CN108270213A - 风电场整场有功损耗的控制方法、装置和系统 - Google Patents
风电场整场有功损耗的控制方法、装置和系统 Download PDFInfo
- Publication number
- CN108270213A CN108270213A CN201611261148.6A CN201611261148A CN108270213A CN 108270213 A CN108270213 A CN 108270213A CN 201611261148 A CN201611261148 A CN 201611261148A CN 108270213 A CN108270213 A CN 108270213A
- Authority
- CN
- China
- Prior art keywords
- control variable
- value
- idle control
- wind
- active loss
- 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.)
- Pending
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
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开一种风电场整场有功损耗的控制方法、装置和系统,涉及风力发电领域,为解决风电场整场有功损耗大的问题。风电场整场有功损耗的控制方法,包括:根据风电场中各组成部分的特征参数和拓扑结构,建立风电场模型;为风电场模型设置N组不同的无功控制变量的值,并针对每组无功控制变量的值,结合特征参数,利用潮流计算和预设的约束条件,获得与每组无功控制变量的值对应的风电场模型的整场有功损耗;利用优化算法,进行多次迭代计算,得到目标无功控制变量值;将目标无功控制变量值下发至风电场中对应的组成部分,使得风电场中对应的组成部分根据目标无功控制变量值进行调整。
Description
技术领域
本发明涉及风力发电领域,尤其涉及一种风电场整场有功损耗的控制方法、装置和系统。
背景技术
风电场包括多台风力发电机,以及与多台风力发电机配合的变流器、变压器、母线、无功补偿装置,以及连接上述各部分的送电线路等等。风电场利用其中的风力发电机将风能转化为电能,并通过变流器、变压器、补偿设备、母线以及各个线路,将电能传输至用电网络中去。
在将风能转化为电能,以及将电能升压、并输送至用电网络的过程中,风电场内部会消耗一部分电量,消耗的这一部分电量即为风电场的有功损耗。消耗的这一部分电量包括场用电、站用电、风力发电机自用电等。经过对多个风电场进行能源审计,分析风电场的能量流,查找风电场有功损耗的分布,最终得出,有功损耗约占整个风电场发电量的3%~7%。比如,49.5MW的风电场的综合场用电量每年的损耗能够达到500万KWh。当前阶段的风电场的有功损耗非常大,使得风电场损耗了较多电量。
发明内容
本发明实施例提供了一种风电场整场有功损耗的控制方法、装置和系统,能够降低风电场内部损耗的电量。
第一方面,本发明实施例提供了风电场整场有功损耗的控制方法,包括:采集风电场中各组成部分的特征参数和拓扑结构,根据特征参数和拓扑结构,建立风电场模型;为风电场模型设置N组不同的无功控制变量的值,并针对每组无功控制变量的值,结合特征参数,利用潮流计算和预设的约束条件,获得与每组无功控制变量的值对应的风电场模型的整场有功损耗,N为大于1的整数;利用优化算法,进行多次迭代计算,得到目标无功控制变量值,目标无功控制变量值为多次迭代计算中整场有功损耗最小时对应的风电场模型中的无功控制变量的值;将目标无功控制变量值下发至风电场中对应的组成部分,使得风电场中对应的组成部分根据目标无功控制变量值进行调整。
在第一方面的一些实施例中,优化算法包括改进的混合混沌优化算法和粒子群算法的改进优化算法,利用优化算法,进行多次迭代计算,得到目标无功控制变量值的步骤,包括:a、获取N组无功控制变量的值中的较优无功控制变量值,较优无功控制变量值为N组无功控制变量的值中整场有功损耗最小的1组无功控制变量的值;b、将除较优无功控制变量值之外的N-1组无功控制变量的值按照一定步长向较优无功控制变量值靠近,得到更新后的N-1组无功控制变量的值;c、获取利用混沌算法根据较优无功控制变量值衍生的多组无功控制变量的值,将其中整场有功损耗最小的1组无功控制变量的值,随机替换掉更新后的N-1组无功控制变量的值中的1组无功控制变量的值;d、将经过替换的更新后的N-1组无功控制变量的值和较优无功控制变量值,作为步骤a中的N组控制变量的值,并依次执行步骤a、步骤b、步骤c,直至满足预设的终止条件,获取多次迭代计算中的整场有功损耗最小的1组无功控制变量的值,作为目标无功控制变量值。
在第一方面的一些实施例中,无功控制变量包括风电场中各无功补偿装置的无功出力、各风力发电机的无功出力、各升压变分接头档位和箱式变压器运行分接头的档位中的一种或多种。
在第一方面的一些实施例中,针对任意一组无功控制变量的值,获得与一组无功控制变量的值对应的风电场模型的整场有功损耗的步骤,具体包括:利用一组无功控制变量的值,计算风电场模型中的如下有功损耗的有功损耗之和:风力发电机变流器的有功损耗、风力发电机变流器网侧至箱式变压器低压侧线路的有功损耗、风力发电机的箱式变压器的有功损耗、风力发电机的箱式变压器高压侧至集电杆线路的有功损耗、集电杆至升压站低压侧线路的有功损耗、无功补偿装置的有功损耗和升压变压器的有功损耗;获取有功损耗之和作为与一组无功控制变量的值对应的风电场模型的整场有功损耗。
在第一方面的一些实施例中,无功补偿装置包括静态无功补偿装置SVC和/或静态无功发生装置SVG。
在第一方面的一些实施例中,风电场中各组成部分的特征参数包括如下项中的一种或多种:风电场中的节点数目、各个节点的电压上下限、各个节点的标准电压、节点标识、风力发电机数目、风力发电机节点号、风力发电机的无功功率的上下限、风力发电机标识、变压器数目、变压器当前档位、变压器总档位、变压器步长和变压器标识。
在第一方面的一些实施例中,在根据特征参数和拓扑结构,建立风电场模型的步骤之前,还包括:获取特征参数的偏差值,筛选出偏差值小于预设偏差的特征参数;根据预设精度,对偏差值小于预设偏差的特征参数进行修正。
在第一方面的一些实施例中,潮流计算包括牛顿-拉夫逊算法、高斯-塞得算法和/或P-Q分解算法。
在第一方面的一些实施例中,优化算法包括内点法、遗传算法、神经网络算法、粒子群算法和/或蚁群算法。
第二方面,本发明实施例提供了一种风电场整场有功损耗的控制装置,包括:数据采集单元,被配置为采集风电场中各组成部分的特征参数和拓扑结构;模型建立单元,被配置为根据特征参数和拓扑结构,建立风电场模型;人机交互单元,被配置为为风电场模型设置多组不同的无功控制变量的值;计算单元,被配置为针对每组无功控制变量的值,结合特征参数,利用潮流计算和预设的约束条件,获得与每组无功控制变量的值对应的风电场模型的整场有功损耗,N为大于1的整数;还被配置为利用优化算法,进行多次迭代计算,得到目标无功控制变量值,目标无功控制变量值为多次迭代计算中整场有功损耗最小时对应的风电场模型中的无功控制变量的值;控制单元,被配置为将目标无功控制变量值下发至风电场中对应的组成部分,使得风电场中对应的组成部分根据目标无功控制变量值进行调整。
