CN110232462A - 一种含分布式光伏的配电网无功配置双层规划方法 - Google Patents

一种含分布式光伏的配电网无功配置双层规划方法 Download PDF

Info

Publication number
CN110232462A
CN110232462A CN201811520562.3A CN201811520562A CN110232462A CN 110232462 A CN110232462 A CN 110232462A CN 201811520562 A CN201811520562 A CN 201811520562A CN 110232462 A CN110232462 A CN 110232462A
Authority
CN
China
Prior art keywords
power
photovoltaic
capacitor
cost
day
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.)
Pending
Application number
CN201811520562.3A
Other languages
English (en)
Inventor
陶琼
秦晓东
梁铭
王德顺
殷俊
赵上林
陈艳
孙博
周国正
叶季蕾
薛金华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Yangzhou Power Supply Co of Jiangsu Electric Power Co
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Yangzhou Power Supply Co of Jiangsu Electric Power Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, Yangzhou Power Supply Co of Jiangsu Electric Power Co filed Critical State Grid Corp of China SGCC
Priority to CN201811520562.3A priority Critical patent/CN110232462A/zh
Publication of CN110232462A publication Critical patent/CN110232462A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/002—Biomolecular computers, i.e. using biomolecules, proteins, cells
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Biophysics (AREA)
  • General Business, Economics & Management (AREA)
  • Water Supply & Treatment (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Development Economics (AREA)
  • Organic Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Quality & Reliability (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种含分布式光伏的配电网无功配置双层规划方法，针对高渗透率分布式光伏多点接入配电网后负荷小方式下可能出现无功过剩、电压偏高等问题，将光伏发电和电容器、电抗器三者协调配置实现无功资源的规划，以最小的成本实现配电网无功的优化配置，从而实现对高渗透率分布式光伏的消纳。

Description

一种含分布式光伏的配电网无功配置双层规划方法
技术领域
本发明属于有源配电网规划领域，具体涉及一种含分布式光伏的配电网无功配置双层规划方法。
背景技术
无功优化规划因算法复杂、建模工作量大，在电网设计阶段应用难度很大，因此实际设计阶段都是按无功配置的原则或规程规定的补偿范围来设计各变电站的无功补偿容量和组数。如针对110kV变电站的无功配置原则提出容性无功补偿配置按主变容量的10％～30％配置，感性无功补偿配置应根据电缆进、出线情况配置适当容量。按照该原则来配置无功补偿具有简单方便、清晰明确和通用性强等可操作性的优势，不必依赖于高难度、大工作量的无功优化计算，成为无可代替的指导原则。然而，该原则的通用性、宏观指导性太强，往往导致一刀切的做法，很难根据不同特性电网的无功平衡需求来做出更加优化的配置，从而引发一些电站(负荷轻、电压高、无功富余的区域)补偿过度，而另一些电站(负荷重、电压低、无功缺乏的区域)补偿又明显不足的问题，为建成后电网的无功电压控制带来诸多掣肘。
另一方面，配电网结构不同于输电网，R/X较大，有功功率和无功功率都极大的影响着线路损耗和电压质量。在传统无源配电网中，保障配电网供电质量和经济运行的主要手段是通过投切电容器可以改变线路无功功率，起到降低线路损耗，提高电压质量的作用。光伏发电接入后，负荷小方式下可能出现无功过剩、电压偏高等问题，需要综合考虑容性和感性无功补偿配置方案。同时考虑到如果光伏安装位置容量适当可以提高配电网的供电质量和降低网损，光伏发电除发出有功功率外，还能不同程度的提供无功支持，光伏发电既可作为配电网有功资源也可作为无功资源。因此，在含有光伏发电的配电网中，只有将光伏发电和电容器、电抗器三者协调配置实现无功资源的规划，才能有效减少资源浪费，达到投资和运行效益最大化。
发明内容
针对高渗透率分布式光伏多点接入配电网后负荷小方式下可能出现无功过剩、电压偏高等问题，本发明的目的是提供一种含分布式光伏的配电网无功配置双层规划方法，将光伏发电和电容器、电抗器三者协调配置实现无功资源的规划，以最小的成本实现配电网无功的优化配置，从而实现对高渗透率分布式光伏的消纳。
为实现上述发明目的，本发明提供了一种含分布式光伏的配电网无功配置双层规划方法，所述方法包括下述步骤：
步骤1：输入电网原始数据，根据负荷、光伏的功率情况，生成计算场景及对应的场景概率；
步骤2：构建含分布式光伏的配电网无功配置双层优化模型，上层以无功装置的总成本最小为目标值进行无功补偿装置的优化配置，下层以配电网年运行费用最小为目标值进行光伏系统及无功补偿装置的协调运行；
步骤3：利用遗传算法进行求解，产生上层规划初始染色体编码，设置最大迭代次数Nmax；
步骤4：针对上层编码中每个染色体，产生下层规划初始染色体编码；
步骤5：经过连续潮流计算与分析，并通过遗传操作获得下层规划最优个体；
步骤6：将下层规划获得的最优个体返回上层规划。计算上层规划群体每个染色体的目标函数；
步骤7：采用选择、交叉、变异遗传操作，产生上层规划新的染色体。
步骤8：进行终止条件判断，若迭代次数N大于最大迭代次数，计算结束，输出结果；否则，转至步骤3。
进一步地，所述步骤1中，计算场景主要包含春季工作日晴天、春季工作日多云天、春季工作日阴雨天、春季节假日晴天、春季节假日多云天、春季节假日阴雨天、夏季工作日晴天、夏季工作日多云天、夏季工作日阴雨天、夏季节假日晴天、夏季节假日多云天、夏季节假日阴雨天、秋季工作日晴天、秋季工作日多云天、秋季工作日阴雨天、秋季节假日晴天、秋季节假日多云天、秋季节假日阴雨天、冬季工作日晴天、冬季工作日多云天、冬季工作日阴雨天、冬季节假日晴天、冬季节假日多云天、冬季节假日阴雨天24种场景，不同场景都有与之相对应的概率。
进一步地，所述步骤2中，上层优化模型的优化变量包括无功补偿装置的类型、安装位置及安装容量，目标函数为考虑无功补偿设备全寿命周期的总成本最小，为保证上下层计算的关联性，计算周期统一为年，成本包括设备初步投资成本Cinv、运行维护费用Com。
minFu＝Cinv+Com·············(1)
其中，投资成本主要包括电容器和电抗器的成本。将无功补偿装置的投资费用折合到每一年。
式中，CC、CL分别为电容器及电抗器单位容量的造价；QC、QL分别为电容器及电抗器的安装容量，单位为kVar；d为贴现率；nC、nL分别为为电容器及电抗器的寿命周期。
运行维护费用主要包括电容器及电抗器的年运维成本，可以表示为
Com＝λCQC+λLQL·············(3)
式中，λC、λL分别为电容器和电抗器单位功率年运维成本。
进一步地，所述步骤2中，下层优化模型的优化变量包括各时段内光伏的无功功率、电容器状态、电抗器状态，优化目标函数为配电网年运行费用最小，运行费用主要包括从电网购电年费用Ce、配电网网损年费用Closs。
minFd＝Ce+Closs·················(4)
运行调度的周期为一天，并考虑光伏发电以及负荷的时序性，将24小时划分了N个时段，每个时段时长为Δt。
从电网购电年费用Ce，可以表示为
式中，m为场景序号，pm为场景m发生的概率，n代表时段序号，i代表配电网内的节点，cn为时段n内的电网度电电价，Ploadin、PPVin为时段n内节点i的负荷有功功率及光伏有功功率。pipf为节点i处功率因数不达标的惩罚量，按下式进行计算。
式中，cosψ为配电网各节点处的功率因数，cosψmin为功率因数最低要求值。
配电网网损年费用Closs，可以表示为
式中，Plossn为时段n内的电网有功功率损耗
进一步地，步骤2中优化模型的约束条件包括：常规的节点电压约束、支路潮流约束、变压器运行约束、辐射运行约束、分布式光伏运行状态约束、无功设备投切次数约束。
常规的节点电压约束、支路潮流约束、变压器运行约束、辐射运行约束，如式(8)所示：
式中，Ik’，Ik max分别为支路k的电流和最大允许通过电流；Vi’，Vi min，Vi max分别为各节点的电压和电压上下限；Sj、Sj额分别为各变压器的运行容量及额定容量；g为网络拓扑结构；G为辐射状网络拓扑结构。
分布式光伏运行状态约束。如式9所示：
PPV、PPVmax、PPVmin分别为光伏系统有功功率及其最大和最小允许值，QPV、QPVmax分别为光伏系统无功功率及其最大允许值，Sinv为光伏逆变器的容量。
无功设备投切次数约束，如式(10)所示。
TC、TCmax、TL、TLmax为每天电容器、电抗器投切次数和允许最大投切次数；
进一步地，步骤3中，上层优化模型中每个染色体被分为2部分。第一部分代表电容器位置与容量，采用4位二进制数编码，nc为电容器候选位置个数，C1，…Cnc为电容器编码；第二部分代表电抗器位置与容量，采用4位二进制数编码，nl为电容器候选位置个数，L1，…Lnl为电抗器编码。
进一步地，步骤4中，不考虑对光伏发电有功出力进行控制，主要考虑将光伏发电无功出力、电容器投入组数、电抗器投入组数作为控制变量，规划24h运行状态。因此下层优化模型中染色体被分为3部分，每部分反映光伏、电容器、电抗器三种不同装置在各安装位置上24h的出力。第1部分光伏发电无功出力，共有npv×24个染色体组，第(i-1)×24+t个染色体组表示在第i个光伏发电/电容器/电抗器第t时刻的无功出力，其他部分类推。每个染色体组采用4位二进制数编码，可考虑16种可能出力。
发明效果
与现有技术比，本发明的有益效果为：
1)本发明提出了一种含分布式光伏的配电网无功配置双层规划方法，充分利用配电网中的分布式光伏的无功功率调节能力，将光伏发电和电容器、电抗器三者协调配置实现无功资源的规划，有效减少资源浪费，达到投资和运行效益最大化。。
2)本发明充分考虑到光伏发电接入后，负荷小方式下可能出现无功过剩、电压偏高等问题，明确量化了感性无功补偿的配置，较传统只考虑容性无功配置的规划方法更适应未来有源配电网的发展趋势。
附图说明
图1是本发明的流程图；
图2是本发明的无功配置双层优化模型框架；
图3是本发明的上层染色体编码方式；
图4是本发明的上层染色体编码方式；
图5是本发明实施例配电网结构。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
图5为某一区域内的配电网实例结构，本发明提供了一种含分布式光伏的配电网无功配置双层规划方法，如图1，所述方法包括下述步骤：
步骤1：输入电网原始数据，本例中光伏安装在节点10、12、14、15、17，容量均为500kW，根据负荷、光伏的功率情况，生成典型计算场景，主要包含春季工作日晴天、春季工作日多云天、春季工作日阴雨天、春季节假日晴天、春季节假日多云天、春季节假日阴雨天、夏季工作日晴天、夏季工作日多云天、夏季工作日阴雨天、夏季节假日晴天、夏季节假日多云天、夏季节假日阴雨天、秋季工作日晴天、秋季工作日多云天、秋季工作日阴雨天、秋季节假日晴天、秋季节假日多云天、秋季节假日阴雨天、冬季工作日晴天、冬季工作日多云天、冬季工作日阴雨天、冬季节假日晴天、冬季节假日多云天、冬季节假日阴雨天24种场景，场景概率分别为3.74％，7.65％，5.61％，1.54％，3.15％，2.31％，3.96％，8.1％，5.94％，1.58％，3.24％，2.38％，3.96％，8.1％，5.94％，1.65％，3.38％，2.48％，3.96％，8.1％，5.94％，1.61％，3.29％，2.41％。
步骤2：构建含分布式光伏的配电网无功配置双层优化模型，如图2，上层以无功装置的总成本最小为目标值进行无功补偿装置的优化配置，下层以配电网年运行费用最小为目标值进行光伏系统及无功补偿装置的协调运行；
上层优化模型的优化变量包括无功补偿装置的类型、安装位置及安装容量，目标函数为考虑无功补偿设备全寿命周期的总成本最小，为保证上下层计算的关联性，计算周期统一为年，成本包括设备初步投资成本Cinv、运行维护费用Com。
minFu＝Cinv+Com
其中，投资成本主要包括电容器和电抗器的成本。将无功补偿装置的投资费用折合到每一年。
式中，CC、CL分别为电容器及电抗器单位容量的造价，计算中取补偿电容综合成本为110元/kvar，补偿电抗综合成本为120元/kvar；QC、QL分别为电容器及电抗器的安装容量，单位为kVar；d为贴现率，取10％；nC、nL分别为为电容器及电抗器的寿命周期，取20年。
运行维护费用主要包括电容器及电抗器的年运维成本，可以表示为
Com＝λCQC+λLQL
式中，λC、λL分别为电容器和电抗器单位功率年运维成本，取0.1。
进一步地，所述步骤2中，下层优化模型的优化变量包括各时段内光伏的无功功率、电容器状态、电抗器状态，优化目标函数为配电网年运行费用最小，运行费用主要包括从电网购电年费用Ce、配电网网损年费用Closs。
minFd＝Ce+Closs
运行调度的周期为一天，并考虑光伏发电以及负荷的时序性，将24小时划分了24个时段，每个时段时长为1h。
从电网购电年费用Ce，可以表示为
式中，m为场景序号，pm为场景m发生的概率，n代表时段序号，i代表配电网内的节点，Ploadin、PPVin为时段n内节点i的负荷有功功率及光伏有功功率，cn为时段n内的电网度电电价，采用江苏省工业用电电价，分峰、平、谷三个时段，峰时电价时间段为：8:00-12:00和17:00-21:00，电价为1.1002元/kWh；平时电价时间段为：12:00-17:00和21:00-24:00，电价为0.6601元/kWh；谷时电价时间段为：0:00-8:00，电价为0.32元/kWh。。pipf为节点i处功率因数不达标的惩罚量，按下式进行计算。
式中，cosψ为配电网各节点处的功率因数，cosψmin为功率因数最低要求值，取0.85。
配电网网损年费用Closs，可以表示为
式中，Plossn为时段n内的电网有功功率损耗
进一步地，步骤2中优化模型的约束条件包括：常规的节点电压约束、支路潮流约束、变压器运行约束、辐射运行约束、分布式光伏运行状态约束、无功设备投切次数约束。
常规的节点电压约束、支路潮流约束、变压器运行约束、辐射运行约束：
式中，Ik’，Ik max分别为支路k的电流和最大允许通过电流；Vi’，Vi min，Vi max分别为各节点的电压和电压上下限；Sj、Sj额分别为各变压器的运行容量及额定容量；g为网络拓扑结构；G为辐射状网络拓扑结构。
分布式光伏运行状态约束：
PPV、PPVmax、PPVmin分别为光伏系统有功功率及其最大和最小允许值，QPV、QPVmax分别为光伏系统无功功率及其最大允许值，最大允许值分别取光伏逆变器容量的5％，10％，Sinv为光伏逆变器的容量。
无功设备投切次数约束：
TC、TCmax、TL、TLmax为每天电容器、电抗器投切次数和允许最大投切次数，取4；
步骤3：利用遗传算法进行求解，产生上层规划初始染色体编码，如图3，每个染色体被分为2部分。第一部分代表电容器位置与容量，采用4位二进制数编码，0000表示不接入，0001表示接入容量为10kVar，0010表示接入容量为20kVar，0011表示接入容量为30kVar，以此类推，1111表示接入容量为150kVar，nc为电容器候选位置个数，本实施案例中电容器候选位置节点5、8、12、17，因此本例中电容器编码包含C1,C2,C3,C4；第二部分代表电抗器位置与容量，采用4位二进制数编码，0000表示不接入，0001表示接入容量为10kVar，0010表示接入容量为20kVar，0011表示接入容量为30kVar，以此类推，1111表示接入容量为150kVar，nl为电容器候选位置个数，本实施案例中电容器候选位置节点10、12、14、15、17，因此本例中电容器编码包含L1,L2,L3,L4,L5。设置最大迭代次数Nmax为50；
步骤4：针对上层编码中每个染色体，产生下层规划初始染色体编码，如图4，染色体被分为3部分，每部分反映光伏、电容器、电抗器三种不同装置在各安装位置上24h的出力，第(i-1)×24+t个染色体组表示在第i个光伏发电/电容器/电抗器在第t时刻的无功出力，其他部分类推。每个染色体组采用4位二进制数编码，可考虑16种可能出力。
步骤5：经过连续潮流计算与分析，并通过遗传操作获得下层规划最优个体；
步骤6：将下层规划获得的最优个体返回上层规划。计算上层规划群体每个染色体的目标函数；
步骤7：采用选择、交叉、变异遗传操作，产生上层规划新的染色体。
步骤8：进行终止条件判断，若迭代次数N大于最大迭代次数，计算结束，输出结果；否则，转至步骤3。最终结果如下表：

Claims (7)

1.一种含分布式光伏的配电网无功配置双层规划方法，其特征在于，有如下步骤：
步骤1)输入电网原始数据，根据负荷、光伏的功率情况，生成计算场景及对应的场景概率；
步骤2)构建含分布式光伏的配电网无功配置双层优化模型，上层以无功装置的总成本最小为目标值进行无功补偿装置的优化配置，下层以配电网年运行费用最小为目标值进行光伏系统及无功补偿装置的协调运行；
步骤3)利用遗传算法进行求解，产生上层规划初始染色体编码，设置最大迭代次数Nmax；
步骤4)针对上层编码中每个染色体，产生下层规划初始染色体编码；
步骤5)经过连续潮流计算与分析，并通过遗传操作获得下层规划最优个体；
步骤6)将下层规划获得的最优个体返回上层规划；计算上层规划群体每个染色体的目标函数；
步骤7)采用选择、交叉、变异遗传操作，产生上层规划新的染色体；
步骤8)进行终止条件判断，若迭代次数N大于最大迭代次数，计算结束，输出结果；否则，转至步骤3。
2.如权利权利要求1所述的方法，其特征在于，所述步骤1)中，计算场景包含春季工作日晴天、春季工作日多云天、春季工作日阴雨天、春季节假日晴天、春季节假日多云天、春季节假日阴雨天、夏季工作日晴天、夏季工作日多云天、夏季工作日阴雨天、夏季节假日晴天、夏季节假日多云天、夏季节假日阴雨天、秋季工作日晴天、秋季工作日多云天、秋季工作日阴雨天、秋季节假日晴天、秋季节假日多云天、秋季节假日阴雨天、冬季工作日晴天、冬季工作日多云天、冬季工作日阴雨天、冬季节假日晴天、冬季节假日多云天、冬季节假日阴雨天24种场景，不同场景都有与之相对应的概率。
3.如权利权利要求1所述的方法，其特征在于，所述步骤2)中，上层优化模型的优化变量包括无功补偿装置的类型、安装位置及安装容量，目标函数为考虑无功补偿设备全寿命周期的总成本最小，为保证上下层计算的关联性，计算周期统一为年，成本包括设备初步投资成本Cinv、运行维护费用Com：
min Fu＝Cinv+Com·············(1)
其中，投资成本主要包括电容器和电抗器的成本，将无功补偿装置的投资费用折合到每一年；
式中，CC、CL分别为电容器及电抗器单位容量的造价；QC、QL分别为电容器及电抗器的安装容量，单位为kVar；d为贴现率；nC、nL分别为为电容器及电抗器的寿命周期；
运行维护费用主要包括电容器及电抗器的年运维成本，表示为
Com＝λCQC+λLQL·············(3)
式中，λC、λL分别为电容器和电抗器单位功率年运维成本。
4.如权利权利要求1所述的方法，其特征在于，所述步骤2)中，下层优化模型的优化变量包括各时段内光伏的无功功率、电容器状态、电抗器状态，优化目标函数为配电网年运行费用最小，运行费用包括从电网购电年费用Ce、配电网网损年费用Closs；
min Fd＝Ce+Closs·················(4)
运行调度的周期为一天，并考虑光伏发电以及负荷的时序性，将24小时划分了N个时段，每个时段时长为Δt；
从电网购电年费用Ce，表示为
式中，m为场景序号，pm为场景m发生的概率，n代表时段序号，i代表配电网内的节点，cn为时段n内的电网度电电价，Ploadin、PPVin为时段n内节点i的负荷有功功率及光伏有功功率；pipf为节点i处功率因数不达标的惩罚量，按下式进行计算：
式中，cosψ为配电网各节点处的功率因数，cosψmin为功率因数最低要求值；
配电网网损年费用Closs，可以表示为
式中，Plossn为时段n内的电网有功功率损耗。
5.如权利权利要求1所述的方法，其特征在于，所述步骤2)中优化模型的约束条件包括：常规的节点电压约束、支路潮流约束、变压器运行约束、辐射运行约束、分布式光伏运行状态约束、无功设备投切次数约束；
常规的节点电压约束、支路潮流约束、变压器运行约束、辐射运行约束，如式(8)所示：
式中，Ik’，Ik max分别为支路k的电流和最大允许通过电流；Vi’，Vi min，Vi max分别为各节点的电压和电压上下限；Sj、Sj额分别为各变压器的运行容量及额定容量；g为网络拓扑结构；G为辐射状网络拓扑结构；
分布式光伏运行状态约束，如式9所示：
PPV、PPVmax、PPVmin分别为光伏系统有功功率及其最大和最小允许值，QPV、QPVmax分别为光伏系统无功功率及其最大允许值，Sinv为光伏逆变器的容量；
无功设备投切次数约束，如式(10)所示:
TC、TCmax、TL、TLmax为每天电容器、电抗器投切次数和允许最大投切次数。
6.如权利权利要求1所述的方法，其特征在于，步骤3)中，上层优化模型中每个染色体被分为2部分：第一部分代表电容器位置与容量，采用4位二进制数编码，nc为电容器候选位置个数，C1，…Cnc为电容器编码；第二部分代表电抗器位置与容量，采用4位二进制数编码，nl为电容器候选位置个数，L1，…Lnl为电抗器编码。
7.如权利权利要求1所述的方法，其特征在于，步骤4)中，不考虑对光伏发电有功出力进行控制，主要考虑将光伏发电无功出力、电容器投入组数、电抗器投入组数作为控制变量，规划24h运行状态；因此下层优化模型中染色体被分为3部分，每部分反映光伏、电容器、电抗器三种不同装置在各安装位置上24h的出力；第1部分光伏发电无功出力，共有npv×24个染色体组，第(i-1)×24+t个染色体组表示在第i个光伏发电/电容器/电抗器第t时刻的无功出力，其他部分类推；每个染色体组采用4位二进制数编码，考虑16种出力。
CN201811520562.3A 2018-12-12 2018-12-12 一种含分布式光伏的配电网无功配置双层规划方法 Pending CN110232462A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811520562.3A CN110232462A (zh) 2018-12-12 2018-12-12 一种含分布式光伏的配电网无功配置双层规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811520562.3A CN110232462A (zh) 2018-12-12 2018-12-12 一种含分布式光伏的配电网无功配置双层规划方法

Publications (1)

Publication Number Publication Date
CN110232462A true CN110232462A (zh) 2019-09-13

Family

ID=67862292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811520562.3A Pending CN110232462A (zh) 2018-12-12 2018-12-12 一种含分布式光伏的配电网无功配置双层规划方法

Country Status (1)

Country Link
CN (1) CN110232462A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111641205A (zh) * 2020-05-11 2020-09-08 浙江工业大学 一种基于随机优化的主动配电网故障管理方法
CN114069687A (zh) * 2020-07-31 2022-02-18 南京理工大学 一种计及逆变器无功调节作用的分布式光伏规划方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111641205A (zh) * 2020-05-11 2020-09-08 浙江工业大学 一种基于随机优化的主动配电网故障管理方法
CN111641205B (zh) * 2020-05-11 2021-12-17 浙江工业大学 一种基于随机优化的主动配电网故障管理方法
CN114069687A (zh) * 2020-07-31 2022-02-18 南京理工大学 一种计及逆变器无功调节作用的分布式光伏规划方法
CN114069687B (zh) * 2020-07-31 2024-04-23 南京理工大学 一种计及逆变器无功调节作用的分布式光伏规划方法

Similar Documents

Publication Publication Date Title
CN107301470B (zh) 一种配电网扩展规划与光储选址定容的双层优化方法
Hammons Integrating renewable energy sources into European grids
CN111950809B (zh) 基于主从博弈的综合能源系统分层分区优化运行方法
CN110460036B (zh) 一种考虑风电不确定性的交直流配电网分布式优化方法
CN108736522B (zh) 交直流混合分布式系统的运行控制系统
CN105279578A (zh) 一种主动配电网区域电源优化配置双层规划方法
CN106058858B (zh) 一种配电网优化方法与装置
CN110544961A (zh) 一种孤网型交直流混联微电网动态经济调度方法
CN107968439A (zh) 基于混合整数线性规划的主动配电网联合优化算法
CN108493985B (zh) 含分布式电源的配电网电压越限薄弱环节的识别方法
CN104158198A (zh) 配电网优化潮流控制装置和方法
CN107025520A (zh) 配电网新能源消纳能力确定的双层二阶锥规划方法与系统
CN104269847A (zh) 一种柔性环网控制系统运行及潮流优化方法
CN114597969B (zh) 计及智能软开关和虚拟电厂技术的配电网双层优化方法
CN107196316A (zh) 主动配电网内多级无功电压协调控制方法
CN103595061A (zh) 基于综合效益分析的企业电网无功优化方法及系统
CN104659812B (zh) 一种基于预测控制的多微网协调控制方法
CN110232462A (zh) 一种含分布式光伏的配电网无功配置双层规划方法
CN107392350B (zh) 含分布式能源及充电站的配电网扩展规划综合优化方法
CN110912168B (zh) 背靠背柔性互联配电网中储能的优化规划方法
CN108718084B (zh) 一种适应电力市场化改革的电源和电网协调规划方法
CN113890110B (zh) 基于能源路由器的交直流混合能源系统及其运行优化方法
CN107370182B (zh) 一种主动配电网三元规划体系分布式电源接入规划方法
Lu et al. Planning of Soft Open Point Considering Demand Response
CN113629784A (zh) 一种农村配电网多目标优化调度方法

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
CB02 Change of applicant information

Address after: 225009 Weiyang Road, Jiangsu, China, No. 179, No.

Applicant after: YANGZHOU POWER SUPPLY BRANCH OF STATE GRID JIANGSU ELECTRIC POWER Co.,Ltd.

Applicant after: CHINA ELECTRIC POWER RESEARCH INSTITUTE Co.,Ltd.

Applicant after: STATE GRID CORPORATION OF CHINA

Address before: 225009 Weiyang Road, Jiangsu, China, No. 179, No.

Applicant before: YANGZHOU POWER SUPPLY BRANCH OF STATE GRID JIANGSU ELECTRIC POWER Co.,Ltd.

Applicant before: CHINA ELECTRIC POWER RESEARCH INSTITUTE Co.,Ltd.

Applicant before: State Grid Corporation of China

CB02 Change of applicant information
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190913

WD01 Invention patent application deemed withdrawn after publication