CN110957735A - 一种基于双时间尺度的主动配电网鲁棒无功优化方法 - Google Patents

Abstract

本发明公开了一种基于双时间尺度的主动配电网鲁棒无功优化方法，其所述方法包括：获取负荷的有功功率数据和无功功率数据，确定电压波动百分比；基于分秒级别的时间尺度，建立无功电压优化模型；对所述无功电压优化模型进行凸化处理，基于所述电压波动百分比建立鲁棒无功优化模型；基于约束生成算法对所述鲁棒无功优化模型进行求解。在本发明实施例中，所述方法具备灵活性、可操作性和广泛适用性，减少主动配电网的网络损耗，防止电压越限，保障主动配电网的安全稳定运行。

Description

一种基于双时间尺度的主动配电网鲁棒无功优化方法

技术领域

本发明涉及电力技术领域，尤其涉及一种基于双时间尺度的主动配电网鲁棒无功优化方法。

背景技术

随着光伏发电、风力发电等可再生分布式发电的数量显著增加，主动配电网由此形成。但是由于逆潮流的存在，分布式电源的输出可能会导致过电压，而无功优化可以显著降低网络功率损耗，使得电压不会越限。虽然分布式发电的动态输出波动大、负荷需求很难精准预测等不确定因素对主动配网运行会造成影响，但是大部分涉及无功优化的研究并没有考虑任何不确定因素。为了解决这些不确定因素，Saric提出了一种鲁棒无功电压控制算法，但是理论不能保证最优性；Wang,Y.提出的鲁棒模型中，使用了场景生成和简化方法，但是没有考虑小时级别尺度内的电压控制设备；Daratha提出的鲁棒电压控制方法中，采用经验法来处理由小时级别尺度内的电压控制设备所引入的离散变量，但是这种方法可靠性不高。因此，针对分布式电源接入的主动配电网，利用协调大、小时间跨度内调节电压的控制装置来解决不确定性问题将成为技术难点。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于双时间尺度的主动配电网鲁棒无功优化方法，减少主动配电网的网络损耗，防止电压越限，为主动配电网的安全稳定运行提供保障。

为了解决上述技术问题，本发明实施例提供了一种基于双时间尺度的主动配电网鲁棒无功优化方法，所述方法包括：

获取负荷的有功功率数据和无功功率数据，确定电压波动百分比；

基于分秒级别的时间尺度，建立无功电压优化模型；

对所述无功电压优化模型进行凸化处理，基于所述电压波动百分比建立鲁棒无功优化模型；

基于约束生成算法对所述鲁棒无功优化模型进行求解。

可选的，所述基于分秒级别的时间尺度，建立无功电压优化模型包括：

确定配电网功率损耗的目标函数；

基于所述目标函数和分秒级别的时间尺度，对各支路电流进行约束；

基于所述各支路电流的约束条件，对分布式电源和静止无功补偿装置的运行进行约束。

可选的，所述确定配电网功率损耗的目标函数为：

其中，i,j(1,2,...,N)代表总线，l_ij为支路ij发送端的电流平方幅值，r_ij为支路ij的电阻，

为对应变量的相位，Φ为整个系统中的一组分支，β为电容器组的开关决策变量，κ为分接开关的匝数比变量，Q_C为补偿器上的总无功功率，Q_G为发电机的无功功率。

可选的，所述基于所述目标函数和分秒级别的时间尺度，对各支路电流进行约束包括：

确定母线电压的约束条件为：

其中，V_ref为共耦点电压。

确定支路的电流安全约束条件为：

其中，

为支路ij电流幅值的上界。

确定防止电压越限的安全约束条件为：

其中，

为在总线i处的电压幅值上界，V_i 为在总线i处的电压幅值下界。

基于分秒级别的时间尺度，采用DistFlow分支流模型，确定各支路电流的约束条件为：

其中，P_ij为支路ij发送端的有功功率，Q_ij为支路ij发送端的无功功率，P_j为在总线j处注入的有功功率，Q_j为在总线j处注入的无功功率，N为整个系统的总线集，β_j为在总线j处电容器组的开关决策变量，

为电容器组在总线j处的导纳元件，ν_j为在总线j处的电压平方，κ_ij为支路ij的分接开关匝数比变量，x_ij为支路ij的电抗，P_Gj为在总线j处注入发电机的有功功率，Q_Gj为在总线j处注入发电机的无功功率，P_Dj为在总线j处的有功负荷需求，Q_Dj为在总线j处的无功负荷需求，Q_Cj为总线j上补偿器的总无功功率，Γ_ij为支路ij的允许抽头数集，Γ_ij由{K_ij,1,K_ij,2,...,K_ij,R}组成，ΛΨ为带有稳压器的支路集，Δ_j为在总线j处的电容器组的允许开关决策集，Υ为一组带有机械开关电容器/电容器组的总线集。

可选的，所述基于所述各支路电流的约束条件，对分布式电源和静止无功补偿装置的运行进行约束为：

其中，

为总线i处各发电机注入无功功率的上界，Q_Gi 为总线i处各发电机注入无功功率的下界，

为总线i处的静态无功补偿装置注入无功功率的上界，Q_Ci 为总线i处的静态无功补偿装置注入无功功率的下界。

可选的，所述对所述无功电压优化模型进行凸化处理包括：

针对机械开关电容器的松弛度的约束条件为：

式中，

针对稳压器模型的分段线性化处理的约束条件为：

其中，k(1,2,...,R)为稳压器分接头设置的索引，δ_ik为主变量，g_ij,k和h_ij,k为辅助变量。

确定凸化后的无功电压优化模型的目标函数为：

定义所述机械开关电容器和所述稳压器的决策变量为：

x＝(β,κ,g,h,δ,ω)

定义潮流变量和对分布式电源、静止无功补偿器的快速控制的变量为：

y＝(Q_C,Q_G,ν,l_ij,P_ij,Q_ij)^T

定义负荷和分布电源主动输出的预测向量为：

d₀＝(P_D,Q_D,Q_G)^T

确定凸化后的无功电压优化模型的简化形式为：

其中，b^T为表示矩阵b的转置，

表示向量集x的可行域，‖G_ly‖₂为向量G_ly的2范数。

可选的，所述基于所述电压波动百分比建立鲁棒无功优化模型包括：

在小时级别的时间尺度下，基于所述电压波动百分比建立一个不确定集为：

其中，ν为电压波动百分比，

为负荷的有功功率基准值，

为负荷的无功功率基准值。

建立所述鲁棒无功优化模型为：

其中，d为分布电源的实际负荷和主动输出。

可选的，所述基于约束生成算法对所述鲁棒无功优化模型进行求解包括：

确定所述鲁棒无功优化模型的网络损耗下界模型和网络损耗上界模型；

对各参数进行初始化，包括网络损耗下界、网络损耗上界、情景迭代、裕度等级；

基于所述网络损耗下界模型获取网络损耗，对所述网络损耗下界进行更新；

基于所述网络损耗上界模型获取网络损耗，对所述网络损耗上界进行更新；

判断更新后的网络损耗上界与更新后的网络损耗下界的差值是否小于所述裕度等级；

若是，迭代结束，获取最坏情况下的网络损耗的最小值。

可选的，所述确定所述鲁棒无功优化模型的网络损耗下界模型和网络损耗上界模型包括：

确定所述鲁棒无功优化模型的网络损耗下界模型为：

确定所述鲁棒无功优化模型的网络损耗上界模型为：

其中，1是元素都为1的列向量，M为正数，

为拉格朗日因子集，且

在本发明实施例中，针对分布式电源接入主动配电网后所产生的不确定性问题，以防止电压越限为目标，通过逐级建立鲁棒无功优化模型进行电压控制，基于双时间尺度的协调，不断更新网络损耗的上下界，从而减少主动配电网的网络损耗，极大地保障主动配电网的安全稳定运行。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例公开的一种基于双时间尺度的主动配电网鲁棒无功优化方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1，图1示出了本发明实施例中的一种基于双时间尺度的主动配电网鲁棒无功优化方法的流程示意图，具体步骤如下：

S101、获取负荷的有功功率数据和无功功率数据，确定电压波动百分比；

具体的，在实际配电网馈线系统中，将根据数值实验获取负荷的有功功率基准值

和无功功率基准值

，并且设定电压波动百分比ν为10％。

S102、基于分秒级别的时间尺度，建立无功电压优化模型；

在本发明实施过程中，建立所述无功电压优化模型具体包括如下步骤：

(1)以减少配电网的功率损耗为目标，确定配电网功率损耗的目标函数为：

其中，i,j(1,2,...,N)代表总线，l_ij为支路ij发送端的电流平方幅值，r_ij为支路ij的电阻，

为对应变量的相位，Φ为整个系统中的一组分支，β为电容器组的开关决策变量，κ为分接开关的匝数比变量，Q_C为补偿器上的总无功功率，Q_G为发电机的无功功率。

(2)基于所述目标函数和分秒级别的时间尺度，对各支路电流进行约束；

具体的，将母线电压设为参考电压，确定该参考电压的约束条件为：

其中，V_ref为共耦点电压。

确定支路的电流安全约束条件为：

其中，

为支路ij电流幅值的上界。

确定防止电压越限的安全约束条件为：

其中，

为在总线i处的电压幅值上界，V_i 为在总线i处的电压幅值下界。

基于分秒级别的时间尺度，采用DistFlow分支流模型，确定各支路电流的约束条件为：

其中，P_ij为支路ij发送端的有功功率，Q_ij为支路ij发送端的无功功率，P_j为在总线j处注入的有功功率，Q_j为在总线j处注入的无功功率，N为整个系统的总线集，β_j为在总线j处电容器组的开关决策变量，

为电容器组在总线j处的导纳元件，ν_j为在总线j处的电压平方，κ_ij为支路ij的分接开关匝数比变量，x_ij为支路ij的电抗，P_Gj为在总线j处注入发电机的有功功率，Q_Gj为在总线j处注入发电机的无功功率，P_Dj为在总线j处的有功负荷需求，Q_Dj为在总线j处的无功负荷需求，Q_Cj为总线j上补偿器的总无功功率，Γ_ij为支路ij的允许抽头数集，Γ_ij由{K_ij,1,K_ij,2,...,K_ij,R}组成，ΛΨ为带有稳压器的支路集，Δ_j为在总线j处的电容器组的允许开关决策集，Υ为一组带有机械开关电容器/电容器组的总线集。

(3)基于所述各支路电流的约束条件，对分布式电源和静止无功补偿装置的运行进行约束为：

其中，

为总线i处各发电机注入无功功率的上界，Q_Gi 为总线i处各发电机注入无功功率的下界，

为总线i处的静态无功补偿装置注入无功功率的上界，Q_Ci 为总线i处的静态无功补偿装置注入无功功率的下界。

S103、对所述无功电压优化模型进行凸化处理；

具体的，针对机械开关电容器的松弛度的约束条件为：

式中，

针对稳压器模型的分段线性化处理的约束条件为：

其中，k(1,2,...,R)为稳压器分接头设置的索引，δ_ik为主变量，g_ij,k和h_ij,k是辅助变量。

确定凸化后的无功电压优化模型的目标函数为：

定义所述机械开关电容器和所述稳压器的决策变量为：

x＝(β,κ,g,h,δ,ω)

定义潮流变量和对分布式电源、静止无功补偿器的快速控制的变量为：

y＝(Q_C,Q_G,ν,l_ij,P_ij,Q_ij)^T

定义负荷和分布电源主动输出的预测向量为：

d₀＝(P_D,Q_D,Q_G)^T

确定凸化后的无功电压优化模型的简化形式为：

其中，b^T为表示矩阵b的转置，

表示向量集x的可行域，‖G_ly‖₂为向量G_ly的2范数。

需要说明的是，对所述无功电压优化模型进行凸化处理，将确保高效地求解出全局最优解。

S104、基于所述电压波动百分比建立鲁棒无功优化模型；

具体的，在小时级别的时间尺度下，基于所述电压波动百分比建立一个不确定集为：

其中，ν为电压波动百分比，

为负荷的有功功率基准值，

为负荷的无功功率基准值。

为d的波动引入不确定集

建立所述鲁棒无功优化模型为：

其中，d为分布电源的实际负荷和主动输出。

S105、基于约束生成算法对所述鲁棒无功优化模型进行求解。

在本发明实施过程中，对所述鲁棒无功优化模型的求解过程具体包括：

(1)确定所述鲁棒无功优化模型的网络损耗下界模型和网络损耗上界模型；

具体的，将步骤S104中所建立的鲁棒无功优化模型进行展开：

其中，η表示配电网损失。

利用有限子集代替不确定集

确定所述鲁棒无功优化模型的网络损耗下界模型为：

寻找最坏情况集，确定所述鲁棒无功优化模型的网络损耗上界模型为：

其中，1是元素都为1的列向量，M为正数，

为拉格朗日因子集，且

(2)对各参数进行初始化，包括网络损耗下界、网络损耗上界、情景迭代、裕度等级；

具体的，设置网络损耗下界初始值为LB＝0，网络损耗上界初始值为UB＝0，情景迭代初始值为t＝0，裕度等级初始值为ε>0。

(3)基于所述网络损耗下界模型获取网络损耗，对所述网络损耗下界进行更新；

具体的，基于步骤(1)中的所述鲁棒无功优化模型的网络损耗下界模型，获取网络损耗为η^*，将所述网络损耗下界更新为LB＝max{LB,η^*}。

(4)基于所述网络损耗上界模型获取网络损耗，对所述网络损耗上界进行更新；

具体的，基于步骤(1)中的所述鲁棒无功优化模型的网络损耗下界模型，获取最优快速控制方案集x^*，再利用所述鲁棒无功优化模型的网络损耗上界模型，获取网络损耗η(x^*)，将所述网络损耗上界更新为UB＝min{UB,η(x^*)}。

(5)判断更新后的网络损耗上界与更新后的网络损耗下界的差值是否小于所述裕度等级；

具体的，基于步骤(3)所更新的网络损耗下界LB与步骤(4)所更新的网络损耗上界UB，判断是否满足UB-LB<ε；若满足，执行步骤(6)；若不满足，迭代继续，基于步骤(1)中的所述鲁棒无功优化模型的网络损耗上界模型，获取使网络损耗最大化的最坏情况集d^*，再利用所述鲁棒无功优化模型的网络损耗下界模型，更新最坏情况集为d(t+1)＝d^*，通过所述鲁棒无功优化模型在变量y(t+1)中对情景t+1进行约束后，更新迭代t＝t+1并返回执行步骤(3)。

(6)若是，迭代结束，获取最坏情况下的网络损耗的最小值，确保电压不越限。

在本发明实施例中，针对分布式电源接入主动配电网后所产生的不确定性问题，以防止电压越限为目标，通过逐级建立鲁棒无功优化模型进行电压控制，基于双时间尺度的协调，不断更新网络损耗的上下界，从而减少主动配电网的网络损耗，极大地保障主动配电网的安全稳定运行。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，ReadOnly Memory)、随机存取存储器(RAM，Random AccessMemory)、磁盘或光盘等。

另外，以上对本发明实施例所提供的一种基于双时间尺度的主动配电网鲁棒无功优化方法进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种基于双时间尺度的主动配电网鲁棒无功优化方法，其特征在于，所述方法包括：

获取负荷的有功功率数据和无功功率数据，确定电压波动百分比；

基于分秒级别的时间尺度，建立无功电压优化模型；

对所述无功电压优化模型进行凸化处理，基于所述电压波动百分比建立鲁棒无功优化模型；

基于约束生成算法对所述鲁棒无功优化模型进行求解。

2.根据权利要求1所述的基于双时间尺度的主动配电网鲁棒无功优化方法，其特征在于，所述基于分秒级别的时间尺度，建立无功电压优化模型包括：

确定配电网功率损耗的目标函数；

基于所述目标函数和分秒级别的时间尺度，对各支路电流进行约束；

基于所述各支路电流的约束条件，对分布式电源和静止无功补偿装置的运行进行约束。

3.根据权利要求2所述的基于双时间尺度的主动配电网鲁棒无功优化方法，其特征在于，所述确定配电网功率损耗的目标函数为：

其中，i,j(1,2,...,N)代表总线，l_ij为支路ij发送端的电流平方幅值，r_ij为支路ij的电阻，

为对应变量的相位，Φ为整个系统中的一组分支，β为电容器组的开关决策变量，κ为分接开关的匝数比变量，Q_C为补偿器上的总无功功率，Q_G为发电机的无功功率。

4.根据权利要求3所述的基于双时间尺度的主动配电网鲁棒无功优化方法，其特征在于，所述基于所述目标函数和分秒级别的时间尺度，对各支路电流进行约束包括：

确定母线电压的约束条件为：

其中，V_ref为共耦点电压。

确定支路的电流安全约束条件为：

其中，

为支路ij电流幅值的上界。

确定防止电压越限的安全约束条件为：

其中，

为在总线i处的电压幅值上界，V_i 为在总线i处的电压幅值下界。

基于分秒级别的时间尺度，采用DistFlow分支流模型，确定各支路电流的约束条件为：

其中，P_ij为支路ij发送端的有功功率，Q_ij为支路ij发送端的无功功率，P_j为在总线j处注入的有功功率，Q_j为在总线j处注入的无功功率，N为整个系统的总线集，β_j为在总线j处电容器组的开关决策变量，

为电容器组在总线j处的导纳元件，ν_j为在总线j处的电压平方，κ_ij为支路ij的分接开关匝数比变量，x_ij为支路ij的电抗，P_Gj为在总线j处注入发电机的有功功率，Q_Gj为在总线j处注入发电机的无功功率，P_Dj为在总线j处的有功负荷需求，Q_Dj为在总线j处的无功负荷需求，Q_Cj为总线j上补偿器的总无功功率，Γ_ij为支路ij的允许抽头数集，Γ_ij由{K_ij,1,K_ij,2,...,K_ij,R}组成，ΛΨ为带有稳压器的支路集，Δ_j为在总线j处的电容器组的允许开关决策集，Υ为一组带有机械开关电容器/电容器组的总线集。

5.根据权利要求4所述的基于双时间尺度的主动配电网鲁棒无功优化方法，其特征在于，所述基于所述各支路电流的约束条件，对分布式电源和静止无功补偿装置的运行进行约束为：

其中，

为总线i处各发电机注入无功功率的上界，Q_Gi 为总线i处各发电机注入无功功率的下界，

为总线i处的静态无功补偿装置注入无功功率的上界，Q_Ci 为总线i处的静态无功补偿装置注入无功功率的下界。

6.根据权利要求4所述的基于双时间尺度的主动配电网鲁棒无功优化方法，其特征在于，所述对所述无功电压优化模型进行凸化处理包括：

针对机械开关电容器的松弛度的约束条件为：

式中，

针对稳压器模型的分段线性化处理的约束条件为：

其中，k(1,2,...,R)为稳压器分接头设置的索引，δ_ik为主变量，g_ij,k和h_ij,k为辅助变量。

确定凸化后的无功电压优化模型的目标函数为：

定义所述机械开关电容器和所述稳压器的决策变量为：

x＝(β,κ,g,h,δ,ω)

定义潮流变量和对分布式电源、静止无功补偿器的快速控制的变量为：

y＝(Q_C,Q_G,ν,l_ij,P_ij,Q_ij)^T

定义负荷和分布电源主动输出的预测向量为：

d₀＝(P_D,Q_D,Q_G)^T

确定凸化后的无功电压优化模型的简化形式为：

s.t.Ax+By+d₀＝0

其中，b^T为表示矩阵b的转置，

表示向量集x的可行域，‖G_ly‖₂为向量G_ly的2范数。

7.根据权利要求1所述的基于双时间尺度的主动配电网鲁棒无功优化方法，其特征在于，所述基于所述电压波动百分比建立鲁棒无功优化模型包括：

在小时级别的时间尺度下，基于所述电压波动百分比建立一个不确定集为：

其中，ν为电压波动百分比，

为负荷的有功功率基准值，

为负荷的无功功率基准值。

建立所述鲁棒无功优化模型为：

其中，d为分布电源的实际负荷和主动输出。

8.根据权利要求7所述的基于双时间尺度的主动配电网鲁棒无功优化方法，其特征在于，所述基于约束生成算法对所述鲁棒无功优化模型进行求解包括：

确定所述鲁棒无功优化模型的网络损耗下界模型和网络损耗上界模型；

对各参数进行初始化，包括网络损耗下界、网络损耗上界、情景迭代、裕度等级；

基于所述网络损耗下界模型获取网络损耗，对所述网络损耗下界进行更新；

基于所述网络损耗上界模型获取网络损耗，对所述网络损耗上界进行更新；

判断更新后的网络损耗上界与更新后的网络损耗下界的差值是否小于所述裕度等级；

若是，迭代结束，获取最坏情况下的网络损耗的最小值。

9.根据权利要求8所述的基于双时间尺度的主动配电网鲁棒无功优化方法，其特征在于，所述确定所述鲁棒无功优化模型的网络损耗下界模型和网络损耗上界模型包括：

确定所述鲁棒无功优化模型的网络损耗下界模型为：

确定所述鲁棒无功优化模型的网络损耗上界模型为：

s.t.τ-M(1-ζ)≤γ≤τ+M(1-ζ)

其中，1是元素都为1的列向量，M为正数，τ,λ,

ξ,σ_l,μ_l,ζ,γ为拉格朗日因子集，且ξ,λ,

μ_l≥0。

Images