CN105048479B - 一种光伏电站无功分组调节方法 - Google Patents
一种光伏电站无功分组调节方法 Download PDFInfo
- Publication number
- CN105048479B CN105048479B CN201510495983.5A CN201510495983A CN105048479B CN 105048479 B CN105048479 B CN 105048479B CN 201510495983 A CN201510495983 A CN 201510495983A CN 105048479 B CN105048479 B CN 105048479B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- load
- load bus
- idle
- 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 36
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims description 20
- 239000002245 particle Substances 0.000 claims description 16
- 230000035945 sensitivity Effects 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010168 coupling process Methods 0.000 claims description 2
- 238000005859 coupling reaction Methods 0.000 claims description 2
- 241000196324 Embryophyta Species 0.000 description 11
- 230000005611 electricity Effects 0.000 description 8
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/30—Reactive power compensation
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明涉及一种光伏电站无功分组调节方法,该方法首先对负荷节点进行分组;然后根据发电出力与负荷的相关性来对站内发电单元进行归并计算,形成不同的发电节点,使系统的整体出力能够在最大程度上跟踪当地的负荷;采用多目标无功优化算法建立目标函数,利用分层多粒子群优化算法对各发电节点的无功目标值进行求解,计算出每个发电节点待分配的无功调节指令Qrefi;将各发电节点待分配的无功调节指令Qrefi进行分配,根据各发电节点下逆变器的开机个数和当前运行状况计算各逆变器的无功指令Qinvi或功率因数指令cosθinvi,并将其下发给对应的逆变器。该方法降低了系统优化变量的维数和复杂性,避免了大量无效解的产生,从而提高了逆变器无功分配的精度和速度。
Description
技术领域
本发明涉及一种光伏电站无功分组调节方法,属于分布式电源控制技术领域。
背景技术
分布式能源发电是解决当前能源短缺、环境污染的重要举措之一。然而,随着分布式能源发电大规模的接入电网,分布式电源出力的随机性、间歇性和波动性给电网的安全稳定运行带来了一些负面影响,而通过无功调节能够明显降低电能损耗、提高系统电压质量,对保证电网安全稳定运行具有重要意义。
目前传统的无功分区方法主要包括图论法、灵敏度法、人工智能法。但这些方法都针对传统发电系统,而并未考虑到分布式发电的随机性与波动性,从而不能准确地分析其对电力系统的影响,因此有必要对光伏发电的出力与负荷相关性进行准确的分析。目前粒子群优化算法PSO已广泛应用于无功优化计算领域,但是PSO在理论上存在一个明显的缺陷,即当PSO应用于高维复杂的优化问题时,容易过早收敛以及陷入局部最优,因而不能保证算法收敛到全局最优,尤其随着系统规模的增大,计算复杂性的极大增加将导致“维数灾”问题。
发明内容
本发明的目的是提供一种光伏电站无功分组调节方法,以解决目前光伏电站无功调节中随着系统规模增大导致计算复杂性极大增加的问题。
本发明为解决上述技术问题提供了一种光伏电站无功分组调节方法,该调节方法包括以下步骤:
1)将调度下发的目标值转换为无功功率目标值Qref,并根据电站的实时数据计算出待分配的无功调节指令ΔQ;
2)计算光伏电站中各负荷节点之间的灵敏度距离,根据灵敏度距离对负荷节点进行分组;
3)计算各发电单元出力与负荷的相关性,通过比较与各组负荷节点相关系数的大小进行归并,以形成不同的发电节点;
