CN111600315A - 一种配电网无功优化方法 - Google Patents
一种配电网无功优化方法 Download PDFInfo
- Publication number
- CN111600315A CN111600315A CN202010504187.4A CN202010504187A CN111600315A CN 111600315 A CN111600315 A CN 111600315A CN 202010504187 A CN202010504187 A CN 202010504187A CN 111600315 A CN111600315 A CN 111600315A
- Authority
- CN
- China
- Prior art keywords
- reactive power
- power
- distribution network
- reactive
- optimization
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 71
- 238000009826 distribution Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 230000008901 benefit Effects 0.000 claims abstract description 14
- 239000003990 capacitor Substances 0.000 claims description 19
- 230000009471 action Effects 0.000 claims description 13
- 238000004146 energy storage Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000001803 electron scattering Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 3
- 101100058542 Danio rerio bmi1a gene Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012983 electrochemical energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002402 nanowire electron scattering Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
- H02J3/1821—Arrangements for adjusting, eliminating or compensating reactive power in networks using shunt compensators
- H02J3/1835—Arrangements for adjusting, eliminating or compensating reactive power in networks using shunt compensators with stepless control
- H02J3/1864—Arrangements for adjusting, eliminating or compensating reactive power in networks using shunt compensators with stepless control wherein the stepless control of reactive power is obtained by at least one reactive element connected in series with a semiconductor switch
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
- H02J3/381—Dispersed generators
-
- 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]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- 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
Abstract
本发明提供一种配电网无功优化方法,包括以下步骤:以分布式电源投资效益最高、网络有功损耗最小及节点电压偏差最小建立多目标无功优化模型;以及采用kriging模型全局优化算法对所述无功优化模型进行求解。利用本发明提供的配电网无功优化方法可以对含DG配电网的配电网进行无功优化,实现多目标配电网无功优化。
Description
技术领域
本发明涉及供电技术领域,尤其涉及一种配电网无功优化方法。
背景技术
大规模分布式电源(DG)并网,使配电网结构变复杂。而配电网无功功率平衡对保障电能质量至关重要。大规模分布式电源并网势必改变配电网的潮流分布,使电网中的无功潮流改变,若某个节点无功不足或过剩,则会降低电压质量。通过逆变器并网的DG,如直驱式风电机组和光伏系统等,可以对并网功率实现有功功率和无功功率独立调节。使含DG的配电网无功优化控制既要解决静止无功补偿装置(SVC)的无功出力,又要处理DG的无功出力,同时还要考虑投切电容器组挡位、有载调压器分接头位置这些离散变量。在实际运行中,DG和大部分负荷都具有较强的随机性,又有储能装置及电动汽车等可控负荷,对优化目标也有新的要求,以满足电网运行的安全性和经济性。
发明内容
基于此,有必要针对上述问题,提供一种含DG配电网的配电网无功优化方法,实现多目标配电网无功优化。
一种配电网无功优化方法,包括以下步骤:S1,以分布式电源投资效益最高、网络有功损耗最小及节点电压偏差最小建立多目标无功优化模型;以及S2,采用kriging模型全局优化算法对所述无功优化模型进行求解。
利用本发明提供的配电网无功优化方法可以对含DG配电网的配电网进行无功优化,实现多目标配电网无功优化。
附图说明
图1为本发明实施例提供的配电网无功优化方法流程示意图。
图2为本发明实施例提供的基于kriging元模型全局优化算法求解无功优化问题的流程图。
图3为本发明实施例中改造后的节点测试系统示意图。
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,以下结合附图及实施例,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。
请参见图1,本发明实施例提供一种配电网无功优化方法,包括以下步骤:
S1,以分布式电源投资效益最高、网络有功损耗最小及节点电压偏差最小建立多目标无功优化模型;
S2,采用kriging模型全局优化算法对所述无功优化模型进行求解。
步骤S1中,建立所述含分布式电源的配电网无功优化模型需要考虑源荷不确定性及电容器组等动作次数约束,本申请中利用概率场景生成和场景削减的方法描述源荷不确定性。
风力发电机的有功输出和风速有关,风速一般服从威布尔分布,概率密度函数为:
其中,v是风速,k、c分别为威布尔分布的形状、尺度参数,k、c由风速24小时观测均值和方差计算得出,则风电发电机组有功功率输出为:
其中,Pr为额定风功率出力,vr、vci、vco分别为额定、切入和切出风速。
太阳光照强度beta分布模拟,基于此得出太阳能光伏电池方阵输出功率的概率密度函数为:
其中,α和β是beta分布的形状参数,由光照的平均值和方差计算,PM为方阵输出功率,RM为方阵最大输出功率且与方阵总面积和光电转换效率成正比。
负荷功率概率分布采用正态分布进行模拟,表达式为:
其中,μp、μQ和σP、σQ分别为有功负荷和无功负荷的期望和方差。
储能装置(ESS)模型,本申请考虑电化学储能,设电池在控制周期内的充放电过程以恒功率进行,设单个ESS在t时段的荷电状态为S,
由于分布式电源和负荷均具有随机性,储能装置作为可控负荷和电源,对削谷填峰改善电压有积极作用。对于随机性源荷,本申请对每个随机变量的累积概率分布曲线的纵轴等概率分成N个空间,有P个随机变量,则通过采样后得到一个N×P的采样矩阵,通过迭代计算,最后形成N个采样场景,场景集合为SC。为满足抽样规模,N取值大,精度高,但降低了计算效率,因此可采用同步回代削减SBR技术进行场景削减,通过计算场景间的概率距离,找到与其距离最短的场景,合并相似的场景并确定相应概率。
基于源荷不确定性,选取分布式电源、无功补偿装置和储能放电时的无功出力为连续控制变量,电容器组无功投切容量、有载调压器(OLTC)分接头位置为离散控制变量;以DG投资效益最高、网络有功损耗最小及节点电压偏差最小建立多目标无功优化模型。即:
分布式电源投资效益B:
其中,B为DG投资效益,B1为DG年投资收益,B2为DG年投资成本。
配电网有功损耗Ploss:
其中,为系统在场景sc下第t时段的有功网损;SC为总的场景数,psc为第sc个场景发生的概率,N1为配电网支路数,m和n是支路的首末端节点的编号;Vm,sc,t、Vn,sc,t分别为节点m和n在场景sc下第t时段的电压幅值;Gk(m,n)为节点m和n之间支路的导纳元素的实部;θm,n,sc,t为节点m和n之间在场景sc下第t时段的电压相角差。
节点电压偏差dV
对目标进行归一化处理,
其中,α1、α2和α3分别是分布式电源年投资效益、系统有功网损、节点电压偏差的归一值。Bmax和Ploss,min分别是单独以分布式电源效益、有功网损为单一优化目标时得到的投资效益最大值和有功网损最小值。Bmin和Ploss,max是不进行优化时得到的分布式电源效益和有功网损值。
采用权重系数法,将问题进行转化求解,建立满意度函数:
f=aα1+bα2+c(1-α3) (13)
a、b、c为权重系数,采用以有功损耗为主的层次分析法,a、b、c分别取值为:0.1,0.7,0.2,f为满意度值,其值越接近1,说明优化方案越理想。
约束条件
动态无功优化的约束条件包括等式约束条件和不等式约束条件。其中等式约束条件即为潮流约束等式方程:
其中,N为配电网中的节点总数;PGm、QGm为分布式电源在节点m处输出的有功功率和无功功率;Pdm、Qdm为在节点m处的负荷的有功功率和无功功率。
其中,NC、NT、NSVC、NESS分别为并联电容器组、OLTC、SVC、ESS个数,和分别为第m个并联电容器组允许最大组数和最小组数,分别是第k个OLTC分接头位置调节上下限,为第m个SVC允许的最大、最小无功功率输出,为第m个ESS放电时,允许的最大、最小无功功率输出,Mm为第m个电容器组日限制动作次数,Zk为第k个OLTC日限制动作次数。
DG、ESS运行约束应满足:
其中,分别是m个DG在场景sc下第t时段的有功出力和有功出力的预测值;为第m个DG在场景sc下第t时段的无功出力和无功出力的上限值,NDG为DG个数;SESS(t)为储能容量,SESS,max、SESS,min为储能容量上下限;为第m个ESS在放电状态下,场景sc下第t时段的无功出力和无功出力的上限值,NESS为ESS个数。
DG和放电状态下的ESS能提供的无功功率最大值满足:
其中,S为并网逆变器能提供的最大视在功率。
节点电压约束为:
步骤S2中,采用kriging模型全局优化算法对无功优化进行求解,具体的求解过程如下:
多阶段求解方法
