CN113410846A - 一种结合网络重构的配电网日前无功电压双层优化方法 - Google Patents

一种结合网络重构的配电网日前无功电压双层优化方法 Download PDF

Info

Publication number
CN113410846A
CN113410846A CN202110785618.3A CN202110785618A CN113410846A CN 113410846 A CN113410846 A CN 113410846A CN 202110785618 A CN202110785618 A CN 202110785618A CN 113410846 A CN113410846 A CN 113410846A
Authority
CN
China
Prior art keywords
hour
day
power
node
voltage
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
CN202110785618.3A
Other languages
English (en)
Other versions
CN113410846B (zh
Inventor
陈钢
邓瑞麒
黄国政
易晋
梁社潮
李永乐
黄亮浩
余栋斌
张欣欣
詹一佳
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.)
Guangdong Power Grid Co Ltd
Jiangmen Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Jiangmen Power Supply Bureau of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Jiangmen Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202110785618.3A priority Critical patent/CN113410846B/zh
Publication of CN113410846A publication Critical patent/CN113410846A/zh
Application granted granted Critical
Publication of CN113410846B publication Critical patent/CN113410846B/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
    • H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • 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
    • H02J3/48—Controlling the sharing of the in-phase component
    • 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
    • H02J3/50—Controlling the sharing of the out-of-phase component
    • 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
    • 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)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种结合网络重构的配电网日前无功电压双层优化方法，属于配电网电压控制技术领域。本方法包括两层优化，其中第一层优化是以最小化网损和重构次数为目标的网络拓扑优化，第二层优化是以最小化电压偏差为目标的无功电压优化。本发明将配电网络重构和无功电压控制相结合，生成了日前经济最优的配电网络，确定了每小时分布式光伏逆变器和无功补偿装置的出力。该方法不但可以降低日前配电网的网络损耗，同时结合无功电压控制措施降低配电网电压波动，最大限度地避免采用光伏有功功率缩减，确保分布式电源以最大功率出力，保证了配电网的安全、稳定、经济运行。

