CN109149593A - 针对低风速分散式风电并入配电网的双层电压优化方法 - Google Patents

Abstract

本发明涉及一种针对低风速分散式风电并入配电网的双层电压优化方法，包括以下步骤：1)根据低风速风电机组和SVC的模型构建双层电压优化模型；2)在上层模型中，对低风速风电机组接入配网选型选址的多目标规划问题进行求解，获取低风速风电机组的最优选型和接入位置，低风速风机选址后，采用Q‑V曲线法确定SVC的最优接入位置；3)将上层模型的低风速风电机组的最优选型、接入位置和SVC的最优接入位置传入到下层模型，建立基于模糊逻辑的DFIG与SVC协调调压的无功控制方法，使得风电机组并网点电压提升到可连续运行的区间内。与现有技术相比，本发明具有考虑低风速、负荷波动性和配电网负荷的用户行为特性、改善配电网的整体电压分布等优点。

Description

针对低风速分散式风电并入配电网的双层电压优化方法

技术领域

本发明涉及低风速风机优化控制领域，尤其是涉及一种针对低风速分散式风电并入配电网的双层电压优化方法。

背景技术

2018年被公认为是“分散式风电元年”，国家能源局大力动分散式风电、低风速风电的发展。同时“世界一流配电网”的建设也要求分布式能源大量接入，并且能够实现智能化、自动化运行，因而，配电网对风电场输出电能质量、节能降损的要求日趋提高。合理规划分散式风电的接入位置和容量、提高接入点的电能质量、实现低风速下的功率控制，是分散式风电进一步发展所必须突破的关键技术。一方面，在风电机组的选型选址方面，一些学者提出在放射性配电网的末端并入风电机组，对末端的电压水平起支撑作用，然而这样的“电压杠杆效应”并没有最大化整个配电网的综合效益，此外，低风速风电机组与常规风电机组的运行特性有所区别，在接入配电网进行电压运行优化之前，应当先确定合适的风电机组型式以及并网点；另一方面，在风电机组并网后的运行控制方面，由于分散式风电场原则上不新建变电站和无功补偿设备，因此必须优先利用风电机组自身的无功能力，当风速较低且重负荷的情况下，导致DFIG无功达到极限却仍然无法使PCC点电压达到理想区间内，所以在其无功耗尽时，需结合无功补偿装置进行协调调压。因此，为了维持风电机组并网点电压在合理范围内，需从规划和运行两个角度确定其最佳型式及并网位置并且确定无功补偿装置SVC最佳接入位置，包括DFIG和SVC的协调控制从而改善配电网的电能质量。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种针对低风速分散式风电并入配电网的双层电压优化方法。

本发明的目的可以通过以下技术方案来实现：

一种针对低风速分散式风电并入配电网的双层电压优化方法，包括以下步骤：

1)根据低风速风电机组和SVC的模型构建双层电压优化模型；

2)在双层电压优化模型的上层模型中，考虑风速和负荷的随机性和波动性，对低风速风电机组接入配网选型选址的多目标规划问题进行求解，获取低风速风电机组的最优选型和接入位置，低风速风机选址后，采用Q-V曲线法确定SVC的最优接入位置；

3)将上层模型的低风速风电机组的最优选型、接入位置和SVC的最优接入位置传入到下层模型，建立基于模糊逻辑的DFIG与SVC协调调压的无功控制方法，实现低风速风电机组与SVC的协调调压，使得风电机组并网点电压提升到可连续运行的区间内。

所述的步骤1)中，双层电压优化模型的上层模型以网损、电压偏差、电压稳定性指标和分散式风电总投资为目标函数形成多目标规划问题，下层模型建立了基于模糊逻辑的低风速风电机组与SVC协调调压的无功控制策略。

所述的双层电压优化模型的上层模型经过归一化的目标函数为：

L_t＝max{L_j,t}

其中，P_LOSS为24小时内整个配电网的网损，P_LOSS,t为t时刻的网损，ΔS_Lm,t为支路m在时刻t的功率损耗，real(·)为有功网损，F为24小时内整个配电网的电压总偏差，F_t为t时刻的电压偏差，N为总节点数，V_i,t为t时刻i节点的实际电压，为t时刻i节点的标称电压，L为24小时内整个配电网的VSI值，L_t为t时刻的VSI值，L_j,t为t时刻支路ij的电压静态稳定性指标，P_j,t为t时刻支路末端的有功功率，Q_j,t为t时刻支路末端的无功功率，x_ij为线路电抗，r_ij为线路电阻，y为线路电阻，V_i,t为t时刻支路首端电压，f为分散式风电的总投资，f_inv为设备投资费用，f_op为运行维护费用，Z_iw为单位容量投资，为第k台风电机组的额定功率，K为风电机组总数，Z_ow为单位容量年运维费用，y_t为规划年限，上标P表示原始值，上标O表示单项最优值，f^O为增加一台1.5MW低风速风电机组的投资。

其特征在于，所述的上层模型的约束条件包括：

潮流等式约束：

其中，为t时刻母线i的有功负荷，P_G,t为t时刻等效电源的出力，为t时刻风电机组k的出力；

节点电压约束：

U_imin,t≤U_i,t≤U_imax,t

其中，U_i,t为节点i的电压值，U_imin、U_imax为节点i的最小允许电压值和最大允许电压值；

分散式风电装机容量约束：

其中，为风电机组k的额定功率；

分散式风电机组台数约束：

N_W≤N′

其中，N_W为分散式风电机组台数，N′为分散式风电机组台数上限。

所述的步骤2)中，采用Q-V曲线法确定SVC的最优接入位置具体包括以下步骤：

21)采用改进两点潮流算法获取母线的Q-V曲线；

22)采用指标Q_loadability评价母线的脆弱性，并根据指标Q_loadability最大时对应的位置作为SVC的安装位置，

所述的步骤21)具体包括以下步骤：

211)设置母线的初始有功和无功负荷为P₁、Q₁，获取母线的初始电压V₁；

212)第二步中，令P₂＝P₁，Q₂＝Q₁+0.01，计算母线电压V₂；

213)构建方程f(x)＝[(P₁x)²+(Q₁x+V₁ ²)²]/V₁ ²-[(P₂x)²+(Q₂x+V₂ ²)²]/V₂ ²＝0，并求解获取正实根x₁；

214)将正实根x₁带入公式(VE)²＝(Px)²+(Qx+V²)²，其中，x为线路阻抗，得到第一点等效电源电压E₁；

215)在初始电压V₁为0.85p.u处计算解x₂和第二点等效电源电压E₂；

216)分别将x₁、E₁和x₂、E₂代入公式(VE)²＝(Px)²+(Qx+V²)²，得到两段式Q-V曲线。

所述的指标Q_loadability表达式为：

其中，Q_m,new，Q_m,old分别为母线加装无功补偿装置前后Q-V曲线的无功极限值。

与现有技术相比，本发明具有以下优点：

本发明综合考虑了低风速、负荷的波动性以及配电网负荷的用户行为特性，建立了分散式风电接入配电网的双层电压优化模型，上层模型以网损、电压偏差、电压稳定性指标和分散式风电总投资为目标函数形成多目标规划问题确定DFIG的最佳型式以及接入位置，同时利用Q-V曲线法获得静止无功补偿器(SVC)的最佳接入位置，下层模型建立了基于模糊逻辑的低风速风电机组与SVC协调调压的无功控制策略，最后通过仿真验证了所提方法不仅能够实现电压优化控制，而且能够显著改善配电网的整体电压分布。

附图说明

图1为低风速风电机组与普通风电机组的风功率曲线。

图2为SVC的结构及其控制模型。

图3为低风速风电机组并入配电网的双层电压优化模型。

图4为日风速曲线与不同用户的日负荷占比曲线，其中，图(4a)为某地区日风速曲线，图(4b)为日负荷曲线。

图5为算例系统。

图6为低风速风电机组与普通风电机组对比，其中，图(6a)为风电机组24h的出力，图(6b)为低风速风况下系统的电压分布。

图7为典型Q-V曲线。

图8为某时刻的节点电压分布。

图9为SVC接入不同位置的电压分布结果对比。

图10为隶属度函数，其中，图(10a)为风电机组并网点电压的隶属度函数，图(10b)为DFIG无功出力的隶属度函数，图(10c)为风电机组无功电流参考值的隶属度函数，图(10d)为SVC的电压参考值的隶属度函数。

图11为上层电压优化后的系统结构。

图12为DFIG与SVC协调调压控制策略。

图13为电压优化前后风电机组PCC点24h电压曲线，其中，图(13a)为节点2和12在电压优化实施之前与实施之后风电机组并网点24h的电压情况，图(13b)为节点20在电压优化实施之前与实施之后风电机组并网点24h的电压情况。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例：

本发明提供一种针对低风速分散式风电并入配电网的双层电压优化方法，它包括下述步骤：

步骤1、分析低风速风电机组以及SVC的模型，构建双层电压优化模型(上层确定最佳风机机组形式及其并网点，同时完成SVC寻址，下层实现模糊电压控制)的整体架构。

步骤2、考虑风速和负荷的随机性和波动性，构建算例系统，对比分析低风速风机组与普通风电机组对配电网运行水平的影响。

步骤3、建立低风速风电机组接入配网选型选址的多目标规划问题，采用算法进行求解，并且比较优化选址结果与风电机组接辐射型配电网末端配电网运行特性的影响的区别。

步骤4、上层优化：风机选址后，利用Q-V曲线评估系统电压稳定性，确定SVC接入位置。基于上层分析，基于模糊逻辑，实现DFIG与SVC的协调调压，使得风电机组并网点电压提升到可连续运行的区间内。

在低风速风况下，为了捕获更多的风能，从风能中“挤出”更多的能量，低风速型风电机组具有风轮直径大、切入风速低、额定风速低等特点。本发明针对这些特点，将普通风电机组与低风速风电机组的区别体现在风功率曲线上，如图1。DFIG转子侧变流器和网侧变流器的控制模型与普通风电机组相同。RSC采用定子磁链定向控制,将定子有功和无功控制解耦，实现DFIG输出有功的跟踪控制并维持机端电压的稳定。GSC采用电网电压定向控制，解除GSC电流与电网电气量之间的交叉耦合。

本发明所采用的无功补偿设备为由晶闸管开断电容器和晶闸管控制电抗器组成的SVC。SVC的电容器组可以通过晶闸管控制分组投切；电抗器可以由晶闸管平滑调节其电抗值。通过动态地改变并联电容和并联电抗的值，即可实现SVC无功出力的动态调节，从而控制所连母线或远端需要控制的母线电压。其结构及其控制模型如图2所示。

本发明提出的双层电压优化模型如图3所示。上层模型中，一方面计及风速与负荷的随机性、波动性以及负荷的用户行为特性，求解以网损、电压偏差、VSI和分散式风电总投资最小为目标函数的低风速风电机组接入配电网的多目标规划问题。同时通过Q-V曲线法获得分散式风电场外可安装静止无功补偿装置的位置。上层模型将低风速风电机组的最优选型、接入位置和SVC的最优接入位置传入下层，建立基于模糊逻辑的DFIG与SVC协调调压的无功控制策略，并且实现优先利用DFIG自身无功调节能力，从而控制风电机组PCC点电压在合理范围内以及提高配电网整体电压水平。

考虑到风速与负荷具有随机性和波动性，并且配电网中负荷波动状况与用户的行为习惯关联很大，采用24h的风速曲线与日负荷曲线来近似模拟风电机组及配电网一天的运行参数，如图4所示。图(4a)为某地区日风速曲线，平均风速约为4.8m/s，属于低风速风况；图(4b)为日负荷曲线，按用户行为分为市政生活负荷、第三产业负荷、重工业负荷、轻工业负荷。以IEEE33节点系统结构为基础，根据典型负荷参数的不同大小设置：节点5、6、9、10、11、12、13、15、16、17、26、27、28接市政生活负荷；节点18、19、20、21、22、23、29、33接第三产业负荷；节点2、24、25、30、32接重工业负荷；节点3、4、7、8、14、31接轻工业负荷。如图5所示。所研究配电系统的最大有功负荷为9.6MW，最大无功负荷为6Mvar。

在此基础上建立低风速风电机组接入配网选型选址的多目标规划问题，并采用粒子群算法进行求解。目标函数为24h整个配电网的总网损、总电压偏差、总的电压静态稳定性指标(VSI)以及分散式风电总投资最小。

目标函数：

1、某一时刻整个配电网的网损为：

式中：m——线路编号，t——时刻，ΔS_L——支路功率损耗。

记24h总网损为：

2、某一时刻整个配电网的电压偏差为：

式中：N——总节点数，V_i,t——_t时刻i节点的实际电压，——_t时刻i节点的标称电压。

记24h总电压偏差为：

3、某一时刻支路ij的电压静态稳定性指标：

式中：V_i,t——t时刻支路首端i的电压，P_j,t、Q_j,t——_t时刻支路末端j的功率。

t时刻整个配电网的电压静态稳定性指标L取所有支路的最大值，即：

L_t＝max{L_1,t,L_2,t，…} (6)

L_t对应的支路为系统最薄弱的支路，且L_t越小，系统电压稳定性越高，当L_t接近临界值1.0时系统电压崩溃。记24h总的VSI为：

4、分散式风电的总投资包括设备投资费用和运行维护费用两部分，即：

式中：Z_lw——单位容量投资(万元/MW)；Z_ow——单位容量年运维费用(万元/MW)；——第k台风电机组的额定功率；yt——规划年限(年)。

由于四个指标的量纲不同，需要进行归一化处理，定义：

式中：上标P——原始值，上标O——各指标单项最优值；f^O——增加一台1.5MW低风速风电机组的投资。

取指标权重相同，则目标函数为：

约束条件包括：

1、潮流等式约束为：

式中：——t时刻母线i的有功负荷，P_G,t——t时刻等效电源的出力，——t时刻风电机组k的出力。

2、节点电压约束为：

U_imi_n,t≤U_i,t≤U_imax,t (12)

式中：U_imin、U_imax——节点i的最小允许电压值和最大允许电压值。

3、分散式风电装机容量约束为：

式中：——风电机组k的额定功率。

4、分散式风电机组台数约束为：

N_W≤N (14)

针对该算例系统，形成多目标规划问题，决策变量为风电机组的接入位置和接入容量。其中式(8)取Z_lw为380万元/MW，取Z_ow为18万元/MW，取yt为15年。利用改进粒子群算法求解得：低风速风电机组接节点2,12,30；接入容量分别为1.5,2,1.5MW。不同的装机容量对应不同的低风速风电机组型式，即风轮半径、切入风速、切出风速、额定风速不同。

为了对比低风速型风电机组与普通风电机组对配电网运行水平的影响，将普通风电机组以相同的接入位置和接入容量并网(并网点为节点2,12,30；装机容量分别为1.5,2,1.5MW，不同容量对应不同的普通风电机组型式)，观察系统运行情况，如图6所示，图(6a)为风电机组24h的出力，采样间隔为15min，可以看出随着风速和负荷的波动，低风速型风电机组每15min的出力均比普通型风电机组的大，这是因为低风速风电机组的风功率曲线较普通风电机组更适用于这种低风速风况。图(6b)为2.9m/s低风速风况下系统的电压分布，可见低风速风电机组比普通风电机组更能够显著提高该风况下系统的整体电压水平。

为了比较优化选址结果与风电机组接辐射型配电网末端对配电网运行特性的影响，本专利对比了低风速风电机组接配电网末端，即节点18、22、25时，系统的总网损、总电压偏差、总L以及目标函数值y，见表2。表2中低风速风电机组接网络末端1表示：节点18接2MW，节点22和节点33接1.5MW；低风速风电机组接网络末端2表示：节点18接2MW，节点25和节点33接1.5MW。同时表2中也加入了普通风电机组接低风速风电机组优化选址的情况。表2中加粗显示的数值为四种情况下各项运行指标的最小值。

显然，无论是以相同位置、相同容量接普通风电机组，还是以相同容量接辐射型网络末端，最终都是低风速风电机组优化选址下的总网损、总电压偏差、总L各项指标相对较小，且目标函数值y最小，使得配电网整体运行特性更优。虽然低风速风电机组接网络末端的第2种情形下系统的总电压偏差和总L均小于优化选址的结果，但两者相差不大，由于前者的总网损较后者大2倍左右，导致前者的综合目标函数y变成了正数，即不能达到整体最优。

上层SVC选址

Q-V曲线可以用来评估系统的电压稳定性，典型的Q-V曲线如图7所示。其中无功极限Q_m用曲线上无功最低点与电压轴之间的距离来描述。当母线电压增加时，若母线无功下降则表明系统不稳定；反之，则表明系统稳定。Q_m越大，则说明母线越坚强；Q_m越小，则说明母线越弱。

为了获得母线的Q-V曲线，使用“改进两点潮流算法”，步骤如下：

(1)对于所研究母线，其初始负荷为P₁、Q₁，计算该母线初始电压V₁；

(2)令P₂＝P₁，Q₂＝Q₁+0.01，计算母线电压V₂；

(3)求解式(15)，取正实根作为x₁；

(4)将x₁代入式(16)得到等效电源电压E₁；

(5)在电压为0.85p.u处计算x₂和E₂；

(6)分别将x₁、E₁和x₂、E₂代入式(16)，得到两段式Q-V曲线。

f(x)＝[(P₁x)²+(Q₁x+V₁ ²)²]/V₁ ²-[(P₂x)²+(Q₂x+V₂ ²)²]/V₂ ²＝0 (15)

(VE)²＝(Px)²+(Qx+V²)² (16)

式中：x——等效电抗。

无功极限Q_m：

Q_m＝(E²-2V²)/2x (17)

为了确定无功补偿装置安装的合适位置，本专利利用指标Q_loadability来描述某一母线的脆弱性：

式中：Q_m,old和Q_m,new分别表示母线加装无功补偿装置前后Q-V曲线的无功极限值。Q_loadability越大，表明越不容易发生电压崩溃。

本专利根据母线Q_loadability的大小来确定SVC的安装位置，然而如果逐个计算每条母线的Q_loadability，计算量会非常大，根据研究，电压弱母线是无功补偿装置的备选接入点，因此本专利在执行Q_loadability计算之前需要先确定电压弱母线，电压弱母线是指系统弱电压区域中无功极限Q_m较低的节点。因此首先需要找到系统的电压弱区域，我们随机选择某时刻的风速和负荷数据，可计算得到节点电压分布，如图8所示。可见，系统存在2个弱电压区域，每个区域取6个节点，分别是13～18节点和28～33节点。计算各节点的Q_m，如表3所示，在表3中，每个弱电压区域分别选择3个无功极限Q_m较低的母线作为电压弱母线，分别计算其Q_loadability，选择Q_loadability最大的母线作为SVC的安装点。由计算结果可知，本算例中利用Q-V曲线法得到的SVC安装位置为节点18和节点33。

这两个节点均是风电机组并网点以外的点，恰好满足了分散式风电场不加装无功补偿装置的要求，而非有意剔除风电机组并网点。为了验证Q-V法无功装置选址在本专利中的正确性，我们对比两个2Mvar的SVC接Q-V法得出的节点18、33和SVC接风电机组并网点节点12、30两种情况下的电压分布图，如图9所示。可见，通过Q-V法得到的SVC接入位置能够使得配电网的电压水平整体提高得更多。

下层模糊电压控制：

国家电网发布的Q/GDW 1392-2015《风电场接入电网技术规定》中，要求风电场风电机组并网点电压在90％U_N～110％U_N时能够连续运行。因此，本专利的控制目标在于风速和负荷波动时，将风电机组的并网点电压调控到可持续运行电压区间内。由于分散式风电场原则上不新建变电站和无功补偿设备，因此必须优先利用风电机组自身的无功能力。为了处理这种不确定性和非线性问题，本专利利用模糊逻辑思想，建立模糊推理系统，将风电机组并网点电压和DFIG无功出力作为输入量，输出风电机组无功电流参考值I_{q_ref}以及SVC的电压参考值V_ref。输入输出量的隶属度函数如图10所示。图(10a)为风电机组并网点电压V_PCC的隶属度函数，本专利选用4个模糊子集：欠电压(VUV)、低电压(UV)、正常电压(NV)、高电压(OV)。图(10b)为DFIG无功出力Q_W的隶属度函数，选用3个模糊子集：越下限(LL)、不越限(WL)、越上限(UL)。将Q_W作为模糊逻辑的输入量之一，可以实现当DFIG无功能力没有被充分利用时，优先利用DFIG无功能力调压；当DFIG无功越限时，利用SVC提供无功支撑，与DFIG协调调压。图(10c)和图(10d)分别为风电机组无功电流参考值I_{q_ref}以及SVC的电压参考值V_ref的隶属度函数，均选用4个模糊子集：吸收无功(AQ)、正常运行(N)、发出无功(SQ)、大力发出无功(HSQ)。在模糊推理进行之前，需要设定模糊规则，由于输入量分别采用4个和3个模糊子集，因此需要制定12条模糊规则，如表1所示。当风电机组无功出力未越限时，只调节DFIG自身无功；当风电机组无功出力越限时，只调节SVC的无功无力。

基于上层分析，将低风速风电机组接入节点2,12,30，接入容量分别为1.5,2,1.5MW；将2个2Mvar的SVC分别接入节点18和33，如图11所示。下层模糊电压控制的目标是在风速与负荷波动的情况下，调节所有风电机组并网点的电压，保证其在一天24h始终处于规定的区间内。针对2个SVC的情况，为了实现优先利用DFIG自身无功能力调压，同时考虑到SVC1参数的调节会对系统其他节点的电压产生影响，本专利设置图12所示控制策略。通过每15min检测一次各风电机组并网点电压，可实现基于模糊逻辑的DFIG与SVC的协调调压。图13对比了电压优化实施之前与实施之后，所有风电机组并网点24h的电压情况。图(13a)中，由于节点2靠近系统的等效电源(PV节点)，因此其电压水平基本不受风速和负荷波动的影响，始终维持在较高水平。

图(13a)和图(13b)中，实施上层风电机组优化选型、选址后，配电网接入低风速风电机组，节点12和节点30的电压均有显著提高。进一步地，实施下层协调电压控制后，电压在0.9以下的时刻，经控制系统的作用，电压都提高到0.9以上。自此，所有风电机组并网点电压都可以通过模糊控制，提升到可连续运行的区间内。

Claims (7)

1.一种针对低风速分散式风电并入配电网的双层电压优化方法，其特征在于，包括以下步骤：

1)根据低风速风电机组和SVC的模型构建双层电压优化模型；

2)在双层电压优化模型的上层模型中，考虑风速和负荷的随机性和波动性，对低风速风电机组接入配网选型选址的多目标规划问题进行求解，获取低风速风电机组的最优选型和接入位置，低风速风机选址后，采用Q-V曲线法确定SVC的最优接入位置；

3)将上层模型的低风速风电机组的最优选型、接入位置和SVC的最优接入位置传入到下层模型，建立基于模糊逻辑的DFIG与SVC协调调压的无功控制方法，实现低风速风电机组与SVC的协调调压，使得风电机组并网点电压提升到可连续运行的区间内。

2.根据权利要求1所述的一种针对低风速分散式风电并入配电网的双层电压优化方法，其特征在于，所述的步骤1)中，双层电压优化模型的上层模型以网损、电压偏差、电压稳定性指标和分散式风电总投资为目标函数形成多目标规划问题，下层模型建立了基于模糊逻辑的低风速风电机组与SVC协调调压的无功控制策略。

3.根据权利要求2所述的一种针对低风速分散式风电并入配电网的双层电压优化方法，其特征在于，所述的双层电压优化模型的上层模型经过归一化的目标函数为：

L_t＝max{L_j,t}

其中，P_LOSS为24小时内整个配电网的网损，P_LOSS,t为t时刻的网损，ΔS_Lm,t为支路m在时刻t的功率损耗，real(·)为有功网损，F为24小时内整个配电网的电压总偏差，F_t为t时刻的电压偏差，N为总节点数，V_i,t为t时刻i节点的实际电压，为t时刻i节点的标称电压，L为24小时内整个配电网的VSI值，L_t为t时刻的VSI值，L_j,t为t时刻支路ij的电压静态稳定性指标，P_j,t为t时刻支路末端的有功功率，Q_j,t为t时刻支路末端的无功功率，x_ij为线路电抗，r_ij为线路电阻，y为线路电阻，V_i,t为t时刻支路首端电压，f为分散式风电的总投资，f_inv为设备投资费用，f_op为运行维护费用，Z_iw为单位容量投资，为第k台风电机组的额定功率，K为风电机组总数，Z_ow为单位容量年运维费用，y_t为规划年限，上标P表示原始值，上标O表示单项最优值，f^O为增加一台1.5MW低风速风电机组的投资。

4.根据权利要求3所述的一种针对低风速分散式风电并入配电网的双层电压优化方法，其特征在于，所述的上层模型的约束条件包括：

潮流等式约束：

其中，为t时刻母线i的有功负荷，P_G,t为t时刻等效电源的出力，为t时刻风电机组k的出力；

节点电压约束：

U_imin,t≤U_i,t≤U_imax,t

其中，U_i,t为节点i的电压值，U_imin、U_imax为节点i的最小允许电压值和最大允许电压值；

分散式风电装机容量约束：

其中，为风电机组k的额定功率；

分散式风电机组台数约束：

N_W≤N′

其中，N_W为分散式风电机组台数，N′为分散式风电机组台数上限。

5.根据权利要求1所述的一种针对低风速分散式风电并入配电网的双层电压优化方法，其特征在于，所述的步骤2)中，采用Q-V曲线法确定SVC的最优接入位置具体包括以下步骤：

21)采用改进两点潮流算法获取母线的Q-V曲线；

22)采用指标Q_loadability评价母线的脆弱性，并根据指标Q_loadability最大时对应的位置作为SVC的安装位置。

6.根据权利要求5所述的一种针对低风速分散式风电并入配电网的双层电压优化方法，其特征在于，所述的步骤21)具体包括以下步骤：

211)设置母线的初始有功和无功负荷为P₁、Q₁，获取母线的初始电压V₁；

212)第二步中，令P₂＝P₁，Q₂＝Q₁+0.01，计算母线电压V₂；

213)构建方程f(x)＝[(P₁x)²+(Q₁x+V₁ ²)²]/V₁ ²-[(P₂x)²+(Q₂x+V₂ ²)²]/V₂ ²＝0，并求解获取正实根x₁；

214)将正实根x₁带入公式(VE)²＝(Px)²+(Qx+V²)²，其中，x为线路阻抗，得到第一点等效电源电压E₁；

215)在初始电压V₁为0.85p.u处计算解x₂和第二点等效电源电压E₂；

216)分别将x₁、E₁和x₂、E₂代入公式(VE)²＝(Px)²+(Qx+V²)²，得到两段式Q-V曲线。

7.根据权利要求5所述的一种针对低风速分散式风电并入配电网的双层电压优化方法，其特征在于，所述的指标Q_loadability表达式为：

其中，Q_m,new，Q_m,old分别为母线加装无功补偿装置前后Q-V曲线的无功极限值。