由于约束条件中考虑离散变量投切次数,并考虑了求解时段的划分,使得所建立模型的求解是具有时空耦合性的非线性整数规划问题,难以直接求解。因此根据被控量的调节特点将其划分为基础调节量和补充调节量。在此基础上,无功优化模型的求解分三个阶段:
第一阶段,以电容器组数、有载调压器(OLTC)分接头位置、DG、SVC及放电状态下ESS的无功出力为控制变量,不考虑前二者的动作次数限制,以每个小时满意度为目标,计算24小时内每小时每个控制量取值。
第二阶段,只考虑电容器组数和OLTC分接头位置作为基础调节量,连续变量保持不变,以24小时满意度为目标函数,同时考虑离散变量动作次数约束和节点电压约束,计算得出每个小时的电容组投切容量和OLTC位置。
第三阶段,DG、SVC、ESS无功出力作为补充调节量再调整,离散变量保持不变,以每个小时的满意度为目标,固定第二步离散变量值,计算得出每小时DG、SVC无功出力,并根据ESS状态确定其无功出力。
通过三个阶段,得到以满意度最接近于1为目标的每小时内控制变量的值。基于kriging模型全局优化算法求解含DG配电网多目标无功优化
多阶段求解方法中,每一阶段都是对某个配电网无功优化模型的求解。本申请提出基于Kriging元模型的全局优化算法并用于求解配电网多目标无功优化问题。
假设Kriging元模型的目标函数为y(x),根据已知的观测点的自变量和响应值,kriging模型的回归方程为:
其中,f(x)为回归模型的基函数,β为对应的系数,z(x)为一组随机变量过程,且满足随机变量的期望为零。
初始设计区域、目标函数和约束条件、设计变量为已知,在初始设计区域中进行采样,应用目标函数及约束条件对试验点进行评估,将实验区域进行分割,在分割后的区域中再进行采样和Kriging模型拟合,进行局部优化,直到设计区域都被访问,并满足终止判据为止。
图2为基于kriging元模型全局优化算法求解无功优化问题的流程图。
算例介绍及仿真分析
本申请中配电网无功优化方法的数值模拟和仿真计算由MATLAB完成,配电网运行模拟和潮流计算由OPENDSS完成,基于kriging元模型的全局优化算法在MATLAB上实现,并调用OPENDSS来进行目标函数和约束条件计算。
以改造后的IEEE33节点配电系统为例。改造后的节点测试系统如图3所示。参数如下:保持线路参数不变,OLTC电压比范围为0.9~1.1pu,上下共16挡位,步进量为0.625%;ESS为储能装置,放电功率上限为0.24MW,荷电状态为30%~90%,充电效率为80%,放电时具有无功调节能力。DG1、DG2为直驱式风电机组,DG3为光伏系统,SVC1和SVC2的补偿容量取-600kvar~600kvar;C1和C2为两台并联补偿电容器,每台7组,每组补偿容量为100kvar;OLTC、电容器的日最大调节次数均设置7次,单次动作成本为6元。各节点电压取值范围0.95~1.05pu;系统三相功率基准值SB=10MVA,线电压基准值为UB=12.66Kv;结合场景削减算法,在24h内得出10个削减后的场景,分别为sc1,sc2…sc10,并得出每个场景的概率,psc1,psc2…psc10。如表1所示。因篇幅限制,本申请列出t=14h风电、光伏、储能、负荷各场景情况。
表1 削减后各场景概率
p<sub>sc1</sub> | p<sub>sc2</sub> | p<sub>sc3</sub> | p<sub>sc4</sub> | p<sub>sc5</sub> | p<sub>sc6</sub> | p<sub>sc7</sub> | p<sub>sc8</sub> | p<sub>sc9</sub> | p<sub>sc10</sub> |
0.0086 | 0.1133 | 0.1533 | 0.0667 | 0.0533 | 0.1867 | 0.1133 | 0.1067 | 0.0733 | 0.08 |
表2 t=14h风力出力场景
场景 | Sc1 | Sc2 | Sc3 | Sc4 | Sc5 | Sc6 | Sc7 | Sc8 | Sc9 | Sc10 |
功率(KW) | 437 | 347 | 309 | 315 | 167 | 366 | 186 | 276 | 450 | 225 |
表3 t=14h光伏出力场景
场景 | Sc1 | Sc2 | Sc3 | Sc4 | Sc5 | Sc6 | Sc7 | Sc8 | Sc9 | Sc10 |
功率(KW) | 456 | 162 | 235 | 287 | 500 | 437 | 363 | 338 | 365 | 434 |
表4 t=14h负荷场景
场景 | Sc1 | Sc2 | Sc3 | Sc4 | Sc5 | Sc6 | Sc7 | Sc8 | Sc9 | Sc10 |
功率(KW) | 800 | 523 | 660 | 615 | 669 | 648 | 621 | 599 | 611 | 592 |
以t=14h为例,对是否考虑源荷不确定性及动作次数约束的无功优化结果进行分析,校验结果如下表。
表5 t=14h各情况的最优无功计划
考虑源荷不确定性和动作系数限制的无功模型与既不考虑源荷不确定性又不考虑动作次数限的无功模型都有较高的满意度,但考虑源荷不确定性和动作系数限制的无功模型更符合实际运行的情况,具有更好的适应性。
为测试本申请提出的基于kriging元模型全局优化算法的有效性,将其与已有文献中的粒子群算法(PSO)对比。粒子群算法初始参数为:初始种群设为20,最大、最小惯性权重分别为0.9,0.6,学习因子均取2.0。两种算法无功优化结果对比,以t=5h为例。
表6 t=5h优化结果及算法性能对比
通过对比分析,应用本申请提出的基于kri gi ng模型的全局优化算法在满意度、平均迭代次数、平均评价次数及平均计算时间上都优于粒子群算法,有效提高了寻优速度和求解效率,并有较好的全局收敛性。利用本发明提供的配电网无功优化方法可以对含DG配电网的配电网进行无功优化,实现多目标配电网无功优化。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种配电网无功优化方法,其特征在于,包括以下步骤:
S1,以分布式电源投资效益最高、网络有功损耗最小及节点电压偏差最小建立多目标无功优化模型;
S2,采用kriging模型全局优化算法对所述无功优化模型进行求解。
2.根据权利要求1所述的配电网无功优化方法,其特征在于,步骤S1中选取分布式电源、无功补偿装置和储能放电时的无功出力为连续控制变量;电容器组无功投切容量、有载调压器分接头位置为离散控制变量。
6.根据权利要求1所述的配电网无功优化方法,其特征在于,步骤S1中,对每个随机变量的累积概率分布曲线的纵轴等概率分成N个空间,有P个随机变量,则通过采样后得到一个N×P的采样矩阵,通过迭代计算,最后形成N个采样场景,场景集合为SC。
7.根据权利要求1所述的配电网无功优化方法,其特征在于,步骤S1中,分布式电源投资效益B:
其中,B为DG投资效益,B1为DG年投资收益,B2为DG年投资成本;
配电网有功损耗Ploss:
其中,为系统在场景sc下第t时段的有功网损;SC为总的场景数,psc为第sc个场景发生的概率,N1为配电网支路数,m和n是支路的首末端节点的编号;Vm,sc,t、Vn,sc,t分别为节点m和n在场景sc下第t时段的电压幅值;Gk(m,n)为节点m和n之间支路的导纳元素的实部;θm,n,sc,t为节点m和n之间在场景sc下第t时段的电压相角差;
节点电压偏差dV
8.根据权利要求1所述的配电网无功优化方法,其特征在于,步骤S2中,采用三阶段求解方法:
第一阶段,以电容器组数、有载调压器分接头位置、DG、SVC及放电状态下ESS的无功出力为控制变量,不考虑前二者的动作次数限制,以每个小时满意度为目标,计算24小时内每小时每个控制量取值;
第二阶段,只考虑电容器组数和有载调压器分接头位置作为基础调节量,连续变量保持不变,以24小时满意度为目标函数,同时考虑离散变量动作次数约束和节点电压约束,计算得出每个小时的电容组投切容量和有载调压器位置;
第三阶段,分布式电源、静止无功补偿装置、储能装置无功出力作为补充调节量再调整,离散变量保持不变,以每个小时的满意度为目标,固定第二步离散变量值,计算得出每小时分布式电源、静止无功补偿装置无功出力,并根据储能装置状态确定其无功出力。
9.根据权利要求1所述的配电网无功优化方法,其特征在于,步骤S2中,根据被控量的调节特点将其划分为基础调节量和补充调节量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010504187.4A CN111600315B (zh) | 2020-06-02 | 2020-06-02 | 一种配电网无功优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010504187.4A CN111600315B (zh) | 2020-06-02 | 2020-06-02 | 一种配电网无功优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111600315A true CN111600315A (zh) | 2020-08-28 |
CN111600315B CN111600315B (zh) | 2023-11-17 |
Family
ID=72192367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010504187.4A Active CN111600315B (zh) | 2020-06-02 | 2020-06-02 | 一种配电网无功优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111600315B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112803434A (zh) * | 2021-02-25 | 2021-05-14 | 国网河北省电力有限公司经济技术研究院 | 有源配电网的无功优化方法、装置、设备和存储介质 |
CN116388213A (zh) * | 2023-05-22 | 2023-07-04 | 国网江西省电力有限公司电力科学研究院 | 含新能源和充电站的主动配电网动态无功优化方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019165701A1 (zh) * | 2018-02-28 | 2019-09-06 | 东南大学 | 一种交直流混联微网的随机鲁棒耦合型优化调度方法 |
CN110401197A (zh) * | 2019-06-27 | 2019-11-01 | 国网上海市电力公司 | 一种计及分布式电源随机出力的配电网多目标无功优化方法 |
-
2020
- 2020-06-02 CN CN202010504187.4A patent/CN111600315B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019165701A1 (zh) * | 2018-02-28 | 2019-09-06 | 东南大学 | 一种交直流混联微网的随机鲁棒耦合型优化调度方法 |
CN110401197A (zh) * | 2019-06-27 | 2019-11-01 | 国网上海市电力公司 | 一种计及分布式电源随机出力的配电网多目标无功优化方法 |
Non-Patent Citations (5)
Title |
---|
SOBU A 等: "Optimal operation planning method for isolated micro grid considering uncertainties of renewable power generations and load demand" * |
张晓峰;: "新能源高渗透率主动配电网调压降损优化调控方法" * |
潘曙冰 等: "计及分布式电源功率不确定性的配电网多目标无功优化" * |
肖浩 等: "基于元模型全局最优化方法的含分布式电源配电网无功优化" * |
葛朝晖 等: "基于自适应粒子群优化算法的有源配电网多目标动态无功优化" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112803434A (zh) * | 2021-02-25 | 2021-05-14 | 国网河北省电力有限公司经济技术研究院 | 有源配电网的无功优化方法、装置、设备和存储介质 |
CN116388213A (zh) * | 2023-05-22 | 2023-07-04 | 国网江西省电力有限公司电力科学研究院 | 含新能源和充电站的主动配电网动态无功优化方法及系统 |
CN116388213B (zh) * | 2023-05-22 | 2023-09-12 | 国网江西省电力有限公司电力科学研究院 | 含新能源和充电站的主动配电网动态无功优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111600315B (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110365013B (zh) | 一种光热-光伏-风电联合发电系统的容量优化方法 | |
CN110690732A (zh) | 一种光伏无功分区计价的配电网无功优化方法 | |
CN111600315B (zh) | 一种配电网无功优化方法 | |
CN108711868A (zh) | 一种计及孤岛运行电压安全的配电网无功优化规划方法 | |
CN113378100B (zh) | 考虑碳排放的配电网源网荷储协同优化调度模型和方法 | |
CN111614110B (zh) | 一种基于改进多目标粒子群算法的受端电网储能优化配置方法 | |
CN112736973A (zh) | 平抑风电、光伏电站出力波动的电池储能容量配置方法及系统 | |
CN113224769A (zh) | 考虑光伏多状态调节的多时间尺度配电网电压优化方法 | |
CN114221351B (zh) | 电压无功调节方法、装置、终端及存储介质 | |
Linlin et al. | Research on Multi-Objective Reactive Power Optimization of Power Grid With High Proportion of New Energy | |
CN113972665A (zh) | 一种光伏电站参与电网主动调压的无功优化控制方法 | |
CN110829440B (zh) | 一种三相中低压一体化配电网电压控制方法及系统 | |
CN115549216A (zh) | 一种风光储场站有功-无功协调控制方法及系统 | |
CN109980656B (zh) | 两层协同架构下的配电网分布式无功优化与电压调控方法 | |
Ping et al. | Voltage control strategy for integrated medium and low voltage distribution network based on active-reactive power coordination optimization | |
Wang et al. | Research on Coordinated Reactive Power and Voltage Control Strategy for Regional Power Grids with High Penetration of Renewable Energy | |
Li et al. | Optimal configuration for the wind-solar complementary energy storage capacity based on improved harmony search algorithm | |
CN113013909A (zh) | 一种基于平抑牵引的储能容量改进方法 | |
CN113394805B (zh) | 基于自适应动态更新的柔性互联配电网日内滚动优化方法 | |
CN114142496B (zh) | 基于微电网的电力储能设备与方法 | |
Gao et al. | Research on voltage control of distribution network based on constraint programming | |
Fan et al. | A Quantile Intervals Prediction Based Power-voltage Control Method with Storage Regulation | |
Dong et al. | Voltage division control in AC/DC hybrid distribution network based on model predictive control | |
CN116760109B (zh) | 一种分布式光伏电源并网的综合调控系统 | |
CN114498740B (zh) | 一种面向光伏接入电网正常及故障电压波动抑制的储能配置优化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |