CN108039711A - 一种电压无功协调优化控制方法及装置 - Google Patents

一种电压无功协调优化控制方法及装置 Download PDF

Info

Publication number
CN108039711A
CN108039711A CN201711417179.0A CN201711417179A CN108039711A CN 108039711 A CN108039711 A CN 108039711A CN 201711417179 A CN201711417179 A CN 201711417179A CN 108039711 A CN108039711 A CN 108039711A
Authority
CN
China
Prior art keywords
mrow
msub
result
period
value
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.)
Granted
Application number
CN201711417179.0A
Other languages
English (en)
Other versions
CN108039711B (zh
Inventor
张孟琛
张俏
吴荡
李文军
卜瑞军
秦励寒
赵敏
朱正甲
翟晓青
钱康
袁简
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Qinhuangdao Power Supply Co of State Grid Jibei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Qinhuangdao Power Supply Co of State Grid Jibei Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Qinhuangdao Power Supply Co of State Grid Jibei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201711417179.0A priority Critical patent/CN108039711B/zh
Publication of CN108039711A publication Critical patent/CN108039711A/zh
Application granted granted Critical
Publication of CN108039711B publication Critical patent/CN108039711B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
    • H02J3/383—
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明实施例提供的一种电压无功协调优化控制方法及装置，属于主动配电网电压无功优化技术领域。该电压无功协调优化控制方法包括获取待处理电网数据；将所述待处理电网数据按照预设规则划分为多个时段，并获取每个时段对应的目标数据；获取每个所述时段所对应的预设光伏电源和负荷出力的不确定模型，并将所述目标数据代入所述不确定模型；获取每个时段所对应的所述不确定模型输出的第一结果；基于高斯潮流算法对所述第一结果进行迭代计算，以获取每个所述时段所对应的第三结果；获取每个所述时段所对应的所述第三结果与预设比对值的匹配值，并以所述匹配值所对应的所述第三结果为目标函数建立动态无功优化模型。