4)利用多目标无功优化算法建立无功优化模型,求解该模型,计算出每个发电节点待分配的无功调节指令Qrefi;
5)将各发电节点待分配的无功调节指令Qrefi进行分配,根据各发电节点下逆变器的开机个数和当前运行状况计算各逆变器的无功指令Qinvi或功率因数指令cosθinvi,并将其下发给对应的逆变器。
所述步骤2)中采用电压/无功灵敏度表示负荷节点的单位无功变化对其他负荷节点电压幅值的影响程度,即得出两负荷节点间电压幅值变化量ΔV对无功功率变化量ΔQ的灵敏度矩阵Svq,计算两节点i、j之间的灵敏度距离Dij,
其中N为负荷节点的个数。
所述步骤1)中负荷节点的分组方法为:
A.计算各负荷节点两两之间的距离,构成一个对称距离矩阵Dij;
B.选择Dij中的非对角上的最小元素,将该对角元素对应的两个组合成一个新组,同时在Dij中消去对应的行和列;
C.计算新组与剩下的未合并的组之间的距离,组成一个行矩阵和一个列矩阵,将这两个矩阵并入Dij,更新距离矩阵Dij;
D.重复步骤B-C,直至达到设定的组数。
所述步骤3)中是运用各个发电单元无功出力和负荷节点之间的相关性来衡量每个发电单元对负荷的影响,根据负荷节点分组结果,比较发电单元与各负荷分组的相关系数Rij值大小,将发电单元划分到与它相关性最强的负荷节点所在分组中,保证区域内发电单元对负荷的强耦合关系,最终形成不同的发电节点。
所述步骤2)中相关性系数的计算公式为:
其中Rij为第i个发电单元实际无功出力与第j个负荷节点的相关系数,t为时间,n为数据个数,Xit为第i个发电单元在t时刻的实际出力,Yjt为第j个负荷节点在t时刻的实际负荷大小,为第i个发电单元在时间段内所有样本的平均值,为第j个负荷节点在时间段内所有样本的平均值。
所述步骤4)建立的无功优化模型以电压偏差最少、有功损耗为最小为目标函数,即:
F=f1(X1,X2)+f2(X1,X2)
其中f1(X1,X2)=Ploss,f2(X1,X2)=du,
Ploss为有功功率损耗,du为电压偏差,Upv为各发电单元的电压矢量,Qpv为各发电单元的无功出力矢量,Ul为负荷节点电压矢量,Uli为第i个负荷节点的电压值,Uli.min≤Uli≤Uli.max,i=1,2,…Nl,Uli.max与Uli.min分别为负荷节点电压的上下限值,Ng与Nl分别为发电单元数与负荷节点。
所述步骤4)中模型的求解采用分层多粒子群算法,将控制变量作为粒子群中粒子的位置,其中各发电单元无功出力与电压的最大、最小值构成了位置解的可行域。
所述分层多粒子群算法的求解过程如下:
a第一层优化时,所得L个分组对应L个子群,运用随机选择法分别对每个子群进行最优化计算,得出整体极值Gi(i=1,2,…L);
b第二层接收传入的L个整体极值Gi,进行分组之间的协调和第二次优化,得到全局最优解Gbest;
c如果满足迭代结束条件,输出最优结果Gbest,包括各发电单元无功出力与电压控制变量的取值,状态变量负荷节点电压值的数据以及对应的有功功率损耗与电压偏差值,不满足则根据迭代公式更新粒子的飞行速度,重新计算目标函数值并更新粒子群i的整体极值Gi,把该位置向量解传送到第二层,转到步骤b继续计算。
所述各发电节点待分配的无功调节指令Qrefi采用等无功功率的调节方式进行分配。
所述计算得到的无功指令Qinvi或功率因数指令cosθinvi通过组播的方式群发给对应的逆变器。
本发明的有益效果是:该方法首先对负荷节点进行分组;然后根据发电出力与负荷的相关性来对站内发电单元进行归并计算,形成不同的发电节点,使系统的整体出力能够在最大程度上跟踪当地的负荷;采用多目标无功优化算法建立目标函数,利用分层多粒子群优化算法对各发电节点的无功目标值进行求解,计算出每个发电节点待分配的无功调节指令Qrefi;将各发电节点待分配的无功调节指令Qrefi进行分配,根据各发电节点下逆变器的开机个数和当前运行状况计算各逆变器的无功指令Qinvi或功率因数指令cosθinvi,并将其下发给对应的逆变器。本发明在对发电单元进行分组时通过计算发电单元出力与负荷的相关性,从而减少更多的不可控性和不确定性,可有效提高分组的准确性;在优化时考虑分组结果,采用多粒子群分层优化算法,把大规模系统分解为各个子系统单独进行优化,然后对各子系统的优化结果进行全系统第二次优化,降低了系统优化变量的维数和复杂性,避免了大量无效解的产生,从而提高逆变器无功分配的精度和速度。
附图说明
图1是本发明光伏电站无功分组调节方法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的说明。
本发明首先基于负荷节点之间的电气距离,运用聚类分析方法对负荷节点进行分组;然后考虑光伏发电出力与负荷的相关性来对站内发电单元进行归并计算,从而形成不同的发电节点,使系统的整体出力能够在最大程度上跟踪当地的负荷;运用分层多粒子群优化算法对各发电节点的无功目标值进行求解,并将求解出的无功目标值下发给各发电节点内逆变器,实现光伏电站的全站最优调节。该方法的实现流程如图1所示,具体实施过程如下。