Description

一种结合网络重构的配电网日前无功电压双层优化方法
技术领域
本发明属于配电网电压控制技术领域，具体涉及一种结合网络重构的配电网日前无功电压双层优化方法。
背景技术
近年来，分布式光伏电源接入对配电网的电压影响较大，特别是在负荷波动较大和光照变化较大的时间段。当分布式光伏电源渗透率较高且分布式光伏电源出力较大的正午时，非常容易造成电压越上限；在夜间，分布式光伏电源出力为零，加之负荷的影响，非常容易造成电压越下限。目前，10kV及以下三相供电电压允许偏差为额定电压的±7％，部分配电网或负荷对电压质量要求较高，其电压允许偏差仅为额定电压的±3～5％。因此，合理配置分布式光伏电源的运行方式、优化调度配电网无功补偿装置，对含分布式光伏电源的配电网安全运行具有重要意义。
目前，文献中关于含分布式光伏电源的电压控制措施主要包括：分布式光伏电源逆变器无功与电压下垂控制、配电网无功补偿装置调整和配电变压器分接头调整参与电压调整。这些控制措施的响应速度快、成本低，但其电压调节范围较小、调节能力受装置本身容量或分接头位置限制，且在日前控制中，这些控制措施的调节次数较多，在某些电网运行情况下仅靠这些措施无法实现分布式光伏电源的最大功率消纳和电网的经济运行，甚至无法达到电压控制的目的。
配电网的网络重构是一种简便有效的电网安全经济运行手段，其目的是通过改变配电网中分段开关和联络开关的连接状态，优化电网的拓扑结构来提高配电网的安全性、降低网损、提高供电质量等。然而在日前控制中，配电网络重构次数太多，会给配电网运行人员带来繁重的操作任务和故障隐患，因此在一天的控制中其重构次数应越少越好。
发明内容
有鉴于此，本发明旨在解决现有日前控制中，参与电压调整的设备调节次数较多，在某些电网运行情况下无法达到电压控制的目的以及配电网网络重构次数较多的问题，这些问题会给配电网运行人员带来繁重的操作任务和故障隐患的问题。
为了解决上述技术问题，本发明提供以下技术方案：
第一方面，本发明提供了一种结合网络重构的配电网日前无功电压双层优化方法，包括如下步骤：
根据各分布式光伏电源和负荷的日前各小时级预测值和历史预测误差，计算得到净负荷日前各小时级预测值和预测误差；
基于净负荷日前各小时级预测值和预测误差计算得到净负荷各小时的上限边界值和下限边界值；
基于净负荷各小时的上限边界值和下限边界值，应用潮流计算方法计算各小时的潮流结果，根据潮流结果识别各小时的净负荷极端场景；
根据各小时的净负荷极端场景进行日前时段合并；
建立各合并时段下以网损最小为目标的网络重构模型，利用最优化求解方法对网络重构模型进行求解，输出各合并时段下的配电网网络拓扑；
根据各分布式光伏电源和负荷的日前各小时级预测值、历史预测误差和概率密度函数，利用拉丁超立方采样生成各小时的出力场景集合；
对各小时的出力场景集合进行场景削减，生成各小时下的代表性场景；
基于各小时下的代表性场景，建立以节点电压偏差最小为目标的各小时下的无功电压优化模型；
利用最优化算法对各小时下的无功电压优化模型进行求解，确定各小时的各分布式光伏逆变器无功功率、各无功补偿装置的无功功率。
进一步的，根据各分布式光伏电源和负荷的日前各小时级预测值和历史预测误差，计算得到净负荷日前各小时级预测值和预测误差，具体包括：
根据各分布式光伏电源的日前各小时级预测值中的预测有功功率
Figure BDA0003158634720000021
和负荷的日前各小时级预测值中的预测有功功率
Figure BDA0003158634720000022
计算得到净负荷日前各小时级预测值中的预测有功功率
Figure BDA0003158634720000023
其中
Figure BDA0003158634720000024
根据负荷的日前各小时级预测值中的预测无功功率
Figure BDA0003158634720000025
计算得到净负荷日前各小时级预测值中的预测无功功率
Figure BDA0003158634720000031
其中
Figure BDA0003158634720000032
根据各分布式光伏电源的日前各小时级预测误差σPV,i,t和负荷的日前各小时级预测误差σL,i,t，计算得到净负荷日前各小时级预测误差σnet,i,t，其中
Figure BDA0003158634720000033
上述各式中，i表示节点并且i＝1,2,…,N，其中N表示配电网节点总个数；t表示各小时并且t＝0,1,2,…,23。
进一步的，基于净负荷日前各小时级预测值和预测误差计算得到净负荷各小时的上限边界值和下限边界值，具体包括：
根据净负荷日前各小时级预测值中的预测有功功率
Figure BDA0003158634720000034
预测无功功率
Figure BDA0003158634720000035
和净负荷日前各小时级预测误差σnet,i,t，计算得到净负荷各小时的上限边界值中的上限边界有功功率
Figure BDA0003158634720000036
其中
Figure BDA0003158634720000037
和上限边界无功功率
Figure BDA0003158634720000038
其中
Figure BDA0003158634720000039
以及下限边界值中的下限边界有功功率
Figure BDA00031586347200000310
其中
Figure BDA00031586347200000311
和下限边界无功功率
Figure BDA00031586347200000312
其中
Figure BDA00031586347200000313
进一步地，应用潮流计算方法计算各小时的潮流结果，根据潮流结果识别各小时的净负荷极端场景，具体包括：
根据上限边界有功功率
Figure BDA00031586347200000314
上限边界无功功率
Figure BDA00031586347200000315
以及下限边界有功功率
Figure BDA00031586347200000316
下限边界无功功率
Figure BDA00031586347200000317
分别应用潮流计算方法，计算得到各小时各节点的电压幅值
Figure BDA00031586347200000318
和
Figure BDA00031586347200000319
将各小时各节点的电压幅值
Figure BDA00031586347200000320
和
Figure BDA00031586347200000321
与各节点预设电压偏差上限Vi，max和预设电压偏差下限Vi,min作比较，具体比较过程如下：
若电压幅值上限
Figure BDA00031586347200000322
和电压幅值下限
Figure BDA00031586347200000323
中至少一个大于预设电压偏差上限Vi，max时，则将上限边界有功功率
Figure BDA00031586347200000324
和上限边界无功功率
Figure BDA00031586347200000325
分别作为t小时下的净负荷极端场景
Figure BDA00031586347200000326
和
Figure BDA00031586347200000327
若电压幅值上限
Figure BDA00031586347200000328
和电压幅值下限
Figure BDA00031586347200000329
中至少一个小于预设电压偏差下限Vi,min时，则将下限边界有功功率
Figure BDA00031586347200000330
和上限边界无功功率
Figure BDA00031586347200000331
分别作为t小时下的净负荷极端场景
Figure BDA00031586347200000332
和
Figure BDA00031586347200000333
若电压幅值上限
Figure BDA00031586347200000334
和电压幅值下限
Figure BDA00031586347200000335
均小于等于预设电压偏差上限Vi，max且均大于等于预设电压偏差下限Vi,min，则将预测有功功率
Figure BDA00031586347200000336
和预测无功功率
Figure BDA00031586347200000337
分别作为t小时下的净负荷极端场景
Figure BDA00031586347200000338
和
Figure BDA00031586347200000339
改变节点i，直至计算得到各节点在第t小时的净负荷极端有功功率场景
Figure BDA0003158634720000041
和无功功率场景
Figure BDA0003158634720000042
其中
Figure BDA0003158634720000043
改变时间t，直至计算得到各节点在各小时的净负荷极端有功功率场景Plim和无功功率场景Qlim。
进一步地，根据各小时的净负荷极端场景进行日前时段合并具体包括：
由公式
Figure BDA0003158634720000044
计算得到相邻两小时的净负荷距离αk,m，其中k和m表示第k和第m个小时；
若αk,m≤ε，则合并k和m小时为一个时段，该时段的第i个节点的净负荷有功功率值为
Figure BDA0003158634720000045
和净负荷无功功率值为
Figure BDA0003158634720000046
改变k和m直至将24个小时全部进行合并，最终得到Nt个时段。
进一步地，建立各合并时段下以网损最小为目标的网络重构模型，具体为：
根据网损最小的目标函数和第一约束条件建立以网损最小为目标的网络重构模型，第一约束条件包括辐射状网络拓扑结构约束、潮流平衡约束、节点电压上下限约束、线路功率限值约束、主变电站的功率约束，网损最小的目标函数由以下公式确定：
Figure BDA0003158634720000047
其中，Gij表示节点i和节点j之间支路的电导，Vi,t和Vj,t分别表示第t小时节点i和节点j的电压幅值，θi,t和θj,t分别表示第t小时节点i和节点j的电压相角。
进一步地，根据各分布式光伏电源和负荷的日前各小时级预测值、历史预测误差和概率密度函数，利用拉丁超立方采样生成各小时的出力场景集合具体包括：
根据各分布式光伏电源日前各小时级预测值
Figure BDA0003158634720000048
概率密度函数Pr,PV,i,t和历史预测误差σPV,i,t，利用拉丁超立方采样方法生成分布式光伏日前各小时各节点的出力场景，用集合SPV,i,t表示，其中i表示节点编号，t表示小时，i＝1,2,…,N，t＝0,1,2,…,23；
根据负荷的日前各小时级预测有功功率
Figure BDA0003158634720000049
无功功率
Figure BDA00031586347200000410
历史预测误差σL,i,t和概率密度函数PL,PV,i,t，利用拉丁超立方采样方法生成负荷日前各小时各节点的出力场景，用集合SL,i,t表示，其中i表示节点编号，t表示小时，i＝1,2,…,N，t＝0,1,2,…,23；
基于场景集合SPV,i,t和SL,i,t，根据笛卡尔积计算第t小时第i节点的所有可能场景，用集合Sn,i,t表示，Sn,i,t＝SPV,i,t×SL,i,t。
进一步地，对各小时的出力场景集合进行场景削减，生成各小时下的代表性场景具体为：
利用AP聚类算法，对第t小时第i节点的所有可能场景Sn,i,t进行聚类，选取各群中心和距离群中心最远的场景作为代表性场景，削减后的场景集合用
Figure BDA0003158634720000051
表示，其中分布式光伏电源的有功功率出力用
Figure BDA0003158634720000052
表示，负荷的有功功率和无功功率分别用
Figure BDA0003158634720000053
和
Figure BDA0003158634720000054
表示，si表示第i个代表性场景，
Figure BDA0003158634720000055
进一步的，建立以节点电压偏差最小为目标的各小时下的无功电压优化模型，具体为：
根据节点电压偏差最小的目标函数和第二约束条件建立以节点电压偏差最小为目标的各小时下的无功电压优化模型，第二约束条件包括潮流平衡约束、光伏电源的无功功率出力约束、节点电压约束、线路功率限值约束和无功补偿装置的出力约束，节点电压偏差最小的目标函数由以下公式确定：
Figure BDA0003158634720000056
其中，
Figure BDA0003158634720000057
表示在场景si下节点i的电压幅值，Vi,ref表示节点i的电压幅值参考值。
第二方面，本发明提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如第一方面的一种结合网络重构的配电网日前无功电压双层优化方法。
综上，本发明提供了一种结合网络重构的配电网日前无功电压双层优化方法，包括两层优化，其中第一层优化是以最小化网损和重构次数为目标的网络拓扑优化，第二层优化是以最小化电压偏差为目标的无功电压优化。在第一层优化中，本方法根据各分布式光伏电源和负荷的日前各小时级预测值和历史预测误差计算得到净负荷各小时的上限边界值和下限边界值，再用潮流计算方法识别各小时的净负荷极端场景，然后进行日前时段合并并计算得到各合并时段下以网损最小为目标的网络重构模型；而第二层优化中，本方法根据各分布式光伏电源和负荷的日前各小时级预测值、概率密度函数和历史预测误差，利用拉丁超立方采样生成各小时的出力场景集合，进一步生成各小时下的代表性场景，然后建立以节点电压偏差最小为目标的各小时下的无功电压优化模型；利用最优化算法对所述各小时下的无功电压优化模型进行求解，确定各小时的各分布式光伏逆变器无功功率、各无功补偿装置的无功功率。本发明将配电网络重构和无功电压控制相结合，生成了日前经济最优的配电网络，确定了每小时分布式光伏逆变器和无功补偿装置的出力。该方法不但可以降低日前配电网的网络损耗，同时结合无功电压控制措施降低配电网电压波动，最大限度地避免采用光伏有功功率缩减，确保分布式电源以最大功率出力，保证了配电网的安全、稳定、经济运行。解决了现有日前控制中，参与电压调整设备调节次数较多，在某些电网运行情况下无法达到电压控制的目的以及配电网网络重构次数太多的问题，这些问题会给配电网运行人员带来繁重的操作任务和故障隐患的问题。
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，显而易见地，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性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种结合网络重构的配电网日前无功电压双层优化方法的流程示意图。
具体实施方式
为使得本发明的目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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，本实施例提供了一种结合网络重构的配电网日前无功电压双层优化方法，包括如下步骤：
S101：根据各分布式光伏电源和负荷的日前各小时级预测值和历史预测误差计算得到净负荷日前各小时级预测值和预测误差。
S102：基于净负荷日前各小时级预测值和预测误差计算得到净负荷各小时的上限边界值和下限边界值。
S103：基于净负荷各小时的上限边界值和下限边界值，应用潮流计算方法计算各小时的潮流结果，识别各小时的净负荷极端场景；
S104：根据各小时的净负荷极端场景进行日前时段合并；
S105：建立各合并时段下以网损最小为目标的网络重构模型，利用最优化求解方法对所述网络重构模型进行求解，输出各合并时段下的配电网网络拓扑；
S106：根据各分布式光伏电源和负荷的日前各小时级预测值、历史预测误差和概率密度函数，利用拉丁超立方采样生成各小时的出力场景集合；
S107：对各小时的出力场景集合进行场景削减，生成各小时下的代表性场景；
S108：基于各小时下的代表性场景，建立以节点电压偏差最小为目标的各小时下的无功电压优化模型；
S109：利用最优化算法对各小时下的无功电压优化模型进行求解，确定各小时的各分布式光伏逆变器无功功率、各无功补偿装置的无功功率。
本实施例提供了一种结合网络重构的配电网日前无功电压双层优化方法，包括两层优化，其中第一层优化是以最小化网损和重构次数为目标的网络拓扑优化，第二层优化是以最小化电压偏差为目标的无功电压优化。在第一层优化中，本方法根据各分布式光伏电源和负荷的日前各小时级预测值和历史预测误差计算得到净负荷各小时的上限边界值和下限边界值，再用潮流计算方法识别各小时的净负荷极端场景，然后进行日前时段合并并计算得到各合并时段下以网损最小为目标的网络重构模型；而第二层优化中，本方法根据各分布式光伏电源和负荷的日前各小时级预测值、概率密度函数和历史预测误差，利用拉丁超立方采样生成各小时的出力场景集合，进一步生成各小时下的代表性场景，然后建立以节点电压偏差最小为目标的各小时下的无功电压优化模型；利用最优化算法对所述各小时下的无功电压优化模型进行求解，确定各小时的各分布式光伏逆变器无功功率、各无功补偿装置的无功功率。本发明将配电网络重构和无功电压控制相结合，生成了日前经济最优的配电网络，确定了每小时分布式光伏逆变器和无功补偿装置的出力。该方法不但可以降低日前配电网的网络损耗，同时结合无功电压控制措施降低配电网电压波动，最大限度地避免采用光伏有功功率缩减，确保分布式电源以最大功率出力，保证了配电网的安全、稳定、经济运行。
以上是对本发明的一种结合网络重构的配电网日前无功电压双层优化方法的一个实施例进行的详细介绍，以下将对本发明的一种结合网络重构的配电网日前无功电压双层优化方法的各个步骤作进一步详细阐述。
本实施例提供了一种结合网络重构的配电网日前无功电压双层优化方法，包括
S201：根据配电网运行规范，结合各节点负荷对电能质量要求，设置各节点的电压偏差上限Vi，max和下限Vi,min(即配电网各节点电压限值)、配电各线路的载流量限值Sij,max，其中i、j分别表示为节点i和节点j。
第一层优化：
S202：输入配电网各节点电压限值和线路功率限值、各节点分布式光伏电源日前各小时级预测值
Figure BDA0003158634720000081
概率密度值Pr,PV,i,t和历史预测误差σPV,i,t和负荷的日前各小时级预测有功功率
Figure BDA0003158634720000082
无功功率
Figure BDA0003158634720000083
和历史预测误差σL,i,t，计算日前净负荷各小时级预测值(包括净负荷有功功率
Figure BDA0003158634720000084
和无功功率
Figure BDA0003158634720000085
)、预测误差σnet,i,t；计算净负荷各小时场景的上限边界值
Figure BDA0003158634720000086
和下限边界值
Figure BDA0003158634720000087
其中i表示为节点i，t表示为时刻t。
需要说明的是，步骤S202中计算日前净负荷各小时级预测值、预测误差包括按顺序进行的下述步骤：
a)根据给定的分布式光伏电源日前各小时级预测值
Figure BDA0003158634720000088
和负荷的日前各小时级预测值
Figure BDA0003158634720000089
计算净负荷日前各小时级预测值
Figure BDA00031586347200000810
计算方法为：
Figure BDA00031586347200000811
其中N为配电网节点总数。
b)根据给定的负荷的日前各小时级预测值
Figure BDA00031586347200000812
计算净负荷日前各小时级预测值
Figure BDA00031586347200000813
计算方法为：
Figure BDA00031586347200000814
其中N为配电网节点总数。
c)根据给定的分布式光伏电源日前各小时级预测误差σPV,i,t和负荷的日前各小时级预测误差σL,i,t，计算净负荷日前各小时级误差值σnet,i,t，计算方法为：
Figure BDA0003158634720000091
其中N表示配电网节点个数。
步骤S202中计算净负荷各小时场景的上限边界值和下限边界值包括按顺序进行的下述步骤：
a)根据净负荷日前第t个小时的预测值
Figure BDA0003158634720000092
和误差值σnet,i,t，得到第t个小时净负荷所有场景的上限边界值
Figure BDA0003158634720000093
和下限边界值
Figure BDA0003158634720000094
b)根据净负荷日前第t+1个小时的预测值
Figure BDA0003158634720000095
和误差值σnet,i,t+1，得到第t+1个小时净负荷所有场景的上限边界值
Figure BDA0003158634720000096
Figure BDA0003158634720000097
和下限边界值
Figure BDA0003158634720000098
以此类推，得到24个小时净负荷所有场景的上下限边界值。
S203：应用潮流计算方法计算各小时的节点电压幅值，生成日前各小时的净负荷极端场景。
需要说明的是，在步骤S203中生成日前各小时的净负荷极端场景首先需要计算净负荷各小时的上下限边界值，然后再应用潮流计算方法计算各小时的潮流结果，识别各小时的净负荷极端场景，具体包括按顺序进行的下述步骤：
a)根据第净负荷日前第t个小时的上限边界有功功率
Figure BDA0003158634720000099
上限边界无功功率
Figure BDA00031586347200000910
和下限边界值
Figure BDA00031586347200000911
下限边界无功功率
Figure BDA00031586347200000912
分别应用潮流计算方法，计算第t个小时的配电网各节点电压幅值
Figure BDA00031586347200000913
和
Figure BDA00031586347200000914
b)根据上述步骤a)的计算结果，判断
Figure BDA00031586347200000915
和
Figure BDA00031586347200000916
是否超过步骤S201中设置的各节点电压偏差上限Vi，max和下限Vi,min；
c)若
Figure BDA00031586347200000917
或
Figure BDA00031586347200000918
超过(即大于)节点电压偏差上限Vi，max，则取第t个小时的上限边界值
Figure BDA00031586347200000919
和
Figure BDA00031586347200000920
为该小时的净负荷极端场景
Figure BDA00031586347200000921
和
Figure BDA00031586347200000922
若
Figure BDA00031586347200000923
或
Figure BDA00031586347200000924
超过(即小于)节点电压偏差下限
Figure BDA00031586347200000925
则取第t个小时的下限边界值
Figure BDA00031586347200000926
和
Figure BDA00031586347200000927
为该小时的净负荷极端场景
Figure BDA00031586347200000928
和
Figure BDA00031586347200000929
即若
Figure BDA00031586347200000930
和
Figure BDA00031586347200000931
有一个超过节点电压偏差上限或下限，则取超过限值对应的上限边界值(
Figure BDA00031586347200000932
和
Figure BDA00031586347200000933
)或下限边界值(
Figure BDA00031586347200000934
和
Figure BDA00031586347200000935
)为该小时的净负荷极端场景
Figure BDA00031586347200000936
和
Figure BDA00031586347200000937
d)若
Figure BDA0003158634720000101
和
Figure BDA0003158634720000102
均不超过(即均大于等于下限值Vi,min且均小于等于上限值Vi，max)步骤S201中设置的各节点电压偏差上限Vi，max和下限Vi,min，则取第t个小时的预测值
Figure BDA0003158634720000103
和
Figure BDA0003158634720000104
为该小时的净负荷极端场景
Figure BDA0003158634720000105
和
Figure BDA0003158634720000106
以此类推，得到24个小时净负荷极端场景。
S204：建立以网损最小和日前重构次数最少的日前网络重构模型，采用最优化算法进行求解，计算日前重构次数和每次重构后的网络结构(即配电网网络拓扑)。
需要说明的是，步骤S204中计算日前重构次数和每次重构后的网络结构包括按顺序进行的下述步骤：
a)根据步骤S203中净负荷极端场景计算各小时净负荷极端场景之间的距离，对24个小时进行时段合并(即根据极端场景结果进行日前时段合并)。
需要说明的是，时段合并方法为根据相邻两小时的净负荷距离相似性进行度量，度量方法为：
Figure BDA0003158634720000107
其中k和m表示第k和第m个小时；若αk，m≤ε，ε为一个预设距离阈值，则合并k和m小时为一个时段，该时段的第i个节点的净负荷有功功率值为
Figure BDA0003158634720000108
和净负荷无功功率值为
Figure BDA0003158634720000109
以此类推，直到24个小时全部合并完毕，记最终生成时段数为Nt个。
b)建立以配电网网损最小的配电网重构数学模型，其中目标函数为网损最小，约束条件包括辐射状网络拓扑结构约束、潮流平衡约束、节点电压上下限约束、线路功率限值约束、主变电站的功率约束；
需要说明的是，步骤a)中每合并一个时段，均需要求解该时段下的以网损最小为目标的网络重构模型，步骤b)中配电网重构数学模型为：
目标函数：
Figure BDA00031586347200001010
其中，Gij表示节点i和节点j之间支路的电导，Vi,t和Vj,t分别表示第t小时节点i和节点j的电压幅值，θi,t和θj,t分别表示第t小时节点i和节点j的电压相角。
约束条件包括：
(1)潮流平衡约束：
Figure BDA00031586347200001011
Figure BDA0003158634720000111
(2)主变电站的功率约束：
Figure BDA0003158634720000112
其中，PS,t和QS,t分别为主变电站在第t个时段的有功功率和无功功率输出，PS,max和PS,min分别为主变电站允许输出的有功功率的上、下限值，QS,max和QS,min分别为主变电站允许输出的无功功率上、下限值。
(3)节点电压约束：Vi,min≤Vi,t≤Vi,max，t＝0,1,2,…,Nt
其中，Vi,t为第i个节点在第t个时段的电压幅值，Vi,max和Vi,min分别为网络节点电压允许的上、下限值。
(4)线路功率限值约束：Sij,t≤Sij,max，t＝0,1,2,…,Nt，i＝1,2,…,N，j＝1,2,…,N；
其中，Sij,t和Sij,max分别为第t个时段在线路i-j流过的功率值和该线路允许流过的最大功率值。
c)应用最优化求解方法，对上述步骤b)的数学模型进行求解，得到日前每个时段的重构网络和每次重构需要动作的开关，输出各合并时段下的配电网拓扑。
需要说明的是，步骤c)应用最优化求解方法，对上述步骤b)的数学模型进行求解，得到日前每个时段的重构网络和每次重构需要动作的开关中，对最优化求解方法不做限定，可以采用任何一种适用的方法进行求解。
第二层优化：
S205：应用场景削减方法对各小时级分布式光伏和负荷出力场景进行聚类和削减，生成最小和最大场景作为代表性场景。
需要说明的是，步骤S205的应用场景削减方法对各小时级分布式光伏和负荷出力场景进行聚类和削减，生成最小和最大场景作为典型场景包括按顺序进行的下述步骤：
a)根据各分布式光伏电源日前各小时级预测值
Figure BDA0003158634720000113
概率密度函数Pr,PV,i,t和历史预测误差σPV,i,t，利用拉丁超立方采样方法生成分布式光伏日前各小时各节点的出力场景，用集合SPV,i,t表示，其中i表示节点编号，t表示小时，i＝1,2,…,N，t＝0,1,2,…,23；
b)根据负荷的日前各小时级预测有功负荷
Figure BDA0003158634720000114
无功负荷
Figure BDA0003158634720000115
历史预测误差σL,i,t和概率密度函数PL,PV,i,t，利用拉丁超立方采样方法生成负荷日前各小时各节点的出力场景，用集合SL,i,t表示，其中i表示节点编号，t表示小时，i＝1,2,…,N，t＝0,1,2,…,23；
c)根据上述步骤a)和b)中生成的场景集合SPV,i,t和SL,i,t，根据笛卡尔积计算第t小时第i节点的所有可能场景，用集合Sn,i,t表示，Sn,i,t＝SPV,i,t×SL,i,t；
d)利用AP聚类算法，对上述步骤c)中的第t小时第i节点的所有可能场景Sn,i,t进行聚类，选取各群中心和距离群中心最远的场景作为代表性场景，削减后的场景集合用
Figure BDA0003158634720000121
其中分布式光伏电源的有功功率出力用
Figure BDA0003158634720000122
表示，负荷的有功功率和无功功率分别用
Figure BDA0003158634720000123
和
Figure BDA0003158634720000124
表示，si表示第i个代表性场景，
Figure BDA0003158634720000125
S206：建立以节点电压偏差最小为目标的每小时无功电压优化模型，利用最优化算法进行求解，确定各分布式光伏逆变器无功功率、各无功补偿装置的无功功率。
需要说明的是，本步骤中以节点电压偏差最小为目标的每小时无功电压优化模型为：
目标函数：
Figure BDA0003158634720000126
其中，
Figure BDA0003158634720000127
表示在场景si下节点i的电压幅值，Vi,ref表示节点i的电压幅值参考值。
约束条件：
(1)潮流平衡约束：
Figure BDA0003158634720000128
Figure BDA0003158634720000129
其中
Figure BDA00031586347200001210
为安装在第i个节点上无功补偿装置的无功出力值，若该无功补偿装置为并联电容器，则
Figure BDA00031586347200001211
Xc,i为安装在第i个节点上并联电容装置的等值容抗；
(2)光伏电源的无功功率出力约束：
Figure BDA00031586347200001212
其中Sinv,i为节点i上的分布式光伏电源容量。
(3)节点电压约束：
Figure BDA00031586347200001213
其中，
Figure BDA00031586347200001214
为第i个节点在场景si出力下的电压幅值，Vi,max和Vi,min分别为网络节点电压允许的上、下限值。
(4)线路功率限值约束：
Figure BDA0003158634720000131
其中，
Figure BDA0003158634720000132
为场景si出力下在线路i-j流过的功率值。
(5)无功补偿装置的出力约束：
Figure BDA0003158634720000133
其中，QC,i,max和QC,i,min分别为安装在第i个节点上无功补偿装置的无功出力上下限。
步骤S206中利用最优化算法进行求解，确定各分布式光伏逆变器无功功率、各无功补偿装置的无功功率的实现方法为：利用内点法对上述以节点电压偏差最小为目标的每小时无功电压优化模型的数学模型进行求解，得到日前每小时的分布式光伏电源无功功率出力、各无功补偿装置的无功功率出力。
依据上述步骤S206中的方法，建立日前0-23小时的以节点电压偏差最小为目标的无功电压优化模型，并进行求解，直到24个小时的无功电压优化模型全部求解完毕。
本实施例提供了一种结合网络重构的配电网日前无功电压双层优化方法，由本方法形成的控制策略将配电网重构和无功电压控制相结合，其中第一层优化为以最小化网损和重构次数为目标的网络拓扑优化，第二层优化为以最小化电压偏差为目标的无功电压优化，生成了经济最优的配电网络(即重构之后的配电网网络拓扑)，确定了每小时分布式光伏逆变器和无功补偿装置的出力。
以上是对本发明提供的一种结合网络重构的配电网日前无功电压双层优化方法的实施例进行详细的描述，以下将对本发明提供的一种计算机可读存储介质的实施例进行详细的描述。
一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如前述实施例所述的一种结合网络重构的配电网日前无功电压双层优化方法。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种结合网络重构的配电网日前无功电压双层优化方法，其特征在于，包括如下步骤：
根据各分布式光伏电源和负荷的日前各小时级预测值和历史预测误差，计算得到净负荷日前各小时级预测值和预测误差；
基于所述净负荷日前各小时级预测值和预测误差计算得到净负荷各小时的上限边界值和下限边界值；
基于所述净负荷各小时的上限边界值和下限边界值，应用潮流计算方法计算各小时的潮流结果，根据所述潮流结果识别各小时的净负荷极端场景；
根据所述各小时的净负荷极端场景进行日前时段合并；
建立各合并时段下以网损最小为目标的网络重构模型，利用最优化求解方法对所述网络重构模型进行求解，输出各合并时段下的配电网网络拓扑；
根据所述各分布式光伏电源和负荷的日前各小时级预测值、历史预测误差和概率密度函数，利用拉丁超立方采样生成各小时的出力场景集合；
对所述各小时的出力场景集合进行场景削减，生成各小时下的代表性场景；
基于所述各小时下的代表性场景，建立以节点电压偏差最小为目标的各小时下的无功电压优化模型；
利用最优化算法对所述各小时下的无功电压优化模型进行求解，确定各小时的各分布式光伏逆变器无功功率、各无功补偿装置的无功功率。
2.根据权利要求1所述的一种结合网络重构的配电网日前无功电压双层优化方法，其特征在于，所述根据各分布式光伏电源和负荷的日前各小时级预测值和历史预测误差，计算得到净负荷日前各小时级预测值和预测误差，具体包括：
根据各分布式光伏电源的日前各小时级预测值中的预测有功功率
Figure FDA0003158634710000011
和负荷的日前各小时级预测值中的预测有功功率
Figure FDA0003158634710000012
计算得到净负荷日前各小时级预测值中的预测有功功率
Figure FDA0003158634710000013
其中
Figure FDA0003158634710000014
根据负荷的日前各小时级预测值中的预测无功功率
Figure FDA0003158634710000015
计算得到净负荷日前各小时级预测值中的预测无功功率
Figure FDA0003158634710000016
其中
Figure FDA0003158634710000017
根据各分布式光伏电源的日前各小时级预测误差σPV,i,t和负荷的日前各小时级预测误差σL,i,t，计算得到净负荷日前各小时级预测误差σnet,i,t，其中
Figure FDA0003158634710000021
上述各式中，i表示节点并且i＝1,2,…,N，其中N表示配电网节点总个数；t表示各小时并且t＝0,1,2,…,23。
3.根据权利要求2所述的一种结合网络重构的配电网日前无功电压双层优化方法，其特征在于，所述基于所述净负荷日前各小时级预测值和预测误差计算得到净负荷各小时的上限边界值和下限边界值，具体包括：
根据所述净负荷日前各小时级预测值中的预测有功功率
Figure FDA0003158634710000022
预测无功功率
Figure FDA0003158634710000023
和所述净负荷日前各小时级预测误差σnet,i,t，计算得到净负荷各小时的上限边界值中的上限边界有功功率
Figure FDA0003158634710000024
其中
Figure FDA0003158634710000025
和上限边界无功功率
Figure FDA0003158634710000026
其中
Figure FDA0003158634710000027
以及下限边界值中的下限边界有功功率
Figure FDA0003158634710000028
其中
Figure FDA0003158634710000029
和下限边界无功功率
Figure FDA00031586347100000210
其中
Figure FDA00031586347100000211
4.根据权利要求3所述的一种结合网络重构的配电网日前无功电压双层优化方法，其特征在于，所述应用潮流计算方法计算各小时的潮流结果，根据所述潮流结果识别各小时的净负荷极端场景，具体包括：
根据所述上限边界有功功率
Figure FDA00031586347100000212
上限边界无功功率
Figure FDA00031586347100000213
以及下限边界有功功率
Figure FDA00031586347100000214
下限边界无功功率
Figure FDA00031586347100000215
分别应用潮流计算方法，计算得到各小时各节点的电压幅值
Figure FDA00031586347100000216
和
Figure FDA00031586347100000217
将所述各小时各节点的电压幅值
Figure FDA00031586347100000218
和
Figure FDA00031586347100000219
与各节点预设电压偏差上限Vi，max和预设电压偏差下限Vi,min作比较，具体比较过程如下：
若电压幅值上限
Figure FDA00031586347100000220
和电压幅值下限
Figure FDA00031586347100000221
中至少一个大于所述预设电压偏差上限Vi，max时，则将所述上限边界有功功率
Figure FDA00031586347100000222
和所述上限边界无功功率
Figure FDA00031586347100000223
分别作为t小时下的净负荷极端场景
Figure FDA00031586347100000224
和
Figure FDA00031586347100000225
若电压幅值上限
Figure FDA00031586347100000226
和电压幅值下限
Figure FDA00031586347100000227
中至少一个小于所述预设电压偏差下限Vi,min时，则将所述下限边界有功功率
Figure FDA00031586347100000228
和所述下限边界无功功率
Figure FDA00031586347100000229
分别作为t小时下的净负荷极端场景
Figure FDA00031586347100000230
和
Figure FDA00031586347100000231
若所述电压幅值上限
Figure FDA00031586347100000232
和电压幅值下限
Figure FDA00031586347100000233
均小于等于所述预设电压偏差上限Vi，max且均大于等于所述预设电压偏差下限Vi,min，则将所述预测有功功率
Figure FDA0003158634710000031
和所述预测无功功率
Figure FDA0003158634710000032
分别作为t小时下的净负荷极端场景
Figure FDA0003158634710000033
和
Figure FDA0003158634710000034
改变节点i，直至计算得到各节点在第t小时的净负荷极端有功功率场景
Figure FDA0003158634710000035
和无功功率场景
Figure FDA0003158634710000036
其中
Figure FDA0003158634710000037
改变时间t，直至计算得到各节点在各小时的净负荷极端有功功率场景Plim和无功功率场景Qlim。
5.根据权利要求4所述的一种结合网络重构的配电网日前无功电压双层优化方法，其特征在于，所述根据所述各小时的净负荷极端场景进行日前时段合并具体包括：
由公式
Figure FDA0003158634710000038
计算得到相邻两小时的净负荷距离αk,m，其中k和m表示第k和第m个小时；
若αk,m≤ε，则合并k和m小时为一个时段，该时段的第i个节点的净负荷有功功率值为
Figure FDA0003158634710000039
和净负荷无功功率值为
Figure FDA00031586347100000310
ε为预设距离阈值；
改变k和m直至将24个小时全部进行合并，最终得到Nt个时段。
6.根据权利要求5所述的一种结合网络重构的配电网日前无功电压双层优化方法，其特征在于，所述建立各合并时段下以网损最小为目标的网络重构模型，具体为：
根据网损最小的目标函数和第一约束条件建立以网损最小为目标的网络重构模型，所述第一约束条件包括辐射状网络拓扑结构约束、潮流平衡约束、节点电压上下限约束、线路功率限值约束、主变电站的功率约束，所述网损最小的目标函数由以下公式确定：
Figure FDA00031586347100000311
其中，Gij表示节点i和节点j之间支路的电导，Vi,t和Vj,t分别表示第t小时节点i和节点j的电压幅值，θi,t和θj,t分别表示第t小时节点i和节点j的电压相角。
7.根据权利要求2所述的一种结合网络重构的配电网日前无功电压双层优化方法，其特征在于，所述根据所述各分布式光伏电源和负荷的日前各小时级预测值、历史预测误差和概率密度函数，利用拉丁超立方采样生成各小时的出力场景集合具体包括：
根据各分布式光伏电源日前各小时级预测值
Figure FDA0003158634710000041
概率密度函数Pr,PV,i,t和历史预测误差σPV,i,t，利用拉丁超立方采样方法生成分布式光伏日前各小时各节点的出力场景，用集合SPV,i,t表示，其中i表示节点编号，t表示小时，i＝1,2,…,N，t＝0,1,2,…,23；
根据负荷的日前各小时级预测有功功率
Figure FDA0003158634710000042
预测无功功率
Figure FDA0003158634710000043
历史预测误差σL,i,t和概率密度函数PL,PV,i,t，利用拉丁超立方采样方法生成负荷日前各小时各节点的出力场景，用集合SL,i,t表示，其中i表示节点编号，t表示小时，i＝1,2,…,N，t＝0,1,2,…,23；
基于场景集合SPV,i,t和SL,i,t，根据笛卡尔积计算第t小时第i节点的所有可能场景，用集合Sn,i,t表示，Sn,i,t＝SPV,i,t×SL,i,t。
8.根据权利要求7所述的一种结合网络重构的配电网日前无功电压双层优化方法，其特征在于，所述对所述各小时的出力场景集合进行场景削减，生成各小时下的代表性场景具体为：
利用AP聚类算法，对所述第t小时第i节点的所有可能场景Sn,i,t进行聚类，选取各群中心和距离群中心最远的场景作为代表性场景，削减后的场景集合用
Figure FDA0003158634710000044
表示，其中分布式光伏电源的有功功率出力用
Figure FDA0003158634710000045
表示，负荷的有功功率和无功功率分别用
Figure FDA0003158634710000046
和
Figure FDA0003158634710000047
表示，si表示第i个代表性场景，
Figure FDA0003158634710000048
9.根据权利要求8所述的一种结合网络重构的配电网日前无功电压双层优化方法，其特征在于，建立以节点电压偏差最小为目标的各小时下的无功电压优化模型，具体为：
根据节点电压偏差最小的目标函数和第二约束条件建立以节点电压偏差最小为目标的各小时下的无功电压优化模型，所述第二约束条件包括潮流平衡约束、光伏电源的无功功率出力约束、节点电压约束、线路功率限值约束和无功补偿装置的出力约束，所述节点电压偏差最小的目标函数由以下公式确定：
Figure FDA0003158634710000049
其中，
Figure FDA00031586347100000410
表示在场景si下节点i的电压幅值，Vi,ref表示节点i的电压幅值参考值。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-9中任一项所述的一种结合网络重构的配电网日前无功电压双层优化方法。
CN202110785618.3A 2021-07-12 2021-07-12 一种结合网络重构的配电网日前无功电压双层优化方法 Active CN113410846B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110785618.3A CN113410846B (zh) 2021-07-12 2021-07-12 一种结合网络重构的配电网日前无功电压双层优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110785618.3A CN113410846B (zh) 2021-07-12 2021-07-12 一种结合网络重构的配电网日前无功电压双层优化方法

Publications (2)

Publication Number Publication Date
CN113410846A true CN113410846A (zh) 2021-09-17
CN113410846B CN113410846B (zh) 2022-03-15

Family

ID=77685950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110785618.3A Active CN113410846B (zh) 2021-07-12 2021-07-12 一种结合网络重构的配电网日前无功电压双层优化方法

Country Status (1)

Country Link
CN (1) CN113410846B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103023066A (zh) * 2012-11-21 2013-04-03 华中科技大学 一种适合于含风电电力系统储能功率的优化配置方法
CN105140967A (zh) * 2015-10-16 2015-12-09 华中科技大学 一种含新能源电力系统调峰需求的评估方法
CN105576699A (zh) * 2016-01-12 2016-05-11 四川大学 一种独立微电网储能裕度检测方法
US20190288508A1 (en) * 2018-03-16 2019-09-19 Siemens Aktiengesellschaft Method for operating an electrical energy supply network, and control device for controlling devices of an electrical distribution network
CN112993979A (zh) * 2021-02-22 2021-06-18 广东电网有限责任公司韶关供电局 配电网无功优化方法、装置、电子设备和存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103023066A (zh) * 2012-11-21 2013-04-03 华中科技大学 一种适合于含风电电力系统储能功率的优化配置方法
CN105140967A (zh) * 2015-10-16 2015-12-09 华中科技大学 一种含新能源电力系统调峰需求的评估方法
CN105576699A (zh) * 2016-01-12 2016-05-11 四川大学 一种独立微电网储能裕度检测方法
US20190288508A1 (en) * 2018-03-16 2019-09-19 Siemens Aktiengesellschaft Method for operating an electrical energy supply network, and control device for controlling devices of an electrical distribution network
CN112993979A (zh) * 2021-02-22 2021-06-18 广东电网有限责任公司韶关供电局 配电网无功优化方法、装置、电子设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄国政 等: "地区主站区域电压无功控制和动态无功补偿系统联动策略研究", 《广东电力》 *

Also Published As

Publication number Publication date
CN113410846B (zh) 2022-03-15

Similar Documents

Publication Publication Date Title
Guo et al. MPC-based coordinated voltage regulation for distribution networks with distributed generation and energy storage system
CN107887903B (zh) 考虑元件频率特性的微电网鲁棒优化调度方法
Huang et al. Distributed voltage control based on ADMM for large-scale wind farm cluster connected to VSC-HVDC
Li et al. Volt/var control for power grids with connections of large-scale wind farms: A review
CN109861202B (zh) 一种柔性互联配电网动态优化调度方法及系统
Meng et al. Hierarchical SCOPF considering wind energy integration through multiterminal VSC-HVDC grids
CN111092429B (zh) 一种柔性互联配电网的优化调度方法、存储介质及处理器
Mahdavi et al. Predictive coordinated and cooperative voltage control for systems with high penetration of PV
Malekpour et al. Hierarchical hybrid architecture for volt/var control of power distribution grids
CN111756050B (zh) 一种风电场群分布式电压协调控制方法及系统
CN108321810A (zh) 抑制光伏并网点电压波动的配网多时间尺度无功控制方法
CN110826880A (zh) 一种大规模电动汽车接入的主动配电网优化调度方法
Bedawy et al. An effective coordination strategy for voltage regulation in distribution system containing high intermittent photovoltaic penetrations
CN112636361A (zh) 基于电压灵敏度的交直流混联电网动态无功优化控制方法
Sayadi et al. Two‐layer volt/var/total harmonic distortion control in distribution network based on PVs output and load forecast errors
CN111553536A (zh) 一种基于多种能源结构下的电网负荷预测方法
CN111525626A (zh) 一种基于云边协同计算的微电网实时调度方法及系统
Hatata et al. Centralized control method for voltage coordination challenges with OLTC and D-STATCOM in smart distribution networks based IoT communication protocol
Gao et al. Distributed multi‐agent control for combined AC/DC grids with wind power plant clusters
Yousefi et al. Distributed voltage control in distribution networks with high penetration of photovoltaic systems
Arshad et al. Multi-agent based distributed voltage regulation scheme with grid-tied inverters in active distribution networks
CN113410846B (zh) 一种结合网络重构的配电网日前无功电压双层优化方法
Xia et al. Fuzzy logic based network reconfiguration strategy during power system restoration
Wang et al. Decentralized and multi-objective coordinated optimization of hybrid AC/DC flexible distribution networks
ShiHong et al. A new reactive power planning based on system multiscenario operations

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