CN109787246A - 考虑多微网并网的配电网动、静态无功设备优化配置方法 - Google Patents

Abstract

本发明属于配电网规划领域，尤其涉及微电网并网情况下配电网的无功配置优化方法，提出了一种可投切并联电容器组(C)和静止无功发生器（SVG）（结构见摘要附图）协调规划的无功补偿设备优化配置方法。首先考虑了微电网并网点负荷特性，在此基础上，建立了动、静态无功设备协调配置的双层优化规划模型，上层模型以设备的全寿命周期成本(LCC)与电网运行成本之和为目标函数，优化了无功补偿装置的配置方式；下层模型以运行费用最小为目标函数，优化了电容器组运行方式，并采用改进遗传算法进行模型求解。最后以修改的IEEE33节点为算例验证了模型的有效性，仿真结果表明，该规划方法能明显的提高电能质量、降低网损，协调规划方法相比传统的方法能更加适合主动配电网。

Description

考虑多微网并网的配电网动、静态无功设备优化配置方法

技术领域

本发明属于配电网规划领域，尤其涉及微电网并网情况下配电网的无功配置优化方法。

背景技术

当大量光伏（PV）、风电以及并网型微网接入配电网，由于新能源发电的随机性，会引起电网电压大幅波动、甚至越限等问题。传统配电网以分接头和电容器为主的电压和无功调解手段在调解裕度和实时性上远远不能满足未来配电网运行的要求。如何综合考虑经济性和电能质量开展配电网无功设备配置，以满足新能源并网的需求成为亟待解决的问题；

近期关于配电网无功优化配置方面的研究成果可以按其控制无功设备的种类分为三类：一是沿用传统无功调节设备，只是在运行策略或规划方法上做出改进，已有技术[1]见《电网技术》第40卷第12期出版的《考虑光伏不确定性的低压配电网分散无功补偿鲁棒优化配置》，使用基于鲁棒性理论的双层规划方法，通过下层规划模型求解极端场景中的不确定变量，上层模型求出满足此极端场景的C配置方式，由于传统手段的局限性，当新能源并网渗透率较高时，只使用投切电容器组的无功补偿方式不能满足其动态无功补偿需求。二是是把分布式电源作为可调元件，使其参与运行控制，在此条件下研究传统无功设备的优化配置。已有技术[2]见《电机工程学报》第31期出版的《含光伏发电的配电网有功无功资源综合优化配置》，建立了含机会约束的无功设备配置双层优化模型，通过控制电容器和光伏电源无功出力实现运行经济性的基础上，优化了C的容量和位置。然而对分布式电源的运行控制需架设通信线路，投资花费较大，对信息依赖度较高。三是采用电力电子设备进行无功电压调节，研究动态无功补偿设备的优化配置。已有技术[3]见 Arabian Journal forScience & Engineering, 第42卷第7期 Optimization of Energy Loss Cost ofDistribution Networks with the Optimal Placement and Sizing of DSTATCOM UsingDifferential Evolution Algorithm 从经济性角度出发，采用差分进化算法得出了在满足电能质量的条件下使得收益最大的STATCOM接入位置和容量。然而，相比于传统电容器组，这类装置价格依然较高，无法在配电网中完全取代电容器组。

发明内容

本发明的目的在于，提出一种经济有效的动、静态无功设备优化配置方法，以解决多微网并网时无功不足、电压偏差过大等问题；

为了实现上述目标，具体步骤如下：

步骤一：建立含大量随机电源的微电网负荷仿真模型；

微网内部电源和负荷的特性，以及电价和并网方式决定了并网点负荷特性，该负荷特性对配电网电压及无功配置具有重要影响。因此，首先需要对微电网并网点负荷特性进行建模；

步骤二：SVG元件模型及控制策略分析；

SVG作为本发明选用的无功动态补偿元件，具有响应速度快（20ms以下）、无极补偿、引入谐波少等优点。SVG有两种基本结构：电流型桥式电路和电压型桥式电路如图1。电压型SVG单相等效电路图如图2；

步骤三：建立双层无功配置规划模型；

本发明无功设备配置优化模型以经济性为目标，同时考虑到设备使用寿命和运行费用的差异，采用全寿命周期成本计算模型。为了精细化为运行费用和电压质量，必须在规划仿真中考虑运行优化，为此采用双层规划模型建模；

步骤四：算法的选择与模型求解；

选用改进遗传算法求解上述模型，改进方法如下： (1)改进选择步骤。使用基于种群个体适应度大小排序的选择算法代替轮盘赌选择，以避免造成早期高适应度个体迅速占据种群和后期的种群因个体适应度相差不大使得种群停止进化。(2)改进交叉步骤。随机选择出父本和母本后，先进行n次交叉，产生2n个个体，再从中选出2个最优个体加入新种群，以提高进化的速度。(3)采用自适应交叉率和变异率。染色体编码见图4。

附图说明

图1 SVG基本结构图；

图2 SVG等效单相图；

图3 SVG无功电流范围图；

图4 染色体编码实例图；

图5 算例仿真结果图。

具体实施方式

下面结合附图对本发明作详细说明；

针对微电网并网点负荷仿真模型，本发明在给定市场机制、电源容量、负荷水平和各电源发电成本条件下，考虑气候环境影响，按微电网内部光伏电源出力的环境场景将并网点负荷全年出力时序曲线分为12条典型日曲线，每条曲线由t时刻光伏出力、电源运行模式对应出力以及负荷叠加而成；

图1为SVG基本结构图，可知静止无功发生器（SVG）有两种基本结构：电流型桥式电路和电压型桥式电路, 以电压型SVG为例，SVG单相等效电路图如图2, 设电网电压和SVG输出的交流电压分别用向量和表示，电抗器X上电压满足:

（1）

通过调节桥式逆变电路可以改变SVG交流侧输出电压的幅值及其相对于的相位，从而改变电抗器X上电压。其中有:

（2）

为SVG产生的无功电流。SVG相当于一个可调节的无功电流源，注入或吸收恒定的无功电流，因此发出或者吸收的容性无功与接入点电压成正比；

（3）

式中：Us为并网点电压，I为SVG输出的无功电流；

SVG无功电流I输出的范围见图3。传统的电容器补偿的无功容量与接入点电压的平方成正比，且只能发出容性无功。故SVG无功补偿的能力受接入点电压变化影响较小。由于配电网中的SVG通常采用闭环控制，接入后能返回母线电压与参考电压之间的偏差，再通过给定的控制方法（如Pi控制）重新调节SVG无功出力，以此来保证无功出力的实时调节和电压的稳定。因此在潮流计算中，本发明直接将SVG接入点设置为电压为1 p.u的PV节点，在无功出力不越限的情况下保持额定电压不变，当所需的无功功率大于SVG的最大补偿容量时节点转换为PQ节点，此时SVG以最大容量出力；

本发明双层规划的优化思路为：上层规划规划决策SVG和C的容量和位置,是下层的约束条件。下层优化C的时序投切容量，并求出运行费用的最优值反馈到上层的目标函数中，从而实现上下层的相互作用。一般的双层规划数学模型可表示为：

（4）

式中: F(·)为上层的目标函数；G(·)为上层约束条件；f(·)为下层的目标函数；w为上层目标值；g(·)为下层约束条件；x为上层决策变量；y为下层决策变量；

1）上层规划

上层规划控制变量是电容器C和SVG配置的位置和容量,以设备全寿命周期费用和电网年网损费用最小为目标；

（5）

式中：C _I 为投资费用的等年值；C _O 为设备年运行费用；C _M 为年检修维护成本；C _F 为年故障成本；C _D 退役处置成本等年值; C _OD 为运行网损费用，通过下层模型求出；

（6）

（7）

（8）

（9）

（10）

式中:C _c 、C _svg 分别为可投切电容器和SVG单位容量投资成本；C _F 为年设备损耗费用；C_R为年巡检费用;S _c 和S _svg 为可投切电容器组和SVG总安装容量；b _c 和b _svg 为可投切电容器组和SVG单位容量年维护费用；F _c 和F _svg 为为可投切电容器组和SVG单位容量年平均故障次数。C _f 为单次故障平均维修费用；C _r 为退役处置费用；c为残差率；C(r,l)为资金等年值系数，表达式为：

（11）

式中：r为贴现率、l为设备寿命；

上层的约束条件包括：

（1）电容器总容量约束：

（12）

式中：式中:S _c,i 为i节点电容器容量，S _{c max} 为配电网电容器补偿容量上限；

（2）单个补偿点电容器安装容量约束：

i=（1、2……n） （13）

式中：S _c，max 为单个节点电容器接入容量上限；

（3）SVG总容量约束：

（14）

式中：S _SVG,i 为i节点SVG补偿容量，S _SVG,max 为接入SVG容量总上限；

（4）单个补偿点SVG安装容量约束：

i=（1、2……n） （15）

式中：S _SVG,max 为单个节点SVG容量上限；

2）下层约束

下层运行模型控制变量为电容器时序投切组数。由于已将SVG接入点设置为PV节点，其出力可根据无功的需求自动优化。以上层给定的配置方案作为约束，针对每一环境场景，通过优化算法求出此场景下使运行费用最小的电容器动作策略，通过概率多场景的方法将每个场景目标值与其场景概率的乘积求和后返回给上层模型。下层模型的目标为电网年网损费用最小：

（16）

式中：式中：C ^s _LOSS 为s场景典型日网损费用；P _s 为s场景概率；

下层约束包括：

（1）时段潮流约束：

（17）

（2）电压偏差约束：

（18）

式中：P _Gi ^t 、Q _Gi ^t 分别为节点处电源在t时段的有功、无功出力；P _Li ^t 、Q _Li ^t 分别为节点处时段t有功、无功负荷；U _i ^t 为节点在时段t的电压大小;β _U 为节点电压置信水平；

（3）线路电流约束：

（19）

式中：I _l 为线路l处电流，I _l ^max 为线路l能承受的最大电流；

（4）控制变量约束：

（20）

式中:Q _ci ^t 为t时段第i个节点电容器无功输出；S _ci 为i节点电容器总无功容量；T _c 为可投切电容器动作次数，T _max 为最大动作次数。

本发明构建的双层规划模型是一个非线性整数规划问题，选用改进遗传算法求解。由于配电网拓扑结构复杂，节点多，在计算无功补偿装置补偿点时如果将所有节点都考虑在内会使计算量巨大，计算时间长。因此，在求解之前需先通过无功二次精确矩求解无功配置备选点。无功二次精确矩方法能够选取无功补偿后对网损和电压改善较大的节点，其定义为：

（21）

式中：R _di 表示从i节点到源节点的所有支路电阻之和；Q _bi 为流入i节点的支路无功功率，Q _bs 为流入节点s（s为i节点的相邻节点）的无功功率；

通过公式求出配电网上各点的无功二次精确矩，从大到小排列后选取前2个节点，剩下的备选点由微电网接入点补充(若两者重复则选取之后的节点)；

图4为上下层规划染色体的编码图例，上层染色体分为两部分，前部分为无功备选点上电容器的配置，每个点上由3位2进制编码组成，000-111能表示8种配置情况。后部分为SVG配置，编码同前部分。下层染色体按无功备选点分成相应部分。考虑到C投切次数限制，设置可投切电容器组每两小时动作一次，则下层每部分染色体由12*3个2进制编码组成。000-111可以表示8种每时段C投入组数；

算法求解流程如下：

A）输入网络原始数据、不同典型日微电网并网点负荷特性数据、配电网负荷数据；

B）采用无功二次精确矩求取无功配置备选点；

C）产生上层规划初始种群，置迭代次数T=1；

D）针对上层种群的每一个染色体，产生下层初始种群，通过改进遗传算法获得下层规划最优解；

E）将下层规划获得的最优个体和目标值用返回上层种群，并计算上层每个染色体的适应度；

F）采用选择、交叉、变异遗传操作，产生上层规划新种群；

G）进行终止条件判断，若遗传代数T大于最大遗传代数，计算结束，输出结果；否则，T=T+1，转至步骤C。

本发明针对配电网中含大量随机电源的多微网并网的情况提出了一种动、静态协调补偿的无功设备优化配置方法，并用MATLAB和修改的IEEE33节点算例进行仿真验证。图5是四种不同无功补偿方案的时刻节点电压曲线和末节点电压波动曲线。四种不同方案配置如下：方案一，不进行无功补偿，系统网损率8.92%；方案二，只使用并联电容器组进行无功补偿，系统网损率7.51%，年综合费用1702.2万元；方案三，只使用SVG进行无功补偿，系统网损率6.75%年综合费用1603.6万元；方案四，本文动态、静态协调补偿，系统网损率6.67%年综合费用1517.4万元。可知，综合考虑调压效果和经济成本，本文的动静态协调补偿方法的方案四调压效果介于方案二和方案四之间，能保证越限节点数量在规定的范围内，在满足电能质量的要求的基础上经济性最优。

Claims (3)

1.针对大容量光伏以微电网的形式接入配电网后造成的电能质量的问题，提出了一种可投切并联电容器组(C)和静止无功发生器（SVG）协调规划的无功补偿设备优化配置方法，其特征在于充分考虑了SVG调节速度快、无极补偿的特性和C补偿容量大、价格低的特点，将两者协调规划以满足经济性和电压偏差约束的要求。

2.根据权利要求1所述的可投切并联电容器组(C)和静止无功发生器（SVG）协调规划的无功补偿设备优化配置方法，考虑其适合应用的含大容量新能源的多微网并网场景，在计及微电网内多种电源和储能出力特征、运行成本和电价机制基础上，以经济性最优为目标，建立了微电网发电控制通用策略规则，并结合天气和季节因素，建立了微电网并网负荷的概率多场景出力模型。

3.根据权利要求1所述的可投切并联电容器组(C)和静止无功发生器（SVG）协调规划的无功补偿设备优化配置方法，在建模上采用双层规划的方法；

上层模型以设备的全寿命周期成本(LCC)与电网运行成本之和为目标函数，优化了无功补偿装置的配置方式；下层模型以年运行网损费用最小为目标函数，优化了电容器组运行方式。