重向量内元素的加和;
步骤2.14:对各次迭代的弱分类器,通过投票参数加权得到由历史时刻预测当前时刻无功功率的回归方程,即目标数据的预测模型H(x);
其中,C是由所有迭代的分类器通过投票参数加权得到的常数,用于确定保持因素数据与目标数据之间的关系;
步骤3:根据各目标数据的预测模型H(x0,y1 0)=C、当前时刻及历史时刻的气象因素和电网潮流因素,预测未来时刻的整网电压最薄弱节点无功功率,将y1 0换为其他目标样本集y0中的元素,重复整个过程,能够预测未来时刻的整网网损值、整网电压最薄弱节点电压幅值和整网电压最薄弱节点的电压稳定裕度;
步骤4:以预测的未来时刻的整网电压最薄弱节点无功功率、整网网损值、整网电压最薄弱节点电压幅值和整网电压最薄弱节点的电压稳定裕度为输入,如表3中第一列所示以未来时刻的最优风场并网节点位置的无功功率、最优光伏电站并网点、最优SVG并网节点位置的无功功率、最优火电并网节点位置的无功功率、最优负荷的无功功率为输出,该模型以整网电压最薄弱节点无功功率最小,整网网损值最小,整网电压最薄弱节点电压幅值距离额定不超过5%,整网最薄弱节点电压稳定裕度最大为目标,以潮流方程为等式约束,以各个发电机功率极限、线路功率传输极限和节点电压极限为不等式约束,建立含多源电网的无延时最优无功协调优化模型;
(4.1)定义变量。
(4.2)构造目标函数
(a)电压最薄弱节点(电压最薄弱节点由经验判断,可以是多个节点,本实施方式取为节点5,即负荷B)电压Uy5,t+2的偏移不超过额定电压5%,这里额定电压为前一步骤中最薄弱节点电压的预测值Ux5,t+2,目标函数如下:
0.95Ux5,t+2<Uy5,t+2<1.05Ux5,t+2
(b)最薄弱节点无功功率消耗最小,设Qx5,t+2为电压最薄弱节点无功功率预测值,Qy5,t+2为电压最薄弱节点无功功率优化值,目标函数如下:
min(Qy5,t+2),Qy5,t+2>Qx5,t+2
(c)网损率最小,目标函数如下:
其中,h为与节点i相邻节点的集合,δij为节点i与节点j的电压相角差。
(d)最薄弱节点电压裕度最大,i表示最薄弱节点序号,目标函数如下:
min(Lyi,t+2),Lyi,t+2<Lxi,t+2
其中Lxi,t+2为电压裕度预测值。L电压裕度指标值越小表示电压裕度越大,电压裕度算法为:
本例中i为5。式中:aG为所有发电机母线序号集合,本例中为1号与7号节点。G表示发电机,L表示负荷;θj为节点j的电压相角,表示Ui的共轭;为矩阵中对应的元素,F表示转移导纳,其计算来自于节点导纳矩阵:
(4.3)构造目标函数后,无功优化的等式约束考虑网络各节点的潮流方程。PG表示当前节点注入功率,PD表示当前节点输出功率。Ui表示节点i电压幅值,θi表示节点i的电压相角。i,j=1…7表示节点序号,M为节点数量,Gij与Bij表示不同支路的导纳值。
不等式约束考虑各个发电机节点有功功率、无功功率、电压的上限与下限,线路有功功率传输上限与下限,SVG导纳的极限,以及负荷节点无功功率调节极限。
PGi、QGi为第i台发电机的有功无功出力;PLCi为第i个负荷的无功调节量。Ui为节点i的电压幅值;Pij为由节点i流向节点j的支路有功功率。P Gi与表示第i个发电机节点有功功率的上限与下限,其它几项变量类似。BSVG,t+2为SVG等效电纳设定值,Bmin、Bmax分别为SVG等效电纳的最大和最小值。
约束条件与目标函数之间对应的关系为:(设最薄弱节点i=5)
Uy5,t+2=U5,t+2,Qy5,t+2=Q5,t+2
(4.4)将t+2时刻的四项预测结果代入约束条件,进行无功优化计算。无功优化计算有多种传统方法,如神经网络模型法、遗传算法,蛙跳算法、退火算法等。
含多源电网的无延时最优无功协调优化模型的计算结果为整网潮流,包含有功功率,无功功率,电压幅值,电压相角值:Pyi,Qyi,Uyi,θyi。最终得到t+2时刻风场并网节点、SVG并网节点、火电并网节点位置、负荷节点位置无功功率满足目标的最优值;
步骤5:根据预测的未来时刻的整网电压最薄弱节点无功功率、整网网损值、整网电压最薄弱节点电压幅值和整网电压最薄弱节点的电压稳定裕度,利用含多源电网的无延时最优无功协调优化模型得到未来时刻的最优风场并网节点的无功功率、最优光伏电站并网点位置的无功功率、最优SVG并网节点的无功功率、最优火电并网节点位置的无功功率、最优负荷的无功功率;
t+2时刻Qw-ref,t+2为最优风场并网节点的无功功率,QF-ref,t+2为最优火电并网节点位置的无功功率,QSVG-ref,t+2为最优SVG并网节点的无功功率:QLA-ref,t+2与QLB-ref,t+2分别为最优负荷节点无功功率。
Qw-ref,t+2=Qy7,QF-ref,t+2=Qy1,QSVG-ref,t+2=Qy4,QLA-ref,t+2=Qy3,QLB-ref,t+2=Qy5
第7节点为风电并网节点,第1节点为火电并网节点,第4节点为最优SVG并网节点的无功功率,第3与第5节点分别为负荷节点。