Description

一种电压无功协调优化控制方法及装置
技术领域
本发明涉及主动配电网电压无功优化技术领域，具体而言，涉及一种电压无功协调优化控制方法及装置。
背景技术
随着国家能源战略的发展，可再生能源发电日益受到重视，越来越多的风力、光伏发电系统以分布式电源的形式并入配电网。并网后，一方面，配电网由简单辐射型无源结构变为遍布电源和负荷的复杂有源网络，其潮流方向、电压降落以及支路功率都有较大的改变，另一方面，由于光伏发电具有明显的不确定性和随机性的特点，并且随着光伏渗透率的提高，容易使电压产生电压波动和电压越限问题，影响电网的安全运行。
配电网结构不同于输电网，较大，使得节点电压水平不但受无功功率的影响，也与各电源的有功功率密切相关，并且各电源的无功上限也受到有功大小的限制。在传统无源配电网中，保障配电网供电质量的主要手段是无功优化配置(配置电容器和调整有载调压变压器分接头)，起到降低线路损耗，提高电压质量的作用。IEEE1547修定方案允许分布式电源通过改变有功、无功功率的输出主动地参与调节电网的电压，这使得通过逆变器并入电网的分布式电源，在向电网输送有功功率的同时，也能输送一定容量的无功功率。因此，现有技术中存在配电网电压越限和波动的技术问题。
发明内容
本发明提供的一种电压无功协调优化控制方法及装置，旨在改善上述问题。
本发明提供的电压无功协调优化控制方法，包括：获取待处理电网数据；将所述待处理电网数据按照预设规则划分为多个时段，并获取每个时段对应的目标数据；获取每个所述时段所对应的预设光伏电源和负荷出力的不确定模型，并将所述目标数据代入所述不确定模型；获取每个时段所对应的所述不确定模型输出的第一结果；基于高斯潮流算法对所述第一结果进行迭代计算，以获取每个所述时段所对应的第三结果；获取每个所述时段所对应的所述第三结果与预设比对值的匹配值，并以所述匹配值所对应的所述第三结果为目标函数建立动态无功优化模型；基于预设算法对所述动态无功优化模型进行优化，并获取无功优化结果；判断所述无功优化结果是否满足预设条件；若否，在所述无功优化结果的基础上削减光伏电源有功出力，同时释放更多光伏逆变器剩余容量用于无功优化调压，获取每个时段对应的光伏电源的有功出力值；根据所述有功出力值获取无功出力值；基于所述动态无功优化模型与所述无功出力值，获取目标电压分布。
可选地，所述的获取每个所述时段所对应的预设光伏电源和负荷出力的不确定模型，并将所述目标数据代入所述不确定模型，包括：所述光伏电源和负荷出力的不确定模型满足：其中，所述PSTC为标准测试条件下光伏系统的最大测试功率，所述PSTC的单位为kW，所述为t时刻光照强度仿射值，所述GSTC为标准测试条件下的光照强度，所述Ta为环境温度，所述C为固定常值。
可选地，所述的获取每个时段所对应的所述不确定模型输出的第一结果，包括：获取每个时段所对应的所述不确定模型输出的每个预设节点所对应的光伏和负荷的值；将多个所述光伏和负荷的值作为所述第一结果。
可选地，所述的基于高斯潮流算法对所述第一结果进行迭代计算，以获取每个所述时段所对应的第三结果，包括：基于Ybus高斯潮流算法对所述第一结果进行迭代计算，直到满足预设收敛条件，以获取每个所述时段所对应的第三结果。
可选地，所述的获取每个所述时段所对应的所述第三结果与预设比对值的匹配值，并以所述匹配值所对应的所述第三结果为目标函数建立动态无功优化模型，包括：所述目标函数满足：其中，所述为每个所述时段中的时刻t除平衡节点外配电网每个所述节点的电压仿射值，所述U0为每个所述节点电压期望值，所述m为划分的时段数。
本发明提供的电压无功协调优化控制装置，包括：数据获取单元，用于获取待处理电网数据；第一数据处理单元，用于将所述待处理电网数据按照预设规则划分为多个时段，并获取每个时段对应的目标数据；第二数据处理单元，用于获取每个所述时段所对应的预设光伏电源和负荷出力的不确定模型，并将所述目标数据代入所述不确定模型；第三数据处理单元，用于获取每个时段所对应的所述不确定模型输出的第一结果；第四数据处理单元，用于基于高斯潮流算法对所述第一结果进行迭代计算，以获取每个所述时段所对应的第三结果；模型建立单元，用于获取每个所述时段所对应的所述第三结果与预设比对值的匹配值，并以所述匹配值所对应的所述第三结果为目标函数建立动态无功优化模型；模型优化单元，用于基于预设算法对所述动态无功优化模型进行优化，并获取无功优化结果；判断单元，用于判断所述无功优化结果是否满足预设条件；第一执行单元，用于若否，在所述无功优化结果的基础上削减光伏电源有功出力，同时释放更多光伏逆变器剩余容量用于无功优化调压，获取每个时段对应的光伏电源的有功出力值；数据计算单元，用于根据所述有功出力值获取无功出力值；结果优化单元，用于基于所述动态无功优化模型与所述无功出力值，获取目标电压分布。
可选地，所述光伏电源和负荷出力的不确定模型满足：其中，所述PSTC为标准测试条件下光伏系统的最大测试功率，所述PSTC的单位为kW，所述为t时刻光照强度仿射值，所述GSTC为标准测试条件下的光照强度，所述Ta为环境温度，所述C为固定常值。
可选地，所述第三数据处理单元具体用于：获取每个时段所对应的所述不确定模型输出的每个预设节点所对应的光伏和负荷的值；将多个所述光伏和负荷的值作为所述第一结果。
可选地，所述第四数据处理单元具体用于：基于Ybus高斯潮流算法对所述第一结果进行迭代计算，直到满足预设收敛条件，以获取每个所述时段所对应的第三结果。
可选地，所述目标函数满足：其中，所述为每个所述时段中的时刻t除平衡节点外配电网每个所述节点的电压仿射值，所述U0为每个所述节点电压期望值，所述m为划分的时段数。
与现有技术相比，上述本发明提供的一种电压无功协调优化控制方法及装置的有益效果如下：
1.本发明通过考虑了光照强度的不确定性因素对光伏出力的影响，从而建立了分布式电源和负荷出力的复仿射模型，此后基于高斯潮流迭代计算迭代求解节点电压，直至节点电压收敛。能够有效克服区间运算过于保守的缺点，从而提高算法实用性。
2.本发明通过对光伏电源的有功输出和无功输出的协调优化，使得当优化后仍有节点电压越限时，则首先在全网电压合格的基础上优化有功输出，使配电网所有光伏电源的有功输出最大，求解得到各个光伏电源的有功输出最佳值，然后再利用遗传算法求得使全网电压均合格且电压偏差最小的各个优化变量值。从而使得在配电网电压越限时，通过合理控制光伏发电系统的有功输出和无功输出能够有效保证配电网电压的合格率。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种电子设备的结构框图；
图2为本发明第一实施例提供的电压无功协调优化控制方法的流程图；
图3为本发明第二实施例提供的电压无功协调优化控制装置的功能模块示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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，为本发明实施例提供的一种电子设备的结构框图。所述电子设备300包括电压无功协调优化控制装置400、存储器302、存储控制器303、处理器304及外设接口305。
所述存储器302、存储控制器303、处理器304及外设接口305各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述电压无功协调优化控制装置400包括至少一个可以软件或固件(firmware)的形式存储于所述存储器302中或固化在所述电子设备300的操作系统(operating system，OS)中的软件功能模块。所述处理器304用于执行存储器302中存储的可执行模块，例如所述电压无功协调优化控制装置400包括的软件功能模块或计算机程序。
其中，存储器302可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read－Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read－Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read－Only Memory，EEPROM)等。其中，存储器302用于存储程序，所述处理器304在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的服务器100所执行的方法可以应用于处理器304中，或者由处理器304实现。
处理器304可能是一种集成电路芯片，具有信号的处理能力。上述的处理器304可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述外设接口305将各种输入/输入装置耦合至处理器304以及存储器302。在一些实施例中，外设接口305、处理器304以及存储控制器303可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。
请参阅图2，是本发明第一实施例提供的电压无功协调优化控制方法的流程图。下面将对图2所示的具体流程进行详细阐述。
步骤S101，获取待处理电网数据。
其中，所述待处理电网数据为已知的电网数据。所述待处理电网数据为多个，每个待处理电网数据均对应有时间戳。
在本实施例中，可以通过获取用户所上传的该待处理电网数据的方式获取待处理电网数据，也可以是通过从服务器或数据库等存储设备中获取已经存储的待处理电网数据的方式获取待处理电网数据。在此，不作具体限定。
步骤S102，将所述待处理电网数据按照预设规则划分为多个时段，并获取每个时段对应的目标数据。
其中，所述预设规则是指用户根据需求将该待处理电网数据按照时间顺序进行划分。
例如，将该待处理电网数据按照每间隔两小时进行一个划分。或者是将该待处理电网数据对应的时间序列按照每隔一小时进行划分，如，该待处理电网数据中第一个数据对应的时间为XX日A时，第二个数据对应的时间为XX日A+2时。在此，不作具体限定。
其中，所述目标数据是指划分为多个时段后每个时段对应的待处理电网数据。
步骤S103，获取每个所述时段所对应的预设光伏电源和负荷出力的不确定模型，并将所述目标数据代入所述不确定模型。
