CN110350597A - 基于分布式光伏有功-无功优化的配电网电压控制方法 - Google Patents
基于分布式光伏有功-无功优化的配电网电压控制方法 Download PDFInfo
- Publication number
- CN110350597A CN110350597A CN201910542942.5A CN201910542942A CN110350597A CN 110350597 A CN110350597 A CN 110350597A CN 201910542942 A CN201910542942 A CN 201910542942A CN 110350597 A CN110350597 A CN 110350597A
- Authority
- CN
- China
- Prior art keywords
- node
- voltage
- active
- distribution network
- idle
- 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 39
- 238000005457 optimization Methods 0.000 title claims abstract description 21
- 239000002245 particle Substances 0.000 claims abstract description 45
- 230000035945 sensitivity Effects 0.000 claims abstract description 28
- 238000011217 control strategy Methods 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims abstract description 17
- 238000006467 substitution reaction Methods 0.000 claims abstract description 7
- 230000003044 adaptive effect Effects 0.000 claims description 16
- 230000005611 electricity Effects 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 2
- MYVIATVLJGTBFV-UHFFFAOYSA-M thiamine(1+) chloride Chemical compound [Cl-].CC1=C(CCO)SC=[N+]1CC1=CN=C(C)N=C1N MYVIATVLJGTBFV-UHFFFAOYSA-M 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010248 power generation Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000001491 myopia Diseases 0.000 description 1
- 230000004379 myopia Effects 0.000 description 1
Classifications
-
- H02J3/383—
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- 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
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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)
- Control Of Electrical Variables (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及配电网技术,具体涉及基于分布式光伏有功‑无功优化的配电网电压控制方法,包括建立配电网结构模型并利用前推回代方法计算各节点电压大小;根据各节点负荷信息以及电压确立配电网有功与无功灵敏度矩阵;依据配电网无功灵敏度矩阵与各节点分布式光伏最大发电容量,对配电网各节点无功裕度进行评估,选择电压控制策略;若无功裕度不足,则在配电网出现最大电压的情况下,计算各节点在进行有功‑无功调节时的电压上限;构建配电网规划模型;采用粒子群算法,以配电网网损大小作为粒子适应度进行计算,在满足最大迭代次数的情况下,输出各节点开始进行无功调压与开始有功削减时的电压大小。该方法使得一天之中的配电网损维持在最低水平。
Description
技术领域
本发明属于非有效接地配电网技术领域,尤其涉及基于分布式光伏有功-无功优化的配电网电压控制方法。
背景技术
由于典型居民负荷的高峰与低谷时段和光照时段的不匹配,高比例户用屋顶光伏的并网将造成低压配电网电压越限,即低压配电网在白天容易出现过电压风险,而夜间容易面临欠电压风险,其已成为影响光伏消纳的最重要因素之一。目前基于光伏逆变器的电压控制也逐渐成为近年来研究的焦点,一些研究提出了基于光伏并网有功削减的电压控制策略,通过削减光伏发电量从而达到电压不越限的目的,但是这将会限制光伏逆变器的并网能力,浪费电网资源和可再生能源。因此越来越多的户用光伏发电通过具备无功调节能力的逆变器进行并网,在保证满足各种运行条件的同时,利用光伏逆变器的无功调节能力最大限度的改善电压质量,降低网络损耗。但现有低压配电网中的无功优化模型往往建立在光伏逆变器无功可控容量充足的基础上,与实际配电网中的光伏逆变器无功容量有限不符,无法根据光伏逆变器无功容量的评估进行进一步的电压控制。
因此,需要根据光伏逆变器无功裕度的评价,并能够考虑到实时光照变化,设计一种基于光伏逆变器有功-无功优化的配电网电压控制方法,能够在已知各并网点位置光伏发电量不变的情况下,分布式光伏发电系统预防各并网点电压越限并最大程度上降低网损,以满足用电需求。
发明内容
本发明的目的是提供一种能够在已知各并网点位置光伏发电量不变的情况下,分布式光伏发电系统预防各并网点电压越限并最大程度降低网损的方法。
为实现上述目的,本发明采用的技术方案是:基于分布式光伏有功-无功优化的配电网电压控制方法,包括以下步骤:
步骤1、建立配电网结构模型并利用前推回代方法计算各节点电压大小;
步骤2、根据各节点负荷信息以及电压确立配电网有功与无功灵敏度矩阵;
步骤3、依据配电网无功灵敏度矩阵与各节点分布式光伏最大发电容量,对配电网各节点无功裕度进行评估,并选择电压控制策略;
步骤4、若无功裕度不足,则在配电网出现最大电压的情况下,计算各节点在进行有功-无功调节时的电压上限;
步骤5、选定配电网网损最小为目标,并约束各节点开始进行无功调压与开始有功削减时的电压范围,构建配电网规划模型;
步骤6、采用粒子群算法,以配电网网损大小作为粒子适应度进行计算,在满足最大迭代次数的情况下,输出各节点开始进行无功调压与开始有功削减时的电压大小。
在上述的基于分布式光伏有功-无功优化的配电网电压控制方法中,步骤1 的实现包括以下步骤:
步骤1.1、获取配电网节点数为N、Zi为节点i的支路阻抗、Pi+jQi为节点i 的负荷,Pi为节点i的负荷有功功率,Qi为节点i的负荷无功功率,确定电压上限为Umax,确定电压下限为Umin;i∈[1,N];
步骤1.2、利用各节点负荷与支路阻抗,通过前推回代算法求出在无光伏接入时各节点电压Ui:
其中Pi+1+jQi+1为节点i+1的负荷,Ui+1节点i+1电压大小。
在上述的基于分布式光伏有功-无功优化的配电网电压控制方法中,步骤2 所述配电网有功与无功灵敏度矩阵为:
式中表示节点i对节点j的电压-有功灵敏度,Ui是节点i的电压,Pj和 Qj分别表示节点j的有功功率与无功功率大小,ΘCN0,i∩ΘCN0,j是节点0到节点i 与节点0到节点j路径上的线路和节点的交集,Ul是节点l的电压数据,Rl和Xl分别表示节点l负荷的电阻与电抗数据。
在上述的基于分布式光伏有功-无功优化的配电网电压控制方法中,步骤3 的实现包括以下步骤:
步骤3.1、各节点依据无功灵敏度矩阵以及自身分布式光伏无功可控容量,对是否能够完全消除自身过电压风险做出评估,初步判定无功裕度GOV为:
其中Unmax表示末节点电压最大值,是节点j光伏的额定有功输出功率,Sj是节点j的光伏逆变器的容量,表示节点n对节点j的电压-无功灵敏度;
步骤3.2、以无功裕度GOV作为判据,对不同时段的电压差异采用不同的电压控制策略,若GOV≤1,表示无功裕度充足,各节点光伏无功可控容量足以消除电压越限风险,反之表示存在电压越限风险,则需要采用有功-无功协调控制;
步骤3.3、GOV≤1的情况下,采用自校正方法,迭代计算各节点电压,检验能否完全消除电压越限情况;公式为:
其中是节点i在进行无功完全补偿条件下的残余电压,是节点i在一天运行中的电压最大值;
步骤3.4、若存在最大值其中k为最大值所在节点,则应当对节点k重新计算无功裕度,直到即满足配电网完全满足电压运行条件。
在上述的基于分布式光伏有功-无功优化的配电网电压控制方法中,步骤4 的实现包括以下步骤:
步骤4.1、各节点在无功裕度不足条件下,进行有功-无功调节时的电压为:
表示节点i电压最大值,β表示每个节点的光伏削减比例,是节点 j光伏的额定有功输出功率,表示进行无功削减之后的无功可控容量,Sj是节点j的光伏逆变器的容量;
步骤4.2、计算最小有功削减比例βmin,公式为:
式中Uth-OV是电压允许上限值,是节点n在一天运行中的电压最大值。
在上述的基于分布式光伏有功-无功优化的配电网电压控制方法中,步骤5 所述建立配电网规划模型步骤为:根据各节点电压变化确定开始进行无功补偿电压Ustr以及开始进行有功-无功协调控制电压Usta,使得整个配电网在一天运行当中网络损耗最小,其模型为:
其中Ploss(t)表示t时刻配电网总网损,D(t)表示供电公司在t时刻的购电价格,代表t时刻节点j逆变器额定无功容量大小,代表节点i 开始进行无功补偿时的上限电压,代表节点i对节点i的电压-无功灵敏度, L2,i代表节点i开始进行有功削减时的上限电压。
在上述的基于分布式光伏有功-无功优化的配电网电压控制方法中,步骤6 的实现包括以下步骤:
步骤6.1、按照所述无功补偿电压Ustr以及开始进行有功-无功协调控制电压 Usta的限制范围,随机生成配电网各节点在一天中电压发生变化时控制策略改变所应当满足的阈值参数,而针对某一时刻电压由于临近预设电压阈值而造成部分节点电压未达到控制策略要求时,具体公式为:
式中Ui(t)为t时刻节点i的电压大小,Ucra.i为节点i开始进行有功-无功协调控制的电压大小;
步骤6.2、满足控制策略要求的节点数量超过节点数一半,则采取有功-无功协调控制,反之仅进行无功补偿;
步骤6.3、利用粒子群算法将阈值参数作为随机生成粒子种群D,并且以所述规划模型H作为粒子适应值,采用粒子群算法,比较各粒子适应值H和当前个体最优解Hbest,i,比较各粒子适应值H和当前第i种方案下规划最优解Hbest,i,其中H如下:
若某个粒子的适应值H(di)<Hbest,i,则H(di)=Hbest,i,di=dp,i;
其中,dp,i为第i种迄今为止搜索到的最优电压控制方案,Hbest,i在当前第i 种电压控制方案下的最优解;
令所有规划方案中的H(di)最小值为Hmin,若Hmin<gbest,即本代群体最优解小于上代群体最优解,则gbest=Hmin;若gbest值不变,则h=h+1,若h≥20则重新将部分粒子初始化,若h<20,则h=0;输出gbest值即为最终输出电压控制方案。
本发明的有益效果:依据各节点负荷差异以及一天之中电压变化,利用有功-无功协调控制方法使得各节点在处理电压越限情况时更加灵活,并且采用粒子群算法设定控制策略改变时的电压大小,使得一天之中的配电网损维持在最低水平。
附图说明
图1为本发明一个实施例基于分布式光伏有功-无功优化的配电网电压控制方法的流程图;
图2为本发明一个实施例IEEE33节点场景示意图;
图3为本发明一个实施例实验结果图。
具体实施方式
下面结合附图对本发明的实施方式进行详细描述。
本实施例提供一种基于分布式光伏有功-无功优化的配电网电压控制方法,可用于确定配电网中分布式光伏在每个节点电压变化的情况下,采用不同的控制策略。如图1所示,包括以下步骤:
S1:建立配电网结构模型并利用前推回代方法计算各节点电压大小;
S2:根据各节点负荷信息以及电压确立配电网有功与无功灵敏度矩阵;
S3:依据配电网无功灵敏度矩阵与各节点分布式光伏最大发电容量,对配电网各节点利用自校正方法对无功裕度进行评估,并选择合适的电压控制策略。
S4:若无功裕度不足,则在配电网出现最大电压的情况下,计算各节点在进行有功-无功调节时的电压大小。
S5:选定配电网网损最小为目标,并约束各节点开始进行无功调压与开始有功削减时的电压范围,构建配电网规划模型。
S6:采用粒子群算法,以配电网网损大小作为粒子适应度进行计算,在满足最大迭代次数的情况下,输出各节点开始进行无功调压与开始有功削减时的电压大小。
而且,S1中建立配电网结构模型为:
获取配电网节点数为N、Zi为节点i的支路阻抗、Pi+jQi为节点i的负荷,Pi为节点i的负荷有功功率,Qi为节点i的负荷无功功率,确定电压上限为Umax,确定电压下限为Umin;i∈[1,N];
依据上述网络结构模型,利用各节点负荷与支路阻抗,通过前推回代算法可以求出在无光伏接入时各节点电压大小Ui:
其中Pi+1+jQi+1为节点i+1的负荷,Ui+1节点i+1电压大小。
而且,S2中所述根据各节点负荷信息确立配电网有功与无功灵敏度矩阵具体为:
式中代表节点i对节点j的电压-有功灵敏度,Ui是节点i的电压,Pj和 Qj分别代表节点j的有功功率与无功功率大小,ΘCN0,i∩ΘCN0,j是节点0到节点i 与节点0到节点j路径上的线路和节点的交集,Ul是节点l的电压数据,Rl和Xl分别代表节点l负荷的电阻与电抗数据。
而且,S3中所述对配电网各节点无功裕度进行评估具体为:各节点依据无功灵敏度矩阵以及自身分布式光伏无功可控容量,对是否能够完全消除自身过电压风险做出评估,由于末节点最容易出现过电压情况,故而初步判定无功裕度GOV为:
其中Unmax代表末节点电压最大值,是节点j光伏的额定有功输出功率, Sj是节点j的光伏逆变器的容量,代表节点n对节点j的电压-无功灵敏度。
其中将无功裕度GOV作为判据,对不同时段的电压差异采用不同的电压控制策略,其中GOV≤1代表无功裕度充足,各节点光伏无功可控容量足以消除电压越限风险,反之代表仍存在电压越限风险,需要进一步采用有功—无功协调控制。
在实际控制中,由于各节点负荷差异较大,对末节点的控制可能不足以保证整条线路电压维持在预设电压阈值范围内,故而采用自校正方法,即对于 GOV≤1的情况下,需要迭代计算各节点电压,检验是否完全消除电压越限情况,具体公式为:
其中是节点i在进行无功完全补偿条件下的残余电压,是节点i在一天运行中的电压最大值。
若存在最大值其中k为最大值所在节点,则应当对节点k重新计算无功裕度,直到全部小于等于0即满足配电网完全满足电压运行条件。
而且,S4中所述各节点在无功裕度不足条件下,进行有功-无功调节时的电压具体为:
代表节点i电压最大值,β表示每个节点的光伏削减比例,是节点 j光伏的额定有功输出功率,代表进行无功削减之后的无功可控容量,Sj是节点j的光伏逆变器的容量。
由于任意节点的功率改变将会对整个配电网电压产生影响,故而基于公平的原则与平衡各节点的目的,各节点削减有功比例β应当相同,为了保证浪费电网资源最小化,故而采样最容易出现电压越限的末节点数据,可以计算最小有功削减比例βmin,具体公式为:
式中Uth-OV是电压允许上限值,是节点n在一天运行中的电压最大值。
而且,S5中所述建立配电网规划模型为:
考虑到一天之中各节点的电压情况可能发生较大变化,因此除了在配电网电压最大时段应当设置电压控制策略,还应当根据各节点电压变化确定开始进行无功补偿的电压Ustr以及开始进行有功—无功协调控制的电压Usta,使得整个配电网在一天运行当中网络损耗最小,具体模型为:
其中Ploss(t)代表t时刻配电网总网损,D(t)代表供电公司在t时刻的购电价格,代表t时刻节点j逆变器额定无功容量大小,代表节点i 开始进行无功补偿时的上限电压,代表节点i对节点i的电压-无功灵敏度, L2,i代表节点i开始进行有功削减时的上限电压。
而且,S6中采用粒子群算法,输出各节点开始进行无功调压与开始有功削减时的电压具体为:
由于各节点在一天之中电压大小发生较大差异,且各节点由于自身负荷以及所处位置不同,难以做到设定同一电压标准,故而为了方便集中调配与统一管理,在同一时刻,各节点应当工作在同一电压控制策略下。
因此按照S5所述无功补偿的电压Ustr以及开始进行有功-无功协调控制的电压Usta的限制范围,随机生成配电网各节点在一天中电压发生变化时控制策略改变所应当满足的阈值参数,而针对某一时刻电压由于临近预设电压阈值而造成部分节点电压未达到控制策略要求时,具体公式为:
式中Ui(t)为t时刻节点i的电压大小,Ucra.i为节点i开始进行有功-无功协调控制的电压大小。
即满足控制策略要求的节点数量超过节点数一半,则采取有功-无功协调控制,反之仅进行无功补偿。
依据上述方法利用粒子群算法将阈值参数作为随机生成粒子种群D,并且以S5中所述规划模型得分H作为粒子适应值,采用粒子群算法,比较各粒子适应值H和当前个体最优解Hbest,i,比较各粒子适应值H和当前第i种方案下规划最优解Hbest,i,其中H如下所示:
若某个粒子的适应值H(di)<Hbest,i,则H(di)=Hbest,i,di=dp,i;
其中,dp,i为第i种迄今为止搜索到的最优电压控制方案,Hbest,i在当前第i 种电压控制方案下的最优解;
令所有规划方案中的H(di)最小值为Hmin,若Hmin<gbest,即本代群体最优解小于上代群体最优解,则gbest=Hmin;若gbest值不变,则h=h+1,若h≥20则重新将部分粒子初始化,若h<20,则h=0;输出gbest值即为最终输出电压控制方案。
具体实施时,如附图2所示,IEEE33节点配电系统,该模型是一个10kV 的配电网馈线系统。
(一)确立网架结构,以IEEE33配电网为例,获取配电网节点数为N、支路阻抗为Zi、节点i的负荷为Pi+jQi,Pi为节点i的负荷有功功率,Qi为节点i 的负荷无功功率,确定电压上限为Umax,确定电压下限为Umin并初始化粒子群算法参数:粒子群体的规模为M、最大迭代次数为itermax、第一权重因子为c1、第二权重因子为c2、粒子更新的最大速度为vmax,采集光伏出力数据为α,户用负荷变化数据为β;
(二)、根据各节点负荷信息确立配电网有功与无功灵敏度矩阵具体为:
式中代表节点i对节点j的电压-有功灵敏度,Ui是节点i的电压,Pj和 Qj分别代表节点j的有功功率与无功功率大小,ΘCN0,i∩ΘCN0,j是节点0到节点i 与节点0到节点j路径上的线路和节点的交集,Ul是节点l的电压数据,Rl和Xl分别代表节点l负荷的电阻与电抗数据。
依据(一)中节点负荷数据,可以得到有功与无功灵敏度矩阵为:
(三)、对配电网各节点无功裕度进行评估具体为:各节点依据无功灵敏度矩阵以及自身分布式光伏无功可控容量,对是否能够完全消除自身过电压风险做出评估,由于末节点最容易出现过电压情况,故而初步判定无功裕度GOV为:
其中Unmax代表末节点电压最大值,是节点j光伏的额定有功输出功率, Sj是节点j的光伏逆变器的容量,代表节点n对节点j的电压-无功灵敏度。
其中Unmax为13.073kV,首次判定无功裕度为GOV为1.17,末节点可控无功容量为1.2034kVar。
其中将无功裕度GOV作为判据,对不同时段的电压差异采用不同的电压控制策略,其中GOV≤1代表无功裕度充足,各节点光伏无功可控容量足以消除电压越限风险,反之代表仍存在电压越限风险,需要进一步采用有功—无功协调控制。
在实际控制中,由于各节点负荷差异较大,对末节点的控制可能不足以保证整条线路电压维持在预设电压阈值范围内,故而采用自校正方法,即对于 GOV≤1的情况下,需要迭代计算各节点电压,检验是否完全消除电压越限情况,具体公式为:
其中是节点i在进行无功完全补偿条件下的残余电压,是节点i在一天运行中的电压最大值。
若存在最大值其中k为最大值所在节点,则应当对节点k重新计算无功裕度,直到全部小于等于0即满足配电网完全满足电压运行条件,得到最终无功裕度为1.2505大于1,应当采取有功-无功协调控制。
(四)、各节点在无功裕度不足条件下,进行有功-无功调节时的上限电压具体为:
代表节点i电压最大值,β表示每个节点的光伏削减比例,是节点j光伏的额定有功输出功率,代表进行无功削减之后的无功可控容量,Sj是节点j的光伏逆变器的容量。
由于任意节点的功率改变将会对整个配电网电压产生影响,故而基于公平的原则与平衡各节点的目的,各节点削减有功比例β应当相同,为了保证浪费电网资源最小化,故而采样最容易出现电压越限的末节点数据,可以计算最小有功削减比例βmin,具体公式为:
式中Uth-OV是电压允许上限值,是节点n在一天运行中的电压最大值。
本次设定电压允许上限值Uth-OV为11kV,节点n在一天运行中的电压最大值为13.073kV,结合上述无功灵敏度可以计算最小有功削减比例βmin为17%,有功削减最大值为77kW。
带入有功—无功调节计算可以得知进行有功-无功调节时的上限电压具体为:
(五)、依据配电网损建立配电网规划模型为:
考虑到一天之中各节点的电压情况可能发生较大变化,因此除了在配电网电压最大时段应当设置电压控制策略,还应当根据各节点电压变化确定开始进行无功补偿的电压Ustr以及开始进行有功—无功协调控制的电压Usta,使得整个配电网在一天运行当中网络损耗最小,具体模型为:
其中Ploss(t)代表t时刻配电网总网损,D(t)代表供电公司在t时刻的购电价格,代表t时刻节点j逆变器额定无功容量大小,代表节点i 开始进行无功补偿时的上限电压,代表节点i对节点i的电压-无功灵敏度, L2,i代表节点i开始进行有功削减时的上限电压。
通过首次计算结果,可以得到初始规划得分为17.33,开始进行无功补偿的电压Ustr以及开始进行有功—无功协调控制的电压Usta分别为:
Ustr=[10 10.0227 10.0871 10.1840 10.2773 … 10.1871]
Usta=[10 10.0402 10.1337 10.3539 10.3281 … 10.2840]
(六)、采用粒子群算法,输出各节点开始进行无功调压与开始有功削减时的电压具体为:
由于各节点在一天之中电压大小发生较大差异,且各节点由于自身负荷以及所处位置不同,难以做到设定同一电压标准,故而为了方便集中调配与统一管理,在同一时刻,各节点应当工作在同一电压控制策略下。
因此按照(五)所述无功补偿的电压Ustr以及开始进行有功-无功协调控制的电压Usta的限制范围,随机生成配电网各节点在一天中电压发生变化时控制策略改变所应当满足的阈值参数,而针对某一时刻电压由于临近预设电压阈值而造成部分节点电压未达到控制策略要求时,具体公式为:
式中Ui(t)为t时刻节点i的电压大小,Ucra.i为节点i开始进行有功-无功协调控制的电压大小。
即满足控制策略要求的节点数量超过节点数一半,则采取有功—无功协调控制,反之仅进行无功补偿。
通过首次迭代可以计算出上午10时至下午3时需要工作在有功—无功协调控制时间段,而傍晚6时至次日上午8时工作在欠电压时间段。
依据上述方法利用粒子群算法将阈值参数作为随机生成粒子种群D,并且以(五)中所述规划模型得分H作为粒子适应值,采用粒子群算法,比较各粒子适应值H和当前个体最优解Hbest,i,比较各粒子适应值H和当前第i种方案下规划最优解Hbest,i,其中H如下所示:
若某个粒子的适应值H(di)<Hbest,i,则H(di)=Hbest,i,di=dp,i;
其中,dp,i为第i种迄今为止搜索到的最优电压控制方案,Hbest,i在当前第i 种电压控制方案下的最优解;
令所有规划方案中的H(di)最小值为Hmin,若Hmin<gbest,即本代群体最优解小于上代群体最优解,则gbest=Hmin;若gbest值不变,则h=h+1,若h≥20则重新将部分粒子初始化,若h<20,则h=0;输出gbest值即为最终输出电压控制方案。
通过计算得到最终结果,适应度Hmin最小值为5.4829,输出最优电压方案分别为:
Ustr=[10 10.0111 10.0428 10.0409 10.0250 … 10.0103]
Usta=[10 10.1010 10.3257 10.4772 10.7156 … 10.5879]
实施例的实验结果如图3所示。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
虽然以上结合附图描述了本发明的具体实施方式,但是本领域普通技术人员应当理解,这些仅是举例说明,可以对这些实施方式做出多种变形或修改,而不背离本发明的原理和实质。本发明的范围仅由所附权利要求书限定。
Claims (7)
1.基于分布式光伏有功-无功优化的配电网电压控制方法,其特征是,包括以下步骤:
步骤1、建立配电网结构模型并利用前推回代方法计算各节点电压大小;
步骤2、根据各节点负荷信息以及电压确立配电网有功与无功灵敏度矩阵;
步骤3、依据配电网无功灵敏度矩阵与各节点分布式光伏最大发电容量,对配电网各节点无功裕度进行评估,并选择电压控制策略;
步骤4、若无功裕度不足,则在配电网出现最大电压的情况下,计算各节点在进行有功-无功调节时的电压上限;
步骤5、选定配电网网损最小为目标,并约束各节点开始进行无功调压与开始有功削减时的电压范围,构建配电网规划模型;
步骤6、采用粒子群算法,以配电网网损大小作为粒子适应度进行计算,在满足最大迭代次数的情况下,输出各节点开始进行无功调压与开始有功削减时的电压大小。
2.如权利要求1所述的基于分布式光伏有功-无功优化的配电网电压控制方法,其特征是,步骤1的实现包括以下步骤:
步骤1.1、获取配电网节点数为N、Zi为节点i的支路阻抗、Pi+jQi为节点i的负荷,Pi为节点i的负荷有功功率,Qi为节点i的负荷无功功率,确定电压上限为Umax,确定电压下限为Umin;i∈[1,N];
步骤1.2、利用各节点负荷与支路阻抗,通过前推回代算法求出在无光伏接入时各节点电压Ui:
其中Pi+1+jQi+1为节点i+1的负荷,Ui+1节点i+1电压大小。
3.如权利要求1所述的基于分布式光伏有功-无功优化的配电网电压控制方法,其特征是,步骤2所述配电网有功与无功灵敏度矩阵为:
式中表示节点i对节点j的电压-有功灵敏度,Ui是节点i的电压,Pj和Qj分别表示节点j的有功功率与无功功率大小,ΘCN0,i∩ΘCN0,j是节点0到节点i与节点0到节点j路径上的线路和节点的交集,Ul是节点l的电压数据,Rl和Xl分别表示节点l负荷的电阻与电抗数据。
4.如权利要求1所述的基于分布式光伏有功-无功优化的配电网电压控制方法,其特征是,步骤3的实现包括以下步骤:
步骤3.1、各节点依据无功灵敏度矩阵以及自身分布式光伏无功可控容量,对是否能够完全消除自身过电压风险做出评估,初步判定无功裕度GOV为:
其中Unmax表示末节点电压最大值,是节点j光伏的额定有功输出功率,Sj是节点j的光伏逆变器的容量,表示节点n对节点j的电压-无功灵敏度;
步骤3.2、以无功裕度GOV作为判据,对不同时段的电压差异采用不同的电压控制策略,若GOV≤1,表示无功裕度充足,各节点光伏无功可控容量足以消除电压越限风险,反之表示存在电压越限风险,则需要采用有功-无功协调控制;
步骤3.3、GOV≤1的情况下,采用自校正方法,迭代计算各节点电压,检验能否完全消除电压越限情况;公式为:
其中是节点i在进行无功完全补偿条件下的残余电压,是节点i在一天运行中的电压最大值;
步骤3.4、若存在最大值其中k为最大值所在节点,则应当对节点k重新计算无功裕度,直到即满足配电网完全满足电压运行条件。
5.如权利要求1所述的基于分布式光伏有功-无功优化的配电网电压控制方法,其特征是,步骤4的实现包括以下步骤:
步骤4.1、各节点在无功裕度不足条件下,进行有功-无功调节时的电压为:
表示节点i电压最大值,β表示每个节点的光伏削减比例,是节点j光伏的额定有功输出功率,表示进行无功削减之后的无功可控容量,Sj是节点j的光伏逆变器的容量;
步骤4.2、计算最小有功削减比例βmin,公式为:
式中Uth-OV是电压允许上限值,是节点n在一天运行中的电压最大值。
6.如权利要求1所述的基于分布式光伏有功-无功优化的配电网电压控制方法,其特征是,步骤5所述建立配电网规划模型步骤为:根据各节点电压变化确定开始进行无功补偿电压Ustr以及开始进行有功-无功协调控制电压Usta,使得整个配电网在一天运行当中网络损耗最小,其模型为:
其中Ploss(t)表示t时刻配电网总网损,D(t)表示供电公司在t时刻的购电价格,代表t时刻节点j逆变器额定无功容量大小,代表节点i开始进行无功补偿时的上限电压,代表节点i对节点i的电压-无功灵敏度,L2,i代表节点i开始进行有功削减时的上限电压。
7.如权利要求6所述的基于分布式光伏有功-无功优化的配电网电压控制方法,其特征是,步骤6的实现包括以下步骤:
步骤6.1、按照所述无功补偿电压Ustr以及开始进行有功-无功协调控制电压Usta的限制范围,随机生成配电网各节点在一天中电压发生变化时控制策略改变所应当满足的阈值参数,而针对某一时刻电压由于临近预设电压阈值而造成部分节点电压未达到控制策略要求时,具体公式为:
式中Ui(t)为t时刻节点i的电压大小,Ucra.i为节点i开始进行有功-无功协调控制的电压大小;
步骤6.2、满足控制策略要求的节点数量超过节点数一半,则采取有功-无功协调控制,反之仅进行无功补偿;
步骤6.3、利用粒子群算法将阈值参数作为随机生成粒子种群D,并且以所述规划模型H作为粒子适应值,采用粒子群算法,比较各粒子适应值H和当前个体最优解Hbest,i,比较各粒子适应值H和当前第i种方案下规划最优解Hbest,i,其中H如下:
若某个粒子的适应值H(di)<Hbest,i,则H(di)=Hbest,i,di=dp,i;
其中,dp,i为第i种迄今为止搜索到的最优电压控制方案,Hbest,i在当前第i种电压控制方案下的最优解;
令所有规划方案中的H(di)最小值为Hmin,若Hmin<gbest,即本代群体最优解小于上代群体最优解,则gbest=Hmin;若gbest值不变,则h=h+1,若h≥20则重新将部分粒子初始化,若h<20,则h=0;输出gbest值即为最终输出电压控制方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910542942.5A CN110350597B (zh) | 2019-06-21 | 2019-06-21 | 基于分布式光伏有功-无功优化的配电网电压控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910542942.5A CN110350597B (zh) | 2019-06-21 | 2019-06-21 | 基于分布式光伏有功-无功优化的配电网电压控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110350597A true CN110350597A (zh) | 2019-10-18 |
CN110350597B CN110350597B (zh) | 2022-11-29 |
Family
ID=68182665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910542942.5A Active CN110350597B (zh) | 2019-06-21 | 2019-06-21 | 基于分布式光伏有功-无功优化的配电网电压控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110350597B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111384726A (zh) * | 2020-01-21 | 2020-07-07 | 国网安徽省电力有限公司六安供电公司 | 一种高渗透率光伏配电网分区调压方法 |
CN112018808A (zh) * | 2020-08-12 | 2020-12-01 | 广东电网有限责任公司广州供电局 | 一种基于多逆变器通信的光伏电压协同控制方法 |
CN112072667A (zh) * | 2020-08-28 | 2020-12-11 | 国网青海省电力公司果洛供电公司 | 一种配电低压补偿设备优化配置方法及设备 |
CN112152226A (zh) * | 2020-08-28 | 2020-12-29 | 华北电力科学研究院有限责任公司 | 基于分布式光伏节点的调压方法及装置 |
CN114421472A (zh) * | 2022-02-21 | 2022-04-29 | 江苏正瑞信息科技有限公司 | 一种有源配电网有功无功协调控制方法 |
CN114580770A (zh) * | 2022-03-14 | 2022-06-03 | 国网湖北省电力有限公司电力科学研究院 | 一种面向储能优化配置的低压配电网电压灵敏度快速求解方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018214810A1 (zh) * | 2017-05-22 | 2018-11-29 | 国网浙江省电力公司宁波供电公司 | 一种分布式光伏配电网电压的控制方法及装置 |
CN109066703A (zh) * | 2018-09-20 | 2018-12-21 | 山东理工大学 | 一种计及源荷协调的配电网电压调控方法 |
CN109888835A (zh) * | 2019-04-16 | 2019-06-14 | 武汉理工大学 | 一种基于改进粒子群的分布式光伏配电网规划方法 |
-
2019
- 2019-06-21 CN CN201910542942.5A patent/CN110350597B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018214810A1 (zh) * | 2017-05-22 | 2018-11-29 | 国网浙江省电力公司宁波供电公司 | 一种分布式光伏配电网电压的控制方法及装置 |
CN109066703A (zh) * | 2018-09-20 | 2018-12-21 | 山东理工大学 | 一种计及源荷协调的配电网电压调控方法 |
CN109888835A (zh) * | 2019-04-16 | 2019-06-14 | 武汉理工大学 | 一种基于改进粒子群的分布式光伏配电网规划方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111384726A (zh) * | 2020-01-21 | 2020-07-07 | 国网安徽省电力有限公司六安供电公司 | 一种高渗透率光伏配电网分区调压方法 |
