CN107591843B - 一种系统恢复过程中的双馈风场无功出力优化方法 - Google Patents
一种系统恢复过程中的双馈风场无功出力优化方法 Download PDFInfo
- Publication number
- CN107591843B CN107591843B CN201710769010.5A CN201710769010A CN107591843B CN 107591843 B CN107591843 B CN 107591843B CN 201710769010 A CN201710769010 A CN 201710769010A CN 107591843 B CN107591843 B CN 107591843B
- Authority
- CN
- China
- Prior art keywords
- reactive power
- honey source
- fed
- doubly
- power output
- 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.)
- Expired - Fee Related
Links
Images
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
- Y02E10/70—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
- Control Of Eletrric Generators (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种系统恢复过程中的双馈风场无功出力优化方法,其特征在于:利用双馈风机自身的无功调节能力对已恢复系统进行无功优化,包括以下步骤:步骤一:对双馈风场的数学模型进行分析推导,得出其P‑Q曲线以及其有功出力、无功出力之间的定量关系;步骤二:以双馈风机无功调节范围、系统潮流约束为约束条件,建立以系统网损、节点电压偏移最小为目标的双馈风场无功出力优化模型;步骤三:采用人工蜂群算法求解无功优化模型,得到系统风电无功投入方案。利用本发明得到的双馈风场无功出力方案能够大大降低已恢复系统的有功损耗、节点电压偏移值,满足了系统恢复过程中的电网安全约束。
Description
技术领域
本发明属于电网技术领域,尤其涉及一种系统恢复过程中的双馈风场无功出力优化方法。
背景技术
近年来,风力发电作为最具发展潜力的可再生能源发电技术在中国得到了快速发展。由于风能随机性和间歇性的特点,高风电穿透功率下的无功电压问题是目前风电场并网运行中最为突出的问题之一。
目前,国内新建风电场主要采用变速恒频双馈感应风电机组,通常采用在风电场出口母线上安装大容量的电容器组或静止无功补偿装置来调节并网点电压。但该方法不但没有充分发挥双馈感应风电机组快速灵活的无功调节能力,而且还会因其高昂的配置费用而大大增加风电场建设成本。
当双馈电机风电场在配电网中渗透率较高时,将双馈电机风电场作为连续无功源参与到接入配电网的无功电压控制中,可解决传统配电网难以实现电压连续调节的问题,并能节省在风电场并网母线安装大容量无功补偿装置产生的费用。
因此,需要一种一种系统恢复过程中的双馈风场无功出力优化方法以解决上述问题。
发明内容
本发明的目的在于提供一种系统恢复过程中的双馈风场无功出力优化方法。
实现本发明目的的技术解决方案为:一种系统恢复过程中的双馈风场无功出力优化方法,包括如下步骤:步骤一、对双馈风场的数学模型进行分析推导,得出其P-Q曲线以及其有功、无功容量间的定量关系。
步骤二、建立以系统网损、节点电压偏移最小为目标的双馈风场无功出力优化模型。
步骤三、采用人工蜂群算法求解无功优化模型,得到最优的系统风电无功投入方案。
更进一步的,步骤一中所述的对双馈风场的数学模型进行分析推导,得出其P-Q曲线以及其有功、无功容量间的定量关系。具体步骤为:
步骤1-1,根据双馈风机数学模型确定风机有功、无功出力间的关系。
双馈感应风电机组定子侧有功功率PS和无功功率QS可表示为:
式中:US为定子侧电压;IS为定子绕组电流;XS为定子漏抗;XM为励磁电抗;IS为转子侧变换器电流。双馈感应风电机组输出的有功功率PT为定子侧有功功率PS和转子侧有功功率PR的代数和,Qt是指整个风机的无功出力,Qs单指风机定子侧的无功出力,转子侧无功出力Qr忽略不计的,s为异步电机的转差率,即:
PT=PS+PR
PT=(1-s)PS
由此可得双馈风机有功出力和无功出力间的关系:
由上两式可知:当风电机组定子侧电压恒定时,风电机组有功功率和无功功率运行范围受定子绕组最大电流IS,max、转子侧变换器最大电流IR,max的限制。
步骤1-2,根据双馈风机出力数学模型确定P-Q容量曲线。
由双馈风机数学模型可得到1.5MW双馈感应发电机机端电压为1.0(标幺值)时的P-Q容量曲线,如图1所示。