步骤6:根据未来时刻的最优风场并网节点的无功功率、最优光伏电站并网点位置的无功功率、最优SVG并网节点的无功功率、最优火电并网节点位置的无功功率、最优负荷的无功功率、最优负荷的无功功率设定风力发电系统无功参考值、光伏发电系统的无功参考值、火电发电系统的无功参考值和SVG的无功参考值,风力发电系统、光伏发电系统、火电发电系统和SVG按照无功参考值进行调节,如表3中第二列所示;
步骤7:分别判断风力发电系统无功参考值、光伏发电系统的无功参考值或风电发电系统的无功参考值是否超出各个发电机功率极限、线路功率传输极限和节点电压极限,是,则执行步骤8,否则返回步骤3;
步骤8:若当前电网处于容性无功功率过剩,则增加电网感性无功功率;若当前电网处于容性无功功率不足,则增加电网的容性无功功率。
本发明一种含多源电网的无延时最优无功协调控制方法所控制的含多源电网的无延时最优无功协调系统,如图2所示,包括风力发电系统、光伏发电系统、火电发电系统、负荷A、负荷B、SVG和中央监控单元。
如图3所示,风力发电系统与电网之间连接有第一多源电网无功功率协调控制终端装置,光伏发电系统与电网之间连接有第二多源电网无功功率协调控制终端装置,火电发电系统与电网之间连接有第三多源电网无功功率协调控制终端装置,负荷A与电网之间连接有第四多源电网无功功率协调控制终端装置,电网与负荷B之间连接有第五多源电网无功功率协调控制终端装置。
中央监控单元的输出端分别各多源电网无功功率协调控制终端装置连接;各个多源电网无功功率协调控制终端装置均包括三相无功功率协调控制电路且三相无功功率协调控制电路均相同。
如图4所示,单相无功功率协调控制电路包括第一门级可控晶闸管V1、第二门级可控晶闸管V2、第一二极管VD1、第二二极管VD2、第一绝缘栅双极晶体管T1、第二绝缘栅双极晶体管T2、第三绝缘栅双极晶体管T3、第四绝缘栅双极晶体管T4、第五绝缘栅双极晶体管T5、第六绝缘栅双极晶体管T6、第七绝缘栅双极晶体管T7、避雷器ZNO1、第一电容器C1、第二电容器C2、交流断路器K1、能耗电阻R1、分压电阻R2、电感L1;
第二门级可控晶闸管V2的阳极接入多源电网线路中,第二门级可控晶闸管V2的阴极连接第一电容器C1的一端,第一门级可控晶闸管V1的阴极连接第二门级可控晶闸管V2的阳极,第一门级可控晶闸管V1的阳极连接至第二门级可控晶闸管V2的阴极与第一电容器C1的一端之间,第一电容器C1的另一端连接交流断路器K1的一端,交流断路器K1的另一端接入多源电网线路中,避雷器ZNO1的一端接至第二门级可控晶闸管V2的阳极与多源电网线路的连接处,避雷器ZNO1的另一端接至第二门级可控晶闸管V2的阳极与多源电网线路的连接处,第一绝缘栅双极晶体管T1的集电极连接第二绝缘栅双极晶体管T2的发射极,第一绝缘栅双极晶体管T1的发射极连接第六绝缘栅双极晶体管T6的发射极,第六绝缘栅双极晶体管T6的集电极连接第七绝缘栅双极晶体管T7的发射极,第七绝缘栅双极晶体管T7的集电极连接第二绝缘栅双极晶体管T2的集电极,电感L1的一端连接至第一绝缘栅双极晶体管T1的发射极于第六绝缘栅双极晶体管T6的发射极之间,电感L1的另一端连接第四绝缘栅双极晶体管T4的集电极,第四绝缘栅双极晶体管T4的发射极连接至第七绝缘栅双极晶体管T7的集电极与第二绝缘栅双极晶体管T2的集电极之间,第三绝缘栅双极晶体管T3的集电极连接至电感L1的一端,第三绝缘栅双极晶体管T3的发射极连接至电感L1的另一端,二极管VD1的正极连接能耗电阻R1的一端,第五绝缘栅双极晶体管T5的集电极连接电感L1的一端,第五绝缘栅双极晶体管T5的发射极连接第二电容器C2的一端,第二电容器C2的另一端连接分压电阻R2的一端,分压电阻R2的另一端接地,二极管VD1的负极连接至电感L1的一端与第五绝缘栅双极晶体管T5的集电极之间,多源电网线路还连接至第一绝缘栅双极晶体管T1的集电极与第二绝缘栅双极晶体管T2的发射极之间、第六绝缘栅双极晶体管T6的集电极与第七绝缘栅双极晶体管T7的发射极之间。
中央监控单元采用TMS320F28335型号的DSP,连接在电网线路中的电压互感器采用UDZ1-1型号,连接在电网线路中的电流互感器CT1采用KHCT911L-600A/5A型号,用于防止过电压的避雷器ZNO1采用HY1.5W-0.6/2.6型号。
本实施方式中中央监控单元中的GPRS通信电路采用两路RS485电路,以SP485R芯片作为收发器,为防止信号干扰设置了光电隔离,选用的芯片为6N137,在其两端的供电电压分别为+3.3V和+5V。DSP28335的GPIO81~83分别连接RS485电路的VO、C1、C2三个接口,GPRS-DTU的485H和485L分别连接RS485电路的L1、L2接口,为了降低外部信号对RS485的干扰,在外部信号在接入GPRS-DTU芯片前,还添加了抑制共模干扰的ZJYS51抗扰芯片。
本实施方式有5组多源电网无功功率协调控制终端装置,且五组电路结构相同,每组多源电网无功功率协调控制终端装置有,六个信号调理电路,且六个电路结构相同。信号调理电路如图5所示,六个信号调理电路的输入端U/I分别连接三个电压互感器的输出端和三个电流互感器的输出端。
如图6所示,六点信号调理电路通过ADS8364型号数据采集芯片连接TMS320F28335型号的DSP芯片,其中,信号调理电路的输出端+OUT、-OUT、IN端依次连接数据采集芯片的+IN、-IN、REF端,数据采集芯片的CS、RD、WR、EOC、CLK、D0~D15分别接入TMS320F28335型号的DSP芯片的IS、RE、WE、EXT_INY1、MCLKX、D0~D15,DSP芯片的GPIO1~10、41~57的27个端口分别连接27个M57962L芯片的13脚,如图7所示,每10个M57962L芯片对应连接一个多源电网无功功率协调控制终端装置,并通过7个M57962L芯片的5引脚连接分别连接第一绝缘栅双极晶体管T1的基极、第二绝缘栅双极晶体管T2的基极、第三绝缘栅双极晶体管T3的基极、第四绝缘栅双极晶体管T4的基极、第五绝缘栅双极晶体管T5的基极、第六绝缘栅双极晶体管T6的基极、第七绝缘栅双极晶体管T7的基极;通过2个M57962L芯片的5引脚连接分别连接第一门极可控晶闸管V1的门极、第二门极可控晶闸管V2的门极;通过1个M57962L芯片的5引脚连接分别第一交流断路器K1控制端。
各多源电网无功功率协调控制终端装置在其对应的发电系统或负荷超出各个发电机功率极限、线路功率传输极限和节点电压极限时进行无功功率协调,包括增加电网感性无功功率和增加电网的容性无功功率。
风力发电系统、光伏发电系统、风电发电系统或负荷未超出各个发电机功率极限、线路功率传输极限和节点电压极限时,如图8所示,交流断路器K1处于开断状态,第一绝缘栅双极晶体管T1、第三绝缘栅双极晶体管T3、第四绝缘栅双极晶体管T4、第七绝缘栅双极晶体管T7闭合,第三绝缘栅双极晶体管T3、第五绝缘栅双极晶体管T5处于开断状态,电感L1、第一电容器C1、第二电容器C2均未接入电网,电感L1上通过直流电压,即多源电网无功功率协调控制终端装置不提供任何无功功率。
多源电网无功功率协调控制终端装置在当前电网处于容性无功功率过剩时,如图9所示,第二绝缘栅双极晶体管T2、第六绝缘栅双极晶体管T6闭合,第三绝缘栅双极晶体管T3处于开断状态,电感L1上通过直流电压,第二绝缘栅双极晶体管T2、第六绝缘栅双极晶体管T6开断处于开断状态,第五绝缘栅双极晶体管T5和交流断路器K1处于开断状态,第一电容器C1、第二电容器C2均未接入电路,电感L1串联接入线路,增加电网感性无功功率。
多源电网无功功率协调控制终端装置在当前电网处于容性无功功率不足时,如图10所示,第一绝缘栅双极晶体管T1、第三绝缘栅双极晶体管T3、第四绝缘栅双极晶体管T4、第五绝缘栅双极晶体管T5、第七绝缘栅双极晶体管T7闭合,交流断路器K1处于开断状态,第二绝缘栅双极晶体管T2、第六绝缘栅双极晶体管T6处于开断状态,第一电容器C1并联接入电网线路、电感L1、第二电容器C2均未接入电路,增加电网容性无功功率。
多源电网无功功率协调控制终端装置在当前电网处于容性无功功率过剩且需要切机操作时,如图11所示,第一绝缘栅双极晶体管T1、第二绝缘栅双极晶体管T2、第三绝缘栅双极晶体管T3、第四绝缘栅双极晶体管T4、第五绝缘栅双极晶体管T5、第六绝缘栅双极晶体管T6、第七绝缘栅双极晶体管T7处于开断状态,交流断路器K1处于开断状态,风力发电系统/光伏发电系统/风电发电系统切出,电感L1通过VD1和R1形成回路释放能量。
多源电网无功功率协调控制终端装置在当前电网谐波过高时,如图12所示,第二绝缘栅双极晶体管T2、第三绝缘栅双极晶体管T3、第六绝缘栅双极晶体管T6处于开断状态,第一电容器C1未接入电网,第二电容器C2、电感L1串联接入,第二电容器C2并联接入,构成滤波电路。
多源电网无功功率协调控制终端装置在电网稳定性下降时,如图13所示,第一绝缘栅双极晶体管T1、第二绝缘栅双极晶体管T2、第三绝缘栅双极晶体管T3、第四绝缘栅双极晶体管T4、第五绝缘栅双极晶体管T5、第六绝缘栅双极晶体管T6、第七绝缘栅双极晶体管T7处于开断状态,交流断路器K1处于闭合状态,第一电容器C1串联接入电网线路、电感L1、第二电容器C2均未接入电路,缩短风力发电系统/光伏发电系统/风电发电系统的电气距离。
表1:本发明实施方式的多源电网无功功率协调控制终端装置预测因素样本的采集数据。
影响因素样本采集时刻 | t-6 | t-5 | t-4 | t-3 | t-2 | t-1 | t |
日照强度(万Lux) | 4.16 | 4.81 | 4.235 | 4.86 | 4.11 | 4.2 | 4.97 |
地区温度(摄氏度) | 41.7 | 40.9 | 41.2 | 43.3 | 43.2 | 42.5 | 41.7 |
风速(m/s) | 15.14 | 14.26 | 12.15 | 8.51 | 5.24 | 9.6 | 10.41 |
风电场并网点电压 | 1.06 | 1.05 | 1.02 | 0.99 | 0.97 | 1.01 | 1.01 |
风电场并网点无功 | 0.617 | 0.596 | 0.583 | 0.547 | 0.515 | 0.578 | 0.58 |
风电场并网点有功 | 0.462 | 0.415 | 0.384 | 0.328 | 0.306 | 0.337 | 0.369 |
