CN109103898A - 基于风电功率超短期预测误差的电力系统电压控制方法 - Google Patents
基于风电功率超短期预测误差的电力系统电压控制方法 Download PDFInfo
- Publication number
- CN109103898A CN109103898A CN201811249108.9A CN201811249108A CN109103898A CN 109103898 A CN109103898 A CN 109103898A CN 201811249108 A CN201811249108 A CN 201811249108A CN 109103898 A CN109103898 A CN 109103898A
- Authority
- CN
- China
- Prior art keywords
- power
- wind
- voltage
- ultrashort
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000001276 controlling effect Effects 0.000 claims abstract description 69
- 239000003990 capacitor Substances 0.000 claims abstract description 31
- 230000003068 static effect Effects 0.000 claims abstract description 31
- 238000010248 power generation Methods 0.000 claims abstract description 22
- 230000001105 regulatory effect Effects 0.000 claims abstract description 19
- 230000005684 electric field Effects 0.000 claims abstract description 15
- 230000005611 electricity Effects 0.000 claims description 40
- 230000006870 function Effects 0.000 claims description 16
- 230000010354 integration Effects 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000011217 control strategy Methods 0.000 claims description 3
- 239000005364 simax Substances 0.000 claims description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims 1
- 240000002853 Nelumbo nucifera Species 0.000 claims 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims 1
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000001939 inductive effect Effects 0.000 description 3
- 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 description 2
- 241001269238 Data Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
-
- H02J3/386—
-
- 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
- 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
-
- 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
本发明公开了基于风电功率超短期预测误差的电力系统电压控制方法，首先构建风电功率超短期预测误差的概率密度分布；再利用概率密度分布获取风电机组在调度控制周期内的无功功率调节能力；其次将风电机组在调度控制周期内的无功功率调节能力作为不等式约束方程并构建电压控制模型；利用电网电压超过允许范围时刻的实时信息并采用两层内点法求解电压控制模型实时得到风电场风机的无功功率、静止无功补偿器的无功功率、常规发电机组的机端电压、电容/电抗器的投切组数来实现电压调节控制。该方法充分利用风电场内风电机组和无功补偿设备的无功调节能力，减少了电容/电抗器的投切次数。
Description
技术领域
本发明属于电力技术领域，具体涉及一种基于风电功率超短期预测误差的电力系统电压控制方法。
背景技术
电力系统电压保持在允许的范围是电网安全运行的基本要求之一。随着风电接入电网的规模增加，风电功率的波动性引起电网电压波动明显增大。特别地，大部分风电集中接入地区电网末端站，而末端站大都配置较少的感性无功补偿设备且其无功输出量不能连续调节，导致地区电网电压问题突出。基于传统的地区电网电压控制方式，即通过电容/电抗器的投切，难以满足规模化风电并网后电压安全稳定运行的要求。
国内外，对含规模化风电的电力系统电压控制一般仅考虑风电场内无功补偿设备参与电网电压调节，而不考虑风电机组本身的无功调节能力。部分现有方法虽然考虑了风电机组的无功调节能力，但是没有考虑风机有功功率的强波动性对其无功控制能力的影响，导致控制效果有效，存在一定的局限性。
发明内容
本发明的目的是提供一种基于风电功率超短期预测误差的电力系统电压控制方法，即提供了一种全新方法将风电场的无功调节参与至电网电压调节中，基于风电功率超短期预测误差准确评估风电机组的无功控制能力，克服风电功率的强波动性对其无功调节能力的影响，本发明通过充分利用风电场内风电机组和无功补偿设备的无功调节能力，可有效提高地区电网的电压稳定水平，减少电容/电抗器的投切次数，对保证规模化风电并网后系统的安全经济运行具有重要意义。
一种基于风电功率超短期预测误差的电力系统电压控制方法，包括如下步骤：
S1：基于风电机组风电功率的实际值与超短期预测值的历史数据构建风电功率超短期预测误差的概率密度分布；
其中，风电功率超短期预测误差等于同一时刻风电功率的实际值和超短期预测值之差的绝对值与实际值之比；
S2：基于风电功率超短期预测误差的概率密度分布计算风电功率超短期预测误差区间的累加概率Pt大于预设可信度ε时对应的预测误差范围，再基于所述预测误差范围获取风电机组在调度控制周期内的无功功率调节能力；
a：当Pprei/(1－Pd)<Pwri时，其中，无功功率调节能力如下：
b：当Pprei/(1－Pd)≥Pwri时，其中，无功功率调节能力如下：
式中，Swi为风电机组的额定容量，Pwri为风电机组的额定功率，Pd为风电功率超短期预测误差的累加概率Pt大于预设可信度ε时的预测误差范围，Qwi为风电机组的无功功率；
S3：获取以负荷母线及风电并网母线电压偏差、控制变量的代价和网络损耗为目标函数构建的电压控制模型；
其中，所述风电机组在调度控制周期内的无功功率调节能力为电压控制模型的不等式约束方程，所述电压控制模型如下所示：
min F＝F1+F2+F3
式中，F为目标函数，F1为负荷母线及风电并网母线电压偏差加权值，F2为控制变量的代价加权值，F3为网络损耗加权值，g(y,u)＝0表示电网潮流方程，u、y分别为风电电力系统的控制向量和代数向量，umax、umin为控制向量u的上下限，ymax、ymin为代数向量y的上下限；
控制向量包括连续控制变量和离散控制变量，所述连续控制变量包括风电场风机的无功功率、静止无功补偿器的无功功率、常规发电机组的机端电压；所述离散控制变量为电容/电抗器的投切组数；
所述代数向量包括常规发电机组的无功功率、输电线路的功率和系统母线电压；
S4：基于S2获取的风电机组在调度控制周期内的无功功率调节能力，在调控控制周期内利用电网电压超过允许范围时刻的实时信息并采用两层内点法求解电压控制模型实时得到控制向量中控制变量的值，并将得到的控制变量作为电压控制策略实现电压调节控制。
本发明充分挖掘风电机组的无功控制能力，将其作为约束条件加入电压控制模型中。从电压控制模型可知，本发明通过同时考虑风电机组和无功补偿设备的无功调节能力，可以充分利用风电机组和无功补偿设备的无功调节能力，相较于常规仅采用常规机组、投切电容\电抗的传统电压控制方式，本发明可有效提高地区电网的电压稳定水平，减少电容/电抗器的投切次数。其中，本发明挖掘风电机组的无功控制能力时，是基于风电功率超短期预测误差得出，通过考虑超短期预测误差，可以更加准确地评估风电机组的无功控制能力，克服风电功率的强波动性对无功调节能力的影响，进而提高本发明构建电压控制模型的可靠性，可以得到更加可靠的控制结果。
电网电压超过允许范围时刻的实时信息与构建的电压控制模型相匹配，即得到电压控制模型所需的信息，如模型自变量、固定参数值等，进而利用实时信息求解电压控制模型得到控制变量(风电场风机的无功功率、静止无功补偿器的无功功率、常规发电机组的机端电压、电容/电抗器的投切组数。)
进一步优选，所述风电功率超短期预测误差的概率密度分布的构建过程如下：
首先，将风电机组风电功率的实际值与超短期预测值的历史数据作为样本，并计算样本中每一时刻的风电功率超短期预测误差；
eti＝|Pprei-Pwi|/Pwi
式中，eti为第i时刻的风电功率超短期预测误差，Pwi、Pprei分别为第i时刻的风电功率实际值和超短期预测值；
其次，获取样本中风电功率超短期预测误差最大值，并依据预测误差最大值将预测误差范围区间等间距划分N个区间；
每个区间的预测误差间隔Δet如下：
Δet＝etmax/N
式中，etmax为风电功率超短期预测误差最大值，N为正整数；
再者，按照各个区间的预测误差范围将样本中风电功率超短期预测误差划分至相匹配区间，并计算每个区间中风电功率个数占样本总数的比值；
式中，pti为第i个区间中风电功率个数占样本总数的比值，Mi为第i个区间的风电功率个数，M为样本总数；
最后，依据每个区间中风电功率个数占样本的比值计算出所述风电功率超短期预测误差的概率密度分布，如下所示：
pt(et)为风电功率超短期预测误差et处的概率密度分布。
进一步优选，所述风电功率超短期预测误差的累加概率Pt大于预设可信度ε时的预测误差范围值Pd计算过程如下：
首先，基于预测可信度ε以及风电功率超短期预测误差的概率密度分布求解下不等式得到参数d的最小值dmin；
d为正整数
然后，依据最小值dmin计算出预测误差范围值Pd；
Pd＝dminΔet。
进一步优选，采用两层内点法求解电压控制模型实时得到控制向量中控制变量的值的过程为：
首先，将电压控制模型中的离散控制变量当成连续控制变量，并利用内点法求出电压控制模型的初始最优解；
然后，将初始最优解中离散控制变量对应部分取整并作为电压控制模型中离散控制变量的最终解；
再者，将离散控制变量的最终解固定为常数带入电压控制模型，再利用内点法求取连续控制变量的最优解，进而得到电压控制模型的最终解。
内点法是常用于求解含连续控制变量的优化方法，该方式已为成熟技术；本发明基于内点法来实现求解含连续-离散控制变量的优化问题，其思路是先将离散控制变量当做连续控制变量来求解，再将离散控制变量的最终解固定为常数带入模型，随后再求解模型。
进一步优选，所述电压控制模型中负荷母线及风电并网母线电压偏差加权值F1、控制变量的代价加权值F2以及网络损耗加权值F3的表达式如下所示：
F3＝λpPloss
其中，λlu和λwu分别为负荷节点和风电场并网点的电压偏差加权系数；Uli和Uwi分别为负荷节点和风电场并网点电压；和分别为负荷节点和风电场并网点的参考电压；Ulimax、Ulimin和Uwimax、Uwimin分别为对应变量的上下限；
λwq、λs、λg和λc分别为风电机组无功、静止无功补偿器无功、常规机组电压、电容/电抗器投切组数的偏差加权系数；ΔQwi、ΔQsi、ΔUgi和ΔNci分别为风电机组无功偏差、静止无功补偿器无功偏差、常规机组电压偏差、电容器/电抗器投切组数偏差；SRwi、QRsi、ΔUi和NRci分别为风电机组额定容量、静止无功补偿器的额定容量、常规机组电压变化范围和电容器/电抗器投切总组数；
Ploss为风电电力系统的有功损耗，λp为有功损耗加权系数。
其中，偏差是指待求变量与初始值的偏差值。
进一步优选，所述风电机组无功偏差加权系数λwq均小于静止无功补偿器无功的偏差加权系数λs、常规机组电压的偏差加权系数λg、电容/电抗器投切组数的偏差加权系数λc。
风电机组无功偏差加权系数要小于其它控制变量的加权系数时，可使得优先利用风电机组的无功调节能力，减少离散无功投切装置的动作次数。
进一步优选，所述电压控制模型中，除风电机组在调度控制周期内的无功功率调节能力之外，不等式约束方程还包括如下方程：
其中，Ugi为常规发电机组的机端电压、Qsi为静止无功补偿器的无功功率、Bi为电容/电抗器投切量、Qgi为常规发电机组的无功功率、Plinei为输电线路的功率以及Ulwi为系统母线电压；Ugimax、Ugimin，Qsimax、Qsimin，Bimax、Bimin，Ulwimax、Ulwimin和Qgimax、Qgimin分别为对应变量的上下限；Plineimax为输电线路的功率控制限额值，Bi＝Nci×Bsi＝(Nc0i+ΔNci)×Bsi，Bsi为单组电容/电抗器的电纳，Nci为电容/电抗器的投切组数，Nc0i为初始投切组数。进一步优选，所述电压控制模型中的所述电网潮流方程如下所示：
其中，Pgi、Qgi为常规发电机的有功和无功功率；Pwi、Qwi为风电场风机的有功和无功功率；Pli、Qli分别为负荷的有功和无功功率；Qsi为静止无功补偿器的无功功率；Gij、Bij、θij分别为节点i与j之间的电导、电纳和电压相角差；m为系统节点数。
电网潮流方程表示各个量必须满足的等式约束。
进一步优选，所述电压控制模型中的自变量包括：风电场风机有功功率、常规发电机组的有功和无功功率、负荷的有功和无功功率、母线电压、电网结构，以及控制变量的初始值。
在控制模型中，风电场风机的有功功率、常规发电机组的有功和无功功率、负荷的有功和无功功率、母线电压、电网结构，以及控制变量的初始值为自变量。通过输入上述自变量大小，得到控制变量的值。控制变量为风电场风机的无功功率、静止无功补偿器的无功功率、常规发电机组的机端电压、电容/电抗器的投切组数。其中，负荷节点和风电场并网点的电压已包含在母线电压中，电网结构指电网中节点间的电导Gij、电纳Bij，关于输电线路功率是基于确定的电网结构以及已知量计算得到。
有益效果
1、本发明提供了一种全新的压协同控制方法来实现将风电场本身的无功调节能力应用至电力系统的电压控制中，可以充分挖掘风电机组的无功控制能力，提高风电电力系统的连续电压调节能力。
2、一方面将风电机组的无功控制能力作为约束条件来构建电压控制模型，构建的电压控制模型的风电场风机的无功功率、静止无功补偿器的无功功率、常规发电机组的机端电压、电容/电抗器的投切组数，从中可以看出，本发明的电压控制模型是在传统常规电压控制调节手段增设了风电场内风电机组和无功补偿设备的无功调节能力，可有效地提高地区电网的电压稳定水平，减少电容/电抗器的投切次数，对保证规模化风电并网后系统的安全经济运行具有重要意义，具有良好的推广应用价值和前景。
3、本发明再得到风电机组的无功控制能力时是基于风电功率超短期预测误差得到的，通过考虑风电功率的超短期预测误差，可准确评估风电机组的无功控制能力，克服了风电功率的强波动性对其无功调节能力的影响，且相关技术还未见报道。
4、本发明构建的电压控制模型中，在控制变量的代价加权值F2中风电机组无功偏差加权系数要小于其它控制变量的加权系数，可使得更优先利用风电机组的无功调节能力，进而减少离散无功投切装置的动作次数。
附图说明
图1是本发明基于风电功率超短期预测误差的电力系统电压控制方法的工作流程图；
图2为某实际风电电力系统结构示意图；
图3为某实际风电场风功率超短期预测误差概率密度分布示意图；
图4为风电机组不参与电压控制的节点电压变化曲线；
图5为风电机组参与电压控制的节点电压变化曲线；
具体实施方式
下面将结合实施例对本发明做进一步的说明。
如图1所示，本发明提供的一种基于风电功率超短期预测误差的电力系统电压控制方法，包括如下步骤：
S1：基于风电机组风电功率的实际值与超短期预测值的历史数据构建风电功率超短期预测误差的概率密度分布。
其中，将风电机组风电功率的实际值与超短期预测值的历史数据作为样本M，求取样本中每一时刻的风电功率超短期预测误差为；
eti＝|Pprei-Pwi|/Pwi (1)
式中，eti为第i时刻的风电功率超短期预测误差，Pwi、Pprei分别为第i时刻的风电功率实际值和超短期预测值。
然后，将样本中风电功率超短期预测误差的最大值记录为etmax，并依据预测误差最大值etmax将预测误差范围区间等间距划分N个区间，每个区间的预测误差间隔Δet如下：
Δet＝etmax/N (2)
因此，预测误差范围区间排布为：{(0,Δet],(Δet,2Δet],...,((N-1)Δet,NΔet]}。
将样本中风电功率超短期预测误差值全部划分到上述N个区间中，再计算每个区间中风电功率个数占样本总数的比值，即：
式中，pti为第i个区间中风电功率个数占样本总数的比值，Mi为第i个区间的风电功率个数，M为样本总数。
基于式(2)～(3)，风电功率超短期预测误差的概率密度分布pt为
需要说明的是，风电功率超短期预测误差的概率密度分布是依据大量历史数据的统计规律，在一段较短的时间内变化不大，没有必要利用实时的风电功率信息实时更新该概率密度分布，故选择周期性更新，例如，设定一个月更新一次，更新后则使用新的概率密度分布。
S2：获取风电机组在调度控制周期内的无功功率调节能力。其中，首先基于风电功率超短期预测误差的概率密度分布计算风电功率超短期预测误差的概率大于预设可信度时的预测误差范围，再基于所述预测误差范围获取风电机组在调度控制周期内的无功功率调节能力。
取风电功率超短期预测值的可信度为ε，求解不等式：
得到d(d为整数)的最小值dmin。即风电功率超短期预测误差的概率Pt大于ε的范围为Pd＝dminΔet。
从上述公式5可知，本发明是计算各预测误差范围区间的概率累加大于预设可信度时对应的预测误差范围。
对于额定容量为Swi，额定功率为Pwri的风电机组，当Pprei/(1－Pd)<Pwri时，其无功控制能力为：
当Pprei/(1－Pd)≥Pwri时，其无功控制能力为：
S3：获取以负荷母线及风电并网母线电压偏差、控制变量的代价和网络损耗为目标函数构建的电压控制模型，其中，风电机组在调度控制周期内的无功功率调节能力作为模型不等式约束方程。
本实施例中，若是第一次预测，则构建并获取模型；若是非第一次预测，例如周期性更新了概率密度分布，则获取模型，之后再更新模型来实时预测。因此，本发明不限定本步骤是构建电压控制模型或者获取已构建的电压模型。
电压控制模型中目标函数为：
其中，F为目标函数，F1为负荷母线及风电并网母线电压偏差加权值，F2为控制变量的代价加权值，F3为网络损耗加权值。λlu和λwu分别为负荷节点和风电场并网点的电压偏差加权系数；Uli和Uwi分别为负荷节点和风电场并网点电压；和分别为负荷节点和风电场并网点的参考电压；Ulimax、Ulimin和Uwimax、Uwimin分别为对应变量的上下限；
λwq、λs、λg和λc分别为风电机组无功、静止无功补偿器无功、常规机组电压、电容/电抗器投切组数的偏差加权系数，其均为正数。为优先利用风电机组的无功能力，减少离散无功投切装置的动作次数，风电机组无功偏差加权系数λwq要小于其它控制变量的加权系数。ΔQwi、ΔQsi、ΔUgi和ΔNci分别为风电机组无功偏差、静止无功补偿器无功偏差、常规机组电压偏差、电容器/电抗器投切组数偏差，偏差是指待求控制变量与其初始值的差值；SRwi、QRsi、ΔUi和NRci分别为风电机组额定容量、静止无功补偿器的额定容量、常规机组电压变化范围和电容器/电抗器投切总组数；
Ploss为风电电力系统的有功损耗，λp为有功损耗加权系数。
电压控制模型中约束条件包括电网潮流方程和不等式约束方程。电网潮流方程为
其中，Pgi、Qgi为常规发电机的有功和无功功率；Pwi、Qwi为风电场风机的有功和无功功率；Pli、Qli分别为负荷的有功和无功功率；Qsi为静止无功补偿器的无功功率；Gij、Bij、θij分别为节点i与j之间的电导、电纳和电压相角差；m为系统节点数。其中，电网潮流方程是复杂的非线性方程，是需要进行大量的近似处理和假设才可得到。
不等式约束方程包括除了风电机组在调度控制周期内的无功功率调节能力(式(6)、(7))之外，还包括式(10)。其中式(10)为静止无功补偿器的无功功率Qsi、常规发电机组的机端电压Ugi、电容/电抗器投切量Bi、常规发电机组的无功功率Qgi、输电线路的功率Plinei以及系统母线电压Ulwi的不等式约束，即：
其中，Ugimax、Ugimin，Qsimax、Qsimin，Bimax、Bimin，Ulwimax、Ulwimin和Qgimax、Qgimin分别为对应变量的上下限；Plineimax为输电线路的功率控制限额值。
基于上述目标函数(8)和约束条件(6)-(7)、(10)，风电电力系统电压控制模型可简记为：
其中，u、y分别为风电电力系统的控制向量和代数向量。umax、umin为控制向量u的上下限，ymax、ymin为代数向量y的上下限。控制向量u包括风电场风机的无功功率、静止无功补偿器的无功功率Qsi、常规发电机组的机端电压Ugi和电容/电抗器投切量Bi。代数向量y包括常规发电机组的无功功率Qgi、输电线路的功率Plinei和系统母线电压Ulwi。
S4：在调控控制周期内利用电网电压超过允许范围时刻的实时信息并采用两层内点法求解电压控制模型实时得到控制向量中控制变量的值，并将得到的控制变量作为电压控制策略实现电压调节控制。
电压控制是在电网母线电压超过允许的范围后，启动电压控制流程。当电网电压超过允许范围时刻时，采集电网以及风电场等设备的实时信息，利用实时信息更新电压控制模型中参数/变量，再采用两层内点法求得当前时刻的控制变量的值，进而将控制变量(风电场风机的无功功率、静止无功补偿器的无功功率、常规发电机组的机端电压、电容/电抗器的投切组数)通过电网自动电压控制系统下发至风电场、常规电厂以及变电站的电压调节器执行。具体是利用实时信息更新目标函数(8)、电网潮流方程(9)以及不等式约束方程(10)，基于更新后的模型再计算电压控制模型的最终解u*(风电场风机的无功功率、静止无功补偿器的无功功率、常规发电机组的机端电压、电容/电抗器的投切组数)。
根据上述模型的各个表达式可知，本电压控制模型中风电场风机的有功功率、常规发电机组的有功和无功功率、负荷的有功和无功功率、母线电压、电网结构，以及控制变量的初始值为自变量。通过输入上述自变量大小，得到控制变量的值。控制变量为风电场风机的无功功率、静止无功补偿器的无功功率、常规发电机组的机端电压、电容/电抗器的投切组数。
其中，利用实时信息更新模型后，采用二层内点法求解模型，其过程具体如下：
(1)首先，将电压控制模型中的离散控制变量当成连续控制变量，并利用内点法求出电压控制模型的初始最优解；
(2)然后，将初始最优解中离散控制变量对应部分取整并作为电压控制模型中离散控制变量的最终解；
(3)再者，将离散控制变量的最终解固定为常数带入电压控制模型，再利用内点法求取连续控制变量的最优解，进而得到电压控制模型的最终解。
其中，使用内点法来求解连续控制变量是现有的手段，本发明对此计算过程并无改进，因此不计算过程进行具体说明。
以下将以某应用为例子进一步说明本发明的优点和有益效果。
图2为某实际风电电力系统结构示意图。该系统中，风电场A、B、C、D的额定功率分别为98MW、48MW、50MW、100MW；风电厂A的额定功率为54MW。风电场A、D中，静止无功补偿器容量均为5Mvar；风电场B、C中，静止无功补偿器容量均为2.5Mvar。在规模化风电场接入之前，该系统处于电网的末端，基本没有配置感性无功补偿设备。110kV母线电压允许的运行范围为111～118kV，220kV母线电压允许的运行范围为225～235kV。
将仅采用常规机组、投切电容\电抗的传统电压控制，记为策略1；采用本发明所提风电场(风机、静止无功补偿器)、常规机组以及投切电容电抗的电压协同控制，记为策略2。
基于风电功率及其超短期预测值的大量历史数据(数据时间间隔5分钟)，利用式(1)-(4)得到风电场A的风电功率超短期预测误差概率密度分布，具体如图3所示。取风电功率超短期预测值的可信度为ε＝0.95，求解式(5)得风电场A的风电功率超短期预测误差的概率Pt大于ε的超短期预测误差范围Pd＝0.15。风电场B、C、D可得到类似结果。
进一步基于式(6)、(8)-(10)形成电压控制模型，并利用两层内点法求取电压控制策略2：风电场A、B、C、D的风机无功功率为-13.6Mvar、-6.7Mvar、-4.7Mvar、-5.8Mvar，静止无功补偿器无功功率均为0，风电厂A母线电压111.6kV。
将其与采用策略1进行比对，如图4所示为仅采用策略1的母线电压变化曲线。由图4可见，在风电功率波动情况下，仅采用策略1，母线9、12、17的电压均高于允许的最大电压值。在t＝79s时，母线9、12、17的电压最大值分别为120.2kV、120.6kV、119.4kV。
采用策略2的母线电压变化曲线如图5所示。由图5可见，采用策略2后，母线9、12、17的电压降低；在t＝79s时，母线9、12、17的电压最大值分别为117.0kV、116.1kV、114.3kV，电压值均在允许的运行范围内。
在策略2的作用下，风电场A、B、C、D的风机无功出力分别在-13.6Mvar、-6.7Mvar、-4.7Mvar、-5.8Mvar左右，吸收电网的无功功率，保持母线电压在允许的运行范围内。而策略1中，由于该系统缺乏感性无功补偿的电抗，仅依靠水电厂A参与电压调节，电压难以控制在允许的运行范围内。因此可知，策略2可以更好的实现电压控制调节，保持母线电压再允许的运行范围内。
需要强调的是，本发明所述的实例是说明性的，而不是限定性的，因此本发明不限于具体实施方式中所述的实例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，不脱离本发明宗旨和范围的，不论是修改还是替换，同样属于本发明的保护范围。
Claims (9)
1.一种基于风电功率超短期预测误差的电力系统电压控制方法，其特征在于：包括如下步骤：
S1：基于风电机组风电功率的实际值与超短期预测值的历史数据构建风电功率超短期预测误差的概率密度分布；
其中，风电功率超短期预测误差等于同一时刻风电功率的实际值和超短期预测值之差的绝对值与实际值之比；
S2：基于风电功率超短期预测误差的概率密度分布计算风电功率超短期预测误差区间的累加概率Pt大于预设可信度ε时对应的预测误差范围，再基于所述预测误差范围获取风电机组在调度控制周期内的无功功率调节能力；
a：当Pprei/(1－Pd)<Pwri时，其中，无功功率调节能力如下：
b：当Pprei/(1－Pd)≥Pwri时，其中，无功功率调节能力如下：
式中，Swi为风电机组的额定容量，Pwri为风电机组的额定功率，Pd为风电功率超短期预测误差的累加概率Pt大于预设可信度ε时的预测误差范围，Qwi为风电机组的无功功率；
S3：获取以负荷母线及风电并网母线电压偏差、控制变量的代价和网络损耗为目标函数构建的电压控制模型；
其中，所述风电机组在调度控制周期内的无功功率调节能力为电压控制模型的不等式约束方程，所述电压控制模型如下所示：
min F＝F1+F2+F3
式中，F为目标函数，F1为负荷母线及风电并网母线电压偏差加权值，F2为控制变量的代价加权值，F3为网络损耗加权值，g(y,u)＝0表示电网潮流方程，u、y分别为风电电力系统的控制向量和代数向量，umax、umin为控制向量u的上下限，ymax、ymin为代数向量y的上下限；
控制向量包括连续控制变量和离散控制变量，所述连续控制变量包括风电场风机的无功功率、静止无功补偿器的无功功率、常规发电机组的机端电压；所述离散控制变量为电容/电抗器的投切组数；
所述代数向量包括常规发电机组的无功功率、输电线路的功率和系统母线电压；
S4：基于S2获取的风电机组在调度控制周期内的无功功率调节能力，在调控控制周期内利用电网电压超过允许范围时刻的实时信息并采用两层内点法求解电压控制模型实时得到控制向量中控制变量的值，并将得到的控制变量作为电压控制策略实现电压调节控制。
2.根据权利要求1所述的方法，其特征在于：所述风电功率超短期预测误差的概率密度分布的构建过程如下：
首先，将风电机组风电功率的实际值与超短期预测值的历史数据作为样本，并计算样本中每一时刻的风电功率超短期预测误差；
eti＝|Pprei-Pwi|/Pwi
式中，eti为第i时刻的风电功率超短期预测误差，Pwi、Pprei分别为第i时刻的风电功率实际值和超短期预测值；
其次，获取样本中风电功率超短期预测误差最大值，并依据预测误差最大值等间距划分N个预存误差范围区间；
每个区间的预测误差间隔Δet如下：
Δet＝etmax/N
式中，etmax为风电功率超短期预测误差最大值，N为正整数；
再者，按照各个区间的预测误差范围将样本中风电功率超短期预测误差划分至相匹配区间，并计算每个区间中风电功率个数占样本总数的比值；
式中，pti为第i个区间中风电功率个数占样本总数的比值，Mi为第i个区间的风电功率个数，M为样本总数；
最后，依据每个区间中风电功率个数占样本的比值计算出所述风电功率超短期预测误差的概率密度分布，如下所示：
pt(et)为风电功率超短期预测误差et处的概率密度分布。
3.根据权利要求2所述的方法，其特征在于：所述风电功率超短期预测误差的累加概率Pt大于预设可信度ε时的预测误差范围值Pd计算过程如下：
首先，基于预测可信度ε以及风电功率超短期预测误差的概率密度分布求解下不等式得到参数d的最小值dmin；
d为正整数
然后，依据最小值dmin计算出预测误差范围值Pd；
Pd＝dminΔet。
4.根据权利要求1所述的方法，其特征在于：采用两层内点法求解电压控制模型实时得到控制向量中控制变量的值的过程为：
首先，将电压控制模型中的离散控制变量当成连续控制变量，并利用内点法求出电压控制模型的初始最优解；
然后，将初始最优解中离散控制变量对应部分取整并作为电压控制模型中离散控制变量的最终解；
再者，将离散控制变量的最终解固定为常数带入电压控制模型，再利用内点法求取连续控制变量的最优解，进而得到电压控制模型的最终解。
5.根据权利要求1所述的方法，其特征在于：所述电压控制模型中负荷母线及风电并网母线电压偏差加权值F1、控制变量的代价加权值F2以及网络损耗加权值F3的表达式如下所示：
F3＝λpPloss
其中，λlu和λwu分别为负荷节点和风电场并网点的电压偏差加权系数；Uli和Uwi分别为负荷节点和风电场并网点电压；和分别为负荷节点和风电场并网点的参考电压；Ulimax、Ulimin和Uwimax、Uwimin分别为对应变量的上下限；
λwq、λs、λg和λc分别为风电机组无功、静止无功补偿器无功、常规机组电压、电容/电抗器投切组数的偏差加权系数；ΔQwi、ΔQsi、ΔUgi和ΔNci分别为风电机组无功偏差、静止无功补偿器无功偏差、常规机组电压偏差、电容器/电抗器投切组数偏差；SRwi、QRsi、ΔUi和NRci分别为风电机组额定容量、静止无功补偿器的额定容量、常规机组电压变化范围和电容器/电抗器投切总组数；
Ploss为风电电力系统的有功损耗，λp为有功损耗加权系数。
6.根据权利要求5所述的方法，其特征在于：所述风电机组无功偏差加权系数λwq均小于静止无功补偿器无功的偏差加权系数λs、常规机组电压的偏差加权系数λg、电容/电抗器投切组数的偏差加权系数λc。
7.根据权利要求1所述的方法，其特征在于：所述电压控制模型中，除风电机组在调度控制周期内的无功功率调节能力之外，不等式约束方程还包括如下方程：
其中，Ugi为常规发电机组的机端电压、Qsi为静止无功补偿器的无功功率、Bi为电容/电抗器投切量、Qgi为常规发电机组的无功功率、Plinei为输电线路的功率以及Ulwi为系统母线电压；Ugimax、Ugimin，Qsimax、Qsimin，Bimax、Bimin，Ulwimax、Ulwimin和Qgimax、Qgimin分别为对应变量的上下限；Plineimax为输电线路的功率控制限额值，Bi＝Nci×Bsi，Bsi为单组电容/电抗器的电纳，Nci为电容/电抗器的投切组数。
8.根据权利要求7所述的方法，其特征在于：所述电压控制模型中的约束方程还包括电网潮流方程；
其中，所述电网潮流方程如下所示：
其中，Pgi、Qgi为常规发电机的有功和无功功率；Pwi、Qwi为风电场风机的有功和无功功率；Pli、Qli分别为负荷的有功和无功功率；Qsi为静止无功补偿器的无功功率；Gij、Bij、θij分别为节点i与j之间的电导、电纳和电压相角差；m为系统节点数。
9.根据权利要求8所述的方法，其特征在于：所述电压控制模型中的自变量包括：风电有功功率、常规发电机组的有功和无功功率、负荷的有功和无功功率、母线电压、电网结构，以及控制变量的初始值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811249108.9A CN109103898B (zh) | 2018-10-25 | 2018-10-25 | 基于风电功率超短期预测误差的电力系统电压控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811249108.9A CN109103898B (zh) | 2018-10-25 | 2018-10-25 | 基于风电功率超短期预测误差的电力系统电压控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109103898A true CN109103898A (zh) | 2018-12-28 |
| CN109103898B CN109103898B (zh) | 2020-07-21 |
Family
ID=64869497
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811249108.9A Active CN109103898B (zh) | 2018-10-25 | 2018-10-25 | 基于风电功率超短期预测误差的电力系统电压控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109103898B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108879705A (zh) * | 2018-06-11 | 2018-11-23 | 国电南瑞科技股份有限公司 | 计及风功率不确定性的风电汇集区域无功电压控制方法 |
| CN112290564A (zh) * | 2020-10-20 | 2021-01-29 | 湖南大学 | 一种降低电力系统亚区间功率不匹配度的方法及系统 |
| CN112865107A (zh) * | 2021-01-11 | 2021-05-28 | 国网山西省电力公司忻州供电公司 | 一种基于负荷预测的地区电网电压无功日前预报方法 |
| CN113013913A (zh) * | 2019-12-19 | 2021-06-22 | 新疆金风科技股份有限公司 | 风电场无功电压控制系统和方法 |
| CN114362191A (zh) * | 2021-12-16 | 2022-04-15 | 广东电网有限责任公司 | 一种海上风电场无功协调控制方法、装置及存储介质 |
| CN115207950A (zh) * | 2022-07-27 | 2022-10-18 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于随机扰动的储能系统控制方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103219732A (zh) * | 2013-04-24 | 2013-07-24 | 上海电力学院 | 一种含变速恒频风电场的配电网无功电压控制方法 |
| CA2919370A1 (en) * | 2013-08-06 | 2015-02-12 | Wobben Properties Gmbh | Method for controlling wind turbines |
| CN105162141A (zh) * | 2015-09-16 | 2015-12-16 | 国网山东省电力公司经济技术研究院 | 考虑风电不确定性及电压稳定性因素的电网无功优化方法 |
| WO2016070882A1 (en) * | 2014-11-03 | 2016-05-12 | Vestas Wind Systems A/S | Method of controlling active power generation of a wind power plant and wind power plant |
| 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 |
| CN108258699A (zh) * | 2017-12-25 | 2018-07-06 | 华北电力大学 | 一种考虑dfig无功出力能力的风电场无功优化控制方法 |
-
2018
- 2018-10-25 CN CN201811249108.9A patent/CN109103898B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103219732A (zh) * | 2013-04-24 | 2013-07-24 | 上海电力学院 | 一种含变速恒频风电场的配电网无功电压控制方法 |
| CA2919370A1 (en) * | 2013-08-06 | 2015-02-12 | Wobben Properties Gmbh | Method for controlling wind turbines |
| WO2016070882A1 (en) * | 2014-11-03 | 2016-05-12 | Vestas Wind Systems A/S | Method of controlling active power generation of a wind power plant and wind power plant |
| CN105162141A (zh) * | 2015-09-16 | 2015-12-16 | 国网山东省电力公司经济技术研究院 | 考虑风电不确定性及电压稳定性因素的电网无功优化方法 |
| 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 |
| CN108258699A (zh) * | 2017-12-25 | 2018-07-06 | 华北电力大学 | 一种考虑dfig无功出力能力的风电场无功优化控制方法 |
Non-Patent Citations (3)
| Title |
|---|
| JINGJING ZHAI: "Reactive power control strategy of DFIG wind farms for regulating voltage of power grid", 《2014 IEEE PES GENERAL MEETING | CONFERENCE & EXPOSITION》 * |
| 曹雨: "短期风电功率预测及其对含风机的微电网经济调度的影响", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 杨硕等: "计及风电功率波动影响的风电场集群无功电压协调控制策略", 《中国电机工程学报》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108879705A (zh) * | 2018-06-11 | 2018-11-23 | 国电南瑞科技股份有限公司 | 计及风功率不确定性的风电汇集区域无功电压控制方法 |
| CN108879705B (zh) * | 2018-06-11 | 2022-07-29 | 国电南瑞科技股份有限公司 | 计及风功率不确定性的风电汇集区域无功电压控制方法 |
| CN113013913A (zh) * | 2019-12-19 | 2021-06-22 | 新疆金风科技股份有限公司 | 风电场无功电压控制系统和方法 |
| CN113013913B (zh) * | 2019-12-19 | 2024-01-23 | 金风科技股份有限公司 | 风电场无功电压控制系统和方法 |
| CN112290564A (zh) * | 2020-10-20 | 2021-01-29 | 湖南大学 | 一种降低电力系统亚区间功率不匹配度的方法及系统 |
| CN112290564B (zh) * | 2020-10-20 | 2022-07-01 | 湖南大学 | 一种降低电力系统亚区间功率不匹配度的方法及系统 |
| CN112865107A (zh) * | 2021-01-11 | 2021-05-28 | 国网山西省电力公司忻州供电公司 | 一种基于负荷预测的地区电网电压无功日前预报方法 |
| CN112865107B (zh) * | 2021-01-11 | 2022-08-30 | 国网山西省电力公司忻州供电公司 | 一种基于负荷预测的地区电网电压无功日前预报方法 |
| CN114362191A (zh) * | 2021-12-16 | 2022-04-15 | 广东电网有限责任公司 | 一种海上风电场无功协调控制方法、装置及存储介质 |
| CN115207950A (zh) * | 2022-07-27 | 2022-10-18 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于随机扰动的储能系统控制方法及装置 |
| CN115207950B (zh) * | 2022-07-27 | 2024-02-06 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于随机扰动的储能系统控制方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109103898B (zh) | 2020-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109103898A (zh) | 基于风电功率超短期预测误差的电力系统电压控制方法 | |
| Wang et al. | Real-time coordinated voltage control of PV inverters and energy storage for weak networks with high PV penetration | |
| CN110690732B (zh) | 一种光伏无功分区计价的配电网无功优化方法 | |
| CN103248059B (zh) | 配电网无功电压优化方法与系统 | |
| CN102299527B (zh) | 一种风电场无功功率控制方法和系统 | |
| CN110782363A (zh) | 一种计及风电不确定性的交直流配电网调度方法 | |
| CN105740973A (zh) | 基于混合整数锥规划的智能配电网综合电压无功优化方法 | |
| CN107451670B (zh) | 一种用于主动配电网的日前分层协调调度方法 | |
| CN106549380A (zh) | 多模态微电网能量协调优化控制方法 | |
| CN107947185B (zh) | 一种基于多目标优化的电网自动电压控制方法及系统 | |
| CN109873447A (zh) | 一种多源协同主动配电网多时间级有功-无功调控方法 | |
| Yu et al. | Distributed voltage control of active distribution networks with global sensitivity | |
| 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 | |
| CN105226665A (zh) | 通过自动厂站协调控制降低母线电压日波动率的方法 | |
| CN105337301A (zh) | 微电网并网点的选择方法和装置 | |
| Li et al. | Wind farm reactive power and voltage control strategy based on adaptive discrete binary particle swarm optimization algorithm | |
| CN106385044A (zh) | 用于风电场发电计划跟踪的复合储能控制系统及其控制方法 | |
| CN107994608A (zh) | 光伏电站的无功电压控制方法 | |
| CN105977988A (zh) | 提高新能源汇集区域电压安全性的有功无功协调控制方法 | |
| CN112018790A (zh) | 基于分层分布式储能参与需求响应调节控制方法 | |
| CN105896618A (zh) | 一种可用于调节无功的储能发电系统的运行方法 | |
| Suyono et al. | Optimization of the reactive power injection to control voltage profile by using artificial bee colony algorithm | |
| Dou et al. | A nonintrusive control strategy using voltage and reactive power for distribution systems based on PV and the nine-zone diagram | |
| CN105896577A (zh) | 一种可用于调节无功的储能发电系统 | |
| CN111146818B (zh) | 一种配电网中压-低压资源协调控制方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |