CN111478336A - 基于新能源预测的容抗器动作计划优化方法、装置及系统 - Google Patents

基于新能源预测的容抗器动作计划优化方法、装置及系统 Download PDF

Info

Publication number
CN111478336A
CN111478336A CN202010321954.8A CN202010321954A CN111478336A CN 111478336 A CN111478336 A CN 111478336A CN 202010321954 A CN202010321954 A CN 202010321954A CN 111478336 A CN111478336 A CN 111478336A
Authority
CN
China
Prior art keywords
capacitive reactance
new energy
node
reactance device
optimization model
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
Application number
CN202010321954.8A
Other languages
English (en)
Other versions
CN111478336B (zh
Inventor
陈天华
陈建华
徐陆飞
杜磊
熊正勇
许大卫
王永刚
闭耀中
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.)
Nari Technology Co Ltd
NARI Nanjing Control System Co Ltd
Original Assignee
Nari Technology Co Ltd
NARI Nanjing Control System Co Ltd
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 Nari Technology Co Ltd, NARI Nanjing Control System Co Ltd filed Critical Nari Technology Co Ltd
Priority to CN202010321954.8A priority Critical patent/CN111478336B/zh
Publication of CN111478336A publication Critical patent/CN111478336A/zh
Application granted granted Critical
Publication of CN111478336B publication Critical patent/CN111478336B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于新能源预测的容抗器动作计划优化方法、装置及系统，所述方法包括获取多周期优化模型，所述多周期优化模型以节点电压控制偏差最小作为目标函数，以容抗器的分合状态作为决策变量；获取新能源场站日前设定时间区间内的功率预测数据，并带入所述多周期优化模型；通过线性规划求解所述多周期优化模型，获得容抗器动作计划。本发明中的多周期优化模型以电压控制偏差最小为目标，提前合理分配容抗器动作计划，使设备动作次数分段更加合理，更加符合电网运行趋势。应用本发明方法可制定出适应电网潮流趋势的容抗器动作计划，抑制电压大幅波动，并合理分配容抗器动作计划，支撑电力系统安全、经济运行。

Description

基于新能源预测的容抗器动作计划优化方法、装置及系统
技术领域
本发明属于电力系统自动化技术领域，具体涉及一种基于新能源预测的容抗器动作计划优化方法、装置及系统。
背景技术
当前自动电压控制已在各级电网调度系统中得到广泛的应用，容抗器等离散设备动作次数的限值是其主要限值参数之一，不合理的动作次数限值参数会对控制效果产生较大影响。
传统自动电压控制中容抗器动作次数限值参数大多依靠运行人员的经验进行设置，一般很少调整，再加上当前新能源发电等接入电网，电网形态越来越复杂，不确定性增强，容抗器动作次数的设置很难适应电网实际的需求，然而参数的频繁调整一方面会给运行人员带来巨大的工作量，另一方面也很难把握参数设置的合理性，在实际运行控制中常会出现由于参数设置不合理而导致优化运行效果不理想的现象。
发明内容
针对上述问题，本发明提出一种基于新能源预测的容抗器动作计划优化方法、装置及系统，能够提高容抗器动作次数限值参数的合理性。
为了实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
第一方面，本发明提供了一种基于新能源预测的容抗器动作计划优化方法，包括：
获取多周期优化模型，所述多周期优化模型以节点电压控制偏差最小作为目标函数，以容抗器的分合状态作为决策变量；
获取新能源场站日前设定时间区间内的功率预测数据，并带入所述多周期优化模型；
通过线性规划求解所述多周期优化模型，获得容抗器动作计划。
可选地，所述多周期优化模型的目标函数为：
Figure BDA0002461762730000011
Figure BDA0002461762730000012
式中，ΔV为节点电压控制偏差，Vi,t为t时刻节点i的电压控制结果，
Figure BDA0002461762730000013
为t时刻节点i的电压控制参考值；M为电网中枢节点数量，Vi 0为节点i的基态电压；
Figure BDA0002461762730000014
为新能源场站j对节点i的有功电压灵敏度，Pj,t为新能源场站j在时刻t的有功出力预测值，Pj,0为新能源场站j基态有功出力；Ci,s为容抗器S对节点i的无功电压灵敏度，Qs为容抗器的容量，Ks,t为t时刻容抗器S的分合状态，Ks,0为容抗器S的基态状态。
可选地，所述多周期优化模型的约束包括不等式约束，所述不等式约束为：
Vmin＜Vi,t＜Vmax
式中，Vmin、Vmax分别为节点i在时刻t的电压上下限，，Vi,t为节点i在时刻t的电压值。
可选地，所述多周期优化模型的约束还包括：
Figure BDA0002461762730000021
表示容抗器S的动作计划K在m个周期内动作次数小于等于1。
第二方面，本发明提供了一种基于新能源预测的容抗器动作计划优化装置，包括：
第一获取单元，用于获取多周期优化模型，所述多周期优化模型以节点电压控制偏差最小作为目标函数，以容抗器的分合状态作为决策变量；
第二获取单元，用于获取新能源场站日前设定时间区间内的功率预测数据，并带入所述多周期优化模型；
求解单元，用于通过线性规划求解所述多周期优化模型，获得容抗器动作计划。
可选地，所述多周期优化模型的目标函数为：
Figure BDA0002461762730000022
Figure BDA0002461762730000023
式中，ΔV为节点电压控制偏差，Vi,t为t时刻节点i的电压控制结果，
Figure BDA0002461762730000024
为t时刻节点i的电压控制参考值；M为电网中枢节点数量，Vi 0为节点i的基态电压；
Figure BDA0002461762730000025
为新能源场站j对节点i的有功电压灵敏度，Pj,t为新能源场站j在时刻t的有功出力预测值，Pj,0为新能源场站j基态有功出力；Ci,s为容抗器S对节点i的无功电压灵敏度，Qs为容抗器的容量，Ks,t为t时刻容抗器S的分合状态，Ks,0为容抗器S的基态状态。
可选地，所述多周期优化模型的约束包括不等式约束，所述不等式约束为：
Vmin＜Vi,t＜Vmax
式中，Vmin、Vmax分别为节点i在时刻t的电压上下限，Vi,t为节点i在时刻t的电压值。
可选地，所述多周期优化模型的约束还包括：
Figure BDA0002461762730000031
表示容抗器S的动作计划K在m个周期内动作次数小于等于1。
第三方面，本发明提供了一种基于新能源预测的容抗器动作计划优化系统，包括存储介质和处理器；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据第一方面中任一项所述方法的步骤。
与现有技术相比，本发明的有益效果：
本发明中的多周期优化模型以电压控制偏差最小为目标，提前合理分配容抗器动作计划，使设备动作次数分段更加合理，更加符合电网运行趋势。应用本发明方法可制定出适应电网潮流趋势的容抗器动作计划，抑制电压大幅波动，并合理分配容抗器动作计划，支撑电力系统安全、经济运行。
附图说明
为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明，其中：
图1为本发明一种实施例的基于新能源预测的容抗器动作计划优化方法的流程示意图；
图2为本发明一种实施例中容抗器动作计划效果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
本发明实施例中提供了一种基于新能源预测的容抗器动作计划优化方法，如图1所示，包括以下步骤：
获取多周期优化模型，所述多周期优化模型以节点电压控制偏差最小作为目标函数，以容抗器的分合状态作为决策变量；
获取新能源场站日前设定时间区间内的功率预测数据，并带入所述多周期优化模型；所述的设定时间区间内的功率预测数据在具体实施过程中，可以选择新能源场站日前96点功率预测数据{Pj,t,t＝1,2...,96}，式中，Pj,t为新能源场站j在第t个断面的有功出力预测值；
通过线性规划求解所述多周期优化模型，获得容抗器动作计划。
在本发明实施例的一种具体实施方式中，所述多周期优化模型的目标函数为：
Figure BDA0002461762730000041
Figure BDA0002461762730000042
式中，ΔV为节点电压控制偏差，Vi,t为t时刻节点i的电压控制结果，
Figure BDA0002461762730000043
为t时刻节点i的电压控制参考值；M为电网中枢节点数量，Vi 0为节点i的基态电压；
Figure BDA0002461762730000044
为新能源场站j对节点i的有功电压灵敏度，Pj,t为新能源场站j在时刻t的有功出力预测值，Pj,0为新能源场站j基态有功出力；Ci,s为容抗器S对节点i的无功电压灵敏度，Qs为容抗器的容量，Ks,t为t时刻容抗器S的分合状态，Ks,0为容抗器S的基态状态。
在本发明实施例的一种具体实施方式中，所述多周期优化模型的约束包括不等式约束，所述不等式约束为：
Vmin＜Vi,t＜Vmax
式中，Vmin、Vmax分别为节点i在时刻t的电压上下限，，Vi,t为节点i在时刻t的电压值。
在本发明实施例的一种具体实施方式中，所述多周期优化模型的约束还包括：
Figure BDA0002461762730000045
表示容抗器S的动作计划K在m个周期内动作次数小于等于1。
在本发明实施例的一种具体实施方式中，所述的通过线性规划求解所述多周期优化模型，获得容抗器动作计划，即通过线性规划求解所述多周期优化模型，获得容抗器动作计划{Ks,t,t＝1,2...,H}，H表示待预测的点数，即为容抗器S的日前动作计划，图2为应用本发明实施例的方法获得的容抗器动作计划效果图。
实施例2
本发明实施例中提供了一种基于新能源预测的容抗器动作计划优化装置，包括：
第一获取单元，用于获取多周期优化模型，所述多周期优化模型以节点电压控制偏差最小作为目标函数，以容抗器的分合状态作为决策变量；
第二获取单元，用于获取新能源场站日前设定时间区间内的功率预测数据，并带入所述多周期优化模型；
求解单元，用于通过线性规划求解所述多周期优化模型，获得容抗器动作计划。
在本发明实施例的一种具体实施方式中，所述多周期优化模型的目标函数为：
Figure BDA0002461762730000051
Figure BDA0002461762730000052
式中，ΔV为节点电压控制偏差，Vi,t为t时刻节点i的电压控制结果，
Figure BDA0002461762730000053
为t时刻节点i的电压控制参考值；M为电网中枢节点数量，Vi 0为节点i的基态电压；
Figure BDA0002461762730000054
为新能源场站j对节点i的有功电压灵敏度，Pj,t为新能源场站j在时刻t的有功出力预测值，Pj,0为新能源场站j基态有功出力；Ci,s为容抗器S对节点i的无功电压灵敏度，Qs为容抗器的容量，Ks,t为t时刻容抗器S的分合状态，Ks,0为容抗器S的基态状态。
在本发明实施例的一种具体实施方式中，所述多周期优化模型的约束包括不等式约束，所述不等式约束为：
Vmin＜Vi,t＜Vmax
式中，Vmin、Vmax分别为节点i在时刻t的电压上下限，Vi,t为节点i在时刻t的电压值。
在本发明实施例的一种具体实施方式中，所述多周期优化模型的约束还包括：
Figure BDA0002461762730000055
表示容抗器S的动作计划K在m个周期内动作次数小于等于1。
其余部分均与实施例1相同。
实施例3
本发明实施例中提供了一种基于新能源预测的容抗器动作计划优化系统，包括存储介质和处理器；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据实施例1中任一项所述方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (9)

1.一种基于新能源预测的容抗器动作计划优化方法，其特征在于，包括：
获取多周期优化模型，所述多周期优化模型以节点电压控制偏差最小作为目标函数，以容抗器的分合状态作为决策变量；
获取新能源场站日前设定时间区间内的功率预测数据，并带入所述多周期优化模型；
通过线性规划求解所述多周期优化模型，获得容抗器动作计划。
2.根据权利要求1所述的一种基于新能源预测的容抗器动作计划优化方法，其特征在于：所述多周期优化模型的目标函数为：
Figure FDA0002461762720000011
Figure FDA0002461762720000012
式中，ΔV为节点电压控制偏差，Vi,t为t时刻节点i的电压控制结果，
Figure FDA0002461762720000013
为t时刻节点i的电压控制参考值；M为电网中枢节点数量，Vi 0为节点i的基态电压；
Figure FDA0002461762720000014
为新能源场站j对节点i的有功电压灵敏度，Pj,t为新能源场站j在时刻t的有功出力预测值，Pj,0为新能源场站j基态有功出力；Ci,s为容抗器S对节点i的无功电压灵敏度，Qs为容抗器的容量，Ks,t为t时刻容抗器S的分合状态，Ks,0为容抗器S的基态状态。
3.根据权利要求1所述的一种基于新能源预测的容抗器动作计划优化方法，其特征在于：所述多周期优化模型的约束包括不等式约束，所述不等式约束为：
Vmin＜Vi,t＜Vmax
式中，Vmin、Vmax分别为节点i在时刻t的电压上下限，，Vi,t为节点i在时刻t的电压值。
4.根据权利要求3所述的一种基于新能源预测的容抗器动作计划优化方法，其特征在于：所述多周期优化模型的约束还包括：
Figure FDA0002461762720000015
表示容抗器S的动作计划K在m个周期内动作次数小于等于1。
5.一种基于新能源预测的容抗器动作计划优化装置，其特征在于，包括：
第一获取单元，用于获取多周期优化模型，所述多周期优化模型以节点电压控制偏差最小作为目标函数，以容抗器的分合状态作为决策变量；
第二获取单元，用于获取新能源场站日前设定时间区间内的功率预测数据，并带入所述多周期优化模型；
求解单元，用于通过线性规划求解所述多周期优化模型，获得容抗器动作计划。
6.根据权利要求5所述的一种基于新能源预测的容抗器动作计划优化方法，其特征在于，所述多周期优化模型的目标函数为：
Figure FDA0002461762720000021
Figure FDA0002461762720000022
式中，ΔV为节点电压控制偏差，Vi,t为t时刻节点i的电压控制结果，
Figure FDA0002461762720000023
为t时刻节点i的电压控制参考值；M为电网中枢节点数量，Vi 0为节点i的基态电压；
Figure FDA0002461762720000024
为新能源场站j对节点i的有功电压灵敏度，Pj,t为新能源场站j在时刻t的有功出力预测值，Pj,0为新能源场站j基态有功出力；Ci,s为容抗器S对节点i的无功电压灵敏度，Qs为容抗器的容量，Ks,t为t时刻容抗器S的分合状态，Ks,0为容抗器S的基态状态。
7.根据权利要求5所述的一种基于新能源预测的容抗器动作计划优化方法，其特征在于：所述多周期优化模型的约束包括不等式约束，所述不等式约束为：
Vmin＜Vi,t＜Vmax
式中，Vmin、Vmax分别为节点i在时刻t的电压上下限，Vi,t为节点i在时刻t的电压值。
8.根据权利要求7所述的一种基于新能源预测的容抗器动作计划优化方法，其特征在于：所述多周期优化模型的约束还包括：
Figure FDA0002461762720000025
表示容抗器S的动作计划K在m个周期内动作次数小于等于1。
9.一种基于新能源预测的容抗器动作计划优化系统，其特征在于，包括：存储介质和处理器；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1～4中任一项所述方法的步骤。
CN202010321954.8A 2020-04-22 2020-04-22 基于新能源预测的容抗器动作计划优化方法、装置及系统 Active CN111478336B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010321954.8A CN111478336B (zh) 2020-04-22 2020-04-22 基于新能源预测的容抗器动作计划优化方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010321954.8A CN111478336B (zh) 2020-04-22 2020-04-22 基于新能源预测的容抗器动作计划优化方法、装置及系统

Publications (2)

Publication Number Publication Date
CN111478336A true CN111478336A (zh) 2020-07-31
CN111478336B CN111478336B (zh) 2022-11-04

Family

ID=71760518

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010321954.8A Active CN111478336B (zh) 2020-04-22 2020-04-22 基于新能源预测的容抗器动作计划优化方法、装置及系统

Country Status (1)

Country Link
CN (1) CN111478336B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105470975A (zh) * 2015-12-22 2016-04-06 云南电网有限责任公司电力科学研究院 一种配电网串联电容器配置方法
CN108110752A (zh) * 2017-12-06 2018-06-01 中国南方电网有限责任公司 一种自适应电网负荷变化的日前计划方式无功优化方法
CN108879705A (zh) * 2018-06-11 2018-11-23 国电南瑞科技股份有限公司 计及风功率不确定性的风电汇集区域无功电压控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105470975A (zh) * 2015-12-22 2016-04-06 云南电网有限责任公司电力科学研究院 一种配电网串联电容器配置方法
CN108110752A (zh) * 2017-12-06 2018-06-01 中国南方电网有限责任公司 一种自适应电网负荷变化的日前计划方式无功优化方法
CN108879705A (zh) * 2018-06-11 2018-11-23 国电南瑞科技股份有限公司 计及风功率不确定性的风电汇集区域无功电压控制方法

Also Published As

Publication number Publication date
CN111478336B (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
CN110011329B (zh) 含分布式光伏的低压配电台区无功控制方法
Zhang et al. Further results on delay-dependent stability of multi-area load frequency control
Dai et al. Double closed-loop PI control of three-phase inverters by binary-coded extremal optimization
CN106887858B (zh) 一种接入新能源发电的储能系统跟踪计划出力方法及装置
CN107317353B (zh) 一种含分布式光伏发电配电网电压控制方法及系统
CN111030193A (zh) 一种风电场参与电网快速调频调压的控制方法、装置和系统
Zhang et al. Parameter optimization of PID controllers based on genetic algorithm
CN105896575B (zh) 基于自适应动态规划的百兆瓦储能功率控制方法及系统
CN114123246A (zh) 基于轨迹灵敏度的多光伏电站调频参数自适应更新方法
CN112054561A (zh) 基于SARSA(λ)算法的风电-抽蓄联合系统日随机动态调度方法
CN114844118A (zh) 一种适用于微电网的多类型设备功率协调控制方法及系统
CN105937823A (zh) 一种地源热泵控制方法及系统
CN111478336B (zh) 基于新能源预测的容抗器动作计划优化方法、装置及系统
CN108110779A (zh) 一种电站内储能系统对电站负荷偏差的响应方法
CN117375097A (zh) 基于多代理协调控制策略与强化学习的光伏协调自治方法
CN111798060A (zh) 一种基于机组爬坡率估计的功率指令优化分配方法
Radatz et al. Advances in OpenDSS smart inverter modelling for quasi-static time-series simulations
CN116231747A (zh) 分布式光伏逆变器控制方法、装置及存储介质
CN116054179A (zh) 一种基于事件触发的电力系统无功趋优控制系统及方法
CN105244888B (zh) 一种考虑离散变量的电力系统无功优化方法
CN106655189B (zh) 基于虚拟发电机的最优潮流协调优化方法
CN110717694B (zh) 基于新能源消纳期望值的储能配置随机决策方法及装置
CN109858091B (zh) 一种永磁直驱风电机组电磁暂态仿真方法和装置
CN109193688B (zh) 单变电站离散无功设备日动作次数设置方法及装置
CN110970924A (zh) 电网发电机组的清洁能源消纳方法、装置

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