光伏电站并网点电压 | 1.07 | 1.09 | 1.06 | 1.06 | 1.07 | 1.09 | 1.09 |
光伏电站并网点无功功率 | 0.351 | 0.367 | 0.335 | 0.389 | 0.345 | 0.347 | 0.371 |
光伏电站并网点有功功率 | 0.276 | 0.312 | 0.293 | 0.305 | 0.286 | 0.289 | 0.318 |
电压薄弱节点电压 | 0.778 | 0.785 | 0.749 | 0.731 | 0.769 | 0.799 | 0.802 |
电压薄弱节点无功功率 | 0.381 | 0.389 | 0.402 | 0.41 | 0.397 | 0.325 | 0.321 |
电压薄弱节点有功功率 | 0.305 | 0.318 | 0.326 | 0.341 | 0.329 | 0.307 | 0.295 |
表2:本发明实施方式的多源电网无功功率协调控制终端装置预测目标样本的采集数据。
目标样本采集时刻 | t |
电压薄弱节点无功功率 | 0.321 |
网损值 | 0.879 |
电压薄弱节点电压幅值 | 0.802 |
电压薄弱节点电压稳定裕度 | 1.436 |
表3:本发明实施方式的多源电网无功功率协调控制终端装置各个无功优化控制并网点的无功对比数据。
不同环节无功值 | t+2预测 | t+2最优 | t+2控制后 |
风场无功功率 | 0.591 | 0.495 | 0.506 |
光伏电站无功功率 | 0.383 | 0.477 | 0.459 |
SVG无功功率 | 0.297 | 0.364 | 0.362 |
火电无功功率 | 0.467 | 0.587 | 0.579 |
负荷A无功功率 | 0.253 | 0.335 | 0.328 |
负荷B无功功率 | 0.341 | 0.407 | 0.401 |
Claims (9)
1.一种含多源电网的无延时最优无功协调控制方法,是由含多源电网的无延时最优无功协调控制系统来实现,该系统包括多源电网无功功率协调控制终端装置、风力发电系统、光伏发电系统、火电发电系统、负荷A、负荷B、SVG和中央监控单元;
其中,风力发电系统与电网之间连接有第一多源电网无功功率协调控制终端装置,光伏发电系统与电网之间连接有第二多源电网无功功率协调控制终端装置,火电发电系统与电网之间连接有第三多源电网无功功率协调控制终端装置,负荷A与电网之间连接有第四多源电网无功功率协调控制终端装置,电网与负荷B之间连接有第五多源电网无功功率协调控制终端装置;
中央监控单元的输出端分别与各多源电网无功功率协调控制终端装置连接;各多源电网无功功率协调控制终端装置均包括三个单相无功功率协调控制电路,且各单相无功功率协调控制电路均相同;
其特征在于:包括以下步骤:
步骤1:获取含多源电网历史时刻的气象因素和电网潮流信息;
步骤2:根据获取的含多源电网历史时刻的气象因素和电网潮流信息,利用弱分类器训练目标数据的预测模型;目标数据包括整网电压最薄弱节点无功功率、整网网损值、整网电压最薄弱节点电压幅值和整网电压最薄弱节点的电压稳定裕度;
步骤3:根据各目标数据的预测模型H(x0,y1 0)=C、当前时刻及历史时刻的气象因素和电网潮流因素,预测未来时刻的整网电压最薄弱节点无功功率,将y1 0换为其他目标样本集y0中的元素,重复整个过程,能够预测未来时刻的整网网损值、整网电压最薄弱节点电压幅值和整网电压最薄弱节点的电压稳定裕度;
步骤4:以预测的未来时刻的整网电压最薄弱节点无功功率、整网网损值、整网电压最薄弱节点电压幅值和整网电压最薄弱节点的电压稳定裕度为输入,以未来时刻的最优风场并网节点位置的无功功率、最优光伏电站并网点、最优SVG并网节点位置的无功功率、最优火电并网节点位置的无功功率、最优负荷的无功功率为输出,该模型以整网电压最薄弱节点无功功率最小,整网网损值最小,整网电压最薄弱节点电压幅值距离额定不超过5%,整网最薄弱节点电压稳定裕度最大为目标,以潮流方程为等式约束,以各个发电机功率极限、线路功率传输极限和节点电压极限为不等式约束,建立含多源电网的无延时最优无功协调优化模型;
步骤5:根据预测的未来时刻的整网电压最薄弱节点无功功率、整网网损值、整网电压最薄弱节点电压幅值和整网电压最薄弱节点的电压稳定裕度,利用含多源电网的无延时最优无功协调优化模型得到未来时刻的最优风场并网节点的无功功率、最优光伏电站并网点位置 的无功功率、最优SVG并网节点的无功功率、最优火电并网节点位置的无功功率、最优负荷的无功功率;
步骤6:根据未来时刻的最优风场并网节点的无功功率、最优光伏电站并网点位置的无功功率、最优SVG并网节点的无功功率、最优火电并网节点位置的无功功率、最优负荷的无功功率、最优负荷的无功功率设定风力发电系统无功参考值、光伏发电系统的无功参考值、火电发电系统的无功参考值和SVG的无功参考值,风力发电系统、光伏发电系统、火电发电系统和SVG按照无功参考值进行调节;