1.将电压定值或调度下发的目标指令转换为无功功率目标值Qref,并根据电站的实时数据计算出待分配的无功调节指令ΔQ。判断ΔQ与站内SVG的容量ΣQsvg的大小,若ΔQ≤ΣQsvg,只调节SVG即可满足无功需求;若ΔQ>ΣQsvg,ΔQ与ΣQsvg相比得到的剩余的无功需求ΔQinv由并网逆变器来提供。
2.对光伏电站中负荷节点进行分组处理
负荷节点的分组方法为:
首先采用电压/无功灵敏度表示负荷节点的单位无功变化对其他负荷节点电压幅值的影响程度,即得出两负荷节点间电压幅值变化量ΔV对无功功率变化量ΔQ的灵敏度矩阵Svq,根据该灵敏度矩阵计算两节点之间的灵敏度距离Dij。
其中
然后根据负荷节点之间的灵敏度距离Dij,运用聚类算法对负荷节点进行分组处理。将所有负荷节点都独自作为一个组存在,每步合并距离最小的两个组,即将节点归并到与它的最大电气距离所在所有节点集合中为最小的那个节点集合,直至最终聚类个数满足要求,完成对负荷节点的分组。具体实现步骤如下:
A.将N个负荷节点作为N个组单独存在,计算两两之间的距离,以形成一个对称距离矩阵Dij。
B.选择距离矩阵Dij中的非对角上的最小元素,将该对角元素对应的两个组合成一个新组,同时在矩阵Dij中消去对应的行和列。
C.计算新组与剩下的未合并的组之间的距离,组成一个行矩阵和一个列矩阵,将这两个矩阵并入Dij,更新距离矩阵Dij,此时,该距离矩阵Dij为N-1阶方阵。
D.重复步骤B-C,直至距离矩阵Dij的阶数达到预定的组数为止。
3.将光伏电站中的各发电单元划分成发电节点
该过程首先计算各个发电单元出力与负荷的相关性,然后通过比较与各组负荷节点相关系数大小进行归并,以形成不同的发电节点。
运用各个发电单元无功出力和负荷节点之间的相关性来衡量每个发电单元对负荷的影响,这里用相关系数Rij来表示发电单元无功出力和负荷节点之间的相关性,相关系数Rij的计算公式为:
其中Rij为第i个发电单元实际无功出力与第j个负荷节点的相关系数,t为时间,n为数据个数,Xit为第i个发电单元在t时刻的实际出力,Yjt为第j个负荷节点在t时刻的实际负荷大小,为第i个发电单元在时间段内所有样本的平均值,为第j个负荷节点在时间段内所有样本的平均值。
根据负荷节点分组结果,比较发电单元与各符合分组的相关系数Rij值大小,将发电单元划分到与它相关性最强的负荷节点所在的分组中,以保证区域内发电单元对负荷的强偶合关系,最终形成不同的发电节点。
4.运用多目标无功优化算法
本实施例中多目标无功优化算法的无功优化模型以电压偏差最少、有功损耗最小为目标函数:F=f1(X1,X2)+f2(X1,X2)
其中,f1(X1,X2)=Ploss,f2(X1,X2)=du,Ploss为有功功率损耗,du为电压偏差;控制变量状态变量其中Upv为各发电单元的电压矢量,Qpv为各发电单元的无功出力矢量,Ul为负荷节点电压矢量,潮流方程等式约束条件为:
其中N为系统总节点数。
控制变量的不等式约束条件为:
QPVi.min≤QPVi≤QPVi.max,i=1,2,…,Ng
UPVi.min≤UPVi≤UPVi.max,i=1,2,…,Ng
状态变量的不等式约束条件为:
Uli.min≤Uli≤Uli.max,i=1,2,…Nl
其中QPVi.max、QPVi.min、UPVi.max、UPVi.min分别表示各发电单元无功出力与电压的最大、最小值;Uli.max与Uli.min分别为负荷节点电压的上下限值,Ng与Nl分别为发电单元数与负荷节点数。
将负荷节点电压作为罚函数项计入到目标函数,得到一个增广的目标函数,最终将模型建立为:
其中:
式中Uli为第i个负荷节点的电压值,λ为罚系数。
5.采用粒子群算法求解上述模型
本实施例中采用粒子群算法进行求解,将控制变量作为粒子群中粒子的位置,其中各发电单元无功出力与电压的最大、最小值构成了位置解的可行域。具体的求解步骤如下:
(1)初始化粒子群,输入系统的结构、网络数据和控制参数,根据分组后的发电节点数目设置粒子群数L,根据控制变量X1中的变量数确定粒子的维数,在每个粒子群中随机产生M个粒子作为初始粒子群,随机初始化各粒子的飞行速度Vij(i=1,…,L)(j=1,…M),设置最大的迭代次数kmax。
(2)第一层优化计算时采用随机选择法,即在计算粒子群i(i=1,…L)的目标函数值时,选取上一次迭代后其他粒子群的随机个体代表参与到控制变量X1i的计算当中,即X1i=[X1rand,X2rand,…Xi,…,XLrand],从而保证粒子的多样性和较大搜索空间,比较群内粒子的目标函数值,可得到粒子群i(i=1,…L)的整体极值Gi=[X1rand,X2rand,…Pi,…,XLrand]及对应的目标函数值F(Gi),把该位置向量解Gi传送到第二层,其中Pi代表粒子群i(i=1,…L)中控制变量Xi的局部极值。
(3)第二层接收第一层传送的L个位置向量解,取每个粒子群的整体极值Gi作为粒子个体极值,进行第二次优化,更新全局最优解Gbest及对应的目标函数值F(Gbest)。
(4)判断迭代结束条件,全局最优解连续20次无变化或达到最大迭代次数kmax,输出最优结果,包括各发电单元无功出力与电压等控制变量的取值情况,状态变量负荷节点电压值的数据以及对应的有功功率损耗与电压偏差值,不满足转到(5)。
(5)第一层中每个粒子群根据迭代公式更新粒子的飞行速度,重新计算目标函数值并更新粒子群i的整体极值Gi,把该位置向量解传送到第二层,转到(3)。
其中对粒子群速度与位置进行迭代操作的公式如下:
式中:k表示迭代次数;w是惯性因子;c1、c2是学习因子;r1、r2是区间[0,1]上的随机数,i代表粒子群(i=1,…,L),j代表粒子(j=1,…,M),xij表示第i个粒子群第j个粒子的位置变量,pij表示第i个粒子群第j个粒子的个体极值,Pi表示第i个粒子群的局部极值。
6.将各发电节点待分配的无功调节指令Qrefi采用等无功功率的调节方式进行分配,根据各发电节点下逆变器的开机个数和当前运行状况计算各逆变器的无功指令Qinvi或功率因数指令cosθinvi。
7.采用组播的方式对各发电节点内逆变器下发对应的无功指令Qinvi或功率因数指令cosθinvi,各逆变器根据接收到的指令同时调节,分别完成所属发电节点处的无功调节任务,实现无功就地平衡,同时完成全站的无功功率调节。
本发明在进行无功调节计算时,通过最大化利用系统中逆变器、SVG等设备来减小由负荷的波动性和可再生能源的不可调性所带来的无功干扰,提高光伏电站供电的持续性和可靠性;考虑到光伏发电的出力与负荷的变化规律具有一致性,且这种变化规律将对系统可靠性产生影响,因此在分组时通过计算出力与负荷的相关性能够更好的提高准确性;利用分组结果,通过将分层分组调节的思想运用到优化算法中,降低了系统维数,收敛到全局解的次数和收敛速度上均有明显改善,具有广泛的工程应用价值。
以上仅用于帮助理解本发明的核心思想,不能以此限制本发明,对于本领域的技术人员,凡是依据本发明的思想,对本发明进行修改或者等同替换,在具体实施方式及应用范围上所做的任何改动,均应包含在本发明的保护范围之内。
Claims (9)
1.一种光伏电站无功分组调节方法,其特征在于,该调节方法包括以下步骤:
1)将调度下发的目标值转换为无功功率目标值Qref,并根据电站的实时数据计算出待分配的无功调节指令ΔQ;
2)计算光伏电站中各负荷节点之间的灵敏度距离,根据灵敏度距离对负荷节点进行分组;
3)计算各发电单元出力与负荷的相关性,通过比较与各组负荷节点相关系数的大小进行归并,以形成不同的发电节点;
4)利用多目标无功优化算法建立无功优化模型,求解该模型,计算出每个发电节点待分配的无功调节指令Qrefi;
5)将各发电节点待分配的无功调节指令Qrefi进行分配,根据各发电节点下逆变器的开机个数和当前运行状况计算各逆变器的无功指令Qinvi或功率因数指令cosθinvi,并将其下发给对应的逆变器;
所述步骤3)中是运用各个发电单元无功出力和负荷节点之间的相关性来衡量每个发电单元对负荷的影响,根据负荷节点分组结果,比较发电单元与各负荷分组的相关系数Rij值大小,将发电单元划分到与它相关性最强的负荷节点所在分组中,保证区域内发电单元对负荷的强耦合关系,最终形成不同的发电节点。
2.根据权利要求1所述的光伏电站无功分组调节方法,其特征在于,所述步骤2)中采用电压/无功灵敏度表示负荷节点的单位无功变化对其他负荷节点电压幅值的影响程度,即得出两负荷节点间电压幅值变化量ΔV对无功功率变化量ΔQ的灵敏度矩阵Svq,计算两节点i、j之间的灵敏度距离Dij,
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mrow>
<mo>(</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>v</mi>
<mi>q</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>&Delta;Q</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mi>&Delta;V</mi>
<mi>j</mi>
</msub>
</mrow>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<msub>
<mi>D</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>D</mi>
<mrow>
<mi>j</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mrow>
<mo>(</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>v</mi>
<mi>q</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mrow>
<mo>(</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>v</mi>
<mi>q</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>j</mi>
<mi>i</mi>
</mrow>
</msub>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
其中N为负荷节点的个数。
3.根据权利要求2所述的光伏电站无功分组调节方法,其特征在于,所述步骤2)中负荷节点的分组方法为:
A.计算各负荷节点两两之间的距离,构成一个对称距离矩阵Dij;
B.选择Dij中的非对角上的最小元素,将该最小元素对应的两个负荷节点组合成一个新组,同时在Dij中消去对应的行和列;
C.计算新组与剩下的未合并的组之间的距离,组成一个行矩阵和一个列矩阵,将这两个矩阵并入Dij,更新距离矩阵Dij;
D.重复步骤B-C,直至达到设定的组数。
4.根据权利要求1所述的光伏电站无功分组调节方法,其特征在于,所述步骤3)中相关性系数的计算公式为:
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>i</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mrow>
<mi>j</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>Y</mi>
<mi>j</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mrow>
<mi>j</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>Y</mi>
<mi>j</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>i</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
</mrow>
1
其中Rij为第i个发电单元实际无功出力与第j个负荷节点的相关系数,t为时间,n为数据个数,Xit为第i个发电单元在t时刻的实际出力,Yjt为第j个负荷节点在t时刻的实际负荷大小,为第i个发电单元在时间段内所有样本的平均值,为第j个负荷节点在时间段内所有样本的平均值。
5.根据权利要求4所述的光伏电站无功分组调节方法,其特征在于,所述步骤4)建立的无功优化模型以电压偏差最少、有功损耗为最小为目标函数,即:
F=f1(X1,X2)+f2(X1,X2)
其中f1(X1,X2)=Ploss,f2(X1,X2)=du,
Ploss为有功功率损耗,du为电压偏差,Upv为各发电单元的电压矢量,Qpv为各发电单元的无功出力矢量,Ul为负荷节点电压矢量,Uli为第i个负荷节点的电压值,Uli.min≤Uli≤Uli.max,i=1,2,…Nl,Uli.max与Uli.min分别为负荷节点电压的上下限值,Ng与Nl分别为发电单元数与负荷节点。
6.根据权利要求5所述的光伏电站无功分组调节方法,其特征在于,所述步骤4)中模型的求解采用分层多粒子群算法,将控制变量作为粒子群中粒子的位置,其中各发电单元无功出力与电压的最大、最小值构成了位置解的可行域。
7.根据权利要求6所述的光伏电站无功分组调节方法,其特征在于,所述分层多粒子群算法的求解过程如下:
a第一层优化时,所得L个分组对应L个子群,运用随机选择法分别对每个子群进行最优化计算,得出整体极值Gi(i=1,2,…L);
b第二层接收传入的L个整体极值Gi,进行分组之间的协调和第二次优化,得到全局最优解Gbest;
c如果满足迭代结束条件,输出最优结果Gbest,包括各发电单元无功出力与电压控制变量的取值,状态变量负荷节点电压值的数据以及对应的有功功率损耗与电压偏差值,不满足则根据迭代公式更新粒子的飞行速度,重新计算目标函数值并更新粒子群i的整体极值Gi,把该位置向量解传送到第二层,转到步骤b继续计算。
8.根据权利要求7所述的光伏电站无功分组调节方法,其特征在于,所述各发电节点待分配的无功调节指令Qrefi采用等无功功率的调节方式进行分配。
