CN105098797B - 一种基于网络分解与区域协调的配电网无功优化方法 - Google Patents
一种基于网络分解与区域协调的配电网无功优化方法 Download PDFInfo
- Publication number
- CN105098797B CN105098797B CN201510526117.8A CN201510526117A CN105098797B CN 105098797 B CN105098797 B CN 105098797B CN 201510526117 A CN201510526117 A CN 201510526117A CN 105098797 B CN105098797 B CN 105098797B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msubsup
- network
- power distribution
- distribution network
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 17
- 230000006870 function Effects 0.000 claims abstract description 23
- 230000019771 cognition Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 abstract description 12
- 238000004891 communication Methods 0.000 abstract description 4
- 230000008878 coupling Effects 0.000 abstract description 4
- 238000010168 coupling process Methods 0.000 abstract description 4
- 238000005859 coupling reaction Methods 0.000 abstract description 4
- 239000011159 matrix material Substances 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- TVZRAEYQIKYCPH-UHFFFAOYSA-N 3-(trimethylsilyl)propane-1-sulfonic acid Chemical compound C[Si](C)(C)CCCS(O)(=O)=O TVZRAEYQIKYCPH-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000013316 zoning 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
- 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)
Abstract
本发明提供一种基于网络分解与区域协调的配电网无功优化方法,通过将配电网系统分解为多个配电网子网络区域;建立以等式为约束形式的无功优化分解协调模型;迭代求解无功优化分解协调模型中的各配电网子网络区域的初始化数据;建立各配电网子网络区域的含有拉格朗日乘子的目标函数;协调相邻配电网子网络区域之间交换边界节点信息,更新各配电网子网络区域的数据。本发明提出的优化方法,将大型配电网分解为多个互联区域,矩阵维度降低,占用内存减少;区域之间仅需交互边界变量,通信资源利用率高;区域之间耦合度低,方便进行并行处理,提升计算速度;区域之间的分解协调独立于寻优算法,各区域可选择适用于自身特点的优化算法。
Description
技术领域
本发明涉及配电网无功优化领域,具体涉及一种基于网络分解与区域协调的配电网无功优化方法。
背景技术
配电网无功投入的合理与否直接影响着电力系统的安全和稳定,与经济效益紧密相关。无功不足将导致系统电压降低,用电设备不能合理使用,甚至会引发电压崩溃等一系列事故;无功过剩也会导致系统电压质量恶化,危害系统和设备的安全,而且过多的无功备用也会浪费不必要的投资。合理的无功配置和投入退出能有效地降低网损,保证电压质量、预防事故发生或防止事故的扩大,从而提高电力系统运行的经济性、安全性和稳定性。无功优化是在电网的网架结构固定不变的基础上,以系统电能损耗最小、各节点电压合格率最高和变压器分接头、电容器、电抗器投切次数最少为目标函数的动态优化过程,其本质是一个大规模非线性的混合整数优化问题。
目前,多数电力公司的无功优化控制通常采用二级或三级的控制模式,将全网范围内所有控制设备目标分层。其中三级控制模式是目前国际上较为先进的电压控制系统,完整地实现了电压无功的三个控制级别:一级控制利用自动控制装置实现本地控制;二级控制可采用分层分区的思想通过修改一级控制器设定值协调区域内一级控制器的行为;三级控制是最高级别控制,以DMS为决策支持系统,协调二级控制的优化设定。虽然现在的分布式电源辅助服务还在探索发展阶段,针对分布式电源的引入带来的电力市场运行规范和经济特性的变化,国外学者已提出增强分布式电源高渗透率下其对配电网的辅助服务,尤其是其作为一种无功功率源对配电网的支撑作用。但是更多的研究方向侧重于风力发电系统和基于运行费用最小的含分布式电源的配电网无功资源优化控制,缺少对多种DG无功出力特性和范围以及对电网电压支撑作用的研究,同时配电网无功优化中还存在配电网网络规模扩大,引起计算机内存不足、计算速度慢、数据传输障碍、配电网调节设备增多,因控制变量维度增加使得无功优化算法速度降低、收敛困难且设备特征与控制方式多样,以及优化算法不能适应各区域实际情况,算法性能受到影响等问题。
因此,需要对各种资源自身特性、跟踪预测、无功优化和协调控制等多方面展开深入研究。
发明内容
有鉴于此,本发明提供的基于网络分解与区域协调的配电网无功优化方法,该方法将大型配电网分解为多个互联区域,矩阵维度降低,占用内存减少;区域之间仅需交互边界变量,通信资源利用率高;区域之间耦合度低,方便进行并行处理,提升计算速度;区域之间的分解协调独立于寻优算法,各区域可选择适用于自身特点的优化算法。
本发明的目的是通过以下技术方案实现的:
一种基于网络分解与区域协调的配电网无功优化方法,所述方法包括如下步骤:
步骤1.将配电网系统分解为多个配电网子网络区域;
步骤2.建立以等式为约束形式的无功优化分解协调模型;
步骤3.迭代求解所述无功优化分解协调模型中的各所述配电网子网络区域的初始化数据;
步骤4.根据所述初始化数据,建立各所述配电网子网络区域的含有拉格朗日乘子的目标函数;
步骤5.协调相邻所述配电网子网络区域之间交换边界节点信息,依次对各所述配电网子网络区域中的所述目标函数进行优化求解,并根据求解结果更新各所述配电网子网络区域的数据;
步骤6.判断数据更新后的各所述配电网子网络区域的目标函数是否全部满足收敛条件;
若是,则配电网的无功优化完成;
若否,则将迭代次数增加1后,返回步骤3。
优选的,所述步骤1,包括:
根据配电网的运行数据,将所述配电网系统用节点分裂法分解为多个独立的配电网子网络区域。
优选的,所述步骤2,包括:
2-1.建立无功优化分解协调模型中的状态变量的等式:
式中,t为迭代次数,k为配电网子网络区域编号,为迭代次数为t时的配电网子网络区域k的第i个状态变量,nk为配电网子网络区域k的状态变量数量;
2-2.建立无功优化分解协调模型中的自身认知的相邻边界状态变量的等式:
式中,为配电网子网络区域k认知中的第i个边界状态变量,bk为配电网子网络区域k的边界状态变量数量;
2-3.建立无功优化分解协调模型中的边界状态变量的等式:
式中,为区域k的第i个边界状态变量。
优选的,所述状态变量包括所述配电网系统中的内部变量与边界变量,内部变量对应无功优化的控制变量,外部变量反应区域之间的约束关系。
优选的,所述步骤3,包括:
迭代求解所述无功优化分解协调模型中的各所述配电网子网络区域的初始化数据,及求解初始状态变量初始自身认知的相邻边界状态变量及初始边界状态变量
迭代次数为t=0时,求解的值即为即为初始状态变量的值;
式中,为所述配电网子网络区域k相邻区域中包含边界状态变量的区域集合,为该集合中元素的个数;为与关联的状态变量,为相邻区域l中与关联的状态变量。
优选的,所述步骤4,包括:
根据所述初始化数据,建立各所述配电网子网络区域的含有拉格朗日乘子的目标函数Fk(xk):
式中,fk(xk)为指标函数,所述指标包括网损、电压水平及无功调节成本;c为步长常数。
优选的,所述步骤5,包括:
5-1.协调相邻所述配电网子网络区域之间交换边界节点信息,依次对各所述配电网子网络区域中的所述目标函数进行优化求解;
5-2.根据求解结果将当前的所述状态变量更新为迭代次数增加1后的新的状态变量
5-3.将当前的所述自身认知的相邻边界状态变量更新为迭代次数增加1后的新的自身认知的相邻边界状态变量
5-4.将当前的所述边界状态变量更新为迭代次数增加1后的新的边界状态变量
从上述的技术方案可以看出,本发明提供了一种基于网络分解与区域协调的配电网无功优化方法,通过将配电网系统分解为多个配电网子网络区域;建立以等式为约束形式的无功优化分解协调模型;迭代求解无功优化分解协调模型中的各配电网子网络区域的初始化数据;建立各配电网子网络区域的含有拉格朗日乘子的目标函数;协调相邻配电网子网络区域之间交换边界节点信息,更新各配电网子网络区域的数据。本发明提出的优化方法,将大型配电网分解为多个互联区域,矩阵维度降低,占用内存减少;区域之间仅需交互边界变量,通信资源利用率高;区域之间耦合度低,方便进行并行处理,提升计算速度;区域之间的分解协调独立于寻优算法,各区域可选择适用于自身特点的优化算法,实现了对配电网有效且可靠的无功优化。
与最接近的现有技术比,本发明提供的技术方案具有以下优异效果:
1、本发明所提供的技术方案,通过将配电网系统分解为多个配电网子网络区域;建立以等式为约束形式的无功优化分解协调模型;迭代求解无功优化分解协调模型中的各配电网子网络区域的初始化数据;建立各配电网子网络区域的含有拉格朗日乘子的目标函数;协调相邻配电网子网络区域之间交换边界节点信息,更新各配电网子网络区域的数据;实现了对配电网有效且可靠的无功优化。
2、本发明所提供的技术方案中,将大型配电网分解为多个互联区域,矩阵维度降低,占用内存减少。
3、本发明所提供的技术方案,区域之间仅需交互边界变量,通信资源利用率高。
4、本发明所提供的技术方案,区域之间耦合度低,方便进行并行处理,提升计算速度。
5、本发明所提供的技术方案,区域之间的分解协调独立于寻优算法,各区域可选择适用于自身特点的优化算法。
6、本发明提供的技术方案,应用广泛,具有显著的社会效益和经济效益。
附图说明
图1是本发明的一种基于网络分解与区域协调的配电网无功优化方法的流程图;
图2是本发明的优化方法中的步骤2的流程示意图;
图3是本发明的优化方法中的步骤5的流程示意图;
图4是本发明的一种基于网络分解与区域协调的配电网无功优化方法的应用例示意图。
具体实施方式
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、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,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。
如图1所示,本发明提供一种基于网络分解与区域协调的配电网无功优化方法,针对配电网无功优化调节方式多样化、控制变量特征复杂化的问题,考虑全网无功优化的需求;本发明基于网络分解与区域协调,包括如下步骤:
步骤1.将配电网系统分解为多个配电网子网络区域;
步骤2.建立以等式为约束形式的无功优化分解协调模型;
步骤3.迭代求解无功优化分解协调模型中的各配电网子网络区域的初始化数据;
步骤4.根据初始化数据,建立各配电网子网络区域的含有拉格朗日乘子的目标函数;
步骤5.协调相邻配电网子网络区域之间交换边界节点信息,依次对各配电网子网络区域中的目标函数进行优化求解,并根据求解结果更新各配电网子网络区域的数据;
步骤6.判断数据更新后的各配电网子网络区域的目标函数是否全部满足收敛条件;
若是,则配电网的无功优化完成;
若否,则将迭代次数增加1后,返回步骤3。
其中,步骤1,包括:
根据配电网的运行数据,将配电网系统用节点分裂法分解为多个独立的配电网子网络区域。
如图2所示,步骤2,包括:
2-1.建立无功优化分解协调模型中的状态变量的等式:
式中,t为迭代次数,k为配电网子网络区域编号,为迭代次数为t时的配电网子网络区域k的第i个状态变量,nk为配电网子网络区域k的状态变量数量。
2-2.建立无功优化分解协调模型中的自身认知的相邻边界状态变量的等式:
式中,为配电网子网络区域k认知中的第i个边界状态变量,bk为配电网子网络区域k的边界状态变量数量;
2-3.建立无功优化分解协调模型中的边界状态变量的等式:
式中,为区域k的第i个边界状态变量。
状态变量包括配电网系统中的内部变量与边界变量,内部变量对应无功优化的控制变量,外部变量反应区域之间的约束关系。
其中,步骤3,包括:
迭代求解无功优化分解协调模型中的各配电网子网络区域的初始化数据,及求解初始状态变量初始自身认知的相邻边界状态变量及初始边界状态变量
迭代次数为t=0时,求解的值即为即为初始状态变量的值;
式中,为配电网子网络区域k相邻区域中包含边界状态变量的区域集合,为该集合中元素的个数;为与关联的状态变量,为相邻区域l中与关联的状态变量。
其中,步骤4,包括:
根据初始化数据,建立各配电网子网络区域的含有拉格朗日乘子的目标函数Fk(xk):
式中,fk(xk)为指标函数,指标包括网损、电压水平及无功调节成本;c为步长常数。
如图3所示,步骤5,包括:
5-1.协调相邻配电网子网络区域之间交换边界节点信息,依次对各配电网子网络区域中的目标函数进行优化求解;
5-2.根据求解结果将当前的状态变量更新为迭代次数增加1后的新的状态变量
5-3.将当前的自身认知的相邻边界状态变量更新为迭代次数增加1后的新的自身认知的相邻边界状态变量
5-4.将当前的边界状态变量更新为迭代次数增加1后的新的边界状态变量
如图4所示,本发明提供一种基于网络分解与区域协调的配电网无功优化方法的应用例,包括以下步骤:
步骤1:基于配电网分解协调模型,初始化数据。
步骤2:协调迭代求解。
步骤3:对每一个区域,依次执行:
步骤3-1:求解无功优化数学模型,更新状态变量t为迭代次数,k为该区域编号;
步骤3-2:更新自身认知的相邻边界状态变量
步骤3-3:更新边界状态变量
步骤4:判断是否满足收敛条件,满足则输出结果;否则转步骤2。
(3)根据权利要求2的配电网分解协调模型,其特征在于以状态变量自身认知的相邻边界状态变量自身边界状态变量描述配电网区域。
区域是基于节点分裂法事先分解好的配电网子网络。
状态变量 为区域k的第i个状态变量,nk为区域k的状态变量数量,设置为控制变量允许范围内的任意值;状态变量包括内部变量与边界变量,内部变量对应无功优化的控制变量,外部变量反应区域之间的约束关系。
自身认知的相邻边界状态变量 为区域k认知中的第i个边界状态变量,bk为区域k的边界状态变量数量。
边界状态变量 为区域k的第i个边界状态变量。
迭代次数t=0时即为状态变量自身认知的相邻边界状态变量自身边界状态变量的初始值。
的计算公式为
式中,为区域k相邻区域中包含边界状态变量的区域集合,为该集合中元素的个数;为与关联的状态变量,为相邻区域l中与关联的状态变量。
(4)根据权利要求2的无功优化数学模型,其特征在于目标函数Fk(xk)的表达式为
式中,fk(xk)为指标函数,可以包括网损、电压水平、无功调节成本等;c为步长常数。
下一次迭代过程中状态变量定义为
运用优化求解方法计算状态变量值,使目标函数值最小可以选用数学方法、人工智能算法等优化求解方法。
(5)根据权利要求2的更新自身认知的相邻边界状态变量,其特征在于的计算公式为
(6)根据权利要求2的更新边界状态变量,其特征在于的计算公式为
以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换,而这些未脱离本发明精神和范围的任何修改或者等同替换,其均在申请待批的本发明的权利要求保护范围之内。
Claims (3)
1.一种基于网络分解与区域协调的配电网无功优化方法,其特征在于,所述方法包括如下步骤:
步骤1.将配电网系统分解为多个配电网子网络区域;
步骤2.建立以等式为约束形式的无功优化分解协调模型;
步骤3.迭代求解所述无功优化分解协调模型中的各所述配电网子网络区域的初始化数据;
步骤4.根据所述初始化数据,建立各所述配电网子网络区域的含有拉格朗日乘子的目标函数;
步骤5.协调相邻所述配电网子网络区域之间交换边界节点信息,依次对各所述配电网子网络区域中的所述目标函数进行优化求解,并根据求解结果更新各所述配电网子网络区域的数据;
步骤6.判断数据更新后的各所述配电网子网络区域的目标函数是否全部满足收敛条件;
若是,则配电网的无功优化完成;
若否,则将迭代次数增加1后,返回步骤3;
所述步骤2,包括:
2-1.建立无功优化分解协调模型中的状态变量的等式:
<mrow>
<msubsup>
<mi>x</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msubsup>
<mi>x</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msubsup>
<mi>x</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>L</mi>
<mo>,</mo>
<msubsup>
<mi>x</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>L</mi>