步骤7:分别判断风力发电系统无功参考值、光伏发电系统的无功参考值或风电发电系统的无功参考值是否超出各个发电机功率极限、线路功率传输极限和节点电压极限,是,则执行步骤8,否则返回步骤3;
步骤8:若当前电网处于容性无功功率过剩,则增加电网感性无功功率;若当前电网处于容性无功功率不足,则增加电网的容性无功功率。
2.根据权利要求1所述的一种含多源电网的无延时最优无功协调控制方法,其特征在于:
所述的气象因素包括日照强度、地区温度和风速;
所述电网潮流信息包括风电场并网点电压、风电场并网点无功、风电场并网点有功、光伏电池并网点电压、光伏电池并网点无功功率、光伏电池并网点有功功率、最薄弱节点的电压、最薄弱节点的无功功率和最薄弱节点的有功功率。
3.根据权利要求1所述的一种含多源电网的无延时最优无功协调控制方法,其特征在于:所述的步骤2包括:
步骤2.1:将历史时刻的气象因素和电网潮流信息作为因素样本即训练样本,采集当前时刻的整网电压最薄弱节点无功功率、整网网损值、整网电压最薄弱节点电压幅值和整网电压最薄弱节点的电压稳定裕度作为目标样本y0,训练样本和目标样本构成无功功率预测模型的样本集;
步骤2.2:对训练样本进行归一化处理,得到原始训练样本集其中,L表示训练样本维数,L=12,N表示训练样本的数量,即因素样本采集的历史时刻;为第i时刻测量的因素样本,为目标样本集y0中第一个元素;
步骤2.3:设定无功功率预测模型的最大迭代次数和平移量;
步骤2.4:分别对目标样本中的各数据按平移量进行上下平移,每个目标样本数据得到两类分类样本,并将两类分类样本进行组合得到组合分类样本集: D={(xi,yi)|xi∈RL+1,yi∈{-1,+1},i=1,2,...,2N};式中,xi为新的样本向量,称为分类样本,该样本包括原始训练样本向量以及对原始目标样本按平移量δ进行上下平移得到的新样本;i表示目标样本序号,2N表示目标样本的数量;yi为构造分类样本集所设定的目标值,yi为1或-1;
步骤2.5:根据组合分类样本集D确定各训练样本相对于目标样本的权重向量d1,i,设yi=1的训练样本数量为N+,yi=-1的训练样本数量为N-,权重向量中各元素d1,l,i如下:
式中,各训练样本相对于目标样本的权重向量d1,i为行向量,权重向量中各元素d1,l,i中的l表示不同种类的训练样本;
步骤2.6:根据权重向量d1,i,采用加权平均法计算训练样本期望值,进而根据总体权重分布计算训练样本均值ms,k;
ms,k={ms,l,k|l=1...L+1},k=1,-1
其中,ms,k的维数与训练样本xi同为L+1,s代表当前迭代层,ds,l,i为权重向量ds,i中的第l号元素,xl,i为分类样本xi中的第l号元素,加和条件yi=k表示将满足相应yi值为k的所有训练样本按照i进行加和;
步骤2.7:构造样本类间离散度矩阵和构造样本类内离散度矩阵,进而建立映射矩阵;
利用k=1时的样本均值与k=-1时的样本均值构造样本均值差,并在L+1维空间里构造样本类间离散度矩阵Ss,k,即映射矩阵:
类间离散度表征不同类别训练样本之间的离散程度,式中,ds,i为当前迭代内样本的权重向量,e表示维数与分类样本xi相同的向量,其内部元素均为1;
类内离散度表征相同类别样本之间的离散程度,构造样本类内离散度矩阵:
映射矩阵将分类样本映射到新的样本空间,在该空间中分类样本满足样本类间离散度矩阵和样本类内离散度矩阵的比值最大化;
步骤2.8:计算分类阈值;
其中,ms为样本总均值向量,其维数与xi相同,其内部元素为当前迭代内的训练样本均值的平均数,即ms,1与ms,-1之和取平均值,为前次迭代中满足yi=1训练样本的分类错误率, 为前次迭代中满足yi=-1样本的分类错误率,第一次迭代即迭代次数s=1时各训练样本的分类错误率为0;
步骤2.9:根据映射矩阵构造当前迭代中的弱分类器:
hs={hs,l|l=1...L+M}
式中,hs为弱分类器,xi,l表示分类样本xi中第l号元素,为中第l号元素,l=1…L+1代表样本类型,i表示样本序号,θs是分类阈值,根据前次迭代的分类错误率确定,(θs)l是分类阈值的第l号元素;
步骤2.10:计算当前迭代中的分类错误率:
hs(xi)表示利用弱分类器对样本xi分类的结果,hs(xi)l为该结果中的第l号元素,i表示样本序号,hs(xi)l≠1表示满足yi=1的第i个分类样本xi中,第l号样本元素xl,i在当前迭代中被 错误分类,hs(xi)l≠-1同理;I(g)表示判断函数,若括号内的内容成立,则I=1,否则I=0,对所有被错误分类的分类样本的权重ds,l,i分别以yi=1或yi=-1进行分类加权,得到当前迭代中两类分类样本的分类错误率;
步骤2.11:由分类错误率计算投票参数αs:
αs=(1/2)ln((1-εs)/εs)
其中,所有样本总分类错误率
步骤2.12:利用分类错误率与投票参数更新权重向量,得到更新之后的权重向量ds+1,i;
ds+1,i=ds,i*exp(-αsyihs(xi))
式中,ds,i为原有权重向量,αs为投票参数,yi表示分值1或-1,其值对应于xi中元素;exp函数的内部元素为向量,exp以e为底数,以括号内向量中的每个元素为指数,进行指数函数计算,公式中*号表示向量点乘法,即向量内部对应项相乘,其计算结果为与分类样本维数相同的向量,即更新后的ds+1,i;
步骤2.13:对权重向量ds+1,i进行归一化处理,得到归一化后的权重向量ds+1,i,并将该权重向量作为下一次迭代的权重向量,重复执行步骤2.6~~步骤2.13,直至完成所有分类样本的训练;
式中,Zs等于权重向量内元素的加和;
步骤2.14:对各次迭代的弱分类器,通过投票参数加权得到由历史时刻预测当前时刻无功功率的回归方程,即目标数据的预测模型H(x);
其中,C是由所有迭代的分类器通过投票参数加权得到的常数,用于确定保持因素数据与目标数据之间的关系。
4.根据权利要求1所述的一种含多源电网的无延时最优无功协调控制方法,其特征在于:所述的单相无功功率协调控制电路:包括第一门级可控晶闸管V1、第二门级可控晶闸管V2、第一二极管VD1、第二二极管VD2、第一绝缘栅双极晶体管T1、第二绝缘栅双极晶体管T2、第三绝缘栅双极晶体管T3、第四绝缘栅双极晶体管T4、第五绝缘栅双极晶体管T5、第六绝缘栅双极晶体管T6、第七绝缘栅双极晶体管T7、防止过电压避雷器ZNO1、第一电容器C1、第二电容器C2、交流断路器K1、能耗电阻R1、分压电阻R2、电感L1;
第二门级可控晶闸管V2的阳极接入多源电网线路中,第二门级可控晶闸管V2的阴极连接第一电容器C1的一端,第一门级可控晶闸管V1的阴极连接第二门级可控晶闸管V2的阳极,第一门级可控晶闸管V1的阳极连接至第二门级可控晶闸管V2的阴极与第一电容器C1的一端之间,第一电容器C1的另一端连接交流断路器K1的一端,交流断路器K1的另一端接入多源电网线路中,避雷器ZNO1的一端接至第二门级可控晶闸管V2的阳极与多源电网线路的连接处,避雷器ZNO1的另一端接至第二门级可控晶闸管V2的阳极与多源电网线路的连接处,第一绝缘栅双极晶体管T1的集电极连接第二绝缘栅双极晶体管T2的发射极,第一绝缘栅双极晶体管T1的发射极连接第六绝缘栅双极晶体管T6的发射极,第六绝缘栅双极晶体管T6的集电极连接第七绝缘栅双极晶体管T7的发射极,第七绝缘栅双极晶体管T7的集电极连接第二绝缘栅双极晶体管T2的集电极,电感L1的一端连接至第一绝缘栅双极晶体管T1的发射极于第六绝缘栅双极晶体管T6的发射极之间,电感L1的另一端连接第四绝缘栅双极晶体管T4的集电极,第四绝缘栅双极晶体管T4的发射极连接至第七绝缘栅双极晶体管T7的集电极与第二绝缘栅双极晶体管T2的集电极之间,第三绝缘栅双极晶体管T3的集电极连接至电感L1的一端,第三绝缘栅双极晶体管T3的发射极连接至电感L1的另一端,二极管VD1的正极连接能耗电阻R1的一端,第五绝缘栅双极晶体管T5的集电极连接电感L1的一端,第五绝缘栅双极晶体管T5的发射极连接第二电容器C2的一端,第二电容器C2的另一端连接分压电阻R2的一端,分压电阻R2的另一端接地,二极管VD1的负极连接至电感L1的一端与第五绝缘栅双极晶体管T5的集电极之间,多源电网线路还连接至第一绝缘栅双极晶体管T1的集电极与第二绝缘栅双极晶体管T2的发射极之间、第六绝缘栅双极晶体管T6的集电极与第七绝缘栅双极晶体管T7的发射极之间。
5.根据权利要求1所述的一种含多源电网的无延时最优无功协调控制方法,其特征在于:所述的各多源电网无功功率协调控制终端装置在其对应的发电系统或负荷超出各个发电机功率极限、线路功率传输极限和节点电压极限时进行无功功率协调,包括增加电网感性无功功率和增加电网的容性无功功率。
6.根据权利要求1所述的一种含多源电网的无延时最优无功协调控制方法,其特征在于:所述风力发电系统、光伏发电系统、风电发电系统或负荷未超出各个发电机功率极限、线路功率传输极限和节点电压极限时,交流断路器K1处于开断状态,第一绝缘栅双极晶体管T1、第三绝缘栅双极晶体管T3、第四绝缘栅双极晶体管T4、第七绝缘栅双极晶体管T7闭合,第三绝缘栅双极晶体管T3、第五绝缘栅双极晶体管T5处于开断状态,电感L1、第一电容器C1、第 二电容器C2均未接入电网,电感L1上通过直流电压,即多源电网无功功率协调控制终端装置不提供任何无功功率。
7.根据权利要求1所述的一种含多源电网的无延时最优无功协调控制方法,其特征在于:所述的多源电网无功功率协调控制终端装置在当前电网处于容性无功功率过剩时,第二绝缘栅双极晶体管T2、第六绝缘栅双极晶体管T6闭合,第三绝缘栅双极晶体管T3处于开断状态,电感L1上通过直流电压,第二绝缘栅双极晶体管T2、第六绝缘栅双极晶体管T6开断处于开断状态,第五绝缘栅双极晶体管T5和交流断路器K1处于开断状态,第一电容器C1、第二电容器C2均未接入电路,电感L1串联接入线路,增加电网感性无功功率;
所述的多源电网无功功率协调控制终端装置在当前电网处于容性无功功率不足时,第一绝缘栅双极晶体管T1、第三绝缘栅双极晶体管T3、第四绝缘栅双极晶体管T4、第五绝缘栅双极晶体管T5、第七绝缘栅双极晶体管T7闭合,交流断路器K1处于开断状态,第二绝缘栅双极晶体管T2、第六绝缘栅双极晶体管T6处于开断状态,第一电容器C1并联接入电网线路、电感L1、第二电容器C2均未接入电路,增加电网容性无功功率;