其中，所述光伏电源和负荷出力的不确定模型满足：
其中，所述PSTC为标准测试条件下光伏系统的最大测试功率，所述PSTC的单位为kW，所述为t时刻光照强度仿射值，所述GSTC为标准测试条件下的光照强度，所述Ta为环境温度，所述C为固定常值。例如，所述C可以是0.01、0.02、0.03或0.04等，优选地，所述C为0.03。
在本实施例中，由于电力负荷同样具有不确定性与随机性的特点，电网中同一节点不同时刻的负荷功率所对应噪声元有差异。因此，对每个所述时段中的t时刻负荷有功和无功输出功率建立仿射模型，如下式所示：
其中，所述为每个所述时段中t时刻第i节点负荷有功的仿射模型；所述为每个所述时段中t时刻第i节点负荷无功的仿射模型；所述Pit、所述Qit分别为每个所述时段中t时刻第i节点负荷的有功、无功功率实数值；所述δ为不确定率，反映不确定量相对大小，跟时间t有关；所述εit、所述γit分别为每个所述时段中t时刻第i节点有功功率波动、无功功率波动的噪声元。
步骤S104，获取每个时段所对应的所述不确定模型输出的第一结果。
作为一种实施方式，获取每个时段所对应的所述不确定模型输出的每个预设节点所对应的光伏和负荷的值；将多个所述光伏和负荷的值作为所述第一结果。
其中，所述预设节点的数量可以是33个，也可以是66个，在此，不作具体限定。
步骤S105，基于高斯潮流算法对所述第一结果进行迭代计算，以获取每个所述时段所对应的第三结果。
作为一种实施方式，基于Ybus高斯潮流算法对所述第一结果进行迭代计算，直到满足预设收敛条件，以获取每个所述时段所对应的第三结果。
其中，所述收敛条件的具体设置可以根据用户的具体情况进行选取，在此，不作具体限定。
具体地，基于Ybus高斯潮流算法对所述第一结果进行迭代计算，直到满足预设收敛条件，以获取每个所述时段所对应的每个预设节点的电压复仿射值；将多个所述电压复仿射值作为所述第三结果。即得到不同时段中每个节点对应的电压复仿射值。
步骤S106，获取每个所述时段所对应的所述第三结果与预设比对值的匹配值，并以所述匹配值所对应的所述第三结果为目标函数建立动态无功优化模型。
其中，所述预设比对值为预先设置的，所述预设比对值的具体选取可以根据具体情况来选取，在此，不作具体限定。
作为一种实施方式，通过将所述第三结果与所述预设比对值相减，从而获得差值，即所述匹配值。进而获取每个时段的第三结果与所述比对值的差值，进一步通过判断每个时段对应的差值的大小，将差值最小的一个作为目标函数建立动态无功优化模型。例如，第一时段对应的第三结果为A，第二时段对应的第三结果为B，第三时段对应的第三结果为C，预设比对值为a，则第一时段对应的差值为A－a，第二时段对应的差值为B－a，第三时段对应的差值为C－a，当A＞B＞C时，C－a为当前差值最小的。
作为另一种实施方式，将每个时段对应的各个节点的电压复仿射值与所述预设比对值分别进行相减，再求和，从而得出每个时段对应的差值，即匹配值。如，第一时段对应33个节点，匹配值为a，第一节点对应的电压复仿射值为a1，第二节点对应的电压复仿射值为a2，第三十三节点对应的电压复仿射值为a33，则差值为(a1－a)+(a2－a)+…+(a33－a)。
需要说明的是，上述实施方式仅为本发明的优选实方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。
在本实施例中，所述动态无功优化模型包括目标函数、约束条件和优化变量。
其中，所述目标函数满足：
其中，所述为每个所述时段中的时刻t除平衡节点外配电网每个所述节点的电压仿射值，所述U0为每个所述节点电压期望值，所述m为划分的时段数。
其中，所述约束条件包括等式约束条件和不等式约束条件。
在本实施例中，所述等式约束条件为Ybus潮流计算，
所述不等式约束条件满足：
Tmin≤Tt≤Tmax；0≤QCt≤QCmax；
其中，QPVt.max、QPVt.min分别为t时刻光伏电源输出无功功率上下限值；Tmax、Tmin分别为有载调压变压器分接头档位的上下限值；QCmax为无功补偿电容器组无功出力的最大值。
其中，状态变量约束条件：
其中，电容器组和变压器投切次数约束：
式中：Nc-max为一天内并联电容器组的最大调节次数；Tmax为一天内有载调压变压器的最大调节次数；N为一个调度周期。
在本实施例中，所述优化变量为光伏发电无功出力、无功补偿电容器组出力、有载调压变压器分接头档位以及调节设备的动作次数。
步骤S107，基于遗传算法对所述动态无功优化模型进行优化，并获取无功优化结果。
步骤S108，判断所述无功优化结果是否满足预设条件。
其中，所述预设条件是指判断所述无功优化结果中每个节点所对应的值是否大于预设电压，即判断是否有电压越限，若有，则不满足，反之，则满足。
步骤S109，若否，在所述无功优化结果的基础上削减光伏电源有功出力，同时释放更多光伏逆变器剩余容量用于无功优化调压，获取每个时段对应的光伏电源的有功出力值。
在本实施例中，所述的在所述无功优化结果的基础上削减光伏电源有功出力，同时释放更多光伏逆变器剩余容量用于无功优化调压是指以全网电压合格为约束，光伏总有功出力仿射值最大为第二目标函数建立优化模型，以得到满足电压合格的第二目标有功调整结果。
在本实施例中，在进行第二次优化时，即当不满足预设条件时，第二目标函数为：
其中，NPV为光伏电源的数量；为t时刻第l个光伏电源发出的有功功率；
其中，约束条件为：
其中，逆变器具有双向无功调节能力且可调范围与逆变器容量和有功出力有关。
式中：Qtlmax和Qtlmin分别为为t时刻第l个光伏电源无功出力的上、下限，负值表示从系统吸收无功：S为逆变器容量，Ptl为求解得到的光伏电源有功出力值。
步骤S110，根据所述有功出力值获取无功出力值。
在本实施例中，所述无功出力值可以基于如下公式来计算：
式中：Qtlmax和Qtlmin分别为为t时刻第l个光伏电源无功出力的上、下限，负值表示从系统吸收无功：S为逆变器容量，Ptl为求解得到的光伏电源有功出力值。其中，所述无功出力值为区间值，即位于Qtlmax和Qtlmin之间的数值。
步骤S111，基于所述动态无功优化模型与所述无功出力值，获取目标电压分布。
其中，所述目标电压分布是指当前所获得的最佳的电压分布。
请参阅图3，是本发明第二实施例提供的电压无功协调优化控制装置的功能模块示意图。所述电压无功协调优化控制装置400包括数据获取单元410、第一数据处理单元420、第二数据处理单元430、第三数据处理单元440、第四数据处理单元450、模型建立单元460、模型优化单元470、判断单元480、第一执行单元490、数据计算单元491和结果优化单元492。
数据获取单元410，用于获取待处理电网数据。
第一数据处理单元420，用于将所述待处理电网数据按照预设规则划分为多个时段，并获取每个时段对应的目标数据。
第二数据处理单元430，用于获取每个所述时段所对应的预设光伏电源和负荷出力的不确定模型，并将所述目标数据代入所述不确定模型。
其中，所述光伏电源和负荷出力的不确定模型满足：
其中，所述PSTC为标准测试条件下光伏系统的最大测试功率，所述PSTC的单位为kW，所述为t时刻光照强度仿射值，所述GSTC为标准测试条件下的光照强度，所述Ta为环境温度，所述C为固定常值。
第三数据处理单元440，用于获取每个时段所对应的所述不确定模型输出的第一结果。
其中，所述第三数据处理单元440具体用于：获取每个时段所对应的所述不确定模型输出的每个预设节点所对应的光伏和负荷的值；将多个所述光伏和负荷的值作为所述第一结果。
第四数据处理单元450，用于基于高斯潮流算法对所述第一结果进行迭代计算，以获取每个所述时段所对应的第三结果。
其中，所述第四数据处理单元450具体用于：基于Ybus高斯潮流算法对所述第一结果进行迭代计算，直到满足预设收敛条件，以获取每个所述时段所对应的第三结果。
模型建立单元460，用于获取每个所述时段所对应的所述第三结果与预设比对值的匹配值，并以所述匹配值所对应的所述第三结果为目标函数建立动态无功优化模型。
其中，所述目标函数满足：
其中，所述为每个所述时段中的时刻t除平衡节点外配电网每个所述节点的电压仿射值，所述n为节点数，所述U0为每个所述节点电压期望值，所述m为划分的时段数。
模型优化单元470，用于基于预设算法对所述动态无功优化模型进行优化，并获取无功优化结果。
判断单元480，用于判断所述无功优化结果是否满足预设条件。
第一执行单元490，用于若否，在所述无功优化结果的基础上削减光伏电源有功出力，同时释放更多光伏逆变器剩余容量用于无功优化调压，获取每个时段对应的光伏电源的有功出力值。
数据计算单元491，用于根据所述有功出力值获取无功出力值.
结果优化单元492，基于所述动态无功优化模型与所述无功出力值，获取目标电压分布。
综上所述，本发明提供的一种电压无功协调优化控制方法及装置，通过获取待处理电网数据，再将所述待处理电网数据按照预设规则划分为多个时段，并获取每个时段对应的目标数据，接着再获取每个所述时段所对应的预设光伏电源和负荷出力的不确定模型，并将所述目标数据代入所述不确定模型，从而通过所述不确定模型对所述目标数据进行计算，以获取计算后的第一结果，接着再基于高斯潮流算法对所述第一结果进行迭代计算，以获取每个所述时段所对应的第三结果，然后再获取每个所述时段所对应的所述第三结果与预设比对值的匹配值，并以所述匹配值所对应的所述第三结果为目标函数建立动态无功优化模型，基于遗传算法对所述动态无功优化模型进行优化，并获取无功优化结果；判断所述无功优化结果是否满足预设条件；若否，在所述无功优化结果的基础上削减光伏电源有功出力，同时释放更多光伏逆变器剩余容量用于无功优化调压，获取每个时段对应的光伏电源的有功出力值；最后根据所述有功出力值获取无功出力值，并基于无功出力值获取当前最优电压分布。从而克服现有技术中存在的配电网电压越限和波动的技术问题，使得在配电网电压越限时，通过合理控制光伏发电系统的有功输出和无功输出能够有效保证配电网电压的合格率。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read－Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