<mi> </mi>
<msubsup>
<mi>x</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>n</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mi>T</mi>
</msup>
<mo>;</mo>
</mrow>
式中,t为迭代次数,k为配电网子网络区域编号,为迭代次数为t时的配电网子网络区域k的第i个状态变量,nk为配电网子网络区域k的状态变量数量;
2-2.建立无功优化分解协调模型中的自身认知的相邻边界状态变量的等式:
<mrow>
<msubsup>
<mi>s</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msubsup>
<mi>s</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msubsup>
<mi>s</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>L</mi>
<mo>,</mo>
<msubsup>
<mi>s</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>L</mi>
<mi> </mi>
<msubsup>
<mi>s</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>b</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mi>T</mi>
</msup>
<mo>;</mo>
</mrow>
式中,为配电网子网络区域k认知中的第i个边界状态变量,bk为配电网子网络区域k的边界状态变量数量;
2-3.建立无功优化分解协调模型中的边界状态变量的等式:
<mrow>
<msubsup>
<mi>p</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msubsup>
<mi>p</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msubsup>
<mi>p</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>L</mi>
<mo>,</mo>
<msubsup>
<mi>p</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>L</mi>
<mi> </mi>
<msubsup>
<mi>p</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>b</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mi>T</mi>
</msup>
<mo>;</mo>
</mrow>
式中,为区域k的第i个边界状态变量;
所述步骤3,包括:
迭代求解所述无功优化分解协调模型中的各所述配电网子网络区域的初始化数据,及求解初始状态变量初始自身认知的相邻边界状态变量及初始边界状态变量
迭代次数为t=0时,求解的值即为即为初始状态变量的值;
<mrow>
<msubsup>
<mi>s</mi>
<mi>k</mi>
<mn>0</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mo>|</mo>
<msubsup>
<mi>N</mi>
<mi>k</mi>
<mi>i</mi>
</msubsup>
<mo>|</mo>
</mrow>
</mfrac>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>&Element;</mo>
<msubsup>
<mi>N</mi>
<mi>k</mi>
<mi>i</mi>
</msubsup>
</mrow>
</munder>
<msubsup>
<mi>x</mi>
<mi>l</mi>
<mn>0</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
<mrow>
<msubsup>
<mi>p</mi>
<mi>k</mi>
<mn>0</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>x</mi>
<mi>k</mi>
<mn>0</mn>
</msubsup>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>+</mo>
<msubsup>
<mi>s</mi>
<mi>k</mi>
<mn>0</mn>
</msubsup>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mn>2</mn>
<mo>;</mo>
</mrow>
式中,为所述配电网子网络区域k相邻区域中包含边界状态变量的区域集合,为区域集合中元素的个数;为与关联的状态变量,为相邻区域l中与关联的状态变量;
所述步骤4,包括:
根据所述初始化数据,建立各所述配电网子网络区域的含有拉格朗日乘子的目标函数Fk(xk):
<mrow>
<msub>
<mi>F</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>f</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mfrac>
<mi>c</mi>
<mn>2</mn>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mo>|</mo>
<msubsup>
<mi>N</mi>
<mi>k</mi>
<mi>i</mi>
</msubsup>
<mo>|</mo>
</mrow>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>x</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>-</mo>
<msubsup>
<mi>p</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>;</mo>
</mrow>
式中,fk(xk)为指标函数,所述指标包括网损、电压水平及无功调节成本;c为步长常数;
所述步骤5,包括:
5-1.协调相邻所述配电网子网络区域之间交换边界节点信息,依次对各所述配电网子网络区域中的所述目标函数进行优化求解;
5-2.根据求解结果将当前的所述状态变量更新为迭代次数增加1后的新的状态变量
<mrow>
<msubsup>
<mi>x</mi>
<mi>k</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>=</mo>
<mi>arg</mi>
<mi> </mi>
<mi>min</mi>
<mi> </mi>
<msub>
<mi>F</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
5-3.将当前的所述自身认知的相邻边界状态变量更新为迭代次数增加1后的新的自身认知的相邻边界状态变量
<mrow>
<msubsup>
<mi>s</mi>
<mi>k</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mo>|</mo>
<msubsup>
<mi>N</mi>
<mi>k</mi>
<mi>i</mi>
</msubsup>
<mo>|</mo>
</mrow>
</mfrac>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>&Element;</mo>
<msubsup>
<mi>N</mi>
<mi>k</mi>
<mi>i</mi>
</msubsup>
</mrow>
</munder>
<msubsup>
<mi>x</mi>
<mi>l</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
5-4.将当前的所述边界状态变量更新为迭代次数增加1后的新的边界状态变量
<mrow>
<msubsup>
<mi>p</mi>
<mi>k</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>p</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>s</mi>
<mi>k</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mfrac>
<mrow>
<msubsup>
<mi>x</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>s</mi>
<mi>k</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
<mn>2</mn>
</mfrac>
<mo>.</mo>
</mrow>
2.如权利要求1所述的方法,其特征在于,所述步骤1,包括:
根据配电网的运行数据,将所述配电网系统用节点分裂法分解为多个独立的配电网子网络区域。
3.如权利要求1所述的方法,其特征在于,所述状态变量包括所述配电网系统中的内部变量与边界变量,内部变量对应无功优化的控制变量,外部变量反应区域之间的约束关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510526117.8A CN105098797B (zh) | 2015-08-25 | 2015-08-25 | 一种基于网络分解与区域协调的配电网无功优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510526117.8A CN105098797B (zh) | 2015-08-25 | 2015-08-25 | 一种基于网络分解与区域协调的配电网无功优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105098797A CN105098797A (zh) | 2015-11-25 |
CN105098797B true CN105098797B (zh) | 2018-06-01 |
Family
ID=54578664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510526117.8A Active CN105098797B (zh) | 2015-08-25 | 2015-08-25 | 一种基于网络分解与区域协调的配电网无功优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105098797B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106374450B (zh) * | 2016-08-30 | 2019-01-15 | 清华大学 | 放射状直流配电网的分布式最优潮流计算方法及装置 |
CN106897942B (zh) * | 2017-01-24 | 2023-04-18 | 中国电力科学研究院 | 一种配电网分布式并行状态估计方法及装置 |
CN107171341B (zh) * | 2017-06-15 | 2020-03-17 | 河海大学 | 一种基于分布式计算的输配电网一体化无功优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103151784A (zh) * | 2013-04-01 | 2013-06-12 | 国家电网公司 | 一种基于avc系统的无功电压优化方法及装置 |
CN103199528A (zh) * | 2013-04-18 | 2013-07-10 | 西南交通大学 | 广域电力系统状态估计协调方法 |
CN104269857A (zh) * | 2014-09-22 | 2015-01-07 | 清华大学 | 一种基于电厂之间强耦合关系的发电机无功功率控制方法 |
CN104319775A (zh) * | 2014-09-27 | 2015-01-28 | 国家电网公司 | 适应大规模风电并网的无功电压控制方法 |
-
2015
- 2015-08-25 CN CN201510526117.8A patent/CN105098797B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103151784A (zh) * | 2013-04-01 | 2013-06-12 | 国家电网公司 | 一种基于avc系统的无功电压优化方法及装置 |
CN103199528A (zh) * | 2013-04-18 | 2013-07-10 | 西南交通大学 | 广域电力系统状态估计协调方法 |
CN104269857A (zh) * | 2014-09-22 | 2015-01-07 | 清华大学 | 一种基于电厂之间强耦合关系的发电机无功功率控制方法 |
CN104319775A (zh) * | 2014-09-27 | 2015-01-28 | 国家电网公司 | 适应大规模风电并网的无功电压控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105098797A (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10222404B2 (en) | General load flow calculation method for power systems with unified power flow controller | |
CN103514570B (zh) | 一种含分布式电源的配电网扩展规划综合优化方法 | |
Xin et al. | Cooperative control strategy for multiple photovoltaic generators in distribution networks | |
CN102832627B (zh) | 一种基于电力网络模型的风电场自动电压控制方法 | |
CN104767221B (zh) | 一种基于逆变器功率协调控制的电压调节方法 | |
CN103972893B (zh) | 一种含有分布式电源的配电网滤波器的优化配置方法 | |
CN107947175B (zh) | 一种基于分布式网络控制的微电网经济调度方法 | |
CN105098797B (zh) | 一种基于网络分解与区域协调的配电网无功优化方法 | |
CN105226664A (zh) | 一种主动配电网无功电压分层分布协调控制方法 | |
CN104584357A (zh) | 利用分布式能量源控制降低配电系统的损耗 | |
CN106786543A (zh) | 一种考虑最大供电能力约束的配电网络优化降损重构方法 | |
CN109217297A (zh) | 交直流主动配电网日前调度二阶锥模型 | |
CN102856899A (zh) | 一种微电网降低网损的方法 | |
CN109390953A (zh) | 含分布式电源和电动汽车的低压配电网无功电压协调控制方法和系统 | |
CN109066741A (zh) | 一种用于区域电网削峰填谷的分布式储能规划方法及系统 | |
CN105932691A (zh) | 一种改进的和声搜索算法的复杂配电网无功优化方法 | |
Gaddala et al. | Merging lion with crow search algorithm for optimal location and sizing of UPQC in distribution network | |
CN116345466A (zh) | 一种考虑配网重构的主动配电网两阶段潮流优化方法 | |
CN113890039B (zh) | 一种多端柔性直流配电网潮流调度优化方法 | |
CN115481856A (zh) | 考虑综合需求响应的综合能源系统多尺度调度方法及系统 | |
CN104836240A (zh) | 一种基于电网固有结构特性的配电网最优无功补偿方法 | |
Zhang et al. | Energy management optimization strategy of DC microgrid based on consistency algorithm considering generation economy | |
CN118117571A (zh) | 数字双代理电网功率跟踪调节方法、系统、设备及介质 | |
CN103094910A (zh) | 多级自动电压无功控制系统avc协调控制方法 | |
Guo et al. | Multi-objective planning for voltage sag compensation of sparse distribution networks with unified power quality conditioner using improved NSGA-III optimization |
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 |