在第二方面的一些实施例中,优化算法包括改进的混合混沌优化算法和粒子群算法的改进优化算法,计算单元具体被配置为:a、获取N组无功控制变量的值中的较优无功控制变量值,较优无功控制变量值为N组无功控制变量的值中整场有功损耗最小的1组无功控制变量的值;b、将除较优无功控制变量值之外的N-1组无功控制变量的值按照一定步长向较优无功控制变量值靠近,得到更新后的N-1组无功控制变量的值;c、获取利用混沌算法根据较优无功控制变量值衍生的多组无功控制变量的值,将其中整场有功损耗最小的1组无功控制变量的值,随机替换掉更新后的N-1组无功控制变量的值中的1组无功控制变量的值;d、将经过替换的更新后的N-1组无功控制变量的值和较优无功控制变量值,作为步骤a中的N组控制变量的值,并依次执行步骤a、步骤b、步骤c,直至满足预设的终止条件,获取多次迭代计算中的整场有功损耗最小的1组无功控制变量的值,作为目标无功控制变量值。
在第二方面的一些实施例中,无功控制变量包括风电场中各无功补偿装置的无功出力、各风力发电机的无功出力、各升压变分接头档位和箱式变压器运行分接头的档位中的一种或多种。
在第二方面的一些实施例中,计算单元还具体被配置为:利用与一组无功控制变量的值,计算风电场模型中的如下有功损耗的有功损耗之和:风力发电机变流器的有功损耗、风力发电机变流器网侧至箱式变压器低压侧线路的有功损耗、风力发电机的箱式变压器的有功损耗、风力发电机的箱式变压器高压侧至集电杆线路的有功损耗、集电杆至升压站低压侧线路的有功损耗、无功补偿装置的有功损耗和升压变压器的有功损耗;获取有功损耗之和作为与一组无功控制变量的值对应的风电场模型的整场有功损耗。
在第二方面的一些实施例中,风电场中各组成部分的特征参数包括如下项中的一种或多种:风电场中的节点数目、各个节点的电压上下限、各个节点的标准电压、节点标识、风力发电机数目、风力发电机节点号、风力发电机的无功功率的上下限、风力发电机标识、变压器数目、变压器当前档位、变压器总档位、变压器步长和变压器标识。
在第二方面的一些实施例中,该装置还包括:参数筛选单元,被配置为获取特征参数的偏差值,筛选出偏差值小于预设偏差的特征参数;参数修正单元,被配置为根据预设精度,对偏差值小于预设偏差的特征参数进行修正。
在第二方面的一些实施例中,潮流计算包括牛顿-拉夫逊算法、高斯-塞得算法和/或P-Q分解算法。
在第二方面的一些实施例中,优化算法包括内点法、遗传算法、神经网络算法、粒子群算法和/或蚁群算法。
第三方面,本发明实施例提供了一种风电场整场有功损耗的控制系统,包括:设置于多条集电线路上的多组风力发电机组;无功补偿装置;升压变压器;风电场参数监控子系统;以及上述实施例中的风电场整场有功损耗的控制装置,风电场整场有功损耗的控制装置分别与多组风力发电机组、无功补偿装置、风电场参数监控子系统和升压变压器通讯连接。
在第三方面的一些实施例中,多条集电线路与多组风力发电机组一一对应连接。
在第三方面的一些实施例中,每组风力发电机组包括至少一条风力发电机发电传输链,每条风力发电机发电传输链包括风力发电机、与风力发电机连接变流器以及与变流器连接的箱式变压器。
在第三方面的一些实施例中,无功补偿装置与至少一条集电线路相连接。
在第三方面的一些实施例中,风电场参数监控子系统包括风电场前置装置、风力发电机中央监控装置和综合自动化装置,其中,风电场前置装置分别与风力发电机中央监控装置和综合自动化装置相连接,被配置为从风力发电机中央监控装置和综合自动化装置中获取风电场的特征参数。
在第三方面的一些实施例中,风电场前置装置还与无功补偿装置相连接,还被配置为获取无功补偿装置的补偿参数。
在第三方面的一些实施例中,无功补偿装置包括静态无功补偿装置SVC和/或静态无功发生装置SVG。
本发明实施例提供了一种风电场整场有功损耗的控制方法、装置和系统,建立风电场模型,为风电场模型设置多组不同的无功控制变量的值,针对每组无功控制变量的值,结合风电场中各组成部分的特征参数,利用潮流计算和预设的约束条件,得到与每组无功控制变量对应的整场有功损耗,利用优化算法,进行多次迭代计算,得到能够使整场有功损耗最小时的无功控制变量的值,使得风电场中对应的组成部分能够根据整场有功损耗最小时的无功控制变量的值进行调整,调整后的风电场的整场有功损耗最小,即风电场内部损耗的电量也最小,从而降低了风电场内部损耗的电量。
附图说明
从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明其中,相同或相似的附图标记表示相同或相似的特征。
图1为本发明实施例中的一种风电场的结构示意图;
图2为本发明一实施例中风电场整场有功损耗的控制方法的流程图;
图3为本发明另一实施例中的风电场整场有功损耗的控制方法的流程图;
图4为本发明又一实施例中的风电场整场有功损耗的控制方法的流程图;
图5为本发明一实施例的一个示例中风电场整场有功损耗的方法的说明示意图;
图6为本发明一实施例中的一种风电场整场有功损耗的控制装置40的结构示意图;
图7为本发明另一实施例中的风电场整场有功损耗的控制装置的结构示意图;
图8为本发明一实施例中的风电场整场有功损耗的控制系统的结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中,提出了许多具体细节,以便提供对本发明的全面理解。但是,对于本领域技术人员来说很明显的是,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的任何具体配置和算法,而是在不脱离本发明的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在附图和下面的描述中,没有示出公知的结构和技术,以便避免对本发明造成不必要的模糊。
本发明实施例中的风电场整场有功损耗的控制方法和系统应用于风电场,风电场包括风力发电机、箱式变压器、低压母线、站用变压器、风电场主变压器、集电线路、无功补偿装置、高压母线和升压变压器等电气设备。比如,图1为本发明实施例中的一种风电场的结构示意图,如图1所示,风电场包括风力发电机11、变流器12、风力发电机自用电变压器13、箱式变压器14、站用变压器15、低压母线16、无功补偿装置17、风电场主变压器18、送出线路19、汇流站变压器20和高压母线21,其中,风电场主变压器18和汇流站变压器20均为升压变压器。风电场能耗指标包括综合场用电、站用电、风力发电机自用电、场用电。通过对多个风电场进行能源审计,得知综合场用电量占整个风电场发电量的3%~7%,其中的场用电量占综合场用电量的80%以上,因此,可以通过降低场用电量来降低整个风电场损耗的电量。
图2为本发明一实施例中风电场整场有功损耗的控制方法的流程图,如图2所示,风电场整场有功损耗的控制方法包括步骤301-步骤304。
