CN109038654A - 一种考虑分布式风电高渗透并网的配电系统优化运行方法 - Google Patents
一种考虑分布式风电高渗透并网的配电系统优化运行方法 Download PDFInfo
- Publication number
- CN109038654A CN109038654A CN201810788401.6A CN201810788401A CN109038654A CN 109038654 A CN109038654 A CN 109038654A CN 201810788401 A CN201810788401 A CN 201810788401A CN 109038654 A CN109038654 A CN 109038654A
- Authority
- CN
- China
- Prior art keywords
- wind
- grid
- electricity generation
- formula
- powered electricity
- 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
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005457 optimization Methods 0.000 claims abstract description 27
- 230000005684 electric field Effects 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 51
- 239000000243 solution Substances 0.000 claims description 39
- 230000010354 integration Effects 0.000 claims description 17
- 239000012141 concentrate Substances 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000035699 permeability Effects 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 239000005367 kimax Substances 0.000 claims description 7
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000011217 control strategy Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- H02J3/386—
-
- 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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种考虑分布式风电高渗透并网的配电系统优化运行方法，在风电场出力以及负荷波动的情况下，充分利用风电机组的无功调节能力，将系统节点电压控制在了安全且优质的范围内，解决了因电压质量问题引发的风机脱网现象；与现有普遍以经济性为目标的配电系统优化模型相比，以风电高渗透并网消纳为优化目标代替系统运行经济性目标，保证了风电场发出的有功功率尽量全部并网消纳，实现了风电资源的高度渗透和高效利用。
Description
技术领域
本发明属于分布式风电接入配电网的运行控制方法技术领域，具体涉及一种考虑分布式风电高渗透并网的配电系统优化运行方法。
背景技术
近年来，以风力发电为代表的可再生能源发电技术趋于成熟，风电机组分布式接入配电网不仅可以实现清洁能源的充分利用，还可以改善传统配电网中负荷终端低电压问题，对配电网电压起到支撑作用。但随着风电高渗透并网，其对局部配电网的影响日益突出，主要表现在并网后引起的过电压问题。因此，应对分布式风电接入对配电网电压影响的控制策略以提高其消纳能力具有重要意义。
随着风力发电机及其控制技术的快速发展，灵活调节风电场输出功率实现配电系统的优化运行成为可行的技术手段，针对分布式风电接入配电系统的无功优化、有功-无功的协调优化、电压控制策略等方面的研究得到高度重视。
目前，在含分布式风电的配电系统无功优化与有功-无功协调优化的研究中有，1)充分利用风电机组的无功调节能力控制系统节点电压，实现分布式风电并网有功的最大化利用成为主流，陆续研究中包括考虑风电机组的无功功率预测信息，采用场站级和机组级的两级控制方法，分配各风电机组无功功率，实现系统优化运行的策略；2)分析永磁同步和双馈异步型风机的无功输出能力，提出的一种基于模糊逻辑的分布式优化控制策略，协调系统中各分布式风电单元的无功输出；3)以及考虑分布式风电主动参与系统运行调节，以降低网损为目标的配电系统优化控制策略，获取风电机组有功出力及功率因数的最佳方案。分布式风电并网实现风电资源就地利用的同时，其对配电系统潮流辐射供电模式的改变也使得电力系统长期电压稳定性和配电网电压质量等问题变得突出，高渗透的分布式风电并网引起的电压波动甚至过电压导致风机脱网的现象越来越严重，因此，解决电压控制的问题刻不容缓。其中，利用分布式风电出力改善系统馈线末端低电压问题的方法；由分布式发电单元并网点最易出现电压越限而引出的利用有功-无功协调调节的本地电压控制策略；以及应用多代理系统主动控制系统电压并实现分布式发电有功功率最大化利用的协调控制策略等研究成果提供了重要参考价值。
综上，针对分布式风电接入配电系统的优化运行研究取得了丰硕成果，但这些成果的主要优化目标更多地关注调控系统电压，而对于如何在减少风电出力不确定性对系统电压造成不利影响的同时，提高风电渗透率的方法，仍有待进一步研究解决。我国风电发展迅速，2017年5月国家能源局出台了《关于加快推进分散式接入风电项目建设有关要求的通知》，旨在大力推动风力发电的就近消纳，随着分布式风电大规模并网后，风电出力的不确定性将给系统的安全经济运行带来不利影响，因此针对分布式风电并网的优化运行进行理论研究并应用到实际工程中，实现风电资源的高度渗透和高效利用已成为当前亟待解决的重要课题。
发明内容
本发明的目的在于提供一种考虑分布式风电高渗透并网的配电系统优化运行方法，在仅利用风机自身功率调节能力的条件下，能够实现风电资源的安全并网和高度渗透。
本发明的技术方案为，一种考虑分布式风电高渗透并网的配电系统优化运行方法，主要包括建立含分布式风电的配电系统优化运行模型并利用多目标头脑风暴优化算法求解，具体按照以下步骤实施：
步骤1、设计电压质量目标函数、风电高渗透并网消纳的目标函数，构建含分布式风电的配电系统优化运行模型；
步骤2、初始化电网及算法参数；
步骤3、根据初始化个体公式生成N个满足约束条件的随机分布个体，每个个体即表示为一个控制向量，结合潮流计算结果、电压质量目标函数、风电高渗透并网消纳的目标函数，分别计算每个控制向量的目标函数值，评估得到非支配解，并存入归档集中；
步骤4、利用K均值聚类算法将N个控制向量在目标函数空间划分为k类，其中包含非支配解的类为精英类，没有非支配解的类为普通类，并由控制向量与目标函数值之间的映射关系得到精英解集和普通解集；
步骤5、根据概率选择和变异操作将生成N个新控制向量；
步骤6、更新归档集；
步骤7、进行迭代搜索寻优，当达到设置好的收敛精度或最大迭代次数时，输出相应的归档集，即Pareto解集；
步骤8、采用模糊隶属度函数式分别评估计算Pareto解集中每个控制向量的整体满意度值，选择整体满意度值最大的解为最优运行方案。
步骤1具体过程为：
步骤1.1、根据分布式风电接入配电系统的安全运行及高效利用清洁可再生能源的核心要求，设计系统电压质量提升目标函数和风电渗透率并网消纳的目标函数；
电压质量提升目标函数公式为：
式(1)中，ΔUMCC表示基于最大相关熵准则(maximum correntropycriterion，MCC)的电压质量指标；M表示主动配电系统节点数；K表示调度周期可划分的单位阶段数；ΔUi表示第i个节点的电压偏差；dU表示最大允许电压偏差量；σ取为常数1；函数g的表达式为：
追求风电高渗透并网消纳的目标函数公式为：
式(3)中，Ep表示分布式风电并网的渗透率指标；W表示接入配电系统中的分布式风电场数目，Pw(t)表示第w个风电场在t时刻输出的有功功率，Pload(t)表示t时刻配电区域的负荷功率，Δt表示单位阶段的时长；
步骤1.2、构建包含电压质量提升目标及风电高渗透并网消纳目标，并考虑网络潮流约束、分布式风电特性约束的含分布式风电的配电系统优化运行模型。
分布式风电特性约束具体如下：
功率平衡约束：
式(4)中，Pi、Qi分别表示注入节点i的有功功率与无功功率；Ui、Uj分别表示节点i和j的电压幅值；Gij和Bij构成节点导纳矩阵；θij表示线路ij两端的相角差；
节点电压约束：
式(5)中，Ui表示节点i的电压幅值，和分别表示节点i的电压幅值上下限；
分布式风电场出力约束：
式(6)中，Pw(t)和Qw(t)分别表示第w个分布式风电场在t时刻输出的有功和无功功率；和分别表示第w个分布式风电场有功出力的上下限；分别表示无功调节范围的上下限，其大小与当前时刻的有功出力Pw(t)有关，即
步骤2初始化电网及算法参数包括：系统网架结构、线路参数、负荷分布情况及其预测数据、风电场接入节点、出力限值及出力预测数据、初始个体数N、最大迭代次数KImax、概率参数P1、P2、P3、P4、归档集的个体数AS以及聚类的个数k。
步骤3初始化个体公式为：
式(7)中，表示第i个个体中第d维控制变量；xd.max和xd.min分别表示第d维控制变量的上下限；random(0,1)表示(0,1)之间的随机数。
步骤4目标函数空间是指由电压质量提升目标函数和风电并网消纳目标函数构成的二维目标空间。
步骤5具体过程为：
步骤5.1、生成一个(0,1)之间的随机数，若该随机数大于概率参数P1，则从当前归档集中随机选择一个个体为待变异的控制向量xselect，若该随机数小于P1，则再生成一个(0,1)之间的随机数，并判断是否小于P2，若是则随机选择一个精英类，若否则随机选择两个类，选择一个类的根据参数P3的大小确定该类的类中心或类中任一个体为xselect，选择两个类的根据参数P3的大小确定这两类的类中心或类中任一个体进行线性组合作为xselect；
步骤5.2、对xselect进行变异操作：
变异操作的公式如下：
式(8)中，表示变异后的向量中第d维功率值；表示用来更新的向量中第d维功率值；ξ表示产生新控制量时的权重系数值；N(μ,σ)表示均值为μ，方差为σ的高斯随机函数；式(9)中，logsig()表示对数S型函数；KImax表示最大迭代数；t表示当前的迭代数；K表示改变logsig()函数的斜率；random()表示(0,1)之间的随机数；
步骤5.3、根据潮流计算的结果求解式(1)和式(3)的目标函数值，评估变异前后的N组向量，每组保留其中的非支配解，若变异前后的两个向量互不支配则随机选取其中一个保留，得到N个新控制向量。
步骤6具体过程为：
步骤6.1、将新生成的N个非支配解与归档集中的个体一一进行比较，判断新生成的N个非支配解是否支配归档集中的解；
若不支配，则放弃此新解；
若支配，则删除归档集中被支配的解，并将此新解存入归档集；
步骤6.2、检查归档集中解的个数是否达到归档集的最大容量；
如果大于归档集最大容量，删除归档集中拥挤距离最小的解；
如果不大于归档集最大容量，则进入下一轮迭代。
拥挤距离计算方法如下：
结合目标函数式(1)、式(3)可得控制向量的拥挤距离如式(10)所示：
式(10)中，D(i)表示第i个控制向量的拥挤距离；ΔUMCC(i)和Ep(i)分别表示第i个控制向量的电压质量目标函数值和风电渗透率目标函数值。
步骤8模糊隶属度函数式为：
式(11)、式(12)中，μn表示第n个目标函数的满意度；fn表示第n个电压质量目标函数值；和fn分别表示第n个电压质量目标函数值的上下限；μ表示整体满意度值；Nobj取值为2。
本发明的有益效果是，
1)在风电场出力以及负荷波动的情况下，充分利用风电机组的功率调节能力，将系统节点电压控制在安全且优质的范围内，解决因电压质量问题引发的风机脱网现象；
2)与现有普遍以经济性为目标的配电系统优化模型相比，以风电高渗透并网消纳为优化目标代替系统运行经济性目标，保证风电场发出的有功功率尽量全部并网消纳，实现风电资源的高度渗透和高效利用，间接提高系统运行的经济性。
附图说明
图1是本发明一种考虑分布式风电高渗透并网的配电系统优化运行方法流程图；
图2是本发明一种考虑分布式风电高渗透并网的配电系统优化运行方法中概率选择流程图；
图3是本发明一种考虑分布式风电高渗透并网的配电系统优化运行方法中更新归档集流程图；
图4是本发明方法用于实例的配电系统结构图；
图5是本发明中双馈型风机的功率容量曲线示意图；
图6(a)是本发明方法用于实例的负荷曲线；
图6(b)是本发明方法用于实例的分布式风电出力曲线；
图7是本发明方法用于实例的优化运行方法计算结果示意图；
图8是本发明方法用于实例的优化运行方法计算结果示意图；
图9是本发明方法用于实例的优化运行方法计算结果示意图；
图10是本发明方法用于实例的优化运行方法计算结果示意图；
图11是本发明方法用于实例的单位功率因数运行时的典型节点电压曲线示意图；
图12是本发明方法用于实例的优化运行后的典型节点电压曲线示意图；
图13是本发明方法对比两种运行方式下的WT2有功出力示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种考虑分布式风电高渗透并网的配电系统优化运行方法，如图1所示，具体按照以下步骤实施：
步骤1、设计电压质量目标函数、风电高渗透并网消纳的目标函数，构建含分布式风电的配电系统优化运行模型；
具体过程为：
步骤1.1、根据分布式风电接入配电系统的安全运行及高效利用清洁可再生能源的核心要求，设计系统电压质量提升目标函数和风电渗透率并网消纳的目标函数；
电压质量提升目标函数公式为：
式(1)中，ΔUMCC表示基于最大相关熵准则(maximum correntropycriterion，MCC)的电压质量指标；M表示主动配电系统节点数；K表示调度周期可划分的单位阶段数；ΔUi表示第i个节点的电压偏差；dU表示最大允许电压偏差量；σ取为常数1；函数g的表达式为：
追求风电高渗透并网消纳的目标函数公式为：
式(3)中，Ep表示分布式风电并网的渗透率指标；W表示接入配电系统中的分布式风电场数目，Pw(t)表示第w个风电场在t时刻输出的有功功率，Pload(t)表示t时刻配电区域的负荷功率，Δt表示单位阶段的时长；
步骤1.2、构建包含电压质量提升目标及风电高渗透并网消纳目标，并考虑网络潮流约束、分布式风电特性约束的含分布式风电的配电系统优化运行模型。
分布式风电特性约束具体如下：
功率平衡约束：
式(4)中，Pi、Qi分别表示注入节点i的有功功率与无功功率；Ui、Uj分别表示节点i和j的电压幅值；Gij和Bij构成节点导纳矩阵；θij表示线路ij两端的相角差；
节点电压约束：
式(5)中，Ui表示节点i的电压幅值，和分别表示节点i的电压幅值上下限；
分布式风电场出力约束：
式(6)中，Pw(t)和Qw(t)分别表示第w个分布式风电场在t时刻输出的有功和无功功率；和分别表示第w个分布式风电场有功出力的上下限；分别表示无功调节范围的上下限，其大小与当前时刻的有功出力Pw(t)有关，即
步骤2、初始化电网及算法参数；
初始化电网及算法参数包括：系统网架结构、线路参数、负荷分布情况及其预测数据、风电场接入节点、出力限值及出力预测数据、初始个体数N、最大迭代次数KImax、概率参数P1、P2、P3、P4、归档集的个体数AS以及聚类的个数k。
步骤3、根据初始化个体公式生成N个满足约束条件的随机分布个体，每个个体即表示为一个控制向量，结合潮流计算结果、电压质量目标函数、风电高渗透并网消纳的目标函数，分别计算每个控制向量的目标函数值，评估得到非支配解，并存入归档集中；
初始化个体公式为：
式(7)中，表示第i个个体中第d维控制变量；xd.max和xd.min分别表示第d维控制变量的上下限；random(0,1)表示(0,1)之间的随机数。
步骤4、利用K均值聚类算法将N个控制向量在目标函数空间划分为k类，其中包含非支配解的类为精英类，没有非支配解的类为普通类，并由控制向量与目标函数值之间的映射关系得到精英解集和普通解集；
目标函数空间是指由电压质量提升目标函数和风电并网消纳目标函数构成的二维目标空间。
步骤5、根据概率选择和变异操作将生成N个新控制向量；
具体过程为：
步骤5.1、如图2所示，生成一个(0,1)之间的随机数，若该随机数大于概率参数P1，则从当前归档集中随机选择一个个体为待变异的控制向量xselect，若该随机数小于P1，则再生成一个(0,1)之间的随机数，并判断是否小于P2，若是则随机选择一个精英类，若否则随机选择两个类，选择一个类的根据参数P3的大小确定该类的类中心或类中任一个体为xselect，选择两个类的根据参数P3的大小确定这两类的类中心或类中任一个体进行线性组合作为xselect；
步骤5.2、对xselect进行变异操作：
变异操作的公式如下：
式(8)中，表示变异后的向量中第d维功率值；表示用来更新的向量中第d维功率值；ξ表示产生新控制量时的权重系数值；N(μ,σ)表示均值为μ，方差为σ的高斯随机函数；式(9)中，logsig()表示对数S型函数；KImax表示最大迭代数；t表示当前的迭代数；K表示改变logsig()函数的斜率；random()表示(0,1)之间的随机数；
步骤5.3、根据潮流计算的结果求解式(1)和式(3)的目标函数值，评估变异前后的N组向量，每组保留其中的非支配解，若变异前后的两个向量互不支配则随机选取其中一个保留，得到N个新控制向量。
步骤6、更新归档集；
具体过程为：
步骤6.1、将新生成的N个非支配解与归档集中的个体一一进行比较，判断新生成的N个非支配解是否支配归档集中的解；
若不支配，则放弃此新解；
若支配，则删除归档集中被支配的解，并将此新解存入归档集；
步骤6.2、检查归档集中解的个数是否达到归档集的最大容量；
如果大于归档集最大容量，删除归档集中拥挤距离最小的解；
如果不大于归档集最大容量，则进入下一轮迭代。
拥挤距离计算方法如下：
结合目标函数式(1)、式(3)可得控制向量的拥挤距离如式(10)所示：
式(10)中，D(i)表示第i个控制向量的拥挤距离；ΔUMCC(i)和Ep(i)分别表示第i个控制向量的电压质量目标函数值和风电渗透率目标函数值。
步骤7、进行迭代搜索寻优，当达到设置好的收敛精度或最大迭代次数时，输出相应的归档集，即Pareto解集；
步骤8、采用模糊隶属度函数式分别评估计算Pareto解集中每个控制向量的整体满意度值，选择整体满意度值最大的解为最优运行方案。
模糊隶属度函数式为：
式(11)、式(12)中，μn表示第n个目标函数的满意度；fn表示第n个电压质量目标函数值；和fn分别表示第n个电压质量目标函数值的上下限；μ表示整体满意度值；Nobj取值为2。
实施例
步骤1、以分布式风电接入的IEEE33节点配电系统作为算例进行仿真分析，配电系统结构如图4所示，接入的各风电场参数配置表1所示。
其中，表1的无功调节范围是受限于风机装机容量的理论可调范围，在风电场实际运行时其范围主要取决于图5所示的风机功率容量曲线和功率因数限制等因素。
该算例以24小时为一个调度周期，单位阶段时长为15分钟的负荷波动曲线及分布式风电场的有功出力曲线如图6所示。
表1分布式风电场的参数配置
步骤2、为防止负荷及风电出力波动等因素导致的电压不合格现象出现，将节点电压最大允许偏差设置为dU＝0.05，留有一定的波动裕量。为使优化调度模型求解收敛稳定并保证一定的收敛速度，将多目标头脑风暴优化算法的参数设置为：初始个体数N＝50，归档集容量数目AS＝20，最大迭代次数KImax＝500，四个概率参数分别为P1＝0.9、P2＝0.3、P3＝P4＝0.5，聚类个数k＝4。
步骤3、生成初始的控制向量，主要根据具体实施方式中的步骤3所述的原则进行设置。通过潮流计算结合目标函数式(1)～(3)求得各控制向量的目标函数值，评估筛选出控制向量中的非支配解，将其存入归档集中。