9.根据权利要求7所述的光伏电站无功分组调节方法,其特征在于,所述计算得到的无功指令Qinvi或功率因数指令cosθinvi通过组播的方式群发给对应的逆变器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510495983.5A CN105048479B (zh) | 2015-08-13 | 2015-08-13 | 一种光伏电站无功分组调节方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510495983.5A CN105048479B (zh) | 2015-08-13 | 2015-08-13 | 一种光伏电站无功分组调节方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105048479A CN105048479A (zh) | 2015-11-11 |
CN105048479B true CN105048479B (zh) | 2017-11-21 |
Family
ID=54454802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510495983.5A Active CN105048479B (zh) | 2015-08-13 | 2015-08-13 | 一种光伏电站无功分组调节方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105048479B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107124007A (zh) * | 2017-06-07 | 2017-09-01 | 重庆大学 | 一种针对有功/无功协调控制的风电场风机分组方法 |
CN107769245A (zh) * | 2017-09-05 | 2018-03-06 | 清华大学 | 一种考虑风电功率波动概率特性的主导节点选择方法 |
CN108092281B (zh) * | 2017-12-30 | 2019-06-25 | 特变电工西安电气科技有限公司 | 一种多并网光伏逆变器系统无功分配方法 |
CN108493974B (zh) * | 2018-03-28 | 2021-03-30 | 电子科技大学 | 一种考虑充电成本的电动汽车参与调压的两级调度方法 |
CN111313482B (zh) * | 2020-02-24 | 2021-06-29 | 合肥工业大学 | 计及配电网经济安全性优化的光伏电源有功功率调控方法 |
CN111244950B (zh) * | 2020-02-28 | 2021-10-08 | 广东工业大学 | 一种分布式光伏配电网的分区方法及装置 |
CN114175439A (zh) * | 2020-06-23 | 2022-03-11 | 华为数字能源技术有限公司 | 一种光伏电站功率协调的方法及电站 |
CN111697704B (zh) * | 2020-07-04 | 2021-05-11 | 李英超 | 一种智能电网的供电信息处理方法 |
CN113725866B (zh) * | 2021-11-02 | 2022-03-08 | 广东电网有限责任公司梅州供电局 | 一种配电网分布式电源的控制方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102723721A (zh) * | 2012-05-31 | 2012-10-10 | 西南交通大学 | 基于个体最优位置自适应变异扰动粒子群算法的电力系统无功优化方法 |
CN102856918A (zh) * | 2012-07-31 | 2013-01-02 | 上海交通大学 | 一种基于小生境粒子群算法的配电网的无功优化方法 |
CN103490428B (zh) * | 2013-09-16 | 2015-02-11 | 中国能源建设集团广东省电力设计研究院 | 微电网无功补偿容量配置方法及系统 |
CN103532139B (zh) * | 2013-10-22 | 2015-08-19 | 哈尔滨工业大学 | 一种递归切割式无功电压分区控制方法 |
CN104242324B (zh) * | 2014-10-10 | 2017-04-12 | 东北电力大学 | 适用于风电场群接入地区的无功补偿方法 |
-
2015
- 2015-08-13 CN CN201510495983.5A patent/CN105048479B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105048479A (zh) | 2015-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105048479B (zh) | 一种光伏电站无功分组调节方法 | |
CN108694467B (zh) | 一种对配电网线损率进行预测的方法及系统 | |
Wu et al. | Deep learning adaptive dynamic programming for real time energy management and control strategy of micro-grid | |
CN109886473B (zh) | 一种考虑下游生态的流域风光水系统多目标优化调度方法 | |
Duman et al. | Optimal power flow of power systems with controllable wind‐photovoltaic energy systems via differential evolutionary particle swarm optimization | |
CN103219743B (zh) | 基于风电功率波动概率特性的主导节点选择方法 | |
CN107769237A (zh) | 基于电动汽车接入的多能源系统协同调度方法及装置 | |
CN112018762B (zh) | 一种考虑输配协同含无功电压约束的电动汽车充电优化调度方法 | |
CN106786977B (zh) | 一种电动汽车充电站的充电调度方法 | |
CN107067136A (zh) | 电动汽车充电分配方法及装置 | |
CN104252132A (zh) | 基于自适应遗传算法的行星际轨道控制优化方法 | |
Mahdad et al. | Security optimal power flow considering loading margin stability using hybrid FFA–PS assisted with brainstorming rules | |
CN107069708B (zh) | 一种基于极限学习机的输电网线路有功安全校正方法 | |
CN114567006A (zh) | 一种配电网多目标优化运行方法及系统 | |
Liu et al. | Multi-objective optimal allocation of TCSC for power systems with wind power considering load randomness | |
CN106099912B (zh) | 一种主动配电网局部功率协调控制系统及方法 | |
CN117060470A (zh) | 一种基于灵活性资源的配电网电压优化控制方法 | |
Ding et al. | Continuation power flow model for interconnected systems considering the electricity market influence and its corresponding distributed algorithm | |
Singh et al. | Economic load dispatch using MRPSO with generator ramp rate limits constraint | |
CN111146782B (zh) | 一种主动配电网分层的时变优化追踪方法 | |
CN114066282A (zh) | 一种基于混合核搜索和黏菌优化的电力经济排放调度方法 | |
Bilil et al. | A new multi-objective particle swarm optimization for reactive power dispatch | |
Bilil et al. | A new multi-objective particle swarm optimization for economic environmental dispatch | |
Sedighizadeh et al. | Optimal location and setting of FACTS devices using non-dominated sorting particle swarm optimization in fuzzy framework | |
Ya-Li et al. | An improved cultural particle swarm optimization algorithm based on feedback mechanism for economic load dispatch problems |
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 |