双馈感应发电机定子绕组最大电流IS,max和转子侧变换器最大电流IR,max给定后,当风电机组在额定功率内变化其有功功率时,对应的无功功率可在一定区域内调节。
更进一步的,步骤二中,以双馈风机无功调节容量、系统潮流约束为约束条件,建立以系统网损、节点电压偏移最小为目标的双馈风场无功出力优化模型。具体步骤为:
步骤2-1,建立以系统网损、节点电压偏移最小为目标的双馈风场无功出力优化模型。
以系统有功网损与节点电压偏差和最小为目标函数,且以双馈风场无功出力为优化变量,建立了风场无功出力优化模型。其目标函数如下:
式中:x为优化变量,x=[QF1,QF2…QFn]是节点风场的无功出力向量,N1为系统支路数;Nn为系统节点数;R1为支路1的电阻;P1和Q1分别为支路1的有功功率和无功功率;U1为支路1的端电压幅值;Ui为节点i的电压幅值;Un为节点i上的基准电压幅值。
步骤2-2,考虑目标函数的约束条件如下:
系统恢复过程中的潮流约束:
式中:式中,Pi、Qi分别为节点i的系统有功、无功注入功率;PFi、QFi分别为节点i的风场注入的有功、无功功率;PLi、QLi分别为节点i的负荷有功、无功功率;Vi为节点i的电压;Gij,Bij分别为节点i与j之间的电导、电纳;δij为Vi与Vj相角差;N为节点数。
双馈风机有功、无功容量约束:
式中:PFij和QFij为单台双馈风电机组的有功、无功出力,si为风电机组在该时步风速条件下的转差率,Xm、Xs为电机的励磁阻抗和定子阻抗,Usi定子侧电压,IRi为转子侧电流,根据转子侧变换器最大电流IRmax可以确定某有功出力下的风电机组无功出力范围。
风电机组出力及节点电压范围约束:
式中:PFi、QFi分别为风电机组的有功和无功出力,PFimin和PFimax分别表示风电机组有功的最大和最小出力,QFimin和QFimax表示风电机组无功的最大和最小出力,Vi表示节点电压,本文规定节点电压标幺值必须在0.9-1.07之间。
更进一步的,步骤三中,采用人工蜂群算法求解无功优化模型,得到最优的系统风电无功投入方案,流程图如图2所示,具体步骤为:
步骤3-1,初始化及参数设置。输入系统的结构参数,常规机组,线路,负荷,风电机组相关参数,设置人工蜂群算法种群数量N(种群中引领蜂、跟随蜂各占一半)、最大迭代次数MCN、蜜源最大限制开采次数Limit。将已迭代次数和蜜源开采次数置0。
步骤3-2,先根据恢复路径对可以投入的风机进行预选,确定待投入风机个数D。初始时刻,N只蜜蜂全为侦查蜂,并产生N个D维的0-1风电机组有功出力序列,同时在双馈风机无功调节能力范围内随机生成N个风电机组无功出力值,和恢复序列一一对应,即N个初始蜜源,若蜜源对应的风机有功出力值大于本阶段的最大允许出力值或经校验不满足潮流约束条件,则重新生成,直到蜜源满足约束为止。
以系统有功网损以及节点电压偏移和作为蜜源的适应度函数值,根据适应度值排序,前百分之五十为引领蜂,剩下的为跟随蜂。
步骤3-3,每个引领蜂在对应的蜜源周围进行邻域搜索,判断新的蜜源的适应度值是否比原来的适应度值小,根据贪婪原则,如果新蜜源优于原蜜源,则取代原位置,将已开采次数置0,否则,该蜜源的开采次数加1。
步骤3-4,引领蜂将蜜源的信息分享给跟随蜂,蜜源的质量越好,被跟随的概率越大。每个蜜源被选择的概率可以通过下式计算:
式中fiti——蜜源i的适应度值;
SN——蜜源总数。
跟随蜂根据概率值Pi选择蜜源,在选择的蜜源周围进行邻域搜索,判断新的蜜源的适应度值是否比原来的适应度值大,根据贪婪原则,如果新蜜源优于原蜜源,则取代原位置,该跟随蜂转变为引领蜂,蜜源已开采次数置0。否则,蜜源和引领蜂保持不变,该蜜源的开采次数加1。
步骤3-5,引领蜂和跟随蜂搜索结束后,迭代次数加1,并记录当前的最优蜜源。如果一个蜜源的开采次数达到上限,则放弃改蜜源,对应的蜜蜂变成侦查蜂,重新生成新的蜜源,已开采次数置1。
步骤3-6,如果迭代次数还未达到上限,则转到步骤3-3重新搜索,直到达到迭代上限后输出当前最优蜜源以及最优蜜源对应的风电无功投入方案。
有益效果:结合实施例可以看出,利用本发明得到的双馈风场无功出力方案能够大大降低已恢复系统的有功损耗、节点电压偏移值,满足了系统恢复过程中的电网安全约束。本发明可以适用于含风电系统的电网恢复过程中,具有一定的理论价值和工程价值。
附图说明:
图1为1.5MW双馈感应风机P-Q曲线图;
图2为人工蜂群算法求解目标函数流程图;
图3为IEEE-10机39节点系统拓扑图;
图4为蜂群算法求解稳定性效果图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。如图1、图2和图3所示,本发明的一种系统恢复过程中的双馈风场无功出力优化方法,
步骤一,对双馈风场的数学模型进行分析推导,得出其P-Q曲线以及其有功、无功容量间的定量关系,具体操作步骤为:
步骤1-1,根据双馈风机数学模型确定风机有功、无功出力间的关系。