步骤4、采用K均值聚类方法将这N个控制向量在目标空间中聚为k类；根据聚类结果和非支配解划分精英类和标准类，并由控制向量与目标函数值之间的映射关系得到精英解集和标准解集。
步骤5、生成新控制向量，并保留变异前后的非支配解。
步骤6、更新归档集。
步骤7、按照上述步骤所述进行迭代搜索，当达到设置好的终止条件时，输出归档集，即Pareto解集。
步骤8、选择最优运行方案。
图7为采用本发明方法优化后的各风电场无功出力曲线。
图8～图10为优化运行后部分时段内各风电场的有功出力对比预测出力的削减情况。
对优化运行方案的电压质量优化效果进行分析，图11和图12分别为单位功率因数运行方式和采用本发明方法优化运行方案后的系统典型节点电压曲线。结合图6～图10分析可知，凌晨1:00至6:00左右，配电系统负荷处于低谷状态，但此时风电场出力接近满发，在这种情况下若不及时调整控制则极有可能出现因过电压导致的风机脱网现象，如图11所示。采用风电高渗透优化运行方案进行优化时，充分利用风机的无功能力参与系统运行调节，在各风电场的无功能力达到极限后还需降低其有功出力以调整电压至合格范围，如图12所示；下午17:00至21:00左右为负荷高峰期时，风电场有功出力较小，此时风电场出力无法满足系统负荷需求，若以单位功率因数运行将导致部分节点电压低于下限值，如图11所示。此时节点电压质量未达到安全运行的要求，继续如此运行甚至会引起电压失稳等严重后果。风电高渗透优化运行方案在这一时段控制风机输出无功功率，主动参与配电系统电压调节，使节点电压维持在0.95p.u.以上，如图12所示。总体来说，高渗透优化运行方案能使各节点电压保持在0.95～1.05p.u.的安全且优质的范围内，电压质量明显改善。
对优化运行方案的风电渗透率优化效果进行分析，分别计算单位功率因数运行方式与采用本发明方法优化运行方案的风电利用率指标及式(3)所示的风电渗透率指标，得到表2所示的计算结果。其中，为保证系统正常运行，单位功率因数运行时在系统节点电压超过规定的上限值时，采取弃风限电措施降低有功出力维持系统电压合格。如表2所示，采用风电高渗透优化运行方案的风电利用率和渗透率分别较单位功率因数运行方式提升了20.59％和18.86％。如图13以接入节点18的WT2为例展示了风电高渗透优化运行与单位功率因数运行的有功出力对比情况，在凌晨0:00至上午8:00以及晚上22:00至第二日0:00这两个时段内，与单位功率因数运行方式相比，风电高渗透优化运行方案的有功出力明显提高，表明提出的优化运行策略实现了风电资源的高度渗透和高效利用。
表2两种运行方式下风电场相关指标对比
通过上述方式，本发明一种考虑分布式风电高渗透并网的配电系统优化运行方法，在风电场出力以及负荷波动的情况下，充分利用风电机组的无功调节能力，将系统节点电压控制在了安全且优质的范围内，解决了因电压质量问题引发的风机脱网现象；与现有普遍以经济性为目标的配电系统优化模型相比，以风电高渗透并网消纳为优化目标代替系统运行经济性目标，保证了风电场发出的有功功率尽量全部并网消纳，实现了风电资源的高度渗透和高效利用。
Claims (10)
1.一种考虑分布式风电高渗透并网的配电系统优化运行方法，其特征在于，主要包括建立含分布式风电的配电系统优化运行模型并利用多目标头脑风暴优化算法求解，具体按照以下步骤实施：
步骤1、设计电压质量目标函数、风电高渗透并网消纳的目标函数，构建含分布式风电的配电系统优化运行模型；
步骤2、初始化电网及算法参数；
步骤3、根据初始化个体公式生成N个满足约束条件的随机分布个体，每个个体即表示为一个控制向量，结合潮流计算结果、电压质量目标函数、风电高渗透并网消纳的目标函数，分别计算每个控制向量的目标函数值，评估得到非支配解，并存入归档集中；
步骤4、利用K均值聚类算法将N个控制向量在目标函数空间划分为k类，其中包含非支配解的类为精英类，没有非支配解的类为普通类，并由控制向量与目标函数值之间的映射关系得到精英解集和普通解集；
步骤5、根据概率选择和变异操作将生成N个新控制向量；
步骤6、更新归档集；
步骤7、进行迭代搜索寻优，当达到设置好的收敛精度或最大迭代次数时，输出相应的归档集，即Pareto解集；
步骤8、采用模糊隶属度函数式分别评估计算Pareto解集中每个控制向量的整体满意度值，选择整体满意度值最大的解为最优运行方案。
2.根据权利要求1所述一种考虑分布式风电高渗透并网的配电系统优化运行方法，其特征在于，步骤1具体过程为：
步骤1.1、根据分布式风电接入配电系统的安全运行及高效利用清洁可再生能源的核心要求，设计系统电压质量提升目标函数和风电渗透率并网消纳的目标函数；
电压质量提升目标函数公式为：
式(1)中，ΔUMCC表示基于最大相关熵准则(maximum correntropy criterion，MCC)的电压质量指标；M表示主动配电系统节点数；K表示调度周期可划分的单位阶段数；ΔUi表示第i个节点的电压偏差；dU表示最大允许电压偏差量；σ取为常数1；函数g的表达式为：
追求风电高渗透并网消纳的目标函数公式为：
式(3)中，Ep表示分布式风电并网的渗透率指标；W表示接入配电系统中的分布式风电场数目，Pw(t)表示第w个风电场在t时刻输出的有功功率，Pload(t)表示t时刻配电区域的负荷功率，Δt表示单位阶段的时长；
步骤1.2、构建包含电压质量提升目标及风电高渗透并网消纳目标，并考虑网络潮流约束、分布式风电特性约束的含分布式风电的配电系统优化运行模型。
3.根据权利要求2所述一种考虑分布式风电高渗透并网的配电系统优化运行方法，其特征在于，所述网络潮流约束具体如下：
功率平衡约束：
式(4)中，Pi、Qi分别表示注入节点i的有功功率与无功功率；Ui、Uj分别表示节点i和j的电压幅值；Gij和Bij构成节点导纳矩阵；θij表示线路ij两端的相角差；
节点电压约束：
式(5)中，Ui表示节点i的电压幅值，和分别表示节点i的电压幅值上下限；
所述分布式风电场出力约束：
式(6)中，Pw(t)和Qw(t)分别表示第w个分布式风电场在t时刻输出的有功和无功功率；和分别表示第w个分布式风电场有功出力的上下限；分别表示无功调节范围的上下限，其大小与当前时刻的有功出力Pw(t)有关，即
4.根据权利要求1所述一种考虑分布式风电高渗透并网的配电系统优化运行方法，其特征在于，步骤2所述初始化电网及算法参数包括：系统网架结构、线路参数、负荷分布情况及其预测数据、风电场接入节点、出力限值及出力预测数据、初始个体数N、最大迭代次数KImax、概率参数P1、P2、P3、P4、归档集的个体数AS以及聚类的个数k。
5.根据权利要求3所述一种考虑分布式风电高渗透并网的配电系统优化运行方法，其特征在于，步骤3所述初始化个体公式为：
式(7)中，表示第i个个体中第d维控制变量；xd.max和xd.min分别表示第d维控制变量的上下限；random(0,1)表示(0,1)之间的随机数。
6.根据权利要求5所述一种考虑分布式风电高渗透并网的配电系统优化运行方法，其特征在于，步骤4所述目标函数空间是指由电压质量提升目标函数和风电并网消纳目标函数构成的二维目标空间。
7.根据权利要求5所述一种考虑分布式风电高渗透并网的配电系统优化运行方法，其特征在于，步骤5具体过程为：
步骤5.1、生成一个(0,1)之间的随机数，若该随机数大于概率参数P1，则从当前归档集中随机选择一个个体为待变异的控制向量xselect，若该随机数小于P1，则再生成一个(0,1)之间的随机数，并判断是否小于P2，若是则随机选择一个精英类，若否则随机选择两个类，选择一个类的根据参数P3的大小确定该类的类中心或类中任一个体为xselect，选择两个类的根据参数P3的大小确定这两类的类中心或类中任一个体进行线性组合作为xselect；
步骤5.2、对xselect进行变异操作：
变异操作的公式如下：
式(8)中，表示变异后的向量中第d维功率值；表示用来更新的向量中第d维功率值；ξ表示产生新控制量时的权重系数值；N(μ,σ)表示均值为μ，方差为σ的高斯随机函数；式(9)中，logsig()表示对数S型函数；KImax表示最大迭代数；t表示当前的迭代数；K表示改变logsig()函数的斜率；random()表示(0,1)之间的随机数；
步骤5.3、根据潮流计算的结果求解式(1)和式(3)的目标函数值，评估变异前后的N组向量，每组保留其中的非支配解，若变异前后的两个向量互不支配则随机选取其中一个保留，得到N个新控制向量。
8.根据权利要求1所述一种考虑分布式风电高渗透并网的配电系统优化运行方法，其特征在于，步骤6具体过程为：
步骤6.1、将新生成的N个非支配解与归档集中的个体一一进行比较，判断新生成的N个非支配解是否支配归档集中的解；
若不支配，则放弃此新解；
若支配，则删除归档集中被支配的解，并将此新解存入归档集；
步骤6.2、检查归档集中解的个数是否达到归档集的最大容量；
如果大于归档集最大容量，删除归档集中拥挤距离最小的解；
如果不大于归档集最大容量，则进入下一轮迭代。
9.根据权利要求8所述一种考虑分布式风电高渗透并网的配电系统优化运行方法，其特征在于，所述拥挤距离计算方法如下：
结合目标函数式(1)、式(3)可得控制向量的拥挤距离如式(10)所示：
式(10)中，D(i)表示第i个控制向量的拥挤距离；ΔUMCC(i)和Ep(i)分别表示第i个控制向量的电压质量目标函数值和风电渗透率目标函数值。
10.根据权利要求1所述一种考虑分布式风电高渗透并网的配电系统优化运行方法，其特征在于，步骤8所述模糊隶属度函数式为：
式(11)、式(12)中，μn表示第n个目标函数的满意度；fn表示第n个电压质量目标函数值；和fn 分别表示第n个电压质量目标函数值的上下限；μ表示整体满意度值；Nobj取值为2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810788401.6A CN109038654B (zh) | 2018-07-18 | 2018-07-18 | 一种考虑分布式风电高渗透并网的配电系统优化运行方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810788401.6A CN109038654B (zh) | 2018-07-18 | 2018-07-18 | 一种考虑分布式风电高渗透并网的配电系统优化运行方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109038654A true CN109038654A (zh) | 2018-12-18 |
| CN109038654B CN109038654B (zh) | 2021-09-10 |
Family
ID=64643778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810788401.6A Active CN109038654B (zh) | 2018-07-18 | 2018-07-18 | 一种考虑分布式风电高渗透并网的配电系统优化运行方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109038654B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112928760A (zh) * | 2021-02-04 | 2021-06-08 | 中国电建集团青海省电力设计院有限公司 | 计及电网负荷波动的风电场主动无功补偿控制方法 |
| CN113346501A (zh) * | 2021-05-21 | 2021-09-03 | 南京理工大学 | 基于头脑风暴算法的配电网电压优化方法及其系统 |
| CN115566739A (zh) * | 2022-11-21 | 2023-01-03 | 昆明理工大学 | 一种针对分布式风电接入配电网引起电压越限的抑制方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2010233046A1 (en) * | 2009-10-26 | 2011-05-12 | Ge Grid Solutions Llc | Power ramp rate control for renewable variable power generation systems |
| CN104037757A (zh) * | 2014-05-20 | 2014-09-10 | 西安理工大学 | 一种基于头脑风暴的火电厂经济环境调度方法 |
| CN104463374A (zh) * | 2014-12-23 | 2015-03-25 | 国家电网公司 | 一种分布式电源优化配置的方法及系统 |
| CN105098839A (zh) * | 2015-09-08 | 2015-11-25 | 江苏大学 | 一种基于风电不确定出力的风电并网协调优化方法 |
| CN107181272A (zh) * | 2017-05-23 | 2017-09-19 | 国网吉林省电力有限公司电力科学研究院 | 一种利用储能系统提升调峰空间的风电消纳方法 |
| CN108063450A (zh) * | 2016-11-05 | 2018-05-22 | 南京理工大学 | 一种风电高渗透率下的配电网的优化运行方法 |
-
2018
- 2018-07-18 CN CN201810788401.6A patent/CN109038654B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2010233046A1 (en) * | 2009-10-26 | 2011-05-12 | Ge Grid Solutions Llc | Power ramp rate control for renewable variable power generation systems |
| CN104037757A (zh) * | 2014-05-20 | 2014-09-10 | 西安理工大学 | 一种基于头脑风暴的火电厂经济环境调度方法 |
| CN104463374A (zh) * | 2014-12-23 | 2015-03-25 | 国家电网公司 | 一种分布式电源优化配置的方法及系统 |
| CN105098839A (zh) * | 2015-09-08 | 2015-11-25 | 江苏大学 | 一种基于风电不确定出力的风电并网协调优化方法 |
| CN108063450A (zh) * | 2016-11-05 | 2018-05-22 | 南京理工大学 | 一种风电高渗透率下的配电网的优化运行方法 |
| CN107181272A (zh) * | 2017-05-23 | 2017-09-19 | 国网吉林省电力有限公司电力科学研究院 | 一种利用储能系统提升调峰空间的风电消纳方法 |
Non-Patent Citations (1)
| Title |
|---|
| DUAN JIANDONG 等: "Optimal Operation of Distribution Network in Pursuit of High Effective Consumption of Distributed Wind", 《2018 13TH IEEE CONFERENCE ON INDUSTRIAL ELECTRONICS AND APPLICATIONS (ICIEA)》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112928760A (zh) * | 2021-02-04 | 2021-06-08 | 中国电建集团青海省电力设计院有限公司 | 计及电网负荷波动的风电场主动无功补偿控制方法 |
| CN113346501A (zh) * | 2021-05-21 | 2021-09-03 | 南京理工大学 | 基于头脑风暴算法的配电网电压优化方法及其系统 |
| CN113346501B (zh) * | 2021-05-21 | 2022-11-11 | 南京理工大学 | 基于头脑风暴算法的配电网电压优化方法及其系统 |
| CN115566739A (zh) * | 2022-11-21 | 2023-01-03 | 昆明理工大学 | 一种针对分布式风电接入配电网引起电压越限的抑制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109038654B (zh) | 2021-09-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108470239B (zh) | 计及需求侧管理和储能的主动配电网多目标分层规划方法 | |
| CN107301472B (zh) | 基于场景分析法和电压调节策略的分布式光伏规划方法 | |
| Hong et al. | Multiscenario underfrequency load shedding in a microgrid consisting of intermittent renewables | |
| García-Triviño et al. | Long-term optimization based on PSO of a grid-connected renewable energy/battery/hydrogen hybrid system | |
| CN112651634B (zh) | 基于序列运算的有源配电系统源网荷储日前有功调度方法 | |
| CN108092324B (zh) | 一种风电参与调峰调频的agc控制系统和控制方法 | |
| CN101931241A (zh) | 风电场并网协调控制方法 | |
| CN108599269A (zh) | 一种考虑风险成本的大电网自适应鲁棒备用优化方法 | |
| CN112072711A (zh) | 基于动态优先级的配电网灵活性优化调度方法 | |
| 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 | |
| CN109038654A (zh) | 一种考虑分布式风电高渗透并网的配电系统优化运行方法 | |
| 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 | |
| CN113224769B (zh) | 考虑光伏多状态调节的多时间尺度配电网电压优化方法 | |
| CN113937825A (zh) | 一种基于E-C-Kmeans聚类和SOP优化的DG双层优化配置方法 | |
| CN112085327B (zh) | 一种配电商参与的主动配电网多层分区调控方法及系统 | |
| CN110445127A (zh) | 一种面向多重随机不确定性的配电网无功优化方法及系统 | |
| CN115622146A (zh) | 一种梯级水光蓄互补系统调度决策方法 | |
| CN116937637A (zh) | 一种多能互补提供频率支撑的储能容量分布鲁棒规划方法 | |
| CN110311386A (zh) | 一种基于pso新能源电站自发无功和svg无功补偿的容量优化配置方法 | |
| CN109038653A (zh) | 一种追求分散式风电高效消纳的配电网优化运行方法 | |
| CN114465226A (zh) | 一种电力系统多级备用获取联合优化模型的建立方法 | |
| CN117353387A (zh) | 一种日前市场下水风光联合互补优化调度方法 | |
| CN116245318A (zh) | 基于大数据填补与聚类的电力系统日前调度方法和系统 | |
| CN114204599B (zh) | 一种抑制配电网电压波动的分布式储能布点运行控制方法 | |
| Alam et al. | Unit commitment of thermal units in integration with wind and solar energy considering ancillary service management using priority list (IC) based genetic algorithm |
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 |