所述的多源电网无功功率协调控制终端装置在当前电网处于容性无功功率过剩且需要切机操作时,第一绝缘栅双极晶体管T1、第二绝缘栅双极晶体管T2、第三绝缘栅双极晶体管T3、第四绝缘栅双极晶体管T4、第五绝缘栅双极晶体管T5、第六绝缘栅双极晶体管T6、第七绝缘栅双极晶体管T7处于开断状态,交流断路器K1处于开断状态,风力发电系统/光伏发电系统/风电发电系统切出,电感L1通过VD1和R1形成回路释放能量。
8.根据权利要求1所述的一种含多源电网的无延时最优无功协调控制方法,其特征在于:所述多源电网无功功率协调控制终端装置在当前电网谐波过高时,第二绝缘栅双极晶体管T2、第三绝缘栅双极晶体管T3、第六绝缘栅双极晶体管T6处于开断状态,第一电容器C1未接入电网,第二电容器C2、电感L1串联接入,第二电容器C2并联接入,构成滤波电路。
9.根据权利要求1所述的一种含多源电网的无延时最优无功协调控制方法,其特征在于:所述多源电网无功功率协调控制终端装置在电网稳定性下降时,第一绝缘栅双极晶体管T1、第二绝缘栅双极晶体管T2、第三绝缘栅双极晶体管T3、第四绝缘栅双极晶体管T4、第五绝缘栅双极晶体管T5、第六绝缘栅双极晶体管T6、第七绝缘栅双极晶体管T7处于开断状态,交流断路器K1处于闭合状态,第一电容器C1串联接入电网线路、电感L1、第二电容器C2均未接入电路,缩短风力发电系统/光伏发电系统/风电发电系统的电气距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410334069.8A CN104578091B (zh) | 2014-07-14 | 2014-07-14 | 一种含多源电网的无延时最优无功协调控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410334069.8A CN104578091B (zh) | 2014-07-14 | 2014-07-14 | 一种含多源电网的无延时最优无功协调控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104578091A CN104578091A (zh) | 2015-04-29 |
CN104578091B true CN104578091B (zh) | 2017-09-05 |
Family
ID=53093563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410334069.8A Active CN104578091B (zh) | 2014-07-14 | 2014-07-14 | 一种含多源电网的无延时最优无功协调控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104578091B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106410829B (zh) * | 2016-06-16 | 2019-06-21 | 上海交通大学 | 一种基于预测控制的储能源网协调控制系统及方法 |
CN106712050B (zh) * | 2017-01-16 | 2019-12-10 | 中国南方电网有限责任公司电网技术研究中心 | 一种基于改进蛙跳算法的电网无功优化方法及装置 |
CN108923432B (zh) * | 2018-08-07 | 2021-01-29 | 中冶京诚工程技术有限公司 | 一种用电企业电网关口潮流控制系统及方法 |
CN109861292B (zh) * | 2019-03-28 | 2022-05-03 | 国网辽宁省电力有限公司经济技术研究院 | 一种基于多能源储能系统提高清洁能源消纳方法 |
CN111431217B (zh) * | 2020-03-24 | 2023-09-01 | 云南电网有限责任公司电力科学研究院 | 一种应用于控制母线电压的无功补偿方法、装置及系统 |
CN113098022B (zh) * | 2021-04-09 | 2024-06-25 | 国网陕西省电力公司电力科学研究院 | 风电场并网点无功调节方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007027141A1 (en) * | 2005-08-30 | 2007-03-08 | Abb Research Ltd | Wind mill power flow control with dump load and power converter |
CN103676671A (zh) * | 2013-12-13 | 2014-03-26 | 华北电力大学 | 一种源网协调联合实时仿真系统及实验方法 |
CN203942292U (zh) * | 2014-07-14 | 2014-11-12 | 国家电网公司 | 一种含多源电网的无延时最优无功协调控制系统 |
-
2014
- 2014-07-14 CN CN201410334069.8A patent/CN104578091B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007027141A1 (en) * | 2005-08-30 | 2007-03-08 | Abb Research Ltd | Wind mill power flow control with dump load and power converter |
CN103676671A (zh) * | 2013-12-13 | 2014-03-26 | 华北电力大学 | 一种源网协调联合实时仿真系统及实验方法 |
CN203942292U (zh) * | 2014-07-14 | 2014-11-12 | 国家电网公司 | 一种含多源电网的无延时最优无功协调控制系统 |
Non-Patent Citations (1)
Title |
---|
风光储微电网多电源协调控制策略研究;张佳军;《中国优秀硕士学位论文全文数据库 工程科技II辑 2014年第1期》;20140115;C042-322 * |
Also Published As
Publication number | Publication date |
---|---|
CN104578091A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104578091B (zh) | 一种含多源电网的无延时最优无功协调控制系统及方法 | |
CN109768573B (zh) | 基于多目标差分灰狼算法的配电网无功优化方法 | |
CN110518575B (zh) | 基于区域划分的多时间尺度主动配电网电压优化控制方法 | |
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 | |
CN103353979B (zh) | 一种分布式电源的优化选址与定容方法 | |
CN104037776B (zh) | 随机惯性因子粒子群优化算法的电网无功容量配置方法 | |
CN102856917B (zh) | 一种配电网无功优化方法 | |
CN107979092A (zh) | 一种考虑分布式电源与软开关接入的配电网动态重构方法 | |
CN108599154A (zh) | 一种考虑不确定性预算的三相不平衡配电网鲁棒动态重构方法 | |
CN109274136A (zh) | 一种基于量子粒子群算法的光伏系统无功优化方法 | |
Zou | Design of reactive power optimization control for electromechanical system based on fuzzy particle swarm optimization algorithm | |
Wang et al. | Automatic adjustment method of power flow calculation convergence for large-scale power grid based on knowledge experience and deep reinforcement learning | |
CN107834596A (zh) | 基于电网运行状态感知的分布式光伏集群动态划分方法 | |
CN106058914A (zh) | 基于Elman算法的配网发电预测技术的电压优化方法 | |
CN110912177A (zh) | 一种多端柔性直流输电系统多目标优化设计方法 | |
CN108899918A (zh) | 一种基于运行层面相关性场景的含风机配电网多目标优化方法 | |
CN108306346A (zh) | 一种配电网无功补偿节能方法 | |
CN105790278B (zh) | 基于改进粒子群算法的光伏电站站内多目标无功优化方法 | |
CN104638654B (zh) | 兼顾风电场和网络节点电压调节的statcom控制方法 | |
CN103346573B (zh) | 基于黄金分割云粒子群优化算法的风电系统无功规划方法 | |
CN105337290A (zh) | 一种适用于电力系统低频振荡辅助决策的无功调整方法 | |
Chen et al. | A Novel Approach Based on Modified and Hybrid Flower Pollination Algorithm to Solve Multi-objective Optimal Power Flow. | |
CN104700205B (zh) | 一种改变电网网络拓扑结构及选择并联补偿装置的方法 | |
CN109038653A (zh) | 一种追求分散式风电高效消纳的配电网优化运行方法 | |
CN108270213A (zh) | 风电场整场有功损耗的控制方法、装置和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |