CN110890754B - 考虑电压暂降的分布式电源和敏感用户联合选址方法 - Google Patents

考虑电压暂降的分布式电源和敏感用户联合选址方法 Download PDF

Info

Publication number
CN110890754B
CN110890754B CN201911224852.8A CN201911224852A CN110890754B CN 110890754 B CN110890754 B CN 110890754B CN 201911224852 A CN201911224852 A CN 201911224852A CN 110890754 B CN110890754 B CN 110890754B
Authority
CN
China
Prior art keywords
voltage sag
node
voltage
max
fault
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.)
Active
Application number
CN201911224852.8A
Other languages
English (en)
Other versions
CN110890754A (zh
Inventor
汪颖
罗浩
肖先勇
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.)
Sichuan University
Original Assignee
Sichuan University
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 Sichuan University filed Critical Sichuan University
Priority to CN201911224852.8A priority Critical patent/CN110890754B/zh
Publication of CN110890754A publication Critical patent/CN110890754A/zh
Application granted granted Critical
Publication of CN110890754B publication Critical patent/CN110890754B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381Dispersed generators

Abstract

本发明公开了一种考虑电压暂降的分布式电源和敏感用户联合选址方法,基于低电压穿越能力曲线对分布式电源在电压暂降下的脱网情况进行判断,并据此对网络参数进行修改,重新评估脱网后节点电压暂降变化情况及其频次,得到含分布式电源电网下更为实际的电压暂降频次水平;且分别通过低电压穿越能力曲线和电压耐受曲线分析分布式电源和敏感用户受电压暂降的影响,以分布式电源和敏感用户因电压暂降而脱网或故障的年频次最小为目标,基于粒子群算法对分布式电源和电压暂降敏感用户的选址同时进行优化,优化所得双方选址可以更有效地改善电网电压暂降水平并降低电压暂降对双方的影响。

Description

考虑电压暂降的分布式电源和敏感用户联合选址方法
技术领域
本发明涉及分布式电源选址优化领域,特别是一种考虑电压暂降的分布式电源和敏感用户联合选址方法。
背景技术
分布式电源及其低电压穿越能力曲线:分布式电源(Distributed Generation,DG)是直接布置在用户周围并借助风能和太阳能等可再生资源的发电设施。分布式电源可以改善电压,减少损耗,提高电网系统的可靠性和电能质量,可以改善其安装位置的周围节点的电压暂降程度。分布式电源因其保护系统在遭遇电压暂降时将使分布式电源与电网间断开。为了保证电力系统的稳定运行,规定分布式电源端电压降低到一定值的情况下将不脱离电网而继续维持运行,其电压低于规定曲线后才允许脱网,该曲线即为低电压穿越能力曲线,如图1所示。
敏感用户的电压耐受曲线及其不确定区域:如图2和图3所示,电压耐受曲线可以表征工业设备的对电压暂降的耐受能力大小。该曲线在幅值和持续时间的坐标图上一般为矩形,可通过曲线矩形拐点位置确定电压耐受曲线的位置。根据电压暂降幅值和持续时间在坐标图上标点,当该点在曲线内部时,设备故障;当处于曲线外部时,设备正常运行。由于运行环境、负荷条件和设备型号的不同,同类设备的电压耐受曲线可能发生移动,根据移动范围的边界可将坐标图划分为设备正常运行区域(此区域内的电压暂降下设备正常运行)、设备不确定区域(此区域内的电压暂降下设备故障情况不确定)、设备故障区域(此区域内的电压暂降下设备一定故障)。
随着工业生产的自动化程度的提高,工业生产过程中使用的各类型的生产设备包含多种对电压暂降敏感的装置,例如可调速驱动器、可编程逻辑控制器和个人计算机等。用户生产设备在遭受电压暂降后可能会故障停机,引起用户整个生产过程中断,最终造成极大的直接和间接的经济损失。因此用户选择受电压暂降严重程度小的电网节点作为接入节点有助于减小电压暂降的影响。此外,随着供电质量和安全可靠性要求,分布式电源在电网中的渗透率越来越高。分布式电源可以减轻其周围节点的电压暂降程度,但同时分布式电源自身也会因电压暂降而与电网脱网。因此在包含分布式电源和用户的电压暂降评估和选址问题的研究具有重要意义。
在分布式电源的相关选址优化方面,现有技术分别研究了考虑投资维护成本、考虑系统年能源损失、考虑配电公司和DG拥有者利润、考虑有功无功损耗等方面的分布式电源选址优化问题。在分布式电源与电压暂降方面,现有技术研究了含分布式电源下的电压暂降评估方法。
现有技术在评估含分布式电源的电网的节点电压暂降频次时,未考虑其他节点上可能出现的分布式电源脱网的情况。而在发生电压暂降时,实际的分布式电源可能受电压暂降影响而退出电网,导致网络结构发生变化,使得电压暂降水平发生变化,最终导致评估的电网节点电压暂降频次与实际不符,而该问题也将影响选址优化。
现有技术在考虑电压暂降情况下的优化选址方面的研究尚少,且现有技术仅针对分布式电源进行选址优化,或仅针对敏感用户在网络固定的情况下对用户最优接入位置进行选择,而未从分布式电源和用户两方面同时考虑电压暂降的影响而进行联合选址优化,导致未找到减小电压暂降影响的最佳选址结果。
发明内容
本发明所要解决的技术问题是提供一种考虑电压暂降的分布式电源和敏感用户联合选址方法,考虑分布式电源因电压暂降影响而脱网导致的网络结构变化情况,在脱网后的新网络结构下评估电压暂降变化的情况,从而提高含分布式电源的电网下电压暂降评估的准确性与实际性。
为解决上述技术问题,本发明采用的技术方案是:
一种考虑电压暂降的分布式电源和敏感用户联合选址方法,包括电压暂降评估部分和选址优化部分;
一、电压暂降评估:根据粒子位置对相关电压暂降频次进行评估,计算所需函数值并输出到选址优化部分以计算适应度值,具体如下:
步骤1:潮流计算及节点阻抗矩阵形成
基于电网的拓扑结构、DG和用户的选址及其对应的阻抗参数计算潮流并形成电网节点阻抗矩阵,通过故障点法计算网络任意节点的电压暂降频次;将电网中每条输电线均匀划分为多个故障点,在各线路上的各个故障点上依次设置短路故障,计算需评估节点的电压暂降的特征;
步骤2:自阻抗和互阻抗计算
依次设置各DG节点作为评估节点并计算自阻抗和互阻抗;i是需要评估节点号,h点为线路m-n间的引起电压暂降的故障点;则故障点与评估节点的互阻抗和故障点自阻抗为
Zih(θ)=(1-l1/l2)Zim(θ)+l1Zin(θ)/l2
Zhh(θ)=(1-l1/l2)2Zmm(θ)+(l1/l2)2Znn(θ)+l1(l2-l1)(2Zmn(θ)+zmn(θ))/l2 2
式中:l1和l2分别为线段h-m与n-m的长度;Zxx(r)表示节点x自阻抗;Zxy(r)表示节点x与y间互阻抗;zxy(r)表示线路x-y的阻抗;θ表示序分量,零序z、正序p和负序n;
步骤3:电压暂降幅值、持续时间计算
当故障类型为单相接地故障时,节点i的三相电压暂降幅值为:
当故障类型为两相短路故障时,节点i的三相电压暂降幅值为:
当故障类型为两相短路接地故障时,节点i的三相电压暂降幅值为:
当故障类型为三相短路故障时,节点i的三相电压暂降幅值为:
发生在该故障点的短路故障引起的电压暂降持续时间T通过所在线路或母线保护的故障清除时间确定;
步骤4:DG脱网情况判断
DG的电压暂降穿越能力通过低电压穿越曲线表示;根据计算得出的电压暂降幅值和持续时间确定暂降特征点,若该点处于曲线右下方暂降脱网区域,则DG将脱网,基于脱网后的新电网结构重新形成电网节点阻抗矩阵并回到步骤2;若处于左上方正常运行区域,则DG将保持运行,进行下一步骤;
步骤5:用户节点电压暂降评估
采用与步骤2和步骤3相同的方式,不同在于其中依次设置各敏感用户节点作为评估节点,进而评估用户节点的电压暂降频次;完成后设置下一个故障点并重复步骤2到步骤5直到针对全网所有故障点完成评估;
步骤6:电压暂降频次结果评估统计
对于任意评估节点i的电压暂降频次为:
式中:Ni为所有母线和线路上短路故障引起的节点i的电压暂降频次;δB,K为母线上四类短路故障发生的年故障率;δL,K是线路上四类短路故障发生的每单位长度线路年故障率;L为当前被评估的故障点所在的输电线路的长度;C是为评估电压暂降而给每条线路设置的故障点的总个数;M和Q分别为网络中母线总条数和线路总条数;
根据节点上接入为用户或DG,将节点电压暂降频次评估结果进一步计算得出目标函数f的结果并输出到选址优化部分以计算适应度值:
(1)节点接入为用户:
用户对电压暂降的耐受能力通过矩形电压耐受曲线表示,且电压耐受曲线的拐点的幅值不确定范围为[Umin,Umax],持续时间不确定范围为[Tmin,Tmax];对于幅值为U0且持续时间为T0的电压暂降,设备故障率分以下情况计算:
①若U0>Umax或T0<Tmin,设备故障率P=0;
②若U0<Umin且T0>Tmax,设备故障率P=1;
③若Tmin<T0<Tmax且Umin<U0<Umax,设备故障率为:
④若Umin<U0<Umax且T0>Tmax,设备故障率为:
⑤若U0<Umin且Tmin<T0<Tmax,设备故障率为:
式中fU(U)、fT(T)分别为设备电压耐受曲线拐点在幅值不确定范围[Umin,Umax]和持续时间不确定范围[Tmin,Tmax]内的实际分布函数;
因此,导致用户接入节点上设备失效的电压暂降频次为:
式中,Nfault为用户接入节点上的特征处于故障区域内,即U<Umin且暂降持续时间T>Tmax的电压暂降总频次;Nuncert,t和Pt分别为用户接入节点上的第t种特征处于不确定区域内的电压暂降的频次和其对应的用户设备故障率;T为用户接入节点上的特征处于不确定区域内的不同特征电压暂降的种类总数;
(2)节点接入为DG:
DG的电压暂降穿越能力通过低电压穿越曲线表示;则DG接入节点上导致DG脱网的电压暂降频次为:
NDG=NDG,1+NDG,2+NDG,3
式中,NDG,1为处于第一区域,即满足U<U2,min且T<T2,min的电压暂降的频次;NDG,2为处于第二区域,即满足T2,min<T<T2,max的电压暂降的频次;NDG,3为处于第三区域,即满足U<U2,max且T>T2,max的电压暂降的频次;
则目标函数f的计算公式则为:
二、选址优化:实现粒子群迭代优化,生成选址优化中所需粒子变量作为电压暂降评估部分的输入,并接收电压暂降评估部分的输出以计算适应度值进行迭代优化,最终输出优化结果;
待优化变量:A个DG的有功输出PDG,1,…,PDG,A、无功输出QDG,1,…,QDG,A、选址节点编号LDG,1,…,LDG,A;B个待入网敏感负荷的选址节点编号Luser,1,…,Luser,B
目标函数:优化的目标是使对用户和DG造成故障或脱网影响的电压暂降总频次最小:
该目标函数f的值通过电压暂降评估部分计算得出;
约束条件:
(1)稳态电压极限;每个节点的稳态电压Vi必须保持在允许极限内:
Vi,min≤Vi≤Vi,max
其中Vi,min和Vi,max分别为第i个节点上的最小和最大电压限制;
(2)热极限;为了使整个系统安全运行,通过每条线路l传输的视在功率Si不得超过热极限Sl,max
Si≤Sl,max
综合目标函数:
式中:f为式minNtotal=f(PDG,1,…,PDG,A,QDG,1,…,QDG,A,LDG,1,…,LDG,A,Luser,1,…,Luser,B)中所示函数,通过电压暂降评估部分计算得出;Kther和Kvol分别为热极限和稳态电压极限约束的惩罚因子;δther,k和δvol,k为二进制标志,当满足约束条件时取0,不满足时取1;Na和Nb为电网线路总数和电网节点总数;
对于包含A个待入网DG和B个待入网敏感负荷的电网应用粒子群算法进行选址优化过程为:
步骤7:初始化
对于一个3A+B维度的搜索空间中,由n个粒子组成的种群X=(X1,X2,…,Xn),第i个粒子表示为一个3A+B维的向量Xi=(xi1,xi2,…,xi(3A+B))T,代表该粒子的所处位置;其中xi1,xi2,…,xi(3A+B)依次代表A个DG的有功输出PDG,1,…,PDG,A、无功输出QDG,1,…,QDG,A、选址节点编号LDG,1,…,LDG,A和B个待入网敏感负荷的选址节点编号Luser,1,…,Luser,B的值;第i个粒子的速度为Vi=(Vi1,Vi2,…,ViD)T;对n个粒子的位置和速度初始化赋予随机值;
步骤8:适应度计算
根据式计算出粒子位置Xi对应的适应度值;
步骤9:个体极值和群体极值计算
第i个粒子在迭代过程中适应度取得极值时对应的位置即为其个体极值Pi=(Pi1,Pi2,…,PiD)T;同理种群中所有n个粒子在迭代过程中适应度取得极值时对应的粒子的位置即为全局极值Pg=(Pg1,Pg2,…,PgD)T
步骤10:优化迭代
在每一次迭代过程中,粒子通过个体极值和全局极值更新自身的速度和位置,更新公式如下:
式中:ω为惯性权重;d=1,2,…,(3A+B);k为目前迭代次数;c1和c2为加速度因子;r1和r2为分布于[0,1]间的随机数;对于离散变量,即DG和用户的选址节点编号,在式计算后结果将向上取整;此外粒子的位置和速度分别限制在其取值区间[-Xmax,Xmax]、[-Vmax,Vmax]内;若粒子迭代后的适应度值为最新极值,则对个体极值或全局极值进行更新;当迭代次数达到设定上限后,对应全局极值的粒子位置Xi=(xi1,xi2,…,xi(3A+B))T即为变量优化结果值。
与现有技术相比,本发明的有益效果是:
1、本发明提出了含分布式电源的电网任意节点的电压暂降频次评估方法,考虑了分布式电源因电压暂降影响而脱网导致的网络结构变化情况,在脱网后的新网络结构下评估电压暂降变化的情况,从而提高含分布式电源的电网下电压暂降评估的准确性与实际性。
2、本发明提出的考虑电压暂降影响下的联合选址优化方法,可从分布式电源和敏感用户双方进行选址优化,可得到某电网结构下使电压暂降对双方造成影响的总频次最小的分布式电源和敏感用户的接入位置,从而更有效地利用分布式电源对电压暂降改善作用并降低电压暂降对分布式电源和敏感用户的影响。
附图说明
图1是分布式电源及其低电压穿越能力曲线。
图2是敏感用户的电压耐受曲线之一。
图3是敏感用户的电压耐受曲线之二。
图4是本发明方法流程示意图。
图5分布式电源低电压穿越能力曲线。
图6是敏感设备电压耐受曲线及其不确定区域。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步详细的说明。如图4所示,本发明包含“模块一:选址优化模块”、“模块二:电压暂降评估模块”两个模块,以实现考虑电压暂降影响的分布式电源和敏感用户的联合选址优化方法。
模块一:选址优化
实现粒子群迭代优化,生成选址优化中所需粒子变量作为电压暂降评估部分的输入,并接收电压暂降评估部分的输出以计算适应度值进行迭代优化,最终输出优化结果。
待优化变量:A个DG的有功输出PDG,1,…,PDG,A、无功输出QDG,1,…,QDG,A、选址节点编号LDG,1,…,LDG,A;B个待入网敏感负荷的选址节点编号Luser,1,…,Luser,B
目标函数:优化的目标是使对用户和DG造成故障或脱网影响的电压暂降总频次最小:
该目标函数f的值通过模块二(电压暂降评估)计算得出。
约束条件:
(1)稳态电压极限。每个节点的稳态电压Vi必须保持在允许极限内:
Vi,min≤Vi≤Vi,max (2)
其中,Vi,min和Vi,max分别为第i个节点上的最小和最大电压限制;
(2)热极限。为了使整个系统安全运行,通过每条线路l传输的视在功率Si不得超过热极限Sl,max
Si≤Sl,max (3)
综合目标函数:
式中:f为式(1)所示函数,通过模块二计算得出;Kther和Kvol分别为热极限和稳态电压极限约束的惩罚因子;δther,k和δvol,k为二进制标志,当满足约束条件时取0,不满足时取1;Na和Nb为电网线路总数和电网节点总数。
优化过程:对于包含A个待入网DG和B个待入网敏感负荷的电网应用粒子群算法进行选址优化:
初始化:对于一个3A+B维度的搜索空间中,由n个粒子组成的种群X=(X1,X2,…,Xn),第i个粒子表示为一个3A+B维的向量Xi=(xi1,xi2,…,xi(3A+B))T,代表该粒子的所处位置。其中xi1,xi2,…,xi(3A+B)依次代表A个DG的有功输出PDG,1,…,PDG,A、无功输出QDG,1,…,QDG,A、选址节点编号LDG,1,…,LDG,A和B个待入网敏感负荷的选址节点编号Luser,1,…,Luser,B的值。第i个粒子的速度为Vi=(Vi1,Vi2,…,ViD)T。对n个粒子的位置和速度初始化赋予随机值。
适应度计算:粒子位置Xi对应的适应度值根据式(4)计算出。
个体极值和群体极值计算:第i个粒子在迭代过程中适应度取得极值时对应的位置即为其个体极值Pi=(Pi1,Pi2,…,PiD)T。同理种群中所有n个粒子在迭代过程中适应度取得极值时对应的粒子的位置即为全局极值Pg=(Pg1,Pg2,…,PgD)T
优化迭代:在每一次迭代过程中,粒子通过个体极值和全局极值更新自身的速度和位置,更新公式如下:
式中:ω为惯性权重;d=1,2,…,(3A+B);k为目前迭代次数;c1和c2为加速度因子;r1和r2为分布于[0,1]间的随机数。对于离散变量(DG和用户的选址节点编号),在式(6)计算后结果将向上取整。此外粒子的位置和速度分别限制在其取值区间[-Xmax,Xmax]、[-Vmax,Vmax]内。若粒子迭代后的适应度值为最新极值,则对个体极值或全局极值进行更新。当迭代次数达到设定上限后,对应全局极值的粒子位置Xi=(xi1,xi2,…,xi(3A+B))T即为变量优化结果值。
模块二:电压暂降评估
根据模块一中粒子位置对相关电压暂降频次进行评估,计算所需函数值并输出到模块一以计算适应度值,包含以下步骤:
步骤1:潮流计算及节点阻抗矩阵形成
基于电网的拓扑结构、DG和用户的选址及其对应的阻抗参数计算潮流并形成电网节点阻抗矩阵,通过故障点法计算网络任意节点的电压暂降频次。将电网中每条输电线均匀划分为多个故障点,在各线路上的各个故障点上依次设置短路故障,计算需评估节点的电压暂降的特征。
步骤2:自阻抗和互阻抗计算
依次设置各DG节点作为评估节点并计算自阻抗和互阻抗;i是需要评估节点号,h点为线路m-n间的引起电压暂降的故障点;则故障点与评估节点的互阻抗和故障点自阻抗为
Zih(θ)=(1-l1/l2)Zim(θ)+l1Zin(θ)/l2
Zhh(θ)=(1-l1/l2)2Zmm(θ)+(l1/l2)2Znn(θ)+l1(l2-l1)(2Zmn(θ)+zmn(θ))/l2 2
式中:l1和l2分别为线段h-m与n-m的长度;Zxx(r)表示节点x自阻抗;Zxy(r)表示节点x与y间互阻抗;zxy(r)表示线路x-y的阻抗;θ表示序分量(零序z、正序p和负序n)。
步骤3:电压暂降幅值、持续时间计算
当故障类型为单相接地故障时,节点i的三相电压暂降幅值为:
当故障类型为两相短路故障时,节点i的三相电压暂降幅值为:
当故障类型为两相短路接地故障时,节点i的三相电压暂降幅值为:
当故障类型为三相短路故障时,节点i的三相电压暂降幅值为:
发生在该故障点的短路故障引起的电压暂降持续时间T通过所在线路或母线保护的故障清除时间确定。
步骤4:DG脱网情况判断
DG的电压暂降穿越能力可通过低电压穿越曲线表示,该曲线通常为如图5所示的折线形。根据计算得出的电压暂降幅值和持续时间确定暂降特征点,若该点处于曲线右下方暂降脱网区域,则DG将脱网,基于脱网后的新电网结构重新形成电网节点阻抗矩阵并回到步骤2;若处于左上方正常运行区域,则DG将保持运行,进行下一步骤。
步骤5:用户节点电压暂降评估
类似步骤2与3但其中依次设置各敏感用户节点作为评估节点,来评估用户节点的电压暂降频次。完成后设置下一个故障点并重复上述步骤2到5直到针对全网所有故障点完成评估。
步骤6:电压暂降频次结果评估统计
对于任意评估节点i的电压暂降频次为:
式中:Ni为所有母线和线路上短路故障引起的节点i的电压暂降频次;δB,K为母线上四类短路故障发生的年故障率;δL,K是线路上四类短路故障发生的每单位长度线路年故障率;L为当前被评估的故障点所在的输电线路的长度;C是为评估电压暂降而给每条线路设置的故障点的总个数;M和Q分别为网络中母线总条数和线路总条数。
根据节点上接入为用户或DG,将节点电压暂降频次评估结果进一步计算得出目标函数f的结果并输出到模块一以计算适应度值:
(1)节点接入为用户:
敏感设备电压耐受曲线及其不确定区域如图6所示。对于幅值为U0且持续时间为T0的电压暂降,设备故障率分以下情况计算:
①若U0>Umax或T0<Tmin(正常运行区域),设备故障率P=0。
②若U0<Umin且T0>Tmax(故障区域),设备故障率P=1。
③若Tmin<T<Tmax且Umin<U<Umax(不确定区域的A区),设备故障率为:
④若Umin<U<Umax且T>Tmax(不确定区域的B区),设备故障率为:
⑤若U<Umin且Tmin<T<Tmax(不确定区域的C区),设备故障率为:
式中fU(U)、fT(T)分别为设备电压耐受曲线拐点在幅值不确定范围[Umin,Umax]和持续时间不确定范围[Tmin,Tmax]内的实际分布函数。
因此导致用户接入节点上设备失效的电压暂降频次为:
式中,Nfault为用户接入节点上的特征处于故障区域内,即U<Umin且暂降持续时间T>Tmax的电压暂降总频次;Nuncert,t和Pt分别为用户接入节点上的第t种特征处于不确定区域内的电压暂降的频次和其对应的用户设备故障率;T为用户接入节点上的特征处于不确定区域内的不同特征电压暂降的种类总数。
(2)节点接入为DG:
如图5所示,DG的电压暂降穿越能力可通过低电压穿越曲线(LVRT)表示。则DG接入节点上导致DG脱网的电压暂降频次为:
NDG=NDG,1+NDG,2+NDG,3 (18)
式中,NDG,1为处于图5中区域①(即满足U<U2,min且T<T2,min)的电压暂降的频次;NDG,2为处于图5中区域②(即满足T2,min<T<T2,max的电压暂降的频次;NDG,3为处于图5中区域③(即满足U<U2,max且T>T2,max)的电压暂降的频次。其中,T2,min、U2,min分别表示低电压穿越曲线的0时刻之后的第一个拐点所对应的横纵坐标,T2,max、U2,max表示低电压穿越曲线的0时刻之后的第二个拐点所对应的横纵坐标。
则目标函数f的计算公式则为:

Claims (1)

1.一种考虑电压暂降的分布式电源和敏感用户联合选址方法,其特征在于,包括电压暂降评估部分和选址优化部分;
一、电压暂降评估:根据粒子位置对相关电压暂降频次进行评估,计算所需函数值并输出到选址优化部分以计算适应度值,具体如下:
步骤1:潮流计算及节点阻抗矩阵形成
基于电网的拓扑结构、DG和用户的选址及其对应的阻抗参数计算潮流并形成电网节点阻抗矩阵,通过故障点法计算网络任意节点的电压暂降频次;将电网中每条输电线均匀划分为多个故障点,在各线路上的各个故障点上依次设置短路故障,计算需评估节点的电压暂降的特征;
步骤2:自阻抗和互阻抗计算
依次设置各DG节点作为评估节点并计算自阻抗和互阻抗;i是需要评估节点号,h点为线路m-n间的引起电压暂降的故障点;则故障点与评估节点的互阻抗和故障点自阻抗为
Zih(θ)=(1-l1/l2)Zim(θ)+l1Zin(θ)/l2
Zhh(θ)=(1-l1/l2)2Zmm(θ)+(l1/l2)2Znn(θ)+l1(l2-l1)(2Zmn(θ)+zmn(θ))/l2 2
式中:l1和l2分别为线段h-m与n-m的长度;Zxx(r)表示节点x自阻抗;Zxy(r)表示节点x与y间互阻抗;zxy(r)表示线路x-y的阻抗;θ表示序分量,零序z、正序p和负序n;
步骤3:电压暂降幅值、持续时间计算
当故障类型为单相接地故障时,节点i的三相电压暂降幅值为:
当故障类型为两相短路故障时,节点i的三相电压暂降幅值为:
当故障类型为两相短路接地故障时,节点i的三相电压暂降幅值为:
当故障类型为三相短路故障时,节点i的三相电压暂降幅值为:
发生在该故障点的短路故障引起的电压暂降持续时间T通过所在线路或母线保护的故障清除时间确定;
步骤4:DG脱网情况判断
DG的电压暂降穿越能力通过低电压穿越曲线表示;根据计算得出的电压暂降幅值和持续时间确定暂降特征点,若该点处于曲线右下方暂降脱网区域,则DG将脱网,基于脱网后的新电网结构重新形成电网节点阻抗矩阵并回到步骤2;若处于左上方正常运行区域,则DG将保持运行,进行下一步骤;
步骤5:用户节点电压暂降评估
采用与步骤2和步骤3相同的方式,不同在于其中依次设置各敏感用户节点作为评估节点,进而评估用户节点的电压暂降频次;完成后设置下一个故障点并重复步骤2到步骤5直到针对全网所有故障点完成评估;
步骤6:电压暂降频次结果评估统计
对于任意评估节点i的电压暂降频次为:
式中:Ni为所有母线和线路上短路故障引起的节点i的电压暂降频次;δB,K为母线上四类短路故障发生的年故障率;δL,K是线路上四类短路故障发生的每单位长度线路年故障率;L为当前被评估的故障点所在的输电线路的长度;C是为评估电压暂降而给每条线路设置的故障点的总个数;M和Q分别为网络中母线总条数和线路总条数;
根据节点上接入为用户或DG,将节点电压暂降频次评估结果进一步计算得出目标函数f的结果并输出到选址优化部分以计算适应度值:
(1)节点接入为用户:
用户对电压暂降的耐受能力通过矩形电压耐受曲线表示,且电压耐受曲线的拐点的幅值不确定范围为[Umin,Umax],持续时间不确定范围为[Tmin,Tmax];对于幅值为U0且持续时间为T0的电压暂降,设备故障率分以下情况计算:
①若U0>Umax或T0<Tmin,设备故障率P=0;
②若U0<Umin且T0>Tmax,设备故障率P=1;
③若Tmin<T0<Tmax且Umin<U0<Umax,设备故障率为:
④若Umin<U0<Umax且T0>Tmax,设备故障率为:
⑤若U0<Umin且Tmin<T0<Tmax,设备故障率为:
式中fU(U)、fT(T)分别为设备电压耐受曲线拐点在幅值不确定范围[Umin,Umax]和持续时间不确定范围[Tmin,Tmax]内的实际分布函数;
因此,导致用户接入节点上设备失效的电压暂降频次为:
式中,Nfault为用户接入节点上的特征处于故障区域内,即U<Umin且暂降持续时间T>Tmax的电压暂降总频次;Nuncert,t和Pt分别为用户接入节点上的第t种特征处于不确定区域内的电压暂降的频次和其对应的用户设备故障率;T为用户接入节点上的特征处于不确定区域内的不同特征电压暂降的种类总数;
(2)节点接入为DG:
DG的电压暂降穿越能力通过低电压穿越曲线表示;则DG接入节点上导致DG脱网的电压暂降频次为:
NDG=NDG,1+NDG,2+NDG,3
式中,NDG,1为处于第一区域,即满足U<U2,min且T<T2,min的电压暂降的频次;NDG,2为处于第二区域,即满足T2,min<T<T2,max的电压暂降的频次;NDG,3为处于第三区域,即满足U<U2,max且T>T2,max的电压暂降的频次;
则目标函数f的计算公式则为:
二、选址优化:实现粒子群迭代优化,生成选址优化中所需粒子变量作为电压暂降评估部分的输入,并接收电压暂降评估部分的输出以计算适应度值进行迭代优化,最终输出优化结果;
待优化变量:A个DG的有功输出PDG,1,…,PDG,A、无功输出QDG,1,…,QDG,A、选址节点编号LDG,1,…,LDG,A;B个待入网敏感负荷的选址节点编号Luser,1,…,Luser,B
目标函数:优化的目标是使对用户和DG造成故障或脱网影响的电压暂降总频次最小:
该目标函数f的值通过电压暂降评估部分计算得出;
约束条件:
(1)稳态电压极限;每个节点的稳态电压Vi必须保持在允许极限内:
Vi,min≤Vi≤Vi,max
其中Vi,min和Vi,max分别为第i个节点上的最小和最大电压限制;
(2)热极限;为了使整个系统安全运行,通过每条线路l传输的视在功率Si不得超过热极限Sl,max
Si≤Sl,max
综合目标函数:
式中:f为式min Ntotal=f(PDG,1,…,PDG,A,QDG,1,…,QDG,A,LDG,1,…,LDG,A,Luser,1,…,Luser,B)中所示函数,通过电压暂降评估部分计算得出;Kther和Kvol分别为热极限和稳态电压极限约束的惩罚因子;δther,k和δvol,k为二进制标志,当满足约束条件时取0,不满足时取1;Na和Nb为电网线路总数和电网节点总数;
对于包含A个待入网DG和B个待入网敏感负荷的电网应用粒子群算法进行选址优化过程为:
步骤7:初始化
对于一个3A+B维度的搜索空间中,由n个粒子组成的种群X=(X1,X2,…,Xn),第i个粒子表示为一个3A+B维的向量Xi=(xi1,xi2,…,xi(3A+B))T,代表该粒子的所处位置;其中xi1,xi2,…,xi(3A+B)依次代表A个DG的有功输出PDG,1,…,PDG,A、无功输出QDG,1,…,QDG,A、选址节点编号LDG,1,…,LDG,A和B个待入网敏感负荷的选址节点编号Luser,1,…,Luser,B的值;第i个粒子的速度为Vi=(Vi1,Vi2,…,ViD)T;对n个粒子的位置和速度初始化赋予随机值;
步骤8:适应度计算
根据式计算出粒子位置Xi对应的适应度值;
步骤9:个体极值和群体极值计算
第i个粒子在迭代过程中适应度取得极值时对应的位置即为其个体极值Pi=(Pi1,Pi2,…,PiD)T;同理种群中所有n个粒子在迭代过程中适应度取得极值时对应的粒子的位置即为全局极值Pg=(Pg1,Pg2,…,PgD)T
步骤10:优化迭代
在每一次迭代过程中,粒子通过个体极值和全局极值更新自身的速度和位置,更新公式如下:
式中:ω为惯性权重;d=1,2,…,(3A+B);k为目前迭代次数;c1和c2为加速度因子;r1和r2为分布于[0,1]间的随机数;对于离散变量,即DG和用户的选址节点编号,在式计算后结果将向上取整;此外粒子的位置和速度分别限制在其取值区间[-Xmax,Xmax]、[-Vmax,Vmax]内;若粒子迭代后的适应度值为最新极值,则对个体极值或全局极值进行更新;当迭代次数达到设定上限后,对应全局极值的粒子位置Xi=(xi1,xi2,…,xi(3A+B))T即为变量优化结果值。
CN201911224852.8A 2019-12-04 2019-12-04 考虑电压暂降的分布式电源和敏感用户联合选址方法 Active CN110890754B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911224852.8A CN110890754B (zh) 2019-12-04 2019-12-04 考虑电压暂降的分布式电源和敏感用户联合选址方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911224852.8A CN110890754B (zh) 2019-12-04 2019-12-04 考虑电压暂降的分布式电源和敏感用户联合选址方法

Publications (2)

Publication Number Publication Date
CN110890754A CN110890754A (zh) 2020-03-17
CN110890754B true CN110890754B (zh) 2020-07-31

Family

ID=69750196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911224852.8A Active CN110890754B (zh) 2019-12-04 2019-12-04 考虑电压暂降的分布式电源和敏感用户联合选址方法

Country Status (1)

Country Link
CN (1) CN110890754B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109188138A (zh) * 2018-09-11 2019-01-11 广东电网有限责任公司 一种电压暂降频次评估方法及装置
CN110082643A (zh) * 2019-05-22 2019-08-02 广东电网有限责任公司 一种考虑负荷敏感度不确定性的暂降域识别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109188138A (zh) * 2018-09-11 2019-01-11 广东电网有限责任公司 一种电压暂降频次评估方法及装置
CN110082643A (zh) * 2019-05-22 2019-08-02 广东电网有限责任公司 一种考虑负荷敏感度不确定性的暂降域识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
用电压暂降严重程度和最大熵评估负荷电压暂降敏感度;肖先勇等;《中国电机工程学报》;20091105;第29卷(第31期);第115页-第120页 *

Also Published As

Publication number Publication date
CN110890754A (zh) 2020-03-17

Similar Documents

Publication Publication Date Title
Ding et al. On distributed PV hosting capacity estimation, sensitivity study, and improvement
Hasanien Performance improvement of photovoltaic power systems using an optimal control strategy based on whale optimization algorithm
Xu et al. Distributed subgradient-based coordination of multiple renewable generators in a microgrid
Papadopoulos et al. Probabilistic framework for transient stability assessment of power systems with high penetration of renewable generation
Venayagamoorthy Dynamic, stochastic, computational, and scalable technologies for smart grids
Wang et al. Stochastic DG placement for conservation voltage reduction based on multiple replications procedure
Niknam et al. Scenario-based multiobjective distribution feeder reconfiguration considering wind power using adaptive modified particle swarm optimisation
Ali et al. Wind farm model aggregation using probabilistic clustering
Sancha et al. Secondary voltage control: analysis, solutions and simulation results for the Spanish transmission system
Yu et al. Stochastic Optimal Relaxed Automatic Generation Control in Non-Markov Environment Based on Multi-Step $ Q (\lambda) $ Learning
Hong et al. Multiscenario underfrequency load shedding in a microgrid consisting of intermittent renewables
Gandomkar et al. A combination of genetic algorithm and simulated annealing for optimal DG allocation in distribution networks
La Scala et al. On-line dynamic preventive control: An algorithm for transient security dispatch
Hong et al. Multiobjective underfrequency load shedding in an autonomous system using hierarchical genetic algorithms
Gupta A review on the inclusion of wind generation in power system studies
Debs Modern power systems control and operation
EP2362977B1 (en) Voltage regulation optimization
Ghadimi et al. PSO based fuzzy stochastic long-term model for deployment of distributed energy resources in distribution systems with several objectives
JP2015520592A (ja) 太陽光発電プラントの制御技術
KR101132107B1 (ko) 분산전원이 연계된 전력계통의 전압/무효전력 제어 시스템 및 이를 위한 방법
US20060111860A1 (en) System and method for monitoring and managing electrical power transmission and distribution networks
US20120022713A1 (en) Power Flow Simulation System, Method and Device
Baghaee et al. Security/cost-based optimal allocation of multi-type FACTS devices using multi-objective particle swarm optimization
Haesens et al. Optimal placement and sizing of distributed generator units using genetic optimization algorithms
Refaat et al. Impact of grid-tied large-scale photovoltaic system on dynamic voltage stability of electric power grids

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