双馈感应风电机组定子侧有功功率PS和无功功率QS可表示为:
式中:US为定子侧电压;IS为定子绕组电流;XS为定子漏抗;XM为励磁电抗;IS为转子侧变换器电流。双馈感应风电机组输出的有功功率PT为定子侧有功功率PS和转子侧有功功率PR的代数和,Qt是指整个风机的无功出力,Qs单指风机定子侧的无功出力,转子侧无功出力Qr忽略不计的,s为异步电机的转差率,即:
PT=PS+PR
PT=(1-s)PS
由此可得双馈风机有功出力和无功出力间的关系:
由上两式可知:当风电机组定子侧电压恒定时,风电机组有功功率和无功功率运行范围受定子绕组最大电流IS,max、转子侧变换器最大电流IR,max的限制。
步骤1-2,根据双馈风机出力数学模型确定P-Q容量曲线。
由双馈风机数学模型可得到1.5MW双馈感应发电机机端电压为1.0(标幺值)时的P-Q容量曲线,如图1所示。双馈感应发电机定子绕组最大电流IS,max和转子侧变换器最大电流IR,max给定后,当风电机组在额定功率内变化其有功功率时,对应的无功功率可在一定区域内调节。
步骤二,建立以系统网损、节点电压偏移最小为目标的双馈风场无功出力优化模型。具体操作步骤为:
步骤2-1,建立以系统网损、节点电压偏移最小为目标的双馈风场无功出力优化模型。
以系统有功网损与节点电压偏差和最小为目标函数,且以双馈风场无功出力为优化变量,建立了风场无功出力优化模型。其目标函数如下:
式中:x为优化变量,x=[QF1,QF2…QFn]是节点风场的无功出力向量,N1为系统支路数;Nn为系统节点数;R1为支路1的电阻;P1和Q1分别为支路1的有功功率和无功功率;U1为支路1的端电压幅值;Ui为节点i的电压幅值;Un为节点i上的基准电压幅值。
步骤2-2,考虑目标函数的约束条件如下:
系统恢复过程中的潮流约束:
式中:式中,Pi、Qi分别为节点i的系统有功、无功注入功率;PFi、QFi分别为节点i的风场注入的有功、无功功率;PLi、QLi分别为节点i的负荷有功、无功功率;Vi为节点i的电压;Gij,Bij分别为节点i与j之间的电导、电纳;δij为Vi与Vj相角差;N为节点数。
双馈风机有功、无功容量约束:
式中:PFij和QFij为单台双馈风电机组的有功、无功出力,si为风电机组在该时步风速条件下的转差率,Xm、Xs为电机的励磁阻抗和定子阻抗,Usi定子侧电压,IRi为转子侧电流,根据转子侧变换器最大电流IRmax可以确定某有功出力下的风电机组无功出力范围。
风电机组出力及节点电压范围约束:
式中:PFi、QFi分别为风电机组的有功和无功出力,PFimin和PFimax分别表示风电机组有功的最大和最小出力,QFimin和QFimax表示风电机组无功的最大和最小出力,Vi表示节点电压,本文规定节点电压标幺值必须在0.9-1.07之间。
步骤三,采用人工蜂群算法求解无功优化模型,得到最优的系统风电无功投入方案,流程图如图2所示,具体操作步骤为:
步骤3-1,初始化及参数设置。输入系统的结构参数,常规机组,线路,负荷,风电机组相关参数,设置人工蜂群算法种群数量N(种群中引领蜂、跟随蜂各占一半)、最大迭代次数MCN、蜜源最大限制开采次数Limit。将已迭代次数和蜜源开采次数置0。
步骤3-2,先根据恢复路径对可以投入的风机进行预选,确定待投入风机个数D。初始时刻,N只蜜蜂全为侦查蜂,并产生N个D维的0-1风电机组有功出力序列,同时在双馈风机无功调节能力范围内随机生成N个风电机组无功出力值,和恢复序列一一对应,即N个初始蜜源,若蜜源对应的风机有功出力值大于本阶段的最大允许出力值或经校验不满足潮流约束条件,则重新生成,直到蜜源满足约束为止。以系统有功网损以及节点电压偏移和作为蜜源的适应度函数值,根据适应度值排序,前百分之五十为引领蜂,剩下的为跟随蜂。
步骤3-3,每个引领蜂在对应的蜜源周围进行邻域搜索,判断新的蜜源的适应度值是否比原来的适应度值小,根据贪婪原则,如果新蜜源优于原蜜源,则取代原位置,将已开采次数置0,否则,该蜜源的开采次数加1。
步骤3-4,引领蜂将蜜源的信息分享给跟随蜂,蜜源的质量越好,被跟随的概率越大。每个蜜源被选择的概率可以通过下式计算:
式中fiti——蜜源i的适应度值;
SN——蜜源总数。
跟随蜂根据概率值Pi选择蜜源,在选择的蜜源周围进行邻域搜索,判断新的蜜源的适应度值是否比原来的适应度值大,根据贪婪原则,如果新蜜源优于原蜜源,则取代原位置,该跟随蜂转变为引领蜂,蜜源已开采次数置0。否则,蜜源和引领蜂保持不变,该蜜源的开采次数加1。
步骤3-5,引领蜂和跟随蜂搜索结束后,迭代次数加1,并记录当前的最优蜜源。如果一个蜜源的开采次数达到上限,则放弃改蜜源,对应的蜜蜂变成侦查蜂,重新生成新的蜜源,已开采次数置1。
步骤3-6,如果迭代次数还未达到上限,则转到步骤3-3重新搜索,直到达到迭代上限后输出当前最优蜜源以及最优蜜源对应的风电无功投入方案。
实施例1
以IEEE10机39节点系统为例,电网拓扑如图3所示,其中30号机组为水电机组,具备自启动能力,其余均为火电机组,不具备自启动能力。假设当前时步除了自启动机组以外,37、38、39号机组已经恢复,图3中粗实线为已恢复路径。由已经恢复的小系统为33号机组提供厂用电,节点26、27、16上接有风电场,标记为W。
(1)1.5MW规格双馈风机参数
在已知风机有功出力的条件下,需要确定其最大无功出力调节范围,查阅文献可得1.5MW类型风机相关参数如表1所示。
(2)确定风场在不同风速波动下的无功调节范围
由图1还可以看出,当双馈感应发电机有功功率越小,其无功功率调节区域则越大;反之相反。所以为了精确计算风机的调节范围,本发明风场有功出力取不同风速波动下的最大值,求得无功调节范围结果如表2所示。
(3)求解方法稳定性分析
本发明采用人工蜂群算法进行求解时,相关参数设置为:种群数量N=20,蜜源最大开采次数Limit=5,最大迭代次数MCN=200。以风场有功投入量为风场额定出力的50%为例,采用重复运行20次的计算结果进行分析,计算结果如图4所示。
从图4可以看出,人工蜂群算法求解结果的波动程度较小,上下波动均在1%以内,因此,利用人工蜂群算法求解本发明模型具有较好的稳定性。
(4)考虑风机无功调节能力的系统无功优化结果
当考虑双馈风机无功调节能力时,以系统有功网损、节点电压偏差和最小为目标,通过蜂群算法计算出每个风场的无功出力最优值,同时还给出了风场并网点的电压幅值、整个系统的有功损耗值。如表3所示。
从表3中可以看出,在考虑双馈风机无功出力的情况下,整个系统的有功线损被限制在比较低的水平,风场接入点电压幅值,包括系统其他节点的电压幅值都保持在较低的水平,从而增加了节点电压的波动裕度,大大增强了整个待恢复系统的电压稳定性。调度人员在实际操作过程中,可以根据历史数据确定风场在风速波动下的最大有功出力值,查表选择合适的双馈风场无功投入方案。
(5)不考虑风机无功容量出现的问题
由表3和表4结果可知,在未考虑双馈风电机组自身无功出力调节能力的情况下,风场并网节点26电压幅值为1.074,超过电压偏移上限,并网节点16电压幅值也处于越线边缘,非风场节点1、29的节点电压幅值甚至达到了1.076、1.084。而按照本发明考虑双馈风机参与调节系统无功的方法,风场节点以及系统其他节点的电压幅值保持基本平稳且不越线,同时还保证了较低的线路有功损耗。由此可见,充分发挥双馈风电机组自身的无功容量,利用双馈风机发出或吸收无功对风场节点进行无功控制,可以起到较好的调节系统电压的作用。
表1单台双馈风机参数
表2各双馈风场的无功调节范围
表3考虑双馈风机无功容量的无功出力优化结果
表4不考虑双馈风机无功容量的无功出力优化结果
Claims (1)
1.一种系统恢复过程中的双馈风场无功出力优化方法,其特征在于:利用双馈风机自身的无功调节能力对已恢复系统进行无功优化,包括以下步骤:
步骤一:对双馈风场的数学模型进行分析推导,得出其P-Q曲线以及其有功出力、无功出力之间的定量关系;
步骤1-1:根据双馈风机数学模型确定风机有功出力和无功出力间具有如下关系,并得知当风电机组定子侧电压恒定时,风电机组有功功率和无功功率运行范围受定子绕组最大电流IS,max、转子侧变换器最大电流IR,max的限制;
其中PT为双馈感应风电机组输出的有功功率,QT为双馈感应风电机组输出的无功功率,US为定子侧电压,IS为定子绕组电流,XS为定子漏抗,XM为励磁电抗;IS为转子侧变换器电流;
步骤1-2:根据双馈风场的数学模型和双馈感应发电机机端电压标幺值为1.0时的P-Q范围曲线;双馈感应发电机定子绕组最大电流IS,max和转子侧变换器最大电流IR,max为额定参数,分析得知:当风电机组在额定功率内变化其有功出力时,对应的无功出力在一定区域内调节;
步骤二:以双馈风机无功调节范围、系统潮流约束为约束条件,建立以系统网损、节点电压偏移最小为目标的双馈风场无功出力优化模型;
步骤2-1:建立以系统网损、节点电压偏移最小为目标的双馈风场无功出力优化模型;
其中,双馈风场无功出力x为优化变量,x=[QF1,QF2…QFn]是节点风场的无功出力向量,Nl为系统支路数;Nn为系统节点数;Rl为支路l的电阻;Pl和Ql分别为支路l的有功功率和无功功率;Ul为支路l的端电压幅值;Ui为节点i的电压幅值;Un为节点i上的基准电压幅值;
步骤2-2:考虑目标函数的三个约束条件:
①系统恢复过程中的潮流约束:
式中:式中,Pi、Qi分别为节点i的系统有功、无功注入功率;PFi、QFi分别为节点i的风场注入的有功、无功功率;PLi、QLi分别为节点i的负荷有功、无功功率;Vi为节点i的电压;Gij,Bij分别为节点i与j之间的电导、电纳;δij为Vi与Vj相角差;N为节点数;
②双馈风机有功出力范围、无功出力范围约束:
式中:PFij和QFij为单台双馈风电机组的有功出力、无功出力,si为风电机组在该时步风速条件下的转差率,Xm、Xs为电机的励磁阻抗和定子阻抗,Usi定子侧电压,IRi为转子侧电流,根据转子侧变换器最大电流IRmax可以确定某有功出力下的风电机组无功出力范围;
③风电机组出力及节点电压范围约束:
式中:PFi、QFi分别为风电机组的有功和无功出力,PFimin和PFimax分别表示风电机组有功的最大和最小出力,QFimin和QFimax表示风电机组无功的最大和最小出力,Vi表示节点电压,本文规定节点电压标幺值必须在0.9-1.07之间;
步骤三:采用人工蜂群算法求解无功优化模型,得到系统风电无功投入方案:步骤3-1,初始化及参数设置,包括输入系统的结构参数,常规机组,线路,负荷,风电机组相关参数;设置人工蜂群算法种群数量N,其中种群中引领蜂、跟随蜂各占一半;最大迭代次数MCN、蜜源最大限制开采次数Limit,将已迭代次数和蜜源开采次数置0;
步骤3-2,先根据恢复路径对可以投入的风机进行预选,确定待投入风机个数D;初始时刻,N只蜜蜂全为侦查蜂,并随机产生N个D维的0-1风电机组有功出力序列,同时在双馈风机无功调节能力范围内随机生成N个风电机组无功出力值,和风机的恢复序列一一对应,即N个初始蜜源;若蜜源对应的风机有功出力值大于本阶段的最大允许出力值或经校验不满足潮流约束条件,则重新生成,直到蜜源满足约束为止;以系统有功网损以及节点电压偏移和作为蜜源的适应度函数值,根据适应度值排序,前百分之五十为引领蜂,剩下的为跟随蜂;
步骤3-3,每个引领蜂在对应的蜜源周围进行邻域搜索,判断新的蜜源的适应度值是否比原来的适应度值小,根据贪婪原则,如果新蜜源优于原蜜源,则取代原位置,将已开采次数置0;否则,该蜜源的开采次数加1;
步骤3-4,引领蜂将蜜源的信息分享给跟随蜂,蜜源的质量越好,被跟随的概率越大;每个蜜源被选择的概率可以通过下式计算:
式中fiti——蜜源i的适应度值;
SN——蜜源总数;
跟随蜂根据概率值Pi选择蜜源,在选择的蜜源周围进行邻域搜索,判断新的蜜源的适应度值是否比原来的适应度值大,根据贪婪原则,如果新蜜源优于原蜜源,则取代原位置,该跟随蜂转变为引领蜂,蜜源已开采次数置0;否则,蜜源和引领蜂保持不变,该蜜源的开采次数加1;
步骤3-5,引领蜂和跟随蜂搜索结束后,迭代次数加1,并记录当前的最优蜜源;如果一个蜜源的开采次数达到上限,则放弃该蜜源,对应的蜜蜂变成侦查蜂,重新生成新的蜜源,已开采次数置1;
步骤3-6,如果迭代次数还未达到上限,则转到步骤3-3重新搜索,直到达到迭代上限后输出当前最优蜜源以及最优蜜源对应的风电无功投入方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710769010.5A CN107591843B (zh) | 2017-08-31 | 2017-08-31 | 一种系统恢复过程中的双馈风场无功出力优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710769010.5A CN107591843B (zh) | 2017-08-31 | 2017-08-31 | 一种系统恢复过程中的双馈风场无功出力优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107591843A CN107591843A (zh) | 2018-01-16 |
CN107591843B true CN107591843B (zh) | 2020-09-01 |
Family
ID=61051905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710769010.5A Expired - Fee Related CN107591843B (zh) | 2017-08-31 | 2017-08-31 | 一种系统恢复过程中的双馈风场无功出力优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107591843B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111293700B (zh) * | 2020-02-06 | 2023-09-08 | 云南电网有限责任公司电力科学研究院 | 一种自产供电电源接地故障补偿系统补偿调节方法 |
CN112417643B (zh) * | 2020-10-13 | 2023-05-30 | 国网山东省电力公司电力科学研究院 | 基于送风机电流的火电机组最大出力实时评估方法及系统 |
CN112751371A (zh) * | 2020-12-31 | 2021-05-04 | 国网山西省电力公司电力科学研究院 | 一种基于二阶锥算法的含风电集群近区电网无功优化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102820662A (zh) * | 2012-08-17 | 2012-12-12 | 华北电力大学 | 含分布式电源的电力系统多目标无功优化方法 |
CN104239961A (zh) * | 2014-07-16 | 2014-12-24 | 广东工业大学 | 一种基于纵横交叉算法的电力系统经济调度优化方法 |
CN104348173A (zh) * | 2014-09-15 | 2015-02-11 | 广东电网公司揭阳供电局 | 一种基于改进cso算法的电力系统无功优化方法 |
CN105119292A (zh) * | 2015-09-23 | 2015-12-02 | 国网山东省电力公司东营供电公司 | 基于预测和粒子群算法的多目标电压无功滚动优化方法 |
CN106972537A (zh) * | 2017-05-12 | 2017-07-21 | 南京理工大学 | 基于风电场限功率控制能力的系统恢复过程中风电场出力优化方法 |
-
2017
- 2017-08-31 CN CN201710769010.5A patent/CN107591843B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102820662A (zh) * | 2012-08-17 | 2012-12-12 | 华北电力大学 | 含分布式电源的电力系统多目标无功优化方法 |
CN104239961A (zh) * | 2014-07-16 | 2014-12-24 | 广东工业大学 | 一种基于纵横交叉算法的电力系统经济调度优化方法 |
CN104348173A (zh) * | 2014-09-15 | 2015-02-11 | 广东电网公司揭阳供电局 | 一种基于改进cso算法的电力系统无功优化方法 |
CN105119292A (zh) * | 2015-09-23 | 2015-12-02 | 国网山东省电力公司东营供电公司 | 基于预测和粒子群算法的多目标电压无功滚动优化方法 |
CN106972537A (zh) * | 2017-05-12 | 2017-07-21 | 南京理工大学 | 基于风电场限功率控制能力的系统恢复过程中风电场出力优化方法 |
Non-Patent Citations (2)
Title |
---|
《基于改进ABC算法的含双馈风电场配电网无功优化》;陈冉等;《济南大学学报》;20170331;第31卷(第2期);第136-142页 * |
《考虑双馈电机风电场无功调节能力的配电网无功优化》;赵晶晶等;《电力系统自动化》;20110610;第35卷(第11期);第33-38页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107591843A (zh) | 2018-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Syahputra et al. | DFIG control scheme of wind power using ANFIS method in electrical power grid system | |
Kahla et al. | On-Off control based particle swarm optimization for maximum power point tracking of wind turbine equipped by DFIG connected to the grid with energy storage | |
Qais et al. | Salp swarm algorithm-based TS-FLCs for MPPT and fault ride-through capability enhancement of wind generators | |
Jamal et al. | Performance evaluation of wind turbine with doubly-fed induction generator | |
CN107591843B (zh) | 一种系统恢复过程中的双馈风场无功出力优化方法 | |
Wang et al. | Utilisation of kinetic energy from wind turbine for grid connections: a review paper | |
Mensou et al. | An efficient nonlinear Backstepping controller approach of a wind power generation system based on a DFIG | |
CN108711868A (zh) | 一种计及孤岛运行电压安全的配电网无功优化规划方法 | |
CN109376426B (zh) | 一种风电并网功率调度方法及装置 | |
Vasudevan et al. | Hierarchical frequency control framework for a remote microgrid with pico hydel energy storage and wind turbine | |
Abdelateef Mostafa et al. | Recent trends in wind energy conversion system with grid integration based on soft computing methods: comprehensive review, comparisons and insights | |
CN110970905B (zh) | 一种优化风电场电压控制能力的多电源无功配合方法及系统 | |
Howlader et al. | A fuzzy control strategy for power smoothing and grid dynamic response enrichment of a grid‐connected wind energy conversion system | |
Bakir et al. | Experimental evaluation of water cycle technique for control parameters optimization of double-fed induction generator-based wind turbine | |
Labdai et al. | Control of a DFIG Based WECS with Optimized PI controllers via a duplicate PSO algorithm | |
Verij Kazemi et al. | Adaptive frequency control with variable speed wind turbines using data-driven method | |
Uddin et al. | Grey wolf optimization based power management strategy for battery storage of DFIG-WECS in standalone operating mode | |
Elkasem et al. | Optimal performance of DFIG integrated with different power system areas using multi-objective genetic algorithm | |
Elgammal et al. | Dynamic self adjusting FACTS-switched filter compensation schemes for wind-smart grid interface systems | |
Ismail et al. | Optimal planning for power distribution network with distributed generation in Zanzibar Island | |
Elgammal | Optimal Design of PID Controller for Doubly-Fed Induction Generator-Based Wave Energy Conversion System Using Multi Objective Particle Swarm Optimization | |
TWI684142B (zh) | 發電整合系統 | |
Zgarni et al. | Design of optimal control of DFIG-based wind turbine system through linear quadratic regulator | |
CN116599163B (zh) | 基于调频控制的高可靠性风电场功率控制系统 | |
Hussain Sheikh et al. | Maximum power extraction and monitoring from wind power generation system using intelligent controllers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200901 Termination date: 20210831 |
|
CF01 | Termination of patent right due to non-payment of annual fee |