在步骤301中,采集风电场中各组成部分的特征参数和拓扑结构,根据特征参数和拓扑结构,建立风电场模型。
其中,风电场中的各组成部分包括但不限于风电场中的各风力发电机、各变压器、各变流器以及各无功补偿装置、线路中的一种或多种。在一个示例中,变压器包括升压变压器(以下简称升压变)和/或箱式变压器(以下简称箱式变压器),节点为电气设备连接点。各组成部分的特征参数为各组成部分的一些标准参数,比如数量、标识、电压上下限等等。各组成部分的拓扑结构为各组成部分的分布以及之间的连接关系等。根据特征参数和拓扑结构,可以建立风电场模型,风电场模型中的各组成部分与实际风电场中的各组成部分相对应。在一个示例中,也可以根据各组成部分的参数关系和拓扑结构,先建立个组成部分的模型,再根据各个组成部分的模型,建立风电场模型。比如,先根据变流器的特征参数和拓扑结构,建立变流器模型,再根据无功补偿装置的特征参数和拓扑结构,建立无功补偿装置模型,同理还可以建立变压器模型等等,根据变流器模型、无功补偿装置、变压器、线路模型等,建立风电场模型。
在步骤302中,为风电场模型设置N组不同的无功控制变量的值,并针对每组无功控制变量的值,结合特征参数,利用潮流计算以及预设的约束条件,获得与每组无功控制变量的值对应的风电场模型的整场有功损耗。
在一个示例中,无功控制变量具体可以包括风电场中各无功补偿装置的无功出力、各风力发电机的无功出力、各升压变分接头档位和箱式变压器运行分接头的档位中的一种或多种。无功控制变量具体也可以包括其他的能够改变无功出力的控制变量,在此并不限定。预设的约束条件可以根据潮流计算以及风电场的实际情况设定。约束条件可以利用潮流计算自身的约束条件,也可以利用风电场中各组成部分的工作限制条件。对无功控制变量设置N组不同的值,N为大于1的整数。针对每组无功控制变量的值和特征参数,都能够进行一次潮流计算,获得对应的整场有功损耗。具体的,通过潮流计算能够得到计算整场有功损耗时需要的参数,比如,进行潮流计算可以得到风电场模型中各组成部分的电压、电流、电压相角等参数,根据风电场模型中各组成部分的电压、电流、电压相角等参数,可以得到风电场模型中集电线路的传输的有功功率和无功功率,也可以计算得到变压器传输的有功功率和无功功率,还可以得到风电场中其他部分的相关参数。从而利用计算整场有功损耗时需要的参数,来计算得到整场有功损耗。
在一个示例中,可以计算风电场模型中的各组成部分的有功损耗,将各组成部分的有功损耗之和作为风电场模型的整场有功损耗。也可以直接计算风电场模型的整场有功损耗。
在步骤303中,利用优化算法,进行多次迭代计算,得到目标无功控制变量值。
其中,优化算法为求解离散变量与连续变量相结合的多约束、非线性规划问题算法。需要说明的是,目标无功控制变量值为整场有功损耗最小时对应的风电场模型中的无功控制变量的值。
在不同的示意性示例中,优化算法可以为改进的混合混沌优化算法、粒子群算法的改进优化算法、内点法、遗传算法、神经网络算法、粒子群算法蚁群算法中的一种或多种算法,在此并不限定。利用优化算法,进行多次迭代计算,从而能够扩展无功控制变量的值的范围,得到更大范围的无功控制变量的值大对应的风电场模型的整场有功损耗,从而得到更准确的目标无功控制变量值。
在步骤304中,将目标无功控制变量值下发至风电场中对应的组成部分,使得风电场中对应的组成部分根据目标无功控制变量值进行调整。
将整场有功损耗最小时对应的风电场模型中的无功控制变量的值下发至对应的组成部分,比如,将各无功补偿装置的无功出力的值分别下发至各无功补偿装置,在一个示例中,无功补偿装置可以为SVC(Static Var Compensator,静态无功补偿器)和/或SVG(Static Var Generator,静态无功发生器)等。又比如,将各风力发电机的无功出力的值分别下发至各风力发电机,使得各风力发电机根据无功出力的值调整无功处理。再比如,将各升压变分接头档位和箱式变压器运行分接头的档位分别下发至升压变分接头和箱式变压器运行分接头,使升压变分接头和箱式变压器运行分接头对各自的档位进行调整。从而使得风电场在整场有功损耗最小的条件下运行。
本发明实施例提供了一种风电场整场有功损耗的控制方法,建立风电场模型,为风电场模型设置多组不同的无功控制变量的值,针对每组无功控制变量的值,结合风电场中各组成部分的特征参数,利用潮流计算和预设的约束条件,得到与每组无功控制变量对应的整场有功损耗,利用优化算法,进行多次迭代计算,得到能够使整场有功损耗最小时的无功控制变量的值,使得风电场中对应的组成部分能够根据整场有功损耗最小时的无功控制变量的值进行调整,调整后的风电场的整场有功损耗最小,即风电场内部损耗的电量也最小,从而降低了风电场内部损耗的电量。而且,本发明实施例中能够将目标无功控制变量值下发至风电场中对应的组成部分,使得对应的组成部分进行调整,也就是说,是风电场中的多个组成部分协同精细调整,避免了粗放式只调整风电场中的单一组成部分而造成的降低了单一组成部分的损耗却增大了风电场整体整场有功损耗的情况。而且,风电场中的多个组成部分协同精细调整还能够通过一次调整实现风电场的最小整场有功损耗,避免了多次频繁调节以及电压调节不合理的现象发生,也能够避免集电线路电压升高,避免电机出现电压高故障。
上述实施例中的无功控制变量可包括风电场中各无功补偿装置的无功出力、各风力发电机的无功出力、各升压变分接头档位和箱式变压器运行分接头的档位中的一种或多种。在上述实施例中的一个示例中,上述步骤302中,可以设置N组不同的各无功补偿装置的无功出力、各风力发电机的无功出力、各升压变分接头档位和箱式变压器运行分接头的档位的值。比如,风电场包括一台无功补偿装置、三台风力发电机、一台升压变压器和三台箱式变压器。用一个集合表示一组无功控制变量,A表示无功补偿装置的无功出力,B1、B2和B3分别表示三台风力发电机的无功出力,C表示升压变分接头档位,D表示箱式变压器运行分接头的档位,则可以设置三组不同的无功控制变量的值,例如{A1,B11,B21,B31,C1,D1}、{A2,B12,B22,B32,C2,D2}和{A3,B13,B23,B33,C3,D3},其中,任意两组无功控制变量中至少有一个值不相等。若设置三组不同的无功控制变量,则需要进行三次潮流计算。为了能够尽量得到风电场的最小的整场有功损耗,尽可能多次进行潮流计算,同时,根据优化算法,对无功控制变量的值进行优化改进,可得到另外三组不同的无功控制变量的值,可再次进行潮流计算,通过设定的目标迭代次数或者目标精度,选取合适的进行潮流计算的次数。其中,目标精度为设定的最小整场有功损耗和初始整场有功损耗的比值。
在上述实施例中,步骤301中提到的风电场中各组成部分的特征参数可以包括风电场中的节点数目、各个节点的电压上下限、各个节点的标准电压、节点标识、风力发电机数目、风力发电机节点号、风力发电机的无功功率的上下限、风力发电机标识、变压器数目、变压器当前档位、变压器总档位、变压器步长和变压器标识中的一种或多种。其中,变压器可包括升压变压器和/或箱式变压器。其中,节点标识、风力发电机标识、变压器标识可以为ID号,也可以是由字符串组成的名称,便于风电场整场有功损耗的控制系统向风电场发送控制指令时,能够落实到具体某一个或多个节点、风力发电机、变压器、无功补偿装置上。
在上述实施例的一个示例中,步骤302中的约束条件可以包括潮流约束方程和节点、风力发电机、无功补偿装置以及变压器的参数约束。比如,潮流约束方程可以包括下列公式(1)和公式(2):
其中,PGi为第i个节点的风力发电机的有功出力,QGi为第i个节点的风力发电机的无功出力,PDi为第i个节点的负荷有功功率,QDi为第i个节点的负荷无功功率,Vi和Vj分别为第i个节点的电压幅值和第j个节点的电压幅值,Gij、Bij和θij分别为第i个节点与第j个节点之间的电导、电纳和电压相角差。
比如,上述示例中的节点、风力发电机、无功补偿装置以及变压器的参数约束可如下:
Uimin≤Ui≤Uimax (3)
QGimin≤QGi≤QGimax (4)
Qimin≤Qi≤Qimax (5)
Timin≤Ti≤Timax (6)
其中,Uimin、Ui和Uimax分别为第i个节点上的电压、电压下限值、电压上限值,QGimin、QGi和QGimax分别为第i台风力发电机的无功出力、无功出力下限值和无功出力上限值,Qimin、Qi和Qimax分别为第i个无功补偿装置的无功补偿容量、无功补偿容量下限及无功补偿容量上限值,Timin、Ti和Timax分别为第i台变压器分接头的档位、档位下限值、档位上限值。
在上述实施例中,针对任意一组无功控制变量的值,计算一组无功控制变量的值对应的风电场模型的整场有功损耗可具体实现为:利用一组无功控制变量的值,计算风电场模型中的如下有功损耗的有功损耗之和:风力发电机变流器的有功损耗、风力发电机变流器网侧至箱式变压器低压侧线路的有功损耗、风力发电机的箱式变压器的有功损耗、风力发电机的箱式变压器高压侧至集电杆线路的有功损耗、集电杆至升压站低压侧线路的有功损耗、无功补偿装置的有功损耗和升压变压器的有功损耗;获取有功损耗之和作为与一组无功控制变量的值对应的风电场模型的整场有功损耗。
在本发明实施例的一个示例中,可以利用公式(7)来计算风电场模型(即风电场)的整场有功损耗:
其中,f为风电场模型的整场有功损耗,n为风力发电机数量,m为集电线路的数量;ΔPi为第i台风力发电机的变流器的有功损耗;ΔPL1i为第i台风力发电机的变流器网侧至其箱式变压器低压侧线路的有功损耗,P1为变流器网侧至其箱式变压器低压侧线路传输的有功功率,Q1为变流器网侧至其箱式变压器低压侧线路传输的无功功率,U1为变流器网侧至其箱式变压器低压侧线路的额定电压,R1为变流器网侧至其箱式变压器低压侧线路的电阻;ΔPTi为第i台风力发电机的箱式变压器的有功损耗,P0为箱式变压器的铁耗,Pk为箱式变压器的铜耗,P2为箱式变压器传输的有功功率,Q2为箱式变压器传输的无功功率,SN为箱式变压器的额定容量;ΔPL2i为第i台风力发电机的箱式变压器高压侧至集电杆线路的有功损耗,P3为箱式变压器高压侧至集电杆线路传输的有功功率,Q3为箱式变压器高压侧至集电杆线路传输的无功功率,U2为箱式变压器高压侧至集电杆线路的额定电压,R2为箱式变压器高压侧至集电杆线路的电阻;ΔPLj为第j个集电杆至升压站低压侧线路的有功损耗,P4为集电杆至升压站低压侧线路传输的有功功率,Q4为集电杆至升压站低压侧线路传输的无功功率,U3为集电杆至升压站低压侧线路的额定电压,R3为集电杆至升压站低压侧线路的电阻;ΔPSVG为SVG产生的有功损耗,在一个示例中,可以根据SVG的损耗比、固定损耗以及SVC共发出的无功出力计算得到,比如10Mvar 35KV的SVG产生的有功损耗为(0.7~0.9)×10-6×Q5 2+7.2,其中Q5为10Mvar 35KV的SVG共发出的无功出力;ΔPSVC为SVC产生的有功损耗,在一个示例中,可以根据SVC的电容支路的有功损耗、SVC的电抗支路的损耗比例,SVC的电容支路的有功容量以及SVC共发出的无功出力计算得到,比如10Mvar35KV的SVC产生的有功损耗为25.67+1.444×10-6×(10000-Q6)2,其中Q6为10Mvar 35KV的SVC共发出的无功出力;ΔPV2为升压变压器的有功损耗,P01为升压变压器的铁耗,Pk1为升压变压器的铜耗,P6为升压变压器传输的有功功率,Q6为升压变压器传输的无功功率,SM为升压变压器的额定容量。
在本发明实施例的一个示例中,潮流计算包括牛顿-拉夫逊算法、高斯-塞得算法和/或P-Q分解算法。
在本发明另一实施例中,优化算法包括改进的混合混沌优化算法和粒子群算法的改进优化算法。图3为本发明另一实施例中的风电场整场有功损耗的控制方法的流程图,图3与图2所示的方法的不同之处在于,图2中的步骤303在图3中具体可以细化为迭代执行的步骤3031-步骤3034。
在步骤3031中,获取N组无功控制变量的值中的较优无功控制变量值。
其中,较优无功控制变量值为N组无功控制变量的值中整场有功损耗最小的1组无功控制变量的值。
在步骤3032中,将除较优无功控制变量值之外的N-1组无功控制变量的值按照一定步长向较优无功控制变量值靠近,得到更新后的N-1组无功控制变量的值。
在一个示例中,若无功控制变量为连续变量,则可以根据以下公式计算除较优无功控制变量值之外的N-1组无功控制变量的值向较优无功控制变量值靠近的步长以及更新后的N-1组无功控制变量的值:
其中,k为当前迭代计算次数,kmax为最大迭代计算测次数,c1和c2为学习因子且为非负的实数,w为惯性权重因子,wmax为初始设定的最大惯性权重因子;wmin为初始设定的最小惯性权重因子,为在第k次迭代运算中根据第i组无功控制变量的值计算得到的整场有功损耗,为在第k次迭代运算中第i组无功控制变量的值在本次迭代计算过程中的步长,Pi=(Pi1,Pi2,…,PiN)为根据第i组无功控制变量的值在迭代至今计算出的最小整场有功损耗;Pg=(Pg1,Pg2,…,PgN)为根据N组无功补偿控制变量的值迭代止今计算出的最小整场有功损耗。
需要说明的是,当c1=0时,无功控制变量的值就没有自身经验而只有社会经验,那么即使算法的收敛速度会很快,但是问题程度比较复杂时,算法容易陷入局部最优点;当c2=0时,无功控制变量的值就没有了群体共享信息,而只有自身经验,由于个体之间没有了交互,那么该算法得到最优解的几率就减小。通常情况下,c1和c2取2.0。
在另一个示例中,若无功控制变量为离散变量,则计算得到除较优无功控制变量值之外的N-1组无功控制变量的值向较优无功控制变量值靠近的步长以及更新后的N-1组无功控制变量的值后,可经过计算处理,将更新后的N-1组无功控制变量的值转化为0、1编码。
在步骤3033中,获取利用混沌算法根据较优无功控制变量值衍生的多组无功控制变量的值,将其中整场有功损耗最小的1组无功控制变量的值,随机替换掉更新后的N-1组无功控制变量的值中的1组无功控制变量的值。
在一个示例中,可以将较优无功控制变量值通过公式(16)映射到Logistic方程(17)的定义域[0,1]上,通过Logistic方程将y1进行多次迭代,得到混沌序列y=(y1,y2,……,yn),再将混沌序列根据公式(18)逆映射到原解空间,产生一组可行解混沌序列,可行解混沌序列包括较优无功控制变量值衍生的多组无功控制变量的值,在可行解混沌序列中选取整场有功损耗最小的衍生的1组无功控制变量的值,随机替换掉更新后的N-1组无功控制变量的值中的1组无功控制变量的值。利用混沌算法,可以扩展较优无功控制变量值的多样性,从而使得后续获得的目标无功控制变量值更加准确。
其中,r为当前迭代计算中的较优无功控制变量值,Rmin为无功控制变量最小值,Rmax为无功控制变量最大值。
Lodistic方程如下:
yn+1=μyn(1-yn) (n=0,1,2,…,0≤μ≤4) (17)
其中,μ为控制参数,n为迭代次数,y为混沌变量,0≤y≤1。
r*=Rmin+(Rmax-Rmin)y (18)
其中,y为混沌序列,r*为可行解混沌序列。
在步骤3034中,将经过替换的更新后的N-1组无功控制变量的值和较优无功控制变量值,作为步骤3031中的N组控制变量的值。
依次执行步骤3031、步骤3032、步骤3033,直至满足预设的终止条件,获取多次迭代计算中的整场有功损耗最小的1组无功控制变量的值,作为目标无功控制变量值。
需要说明的是,预设的终止条件可以为达到设定的迭代计算次数或者达到预设精度或者达到预设目标值,在此并不限定。
对于优化算法中的无功控制变量中的连续变量采用实数编码,并采用基本粒子群算法中包含动态调整惯性权重因子以及收缩因子的位置与速度更新公式进行更新,无功控制变量中的离散变量则采用0-1编码或者整数编码,并采用离散量子离子群算法的位置与速度更新公式进行更新,在每次迭代中,利用混沌变量的遍历性,将粒子群优化算法当前搜索到的全局最优解进行混沌优化从而产生一组混沌序列,然后将该混沌序列中的最优粒子随机替代当前粒子群中的某一粒子并继续参与算法迭代,能够解决算法的停滞问题,并提高了寻优能力。
图4为本发明又一实施例中的风电场整场有功损耗的控制方法的流程图,图4与图1所示的方法的不同之处在于,图2中的步骤301具体可以细化为图4中的步骤3011和步骤3012,图4所示的风电场整场有功损耗的控制方法在步骤3012之前还可以包括步骤305和步骤306。
在步骤3011中,采集风电场中各组成部分的特征参数和拓扑结构。
在步骤305中,获取特征参数的偏差值,筛选出偏差值小于预设偏差的特征参数。
其中,可以计算特征参数的偏差值,由于在同一运行条件下,获取到的特征参数之间的波动不会特别大,当出现偏差值大于或等于预设偏差的特征参数,表明此时风电场可能处于异常运行状态,该特征参数为无效参数,将偏差值大于或等于预设偏差的特征参数剔除。偏差值小于预设偏差的特征参数为有效参数。
在步骤306中,根据预设精度,对偏差值小于预设偏差的特征参数进行修正。
在上述步骤305中获取的有效参数,即偏差值小于预设偏差的特征参数并不能保证其精确度较高,因此,需要按照对风电场的特征参数的精度的期望,设定预设精度,对偏差值小于预设偏差的特征参数进行修正,使其精度更高。在一个示意性示例中,上述步骤305和步骤306可以采用加权最小二乘法实现。
在步骤3012中,根据修正后的特征参数和拓扑结构,建立风电场模型。
本发明实施例中,利用修正后的特征参数和拓扑结构,能够建立更加精细准确的风电场模型。在一个示例中,还可以设定风电场模型的校验周期,每隔一个校验周期,重新采集风电场中各组成部分的特征参数和拓扑结构,并对特征参数进行筛选和修正,对原来建立的风电场模型进行修正。从而保证风电场模型的精准程度。
图5为上述实施例的一个示例中风电场整场有功损耗的方法的说明示意图,如图5所示,其中的风力发电机P.Q.U分别表示风力发电机传输的有功功率、无功功率和电压,场站用电P.Q.U为场站设备的有功功率、无功功率和电压,SVC/SVG Q.U分别表示SVC/SVG的有功功率和无功功率,并网点P.Q.U分别表示风力发电机传输的有功功率、无功功率和电压。其中的数据指上述实施例中的特征参数。
图6为本发明一实施例中的一种风电场整场有功损耗的控制装置40的结构示意图,如图6所示,风电场整场有功损耗的控制装置40包括数据采集单元41、模型建立单元42、人机交互单元43、计算单元44和控制单元45。在一个实例中,具体可以利用通讯总线连接数据采集单元41、模型建立单元42、人机交互单元43、计算单元44和控制单元45,实现上述结构之间的数据信号的流通。
其中,数据采集单元41可被配置为采集风电场中各组成部分的特征参数和拓扑结构。
模型建立单元42可被配置为根据特征参数和拓扑结构,建立风电场模型。
人机交互单元43可被配置为为风电场模型设置多组不同的无功控制变量的值。其中,人机交互单元43可设有人机交互界面,便于操作人员通过人机交互单元43对风电场整场有功损耗的控制系统进行操作,以及实现界面显示、效果展示功能。。
计算单元44可被配置为针对每组无功控制变量的值,结合特征参数,利用潮流计算和预设的约束条件,获得与每组无功控制变量的值对应的风电场模型的整场有功损耗,N为大于1的整数;还被配置为利用优化算法,进行多次迭代计算,得到目标无功控制变量值,目标无功控制变量值为多次迭代计算中整场有功损耗最小时对应的风电场模型中的无功控制变量的值。
控制单元45可被配置为将目标无功控制变量值下发至风电场中对应的组成部分,使得风电场中对应的组成部分根据目标无功控制变量值进行调整。
本发明实施例提供了一种风电场降低综合有功损耗的控制装置40,建立风电场模型,为风电场模型设置多组不同的无功控制变量的值,针对每组无功控制变量的值,结合风电场中各组成部分的特征参数,利用潮流计算、预设的约束条件,得到与每组无功控制变量对应的整场有功损耗,利用优化算法,进行多次迭代计算,得到能够使整场有功损耗最小时的无功控制变量的值,使得风电场中对应的组成部分能够根据整场有功损耗最小时的无功控制变量的值进行调整,调整后的风电场的整场有功损耗最小,即风电场内部损耗的电量也最小,从而降低了风电场内部损耗的电量。而且,本发明实施例中能够将目标无功控制变量值下发至风电场中对应的组成部分,使得对应的组成部分进行调整,也就是说,是风电场中的多个组成部分协同精细调整,避免了粗放式只调整风电场中的单一组成部分而造成的降低了单一组成部分的损耗却增大了风电场整体整场有功损耗的情况。而且,风电场中的多个组成部分协同精细调整还能够通过一次调整实现风电场的最小整场有功损耗,避免了多次频繁调节以及电压调节不合理的现象发生,也能够避免集电线路电压升高,避免电机出现电压高故障。
在一个示例中,优化算法包括改进的混合混沌优化算法和粒子群算法的改进优化算法,计算单元44具体被配置为:a、获取N组无功控制变量的值中的较优无功控制变量值,较优无功控制变量值为N组无功控制变量的值中整场有功损耗最小的1组无功控制变量的值;b、将除较优无功控制变量值之外的N-1组无功控制变量的值按照一定步长向较优无功控制变量值靠近,得到更新后的N-1组无功控制变量的值;c、获取利用混沌算法根据较优无功控制变量值衍生的多组无功控制变量的值,将其中整场有功损耗最小的1组无功控制变量的值,随机替换掉更新后的N-1组无功控制变量的值中的1组无功控制变量的值;d、将经过替换的更新后的N-1组无功控制变量的值和较优无功控制变量值,作为步骤a中的N组控制变量的值,并依次执行步骤a、步骤b、步骤c,直至满足预设的终止条件,获取多次迭代计算中的整场有功损耗最小的1组无功控制变量的值,作为目标无功控制变量值。
图7为本发明另一实施例中的风电场整场有功损耗的控制装置40的结构示意图,如图7所示,风电场降低整场有功损耗的控制装置40还可以包括参数筛选单元46和参数修正单元47,参数筛选单元46可被配置为获取特征参数的偏差值,筛选出偏差值小于预设偏差的特征参数;参数修正单元47可被配置为根据预设精度,对偏差值小于预设偏差的特征参数进行修正。
在另一个示例中,上述风电场中各组成部分的特征参数包括如下项中的一种或多种:风电场中的节点数目、各个节点的电压上下限、各个节点的标准电压、节点标识、风力发电机数目、风力发电机节点号、风力发电机的无功功率的上下限、风力发电机标识、变压器数目、变压器当前档位、变压器总档位、变压器步长和变压器标识。上述无功控制变量包括风电场中各无功补偿装置的无功出力、各风力发电机的无功出力、各升压变分接头档位和箱式变压器运行分接头的档位中的一种或多种。
计算单元24中可以存储进行潮流计算需要使用的牛顿-拉夫逊算法、高斯-塞得算法和/或P-Q分解算法,也可以存储改进的混合混沌优化算法、粒子群算法的改进优化算法、内点法、遗传算法、神经网络算法、粒子群算法和/或蚁群算法等优化算法。
上述实施例中的计算单元24可具体被配置为:利用一组无功控制变量的值,计算风电场模型中的如下有功损耗的有功损耗之和:风力发电机变流器的有功损耗、风力发电机变流器网侧至箱式变压器低压侧线路的有功损耗、风力发电机的箱式变压器的有功损耗、风力发电机的箱式变压器高压侧至集电杆线路的有功损耗、集电杆至升压站低压侧线路的有功损耗、无功补偿装置的有功损耗和升压变压器的有功损耗;获取有功损耗之和作为与一组无功控制变量的值对应的风电场模型的整场有功损耗。
图8为本发明一实施例中的风电场整场有功损耗的控制系统的结构示意图。如图8所示,风电场整场有功损耗的控制系统包括设置于多条设置于多条集电线路51上的多组风力发电机组52、无功补偿装置17、升压变压器54、风电场参数监控子系统55,以及上述实施例中的风电场整场有功损耗的控制装置40。其中,风电场整场有功损耗的控制装置40分别与多组风力发电机组52、无功补偿装置17、升压变压器54和风电场参数监控子系统55通讯连接。从而使得风电场正常有功损耗的控制装置40能够与多组风力发电机组52、无功补偿装置17、升压变压器54和风电场参数监控子系统55交换信息,具体的,可以获取特征参数和拓扑结构,也可以向外发送控制指令,控制指令包括目标无功控制变量值,使得风力发电机组52、无功补偿装置17、升压变压器54能够根据控制指令进行调整。
如图8所示,在一个示例中,多条集电线路51与多组风力发电机组52一一对应连接。每组风力发电机组52包括至少一条风力发电机发电传输链521,每条风力发电机发电传输链521包括风力发电机11、与风力发电机11连接的变流器12以及与变流器12连接的箱式变压器14。无功补偿装置17与至少一条集电线路51相连接。风电场参数监控子系统55包括风电场前置装置551、风力发电机中央监控装置552和综合自动化装置553,其中,风电场前置装置551分别与风力发电机中央监控装置552和综合自动化装置553相连接,风电场前置装置551被配置为从风力发电机中央监控装置552和综合自动化装置553中获取风电场的特征参数。风电场前置装置551还与无功补偿装置53相连接,风电场前置装置551还被配置为获取无功补偿装置53的补偿参数,比如无功补偿容量等。
在一个示例中,上述实施例中的无功补偿装置17包括SVC和/或SVG。
在另一个示例中,风电场参数监控子系统55还可以包括SCADA(SupervisoryControl And Data Acquisition,数据采集与监视控制)装置,SCADA装置也能够提供风电场中各组成部分的特征参数。
需要明确的是,本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。对于系统实施例而言,相关之处参见方法实施例的部分说明。
本发明并不局限于上文所描述并在图中示出的特定配置和处理。并且,为了简明起见,这里省略对已知方法技术的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神之后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
Claims (24)
1.一种风电场整场有功损耗的控制方法,其特征在于,包括:
采集所述风电场中各组成部分的特征参数和拓扑结构,根据所述特征参数和所述拓扑结构,建立风电场模型;
为所述风电场模型设置N组不同的无功控制变量的值,并针对每组无功控制变量的值,结合所述特征参数,利用潮流计算和预设的约束条件,获得与所述每组无功控制变量的值对应的所述风电场模型的整场有功损耗,N为大于1的整数;
利用优化算法,进行多次迭代计算,得到目标无功控制变量值,所述目标无功控制变量值为多次迭代计算中所述整场有功损耗最小时对应的所述风电场模型中的无功控制变量的值;
将所述目标无功控制变量值下发至所述风电场中对应的组成部分,使得所述风电场中对应的组成部分根据所述目标无功控制变量值进行调整。
2.根据权利要求1所述的方法,其特征在于,所述优化算法包括改进的混合混沌优化算法和粒子群算法的改进优化算法,
所述的利用优化算法,进行多次迭代计算,得到目标无功控制变量值的步骤,包括:
a、获取N组无功控制变量的值中的较优无功控制变量值,所述较优无功控制变量值为N组无功控制变量的值中整场有功损耗最小的1组无功控制变量的值;
b、将除所述较优无功控制变量值之外的N-1组无功控制变量的值按照一定步长向所述较优无功控制变量值靠近,得到更新后的N-1组无功控制变量的值;
c、获取利用混沌算法根据较优无功控制变量值衍生的多组无功控制变量的值,将其中整场有功损耗最小的1组无功控制变量的值,随机替换掉更新后的N-1组无功控制变量的值中的1组无功控制变量的值;
d、将经过替换的更新后的N-1组无功控制变量的值和较优无功控制变量值,作为步骤a中的N组控制变量的值,并依次执行步骤a、步骤b、步骤c,直至满足预设的终止条件,获取多次迭代计算中的整场有功损耗最小的1组无功控制变量的值,作为目标无功控制变量值。
3.根据权利要求1所述的方法,其特征在于,所述无功控制变量包括所述风电场中各无功补偿装置的无功出力、各风力发电机的无功出力、各升压变分接头档位和箱式变压器运行分接头的档位中的一种或多种。
4.根据权利要求1所述的方法,其特征在于,针对任意一组无功控制变量的值,获得与所述一组无功控制变量的值对应的所述风电场模型的整场有功损耗的步骤,具体包括:
利用一组无功控制变量的值,计算所述风电场模型中的如下有功损耗的有功损耗之和:风力发电机变流器的有功损耗、风力发电机变流器网侧至箱式变压器低压侧线路的有功损耗、风力发电机的箱式变压器的有功损耗、风力发电机的箱式变压器高压侧至集电杆线路的有功损耗、集电杆至升压站低压侧线路的有功损耗、无功补偿装置的有功损耗和升压变压器的有功损耗;
获取所述有功损耗之和作为与所述一组无功控制变量的值对应的所述风电场模型的整场有功损耗。
5.根据权利要求3或4所述的方法,其特征在于,所述无功补偿装置包括静态无功补偿装置SVC和/或静态无功发生装置SVG。
6.根据权利要求1所述的方法,其特征在于,所述风电场中各组成部分的特征参数包括如下项中的一种或多种:所述风电场中的节点数目、各个节点的电压上下限、各个节点的标准电压、节点标识、风力发电机数目、风力发电机节点号、风力发电机的无功功率的上下限、风力发电机标识、变压器数目、变压器当前档位、变压器总档位、变压器步长和变压器标识。
7.根据权利要求1所述的方法,其特征在于,在根据所述特征参数和所述拓扑结构,建立风电场模型的步骤之前,还包括:
获取所述特征参数的偏差值,筛选出偏差值小于预设偏差的特征参数;
根据预设精度,对偏差值小于预设偏差的特征参数进行修正。
8.根据权利要求1所述的方法,其特征在于,所述潮流计算包括牛顿-拉夫逊算法、高斯-塞得算法和/或P-Q分解算法。
9.根据权利要求1所述的方法,其特征在于,所述优化算法包括内点法、遗传算法、神经网络算法、粒子群算法和/或蚁群算法。
10.一种风电场整场有功损耗的控制装置,其特征在于,包括:
数据采集单元,被配置为采集所述风电场中各组成部分的特征参数和拓扑结构;
模型建立单元,被配置为根据所述特征参数和所述拓扑结构,建立风电场模型;
人机交互单元,被配置为为所述风电场模型设置多组不同的无功控制变量的值;
计算单元,被配置为针对每组无功控制变量的值,结合所述特征参数,利用潮流计算和预设的约束条件,获得与所述每组无功控制变量的值对应的所述风电场模型的整场有功损耗,N为大于1的整数;还被配置为利用优化算法,进行多次迭代计算,得到目标无功控制变量值,所述目标无功控制变量值为多次迭代计算中所述整场有功损耗最小时对应的所述风电场模型中的无功控制变量的值;
控制单元,被配置为将所述目标无功控制变量值下发至所述风电场中对应的组成部分,使得所述风电场中对应的组成部分根据所述目标无功控制变量值进行调整。
11.根据权利要求10所述的装置,其特征在于,所述优化算法包括改进的混合混沌优化算法和粒子群算法的改进优化算法,
所述计算单元具体被配置为:
a、获取N组无功控制变量的值中的较优无功控制变量值,所述较优无功控制变量值为N组无功控制变量的值中整场有功损耗最小的1组无功控制变量的值;
b、将除所述较优无功控制变量值之外的N-1组无功控制变量的值按照一定步长向所述较优无功控制变量值靠近,得到更新后的N-1组无功控制变量的值;
c、获取利用混沌算法根据较优无功控制变量值衍生的多组无功控制变量的值,将其中整场有功损耗最小的1组无功控制变量的值,随机替换掉更新后的N-1组无功控制变量的值中的1组无功控制变量的值;
d、将经过替换的更新后的N-1组无功控制变量的值和较优无功控制变量值,作为步骤a中的N组控制变量的值,并依次执行步骤a、步骤b、步骤c,直至满足预设的终止条件,获取多次迭代计算中的整场有功损耗最小的1组无功控制变量的值,作为目标无功控制变量值。
12.根据权利要求10所述的装置,其特征在于,无功控制变量包括所述风电场中各无功补偿装置的无功出力、各风力发电机的无功出力、各升压变分接头档位和箱式变压器运行分接头的档位中的一种或多种。
13.根据权利要求10所述的装置,其特征在于,所述计算单元还具体被配置为:
利用与一组无功控制变量的值,计算所述风电场模型中的如下有功损耗的有功损耗之和:风力发电机变流器的有功损耗、风力发电机变流器网侧至箱式变压器低压侧线路的有功损耗、风力发电机的箱式变压器的有功损耗、风力发电机的箱式变压器高压侧至集电杆线路的有功损耗、集电杆至升压站低压侧线路的有功损耗、无功补偿装置的有功损耗和升压变压器的有功损耗;
获取所述有功损耗之和作为与所述一组无功控制变量的值对应的所述风电场模型的整场有功损耗。
14.根据权利要求10所述的装置,其特征在于,所述风电场中各组成部分的特征参数包括如下项中的一种或多种:所述风电场中的节点数目、各个节点的电压上下限、各个节点的标准电压、节点标识、风力发电机数目、风力发电机节点号、风力发电机的无功功率的上下限、风力发电机标识、变压器数目、变压器当前档位、变压器总档位、变压器步长和变压器标识。
15.根据权利要求10所述的装置,其特征在于,还包括:
参数筛选单元,被配置为获取所述特征参数的偏差值,筛选出偏差值小于预设偏差的特征参数;
参数修正单元,被配置为根据预设精度,对偏差值小于预设偏差的特征参数进行修正。
16.根据权利要求10所述的装置,其特征在于,所述潮流计算包括牛顿-拉夫逊算法、高斯-塞得算法和/或P-Q分解算法。
17.根据权利要求10所述的装置,其特征在于,所述优化算法包括内点法、遗传算法、神经网络算法、粒子群算法和/或蚁群算法。
18.一种风电场整场有功损耗的控制系统,其特征在于,包括:
设置于多条集电线路上的多组风力发电机组;
无功补偿装置;
升压变压器;
风电场参数监控子系统;
以及如权利要求9-17中任意一项所述的风电场整场有功损耗的控制装置,所述风电场整场有功损耗的控制装置分别与所述多组风力发电机组、所述无功补偿装置、所述风电场参数监控子系统和所述升压变压器通讯连接。
19.根据权利要求18所述的系统,其特征在于,多条集电线路与多组风力发电机组一一对应连接。
20.根据权利要求18或19所述的系统,其特征在于,每组风力发电机组包括至少一条风力发电机发电传输链,每条所述风力发电机发电传输链包括风力发电机、与所述风力发电机连接变流器以及与所述变流器连接的箱式变压器。
21.根据权利要求18所述的系统,其特征在于,所述无功补偿装置与至少一条集电线路相连接。
22.根据权利要求18所述的系统,其特征在于,所述风电场参数监控子系统包括风电场前置装置、风力发电机中央监控装置和综合自动化装置,其中,所述风电场前置装置分别与所述风力发电机中央监控装置和所述综合自动化装置相连接,被配置为从所述风力发电机中央监控装置和所述综合自动化装置中获取风电场的特征参数。
23.根据权利要求22所述的系统,其特征在于,所述风电场前置装置还与所述无功补偿装置相连接,还被配置为获取无功补偿装置的补偿参数。
24.根据权利要求18或23所述的系统,其特征在于,所述无功补偿装置包括静态无功补偿装置SVC和/或静态无功发生装置SVG。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611261148.6A CN108270213A (zh) | 2016-12-30 | 2016-12-30 | 风电场整场有功损耗的控制方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611261148.6A CN108270213A (zh) | 2016-12-30 | 2016-12-30 | 风电场整场有功损耗的控制方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108270213A true CN108270213A (zh) | 2018-07-10 |
Family
ID=62754883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611261148.6A Pending CN108270213A (zh) | 2016-12-30 | 2016-12-30 | 风电场整场有功损耗的控制方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108270213A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111461919A (zh) * | 2020-03-02 | 2020-07-28 | 国电南瑞科技股份有限公司 | 一种风电场功率控制一体化监控系统 |
CN113595150A (zh) * | 2021-08-03 | 2021-11-02 | 哈电风能有限公司 | 风电场功率控制方法及系统 |
CN114050567A (zh) * | 2021-10-25 | 2022-02-15 | 深圳供电局有限公司 | 集电线路的无功功率确定方法、装置、计算机设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103217900A (zh) * | 2013-02-06 | 2013-07-24 | 浙江工业大学 | 基于实时电价的中压微网混沌pso最优潮流实现方法 |
CN105844369A (zh) * | 2016-04-18 | 2016-08-10 | 东南大学 | 一种基于自适应混沌粒子群的制粉系统优化分配方法 |
-
2016
- 2016-12-30 CN CN201611261148.6A patent/CN108270213A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103217900A (zh) * | 2013-02-06 | 2013-07-24 | 浙江工业大学 | 基于实时电价的中压微网混沌pso最优潮流实现方法 |
CN105844369A (zh) * | 2016-04-18 | 2016-08-10 | 东南大学 | 一种基于自适应混沌粒子群的制粉系统优化分配方法 |
Non-Patent Citations (2)
Title |
---|
唐东成: "《含 STATCOM 直驱式风力发电系统电压稳定控制研究》", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
张晋华: "《风电场内机组优化调度研究》", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111461919A (zh) * | 2020-03-02 | 2020-07-28 | 国电南瑞科技股份有限公司 | 一种风电场功率控制一体化监控系统 |
CN113595150A (zh) * | 2021-08-03 | 2021-11-02 | 哈电风能有限公司 | 风电场功率控制方法及系统 |
CN113595150B (zh) * | 2021-08-03 | 2023-12-12 | 哈电风能有限公司 | 风电场功率控制方法及系统 |
CN114050567A (zh) * | 2021-10-25 | 2022-02-15 | 深圳供电局有限公司 | 集电线路的无功功率确定方法、装置、计算机设备 |
CN114050567B (zh) * | 2021-10-25 | 2023-08-25 | 深圳供电局有限公司 | 集电线路的无功功率确定方法、装置、计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109687510B (zh) | 一种计及不确定性的配电网多时间尺度优化运行方法 | |
CN110729765A (zh) | 一种考虑sop的配电网灵活性评估指标体系和优化调度方法 | |
CN106253352B (zh) | 计及风电概率分布特征的鲁棒实时调度方法 | |
CN102832627B (zh) | 一种基于电力网络模型的风电场自动电压控制方法 | |
CN106451418B (zh) | 光伏电站的在线分群等值建模方法 | |
CN104541426B (zh) | 对多个连接到共同的电网互连点上的逆变器的控制 | |
CN109904877B (zh) | 基于变功率因数的分散式风电场优化运行方法 | |
CN107332252B (zh) | 一种计及广义无功源的配电网低电压综合治理方法 | |
CN109494750B (zh) | 一种高中压配电网的分层分布式电压优化控制方法 | |
CN108599180A (zh) | 一种考虑功率随机性的配电网无功电压优化方法 | |
CN114597969B (zh) | 计及智能软开关和虚拟电厂技术的配电网双层优化方法 | |
CN106712031B (zh) | 主动配电网序贯-自适应鲁棒优化调度系统及调度方法 | |
CN108306334A (zh) | 基于粒子群优化算法的风电场内部无功优化策略 | |
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 | |
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 | |
CN102510108A (zh) | 一种用于求取地区电网最大风电装机容量的方法 | |
CN116388302B (zh) | 一种协调网侧资源的配电网有功-无功联合优化方法 | |
CN108270213A (zh) | 风电场整场有功损耗的控制方法、装置和系统 | |
CN108933448B (zh) | 一种含光伏电源的中低压配电网协调控制方法和系统 | |
CN103701142B (zh) | 考虑离散控制变量的主动配电网实时无功-电压控制方法 | |
CN108494020A (zh) | 风速波动下风电送出系统无功电压主动控制方法 | |
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 | |
Singh et al. | Optimal placement of facts devices in power system for power quality improvement | |
CN107451743B (zh) | 一种考虑源荷运行特性的有源配电网孤岛运行方法 | |
CN107516901B (zh) | 自动电压控制中500kV变电站之间协调电压控制方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180710 |