CN109888844A - 一种风电场无功电压控制方法 - Google Patents
一种风电场无功电压控制方法 Download PDFInfo
- Publication number
- CN109888844A CN109888844A CN201910078992.2A CN201910078992A CN109888844A CN 109888844 A CN109888844 A CN 109888844A CN 201910078992 A CN201910078992 A CN 201910078992A CN 109888844 A CN109888844 A CN 109888844A
- Authority
- CN
- China
- Prior art keywords
- voltage
- reactive
- wind
- fitness
- bus
- 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
Classifications
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种风电场无功电压控制方法。现有的风电场独立调节方式无法兼顾地区电网的调压需求。本发明的风电场无功电压控制方法,以风电场母线电压波动和无功设备投入量最小为控制目标,以潮流方程、电压安全和控制变量为约束,根据风电功率的预测数据,利用ABPSO算法求取预测周期内的综合控制指令。本发明将风电场群作为一个整体进行控制,建立风电基地无功电压控制系统,有效利用风电场侧的无功设备平抑电压波动。
Description
技术领域
本发明属于电力系统自动化,涉及一种适用于风电场无功电压的控制方法,尤其是一种基于自适应离散二进制粒子群优化算法的风电场无功电压控制方法。
背景技术
随着风电的大规模开发,风电集中送出容量越来越大。风电机组出力具有一定的随机性与波动性,风电送出地区的电压波动将变得更加明显。中国大型风电基地主要集中在三北地区,这些风电基地大多位置较偏,电网薄弱。现有的风电场独立调节方式无法兼顾地区电网的调压需求,因此,有必要将风电场群作为一个整体进行控制,建立风电基地无功电压控制系统,利用风电场侧的无功设备平抑电压波动。
发明内容
为解决现有风电场独立调节方式无法兼顾地区电网的调压需求问题,本发明提供一种基于自适应离散二进制粒子群优化算法的风电场无功电压控制方法,其将风电场群作为一个整体进行控制,建立风电基地无功电压控制系统,有效利用风电场侧的无功设备平抑电压波动。
本发明是通过以下技术方案实现的:一种基于自适应离散二进制粒子群优化算法的风电场无功电压控制方法,其以风电场母线电压波动和无功设备投入量最小为控制目标;以潮流方程、电压安全和控制变量为约束;根据风电功率的预测数据,利用ABPSO算法求取预测周期内的综合控制指令。
进一步地,目标函数为:
1)风电场母线电压波动f1
式中,n为风电场母线的数量,M为总的风电预测时段,Vi (max)为母线i在计算时段0~M内电压幅值的最大值,Vi (min)为母线i在计算时段0~M内电压幅值的最小值;
2)无功设备投入量f2
式中,l为风电场无功设备的数量,为无功设备k在t时段的无功功率,M为总的风电预测时段;
通过对权重系数的合理选择,对以上两个指标进行归一化处理,得到最终单目标函数f:
min f=λ1f1+λ2f2,
式中,λ1,λ2分别为f1和f2在目标函数f中的权重系数。
进一步地,约束条件为:
1)潮流方程约束
式中,Pi (t)和Qi (t)分别代表母线i在t时段注入的有功功率和无功功率;Vi (t)为母线i在t时段的电压;Vi (t)为母线j在t时段的电压;为i、j两节点电压的相角差;Gij为线路i-j的电导;Bij为线路i-j的电纳;
2)电压安全约束
Vimin≤Vi (t)≤Vimax,
式中,Vimin为母线i电压下限值;Vimax为母线i电压上限值;
3)控制变量约束
τmin≤τ≤τmax,
式中,τ为有载调压器抽头档位;τmin,τmax分别为有载调压器抽头档位的最小值和最大值;Qckmax为无功设备k无功功率的上限值。
进一步地,ABPSO算法将粒子群按照适应度优劣分成3类;对于适应度较好的粒子,其周围存在全局最优的可能性大,使用相对较小的惯性权重来提高局部搜索能力;而对于适应度较差的粒子,则使用相对较大的惯性权重来增强全局搜索能力,避免算法早熟,提高粒子群的收敛速度;
设粒子i在第k次迭代中的适应函数值为Fi,当前最优粒子的适应函数值为Fm,粒子群的平均适应函数值为Fav,将粒子群中优于Fav的适应函数值求平均得到Fav',则惯性权重的调整方案如下:
1)若Fi优于Fav',这个粒子属于适应度较好的小种群,惯性权重ω调整如下式:
2)若Fi处于Fav与Fav'中间,这个粒子属于适应度适中的小种群,惯性权重不做调整,
ω'=ω,
3)若Fi差于Fav,这个粒子属于适应度较差的小种群,惯性权重ω调整如下式:
式中,ωmin为设定值,k1和k2为调整参数。
本发明具有的有益效果是:
与之前的相关算法相比,本发明的算法具有以下优点:1)本发明将风电场群作为一个整体进行控制,建立风电基地无功电压控制系统,有效利用风电场侧的无功设备平抑电压波动。2)ABPSO的曲线下降比较快,当PSO的搜索陷入停滞的时候,ABPSO仍然可通过权重系数的调整跳出局部最优,搜索到更好的结果;从多次测试的优化结果来看,ABPSO的优化能力、收敛速度、计算精度胜于PSO,可以在一定程度上解决PSO容易陷入局部最优的问题。
附图说明
图1为本发明应用例中S地区风电并网系统图;
图2为本发明应用例中风电场超短期功率预测图;
图3为本发明应用例中220kV ZN母线电压曲线图。
具体实施方式
下面结合实施例和说明书附图来对本发明进行进一步说明,但本发明的保护范围不限于下述实施例。在本发明的精神和权利要求的保护范围内,对本发明作出的任何修改和变更,都落入本发明的保护范围。
实施例
本发明提供一种基于自适应离散二进制粒子群优化算法的风电场无功电压控制方法,其以风电场母线电压波动和无功设备投入量最小为控制目标;以潮流方程、电压安全和控制变量为约束;根据风电功率的预测数据,利用ABPSO算法求取预测周期内的综合控制指令。
一、目标函数
1)风电场母线电压波动f1
式中,n为风电场母线的数量,M为总的风电预测时段,Vi (max)为母线i在计算时段0~M内电压幅值的最大值,Vi (min)为母线i在计算时段0~M内电压幅值的最小值。
2)无功设备投入量f2
式中,l为风电场无功设备的数量,为无功设备k在t时段的无功功率。减小无功设备投入量,有利于应对风速波动和故障带来的突发状况。
目标模型为多目标函数,将其转化为单目标函数进行求解。通过对权重系数的合理选择,对以上两个指标进行归一化处理,得到最终单目标函数f:
minf=λ1f1+λ2f2,
式中,λ1,λ2分别为f1和f2在目标函数f中的权重系数。
二、约束条件
1)潮流方程约束:
式中,Pi (t)和Qi (t)分别代表母线i在t时段注入的有功功率和无功功率;Vi (t)为母线i在t时段的电压;为i、j两节点电压的相角差;Gij为线路i-j的电导;Bij为线路i-j的电纳。
2)电压安全约束:
Vimin≤Vi (t)≤Vimax,
式中,Vimin为母线i电压下限值;Vimax为母线i电压上限值。
3)控制变量约束:
τmin≤τ≤τmax,
式中,τ为有载调压器抽头档位;τmin,τmax分别为有载调压器抽头档位的最小值和最大值;Qckmax为无功设备k无功功率的上限值。
三、ABPSO算法
粒子群优化算法(Particle SwamOptimization,PSO)具有搜索速度快,参数少的特点,但对于离散的优化问题处理不佳,容易陷入局部最优,导致收敛精度不高。离散二进制粒子群算法(Discrete Binary Particle Swarm Optimization Algorithm,BPSO)主要优化离散空间约束问题,BPSO与PSO算法的缺点相似,不能收敛于全局最优值,且随着算法迭代搜索随机性越来越强,缺乏后期的局部搜索能力。
ABPSO将粒子群按照适应度优劣分成3类。对于适应度较好的粒子,其周围存在全局最优的可能性大,使用相对较小的惯性权重来提高局部搜索能力;而对于适应度较差的粒子,则使用相对较大的惯性权重来增强全局搜索能力,避免算法早熟,提高粒子群的收敛速度。
设粒子i在第k次迭代中的适应函数值为Fi,当前最优粒子的适应函数值为Fm,粒子群的平均适应函数值为Fav,将粒子群中优于Fav的适应函数值求平均得到Fav',则惯性权重的调整方案如下:
(1)若Fi优于Fav',这个粒子属于适应度较好的小种群,惯性权重ω调整如式(1):
(2)若Fi处于Fav与Fav'中间,这个粒子属于适应度适中的小种群,惯性权重不做调整。
ω'=ω (2)
(3)若Fi差于Fav,这个粒子属于适应度较差的小种群,惯性权重ω调整如式(3):
式中,ωmin为设定值,k1和k2为调整参数。
应用例
为验证控制策略的有效性,采用图1所示S地区接入220kV ZN变电站的风电并网系统进行仿真。为方便仿真,将外界大电网设为平衡节点,3个风电场均为DFIG,均通过35kV升压到220kV后汇集接入地区电网,每个风电场出口母线均装有6*0.07Mvar的分组投切无功设备。220kV ZN变为风电汇集母线,目标电压值为0.98pu,电压安全范围为0.95-1.05。离散变量为T1-T3有载调压器分接头和C1-C3无功设备。
首先对3个风电场进行超短期预测功率,时间分辨率为10min,考虑1小时共6个点进行仿真,仿真结果如图2所示。然后运用基于ABPSO算法的风电场无功电压控制策略,对该电网系统进行无功电压控制。不同时间段的离散设备控制策略如表1所示。220kV ZN变母线电压曲线如图3所示。
表1不同时间段的离散设备控制策略
时间点 | T1 | T2 | T3 | C1/Mvar | C2/Mvar | C3/Mvar |
1 | 1.0125 | 1.0125 | 1.0125 | 0 | 0 | 0 |
2 | 1.0125 | 1.0125 | 1.0125 | 0 | 0 | 0 |
3 | 1.025 | 1.025 | 1.0125 | 0.14 | 0.14 | 0 |
4 | 1.025 | 1.025 | 1.0125 | 0.14 | 0.14 | 0 |
5 | 1.0125 | 1.025 | 1.0125 | 0.07 | 0.14 | 0 |
6 | 1.0125 | 1.025 | 1.0125 | 0 | 0.07 | 0 |
可以看到,风电场预测功率在时间点2有了波动,故变压器分接头和电容器开始调整,使得调节后中枢母线的电压值维持在了允许的误差范围内,同时通过无功裕度指标的优化,可以进一步消除不确定因素引发的电压越限风险。
Claims (4)
1.一种风电场无功电压控制方法,其特征在于,以风电场母线电压波动和无功设备投入量最小为控制目标;以潮流方程、电压安全和控制变量为约束;根据风电功率的预测数据,利用ABPSO算法求取预测周期内的综合控制指令。
2.根据权利要求1所述的风电场无功电压控制方法,其特征在于,目标函数为:
1)风电场母线电压波动f1
式中,n为风电场母线的数量,M为总的风电预测时段,Vi (max)为母线i在计算时段0~M内电压幅值的最大值,Vi (min)为母线i在计算时段0~M内电压幅值的最小值;
2)无功设备投入量f2
式中,l为风电场无功设备的数量,为无功设备k在t时段的无功功率,M为总的风电预测时段;
通过对权重系数的合理选择,对以上两个指标进行归一化处理,得到最终单目标函数f:
minf=λ1f1+λ2f2,
式中,λ1,λ2分别为f1和f2在目标函数f中的权重系数。
3.根据权利要求1所述的风电场无功电压控制方法,其特征在于,约束条件为:
1)潮流方程约束
式中,Pi (t)和分别代表母线i在t时段注入的有功功率和无功功率;Vi (t)为母线i在t时段的电压;Vi (t)为母线j在t时段的电压;为i、j两节点电压的相角差;Gij为线路i-j的电导;Bij为线路i-j的电纳;
2)电压安全约束
Vimin≤Vi (t)≤Vimax,
式中,Vimin为母线i电压下限值;Vimax为母线i电压上限值;
3)控制变量约束
τmin≤τ≤τmax,
式中,τ为有载调压器抽头档位;τmin,τmax分别为有载调压器抽头档位的最小值和最大值;Qckmax为无功设备k无功功率的上限值。
4.根据权利要求1所述的风电场无功电压控制方法,其特征在于,ABPSO算法将粒子群按照适应度优劣分成3类;对于适应度较好的粒子,其周围存在全局最优的可能性大,使用相对较小的惯性权重来提高局部搜索能力;而对于适应度较差的粒子,则使用相对较大的惯性权重来增强全局搜索能力,避免算法早熟,提高粒子群的收敛速度;
设粒子i在第k次迭代中的适应函数值为Fi,当前最优粒子的适应函数值为Fm,粒子群的平均适应函数值为Fav,将粒子群中优于Fav的适应函数值求平均得到Fav',则惯性权重的调整方案如下:
1)若Fi优于Fav',这个粒子属于适应度较好的小种群,惯性权重ω调整如下式:
2)若Fi处于Fav与Fav'中间,这个粒子属于适应度适中的小种群,惯性权重不做调整,ω'=ω,
3)若Fi差于Fav,这个粒子属于适应度较差的小种群,惯性权重ω调整如下式:
式中,ωmin为设定值,k1和k2为调整参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910078992.2A CN109888844B (zh) | 2019-01-28 | 2019-01-28 | 一种风电场无功电压控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910078992.2A CN109888844B (zh) | 2019-01-28 | 2019-01-28 | 一种风电场无功电压控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109888844A true CN109888844A (zh) | 2019-06-14 |
CN109888844B CN109888844B (zh) | 2020-12-18 |
Family
ID=66927007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910078992.2A Active CN109888844B (zh) | 2019-01-28 | 2019-01-28 | 一种风电场无功电压控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109888844B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114336789A (zh) * | 2021-11-22 | 2022-04-12 | 华能新能源股份有限公司 | 基于最优潮流的风电场电压无功分布式协调控制方法和系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106159961A (zh) * | 2015-04-10 | 2016-11-23 | 华北电力大学(保定) | 一种考虑时空特性的双馈风电场无功电压协调控制方法 |
-
2019
- 2019-01-28 CN CN201910078992.2A patent/CN109888844B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106159961A (zh) * | 2015-04-10 | 2016-11-23 | 华北电力大学(保定) | 一种考虑时空特性的双馈风电场无功电压协调控制方法 |
Non-Patent Citations (3)
Title |
---|
BOLIANG LOU等: "A New Method for Planning of Stand-alone Hybrid PV/WT/BESS/iesel Microgrids Considering DR Based on DARTP", 《2017 IEEE CONFERENCE ON ENERGY INTERNET AND ENERGY SYSTEM INTEGRATION (EI2)》 * |
徐辰婧: "配电网精益化规划研究及应用", 《中国优秀硕士学位论文全文数据库》 * |
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 (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114336789A (zh) * | 2021-11-22 | 2022-04-12 | 华能新能源股份有限公司 | 基于最优潮流的风电场电压无功分布式协调控制方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109888844B (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106655207B (zh) | 基于多数据分析的配电网无功优化系统及方法 | |
CN110518575B (zh) | 基于区域划分的多时间尺度主动配电网电压优化控制方法 | |
CN105846461B (zh) | 一种大规模储能电站自适应动态规划的控制方法和系统 | |
CN108321810A (zh) | 抑制光伏并网点电压波动的配网多时间尺度无功控制方法 | |
CN105762838B (zh) | 一种风电集群无功电压多目标控制方法 | |
CN110896231B (zh) | 一种扶贫区配电网接纳分布式光伏能力计算方法及系统 | |
Wang et al. | Automatic adjustment method of power flow calculation convergence for large-scale power grid based on knowledge experience and deep reinforcement learning | |
CN105870968B (zh) | 一种计及系统负序电压的三相不平衡无功电压控制方法 | |
CN109274136A (zh) | 一种基于量子粒子群算法的光伏系统无功优化方法 | |
Li et al. | Wind farm reactive power and voltage control strategy based on adaptive discrete binary particle swarm optimization algorithm | |
CN104158199A (zh) | 对电力系统实时状态进行无功电压优化控制的系统和方法 | |
CN110224385A (zh) | 一种主动配电网中超导故障限流器的优化配置方法 | |
Liu et al. | Reactive power optimization of power grid with photovoltaic generation based on improved particle swarm optimization | |
CN104578091A (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 | |
CN103489137B (zh) | 一种风电系统无功补偿装置动作序列确定方法 | |
CN109888844A (zh) | 一种风电场无功电压控制方法 | |
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 | |
CN105977992B (zh) | 一种基于负载变化智能调节无功输出的配电系统 | |
CN111600315A (zh) | 一种配电网无功优化方法 | |
CN116316644A (zh) | 一种新能源场站电压实时平抑方法及计算机可读介质 | |
CN115549216B (zh) | 一种风光储场站有功-无功协调控制方法及系统 | |
CN110912189A (zh) | 一种含分布式光伏的农村配电网适应性规划方法及系统 | |
CN107508318B (zh) | 一种基于电压灵敏度分区的有功控制方法及系统 | |
CN108767867A (zh) | 基于元模型的分布式电源就地电压无功控制策略求解方法 | |
CN104135013A (zh) | 应对风电接入的电力系统无功电压分级控制方法 |
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 |