CN112018808A (zh) * | 2020-08-12 | 2020-12-01 | 广东电网有限责任公司广州供电局 | 一种基于多逆变器通信的光伏电压协同控制方法 |
CN112018808B (zh) * | 2020-08-12 | 2022-09-30 | 广东电网有限责任公司广州供电局 | 一种基于多逆变器通信的光伏电压协同控制方法 |
CN112072667A (zh) * | 2020-08-28 | 2020-12-11 | 国网青海省电力公司果洛供电公司 | 一种配电低压补偿设备优化配置方法及设备 |
CN112152226A (zh) * | 2020-08-28 | 2020-12-29 | 华北电力科学研究院有限责任公司 | 基于分布式光伏节点的调压方法及装置 |
CN112152226B (zh) * | 2020-08-28 | 2022-08-02 | 华北电力科学研究院有限责任公司 | 基于分布式光伏节点的调压方法及装置 |
CN114421472A (zh) * | 2022-02-21 | 2022-04-29 | 江苏正瑞信息科技有限公司 | 一种有源配电网有功无功协调控制方法 |
CN114580770A (zh) * | 2022-03-14 | 2022-06-03 | 国网湖北省电力有限公司电力科学研究院 | 一种面向储能优化配置的低压配电网电压灵敏度快速求解方法 |
CN114580770B (zh) * | 2022-03-14 | 2024-05-31 | 国网湖北省电力有限公司电力科学研究院 | 一种面向储能优化配置的低压配电网电压灵敏度快速求解方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110350597B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110350597A (zh) | 基于分布式光伏有功-无功优化的配电网电压控制方法 | |
CN109830976B (zh) | 一种交直流混合配电网弹性运行调控方法 | |
CN110265991B (zh) | 一种直流微电网的分布式协调控制方法 | |
CN111555366B (zh) | 一种基于多时间尺度的微网三层能量优化管理方法 | |
CN110797921A (zh) | 微电网控制方法 | |
CN107994618A (zh) | 配电网级光储集群的有功功率调度方法和配电网测控设备 | |
CN110544960B (zh) | 一种提升孤岛微电网无功均分能力的分布式控制方法 | |
CN115995845A (zh) | 考虑分布式电源源网协调控制的配电网规划方法 | |
CN109659947B (zh) | 含高比例可控源荷的城市配电网电压分区主动控制方法 | |
CN109638864B (zh) | 一种智能电网的控制系统 | |
CN109888775B (zh) | 一种考虑风电接入的低负荷运行日输电网结构优化方法 | |
CN108964150B (zh) | 一种基于有限时间控制的交直流混合微电网的无功均分方法 | |
CN112332421A (zh) | 基于自适应下垂控制的光伏电站参与电网电压调节方法 | |
CN114884049B (zh) | 一种柔性直流配电网优化运行控制方法 | |
Wang et al. | Improved PSO-based energy management of Stand-Alone Micro-Grid under two-time scale | |
CN114530848B (zh) | 一种光储虚拟电厂多时间尺度动态划分方法 | |
CN110994695A (zh) | 配电网的日内优化调度方法和系统 | |
CN106253356B (zh) | 基于储能电量价值评估的交直流混合微网实时经济调度法 | |
CN110460095B (zh) | 基于电压灵敏度矩阵户用光伏并网逆变器分散式控制方法 | |
CN105914797B (zh) | 大型光伏电站无功电压分序协调控制方法 | |
CN112350378B (zh) | 一种应对环境及负荷需求变化的微电网鲁棒优化方法 | |
CN108258730A (zh) | 一种电网协调调度下的弃风供暖系统及方法 | |
CN115378042B (zh) | 一种分布式柔性资源协调控制方法 | |
CN114447992A (zh) | 一种中压配电网优化方法 | |
Dong et al. | Multi-objective capacity optimisation method for renewable energy generation systems based on artificial bee colony algorithm |
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 |