Claims (10)

1.一种电压无功协调优化控制方法，其特征在于，包括：
获取待处理电网数据；
将所述待处理电网数据按照预设规则划分为多个时段，并获取每个时段对应的目标数据；
获取每个所述时段所对应的预设光伏电源和负荷出力的不确定模型，并将所述目标数据代入所述不确定模型；
获取每个时段所对应的所述不确定模型输出的第一结果；
基于高斯潮流算法对所述第一结果进行迭代计算，以获取每个所述时段所对应的第三结果；
获取每个所述时段所对应的所述第三结果与预设比对值的匹配值，并以所述匹配值所对应的所述第三结果为目标函数建立动态无功优化模型；
基于遗传算法对所述动态无功优化模型进行优化，并获取无功优化结果；
判断所述无功优化结果是否满足预设条件；
若否，在所述无功优化结果的基础上削减光伏电源有功出力，同时释放更多光伏逆变器剩余容量用于无功优化调压，获取每个时段对应的光伏电源的有功出力值；
根据所述有功出力值获取无功出力值；
基于所述动态无功优化模型与所述无功出力值，获取目标电压分布。
2.根据权利要求1所述的方法，其特征在于，所述的获取每个所述时段所对应的预设光伏电源和负荷出力的不确定模型，并将所述目标数据代入所述不确定模型，包括：
所述光伏电源和负荷出力的不确定模型满足：
<mrow> <msub> <mover> <mi>P</mi> <mo>^</mo> </mover> <mrow> <mi>p</mi> <mi>t</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>P</mi> <mrow> <mi>S</mi> <mi>T</mi> <mi>C</mi> </mrow> </msub> <mfrac> <msub> <mover> <mi>G</mi> <mo>^</mo> </mover> <mrow> <mi>T</mi> <mi>t</mi> </mrow> </msub> <msub> <mi>G</mi> <mrow> <mi>S</mi> <mi>T</mi> <mi>C</mi> </mrow> </msub> </mfrac> <mo>&amp;lsqb;</mo> <mn>1</mn> <mo>-</mo> <mn>0.005</mn> <mrow> <mo>(</mo> <msub> <mi>T</mi> <mi>a</mi> </msub> <mo>+</mo> <mi>C</mi> <msub> <mover> <mi>G</mi> <mo>^</mo> </mover> <mrow> <mi>T</mi> <mi>t</mi> </mrow> </msub> <mo>-</mo> <mn>25</mn> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>;</mo> </mrow>
其中，所述PSTC为标准测试条件下光伏系统的最大测试功率，所述PSTC的单位为kW，所述为t时刻光照强度仿射值，所述GSTC为标准测试条件下的光照强度，所述Ta为环境温度，所述C为固定常值。
3.根据权利要求1所述的方法，其特征在于，所述的获取每个时段所对应的所述不确定模型输出的第一结果，包括：
获取每个时段所对应的所述不确定模型输出的每个预设节点所对应的光伏和负荷的值；
将多个所述光伏和负荷的值作为所述第一结果。
4.根据权利要求1所述的方法，其特征在于，所述的基于高斯潮流算法对所述第一结果进行迭代计算，以获取每个所述时段所对应的第三结果，包括：
基于Ybus高斯潮流算法对所述第一结果进行迭代计算，直到满足预设收敛条件，以获取每个所述时段所对应的第三结果。
5.根据权利要求3所述的方法，其特征在于，所述的获取每个所述时段所对应的所述第三结果与预设比对值的匹配值，并以所述匹配值所对应的所述第三结果为目标函数建立动态无功优化模型，包括：
所述目标函数满足：
<mrow> <msub> <mi>minF</mi> <mn>1</mn> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mo>{</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mo>|</mo> <msub> <mover> <mi>U</mi> <mo>^</mo> </mover> <mrow> <mi>t</mi> <mi>i</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>U</mi> <mn>0</mn> </msub> <mo>|</mo> <mo>}</mo> <mo>;</mo> </mrow>
其中，所述为每个所述时段中的时刻t除平衡节点外配电网每个所述节点的电压仿射值，所述U0为每个所述节点电压期望值，所述m为划分的时段数。
6.一种电压无功协调优化控制装置，其特征在于，包括：
数据获取单元，用于获取待处理电网数据；
第一数据处理单元，用于将所述待处理电网数据按照预设规则划分为多个时段，并获取每个时段对应的目标数据；
第二数据处理单元，用于获取每个所述时段所对应的预设光伏电源和负荷出力的不确定模型，并将所述目标数据代入所述不确定模型；
第三数据处理单元，用于获取每个时段所对应的所述不确定模型输出的第一结果；
第四数据处理单元，用于基于高斯潮流算法对所述第一结果进行迭代计算，以获取每个所述时段所对应的第三结果；
模型建立单元，用于获取每个所述时段所对应的所述第三结果与预设比对值的匹配值，并以所述匹配值所对应的所述第三结果为目标函数建立动态无功优化模型；
模型优化单元，用于基于预设算法对所述动态无功优化模型进行优化，并获取无功优化结果；
判断单元，用于判断所述无功优化结果是否满足预设条件；
第一执行单元，用于若否，在所述无功优化结果的基础上削减光伏电源有功出力，同时释放更多光伏逆变器剩余容量用于无功优化调压，获取每个时段对应的光伏电源的有功出力值；
数据计算单元，用于根据所述有功出力值获取无功出力值；
结果优化单元，用于基于所述动态无功优化模型与所述无功出力值，获取目标电压分布。
7.根据权利要求6所述的装置，其特征在于，所述光伏电源和负荷出力的不确定模型满足：
<mrow> <msub> <mover> <mi>P</mi> <mo>^</mo> </mover> <mrow> <mi>p</mi> <mi>t</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>P</mi> <mrow> <mi>S</mi> <mi>T</mi> <mi>C</mi> </mrow> </msub> <mfrac> <msub> <mover> <mi>G</mi> <mo>^</mo> </mover> <mrow> <mi>T</mi> <mi>t</mi> </mrow> </msub> <msub> <mi>G</mi> <mrow> <mi>S</mi> <mi>T</mi> <mi>C</mi> </mrow> </msub> </mfrac> <mo>&amp;lsqb;</mo> <mn>1</mn> <mo>-</mo> <mn>0.005</mn> <mrow> <mo>(</mo> <msub> <mi>T</mi> <mi>a</mi> </msub> <mo>+</mo> <mi>C</mi> <msub> <mover> <mi>G</mi> <mo>^</mo> </mover> <mrow> <mi>T</mi> <mi>t</mi> </mrow> </msub> <mo>-</mo> <mn>25</mn> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>;</mo> </mrow>
其中，所述PSTC为标准测试条件下光伏系统的最大测试功率，所述PSTC的单位为kW，所述为t时刻光照强度仿射值，所述GSTC为标准测试条件下的光照强度，所述Ta为环境温度，所述C为固定常值。
8.根据权利要求6所述的装置，其特征在于，所述第三数据处理单元具体用于：
获取每个时段所对应的所述不确定模型输出的每个预设节点所对应的光伏和负荷的值；
将多个所述光伏和负荷的值作为所述第一结果。
9.根据权利要求6所述的装置，其特征在于，所述第四数据处理单元具体用于：
基于Ybus高斯潮流算法对所述第一结果进行迭代计算，直到满足预设收敛条件，以获取每个所述时段所对应的第三结果。
10.根据权利要求6所述的装置，其特征在于，所述目标函数满足：
<mrow> <msub> <mi>minF</mi> <mn>1</mn> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mo>{</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mo>|</mo> <msub> <mover> <mi>U</mi> <mo>^</mo> </mover> <mrow> <mi>t</mi> <mi>i</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>U</mi> <mn>0</mn> </msub> <mo>|</mo> <mo>}</mo> <mo>;</mo> </mrow>
其中，所述为每个所述时段中的时刻t除平衡节点外配电网每个所述节点的电压仿射值，所述U0为每个所述节点电压期望值，所述m为划分的时段数。
CN201711417179.0A 2017-12-22 2017-12-22 一种电压无功协调优化控制方法及装置 Active CN108039711B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711417179.0A CN108039711B (zh) 2017-12-22 2017-12-22 一种电压无功协调优化控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711417179.0A CN108039711B (zh) 2017-12-22 2017-12-22 一种电压无功协调优化控制方法及装置

Publications (2)

Publication Number Publication Date
CN108039711A true CN108039711A (zh) 2018-05-15
CN108039711B CN108039711B (zh) 2020-06-12

Family

ID=62100880

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711417179.0A Active CN108039711B (zh) 2017-12-22 2017-12-22 一种电压无功协调优化控制方法及装置

Country Status (1)

Country Link
CN (1) CN108039711B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110932290A (zh) * 2019-11-18 2020-03-27 全球能源互联网研究院有限公司 一种网损无功协调优化方法及系统
CN113517721A (zh) * 2021-09-13 2021-10-19 山东大学 含高比例分布式电源的多元配电网协同调控方法及系统
CN114221351A (zh) * 2021-12-22 2022-03-22 国网冀北电力有限公司秦皇岛供电公司 电压无功调节方法、装置、终端及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104836256A (zh) * 2015-05-29 2015-08-12 国家电网公司 一种配电网光伏消纳能力计算的方法及系统
CN105305463A (zh) * 2015-11-20 2016-02-03 江苏省电力公司盐城供电公司 计及光伏发电和谐波污染的基于随机潮流的无功优化方法
CN106921164A (zh) * 2017-04-05 2017-07-04 广东电网有限责任公司东莞供电局 配网电压无功协同优化的混合整数二阶锥规划方法与系统
CN106953338A (zh) * 2017-04-12 2017-07-14 中国电力科学研究院 一种配电网无功优化方法及装置
CN106972504A (zh) * 2017-04-28 2017-07-21 华南理工大学 基于遗传算法的区间无功优化方法
CN107196315A (zh) * 2017-06-09 2017-09-22 华南理工大学 含光储系统配电网的动态拓展无功优化控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104836256A (zh) * 2015-05-29 2015-08-12 国家电网公司 一种配电网光伏消纳能力计算的方法及系统
CN105305463A (zh) * 2015-11-20 2016-02-03 江苏省电力公司盐城供电公司 计及光伏发电和谐波污染的基于随机潮流的无功优化方法
CN106921164A (zh) * 2017-04-05 2017-07-04 广东电网有限责任公司东莞供电局 配网电压无功协同优化的混合整数二阶锥规划方法与系统
CN106953338A (zh) * 2017-04-12 2017-07-14 中国电力科学研究院 一种配电网无功优化方法及装置
CN106972504A (zh) * 2017-04-28 2017-07-21 华南理工大学 基于遗传算法的区间无功优化方法
CN107196315A (zh) * 2017-06-09 2017-09-22 华南理工大学 含光储系统配电网的动态拓展无功优化控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
WEI GU等: "An affine arithmetic-based algorithm for radial distribution system power flow with uncertainties", 《ELECTRICAL POWER AND ENERGY SYSTEMS》 *
邓吉祥，等: "含分布式电源的基于区间仿射算术的电网动态无功优化", 《可再生能源》 *
邵振国，等: "一种采用复仿射区间潮流的有源配电网多目标无功优化方法", 《中国电机工程学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110932290A (zh) * 2019-11-18 2020-03-27 全球能源互联网研究院有限公司 一种网损无功协调优化方法及系统
CN110932290B (zh) * 2019-11-18 2021-03-09 全球能源互联网研究院有限公司 一种网损无功协调优化方法及系统
CN113517721A (zh) * 2021-09-13 2021-10-19 山东大学 含高比例分布式电源的多元配电网协同调控方法及系统
CN113517721B (zh) * 2021-09-13 2021-12-21 山东大学 含高比例分布式电源的多元配电网协同调控方法及系统
CN114221351A (zh) * 2021-12-22 2022-03-22 国网冀北电力有限公司秦皇岛供电公司 电压无功调节方法、装置、终端及存储介质
CN114221351B (zh) * 2021-12-22 2023-06-13 国网冀北电力有限公司秦皇岛供电公司 电压无功调节方法、装置、终端及存储介质

Also Published As

Publication number Publication date
CN108039711B (zh) 2020-06-12

Similar Documents

Publication Publication Date Title
Injeti et al. Optimal planning of distributed generation for improved voltage stability and loss reduction
CN110969284B (zh) 一种配电网双层优化调度方法
CN107947175B (zh) 一种基于分布式网络控制的微电网经济调度方法
CN106549392B (zh) 一种配电网协调控制方法
Zhou et al. Multistage robust look-ahead unit commitment with probabilistic forecasting in multi-carrier energy systems
CN108805745B (zh) 一种配电网的灵活性评估方法
Ghaffari et al. Optimal allocation of energy storage systems, wind turbines and photovoltaic systems in distribution network considering flicker mitigation
CN108039711A (zh) 一种电压无功协调优化控制方法及装置
CN108092290A (zh) 一种联合储能容量配置与优化运行的微网能量配置方法
CN107017656A (zh) 一种考虑电能质量提升的主动配电系统优化调度方法
Khaleel et al. Technical challenges and optimization of superconducting magnetic energy storage in electrical power systems
CN108418244A (zh) 一种基于多微网柔性互联系统及其储能容量优化方法
Mohammadi et al. Bacterial graphical user interface oriented by particle swarm optimization strategy for optimization of multiple type DFACTS for power quality enhancement in distribution system
Li et al. Active distribution network active and reactive power coordinated dispatching method based on discrete monkey algorithm
Wang et al. Distributed incremental cost consensus-based optimization algorithms for economic dispatch in a microgrid
CN109034587A (zh) 一种协调多种可控单元的主动配电系统优化调度方法
CN112018823A (zh) 一种配电网多目标鲁棒优化方法
Rouzbahani et al. Optimizing resource swap functionality in ioe-based grids using approximate reasoning reward-based adjustable deep double q-learning
Akbari-Zadeh et al. Dstatcom allocation in the distribution system considering load uncertainty
Suthar et al. Energy management platform for integrated battery‐based energy storage–solar PV system: a case study
CN108258701A (zh) 调节功率的方法和装置
Alsafasfeh et al. A robust decentralized power flow optimization for dynamic PV system
CN117013591A (zh) 基于主从博弈的多主体柔性配电系统综合交互调控方法
CN114925962A (zh) 基于节点边际电价的有源配电网运行灵活性量化分析方法
CN108695854A (zh) 一种用于电网多目标最优潮流控制方法、装置及设备

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