CN113629789B - 一种配电网无功优化方法及系统 - Google Patents
一种配电网无功优化方法及系统 Download PDFInfo
- Publication number
- CN113629789B CN113629789B CN202111190162.2A CN202111190162A CN113629789B CN 113629789 B CN113629789 B CN 113629789B CN 202111190162 A CN202111190162 A CN 202111190162A CN 113629789 B CN113629789 B CN 113629789B
- Authority
- CN
- China
- Prior art keywords
- network
- power distribution
- distribution network
- reactive power
- dynamic
- 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
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
- H02J3/38—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in 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
- H02J3/381—Dispersed generators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Geometry (AREA)
- Genetics & Genomics (AREA)
- Biomedical Technology (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电网无功优化方法及系统,包括以下步骤:步骤S1、基于含分布电源的配电网的网络结构以及电控参数利用智能搜索算法建立无功优化动态模型;步骤S2、基于所述电控参数进行潮流计算,并依据所述潮流计算结果量化无功优化动态模型的约束框架;步骤S3、基于所述无功优化动态模型利用多目标遗传算法在约束框架的约束下获得含分布电源的配电网的无功优化动态方案。本发明利用动态平滑度和无功优化度构建目标函数,将无功优化问题转变为最小化多目标优化问题,以此建立无功优化动态模型实现在时效性、经济性和稳定性三者中的权衡,完成最佳的无功优化动态方案。
Description
技术领域
本发明涉及电网优化技术领域,具体涉及一种配电网无功优化方法及系统。
背景技术
目前,随用电量的日益增加,电网的稳定、经济运行日益受到重视,电网的电能质量差,不仅影响电力企业本身,同时影响电力系统的安全。电力系统的无功功率优化和无功功率补偿是电力系统安全运行的重要组成部分,对电力系统的合理配置和无功负荷的最佳补偿,不仅可以提高电力系统运行的稳定性,还可以降低网损,使电力系统安全、经济运行。无功优化就是在系统网络结构和系统负荷给定的情况下,通过调节控制变量使系统在满足各种约束调节下网损达到最小,通过无功优化不仅使全网电源在额定值附近运行,而且能够提高电网经济效益、电能质量。
现有技术中,对于无功优化问题的传统算法和智能算法两种,其中传统算法分为线性和非线性规划两种,其缺点是目标函数及约束条件必须连续、可微,对初始点的要求比较高,此外,对离散变量较难处理。而智能算法比如CN201410834526.X公开了含分布电源的配电网无功优化方法及装置,包括:根据预设的含分布电源的配电网控制参数和遗传算法模型建立配电网无功优化遗传算法模型;对预设的配电网控制参数进行潮流计算确定配电网无功优化遗传算法模型的无功优化的等式约束;根据配电网控制参数中的可调控变压器分接头的位置、各节点电压、并联无功补偿容量发电机出力及各节点配变高压侧的功率因数确定配电网无功优化遗传算法模型的不等式约束;根据预设的优先级参数、无功优化的等式约束、不等式约束及无功优化遗传算法模型生成无功优化结果,求解问题时要求的信息少,求解过程简单,可较大几率的得到最优解或次优解,该智能优化模型只考虑了无功优化对配电网的安全性、时效性和经济性,却未考虑到优化过程中需要保持配电网络的动态稳定性,导致配电网络的无法维持稳健运行。
发明内容
本发明的目的在于提供一种配电网无功优化方法及系统,以解决现有技术中未考虑到优化过程中需要保持配电网络的动态稳定性,导致配电网络的无法维持稳健运行的技术问题。
为解决上述技术问题,本发明具体提供下述技术方案:
一种配电网无功优化方法,包括以下步骤:
步骤S1、基于含分布电源的配电网的网络结构以及电控参数利用智能搜索算法建立无功优化动态模型;
步骤S2、基于所述电控参数进行潮流计算,并依据所述潮流计算结果量化无功优化动态模型的约束框架;
步骤S3、基于所述无功优化动态模型利用多目标遗传算法在约束框架的约束下获得含分布电源的配电网的无功优化动态方案。
作为本发明的一种优选方案,所述步骤S1中,所述无功优化动态模型构建的方法包括:
步骤S101、基于分布电源的动态分布对所述含分布电源的配电网的网络结构进行动
态社团分析获得配电网动态社团结构,n为分布电源在配电网中的电性动态变化
的形态总数,并基于所述配电网动态社团结构计算确定所述含分布电源的配电网的网络结构
的动态平滑度,所述动态平滑度的计算公式为:,
其中,为动态平滑度值,H为混合矩阵,表征为配电网动态社团结构中社团k内的网络节点同时处于中社团l内的数目,和分别是和划分结果中的社团总个数,、分别为和的社团总个数n的对应区分标号,H k 和H l 分别为混合矩阵H中第k行和第l列的元素之和,,分别表示为社团结构的标号,N为配电网的网络结构中网络节点总数;
SC为无功优化度值,A1,A2,A3为电控参数的权重参数,N为配电网的网络结构中网络节点总数,为分布电源的数目,,,分别为网络节点的电压值,电压允许极限高值,电压允许极限低值,,,分别为分布电源i2处的无功功率,无功出力极限高值,无功出力极限低值,T i 为配电网的网络结构中网络节点的调节个数,和为网络节点和 的导纳矩阵W和B的矩阵元素,为网络节点和的电压相位差,P为配电网的网络结构的有功损耗;
作为本发明的一种优选方案,所述步骤S1中,还包括量化配电网的网络结构,对所述配电网的所有配电组件均量化为网络节点,以及将连接配电组件的所有电性线路量化为所述网络节点连接用的边,具体量化方法为:
作为本发明的一种优选方案,所述步骤S101中,所述分布电源的动态分布是指分布电源对所述配电网的电性动态变化,对所有所述配电网的网络结构依次进行动态社团分析获得配电网动态社团结构的具体方法包括:
对一组配电网的网络结构的序列中每个所述网络结构依次进行动态社团分析获得一组配电网社团结构的序列作为配电网动态社团结构,其中,C1为配电网的网络结构G1的社团结构,n为分布电源在配电网中的电性动态变化的形态总数。
作为本发明的一种优选方案,步骤S2中,所述约束框架包括等量约束和非等量约束,所述等量约束包括:
作为本发明的一种优选方案,所述非等量约束包括:
作为本发明的一种优选方案,所述步骤S3中,含分布电源的配电网的无功优化动态方案获取的方法:
利用多目标遗传算法求解所述目标函数获得含分布电源的配电网的无功优化Pareto解集;
线性标定目标函数构建适应度函数,并在所述约束框架限定范围内选取所述无功优化Pareto解集中适应度值最高的解作为分布电源的配电网的无功优化动态方案,所述适应度函数的计算公式为:
作为本发明的一种优选方案,所述动态社团分析的具体方法包括:
获取配电网的网络结构Gx的各网络节点的电控参数,并依据电控参数计算网络节点间的欧氏距离;
作为本发明的一种优选方案,利用多目标遗传算法求解目标函数的具体方法包括:
步骤一:对所述电控参数数据进行二进制编码初始化多目标遗传算法的种群交配池;
步骤二:对种群交配池进行迭代遗传,并依据适应度函数对种群交配池进行优选更新;
步骤三:若迭代遗传完成,选取种群交配池优选结果作为所述无功优化Pareto解集,若迭代遗传未完成,返回步骤二。
作为本发明的一种优选方案,本发明提供了一种根据所述的配电网无功优化方法的无功优化系统,包括:
模型建立单元,基于含分布电源的配电网的网络结构以及电控参数利用智能搜索算法建立无功优化动态模型;
框架建立单元,基于所述电控参数进行潮流计算,并依据所述潮流计算结果量化无功优化动态模型的约束框架;
方案确定单元,与所述模型建立单元、框架建立单元通讯连接,基于所述无功优化动态模型利用多目标遗传算法在约束框架的约束下获得含分布电源的配电网的无功优化动态方案。
本发明与现有技术相比较具有如下有益效果:
本发明利用对含分布电源的配电网进行动态社团分析获得配电网的网络结构的动态平滑度,动态平滑度表征为配电网的无功优化中的运行稳定性,依据电控参数计算无功优化度,无功优化度表征为配电网的无功优化中的时效性和经济性,并依据动态平滑度和无功优化度构建目标函数,将无功优化问题转变为最小化多目标优化问题,以此建立无功优化动态模型实现在时效性、经济性和稳定性三者中的权衡,完成最佳的无功优化动态方案。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式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示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例提供的配电网无功优化方法流程图;
图2为本发明实施例提供的无功优化系统结构框图;
图3为本发明实施例提供的IEEE-33配电网系统结构示意图。
图中的标号分别表示如下:
1-模型建立单元;2-框架建立单元;3-方案确定单元。
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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,具有分布电源的配电网的网络结构与分布电源的电性动态相关,即分布电源的电控参数调整会造成配电网的网络结构的社团结构变化,在实现配电网络无功优化时需要保证原有配电网中配电组件的正常稳健运行,也就是保障配电网的网络社团结构在各时刻上呈现相似性以保持动态平滑,并且分布电源的电控参数调整的时间长短和次数会直接影响配电无功优化的优劣程度,从而进一步影响配电网络的网损挽回效果,最终体现在无功优化的时效性和经济性上,而保障配电网社团结构的动态平滑和保证无功优化的优劣程度呈互斥特性,因此可以根据权衡配电网社团结构的动态平滑和保证无功优化的优劣程度获得一个最佳的无功优化方案,以保障配电网稳健运行以及网损最小,因此本发明提供了一种配电网无功优化方法。
一种配电网无功优化方法,包括以下步骤:
步骤S1、基于含分布电源的配电网的网络结构以及电控参数利用智能搜索算法建立无功优化动态模型;
电控参数包括但不限于配电组件处的电压,配电组件的调节数目,以及配电组件的有功损耗,配电组件包括但不限于变压器、电容器等电性调整部件。
由于需要对配电网的网络结构的动态平滑特性进行研究,因此需要对配电网进行网络结构的量化,具体如下:
步骤S1中,还包括量化配电网的网络结构,对配电网的所有配电组件均量化为网络节点,以及将连接配电组件的所有电性线路量化为网络节点连接用的边,具体量化方法为:
步骤S1中,无功优化动态模型构建的方法包括:
步骤S101、基于分布电源的动态分布对含分布电源的配电网的网络结构进行动态
社团分析获得配电网动态社团结构,n为分布电源在配电网中的电性动态变化
的形态总数,并基于配电网动态社团结构计算确定含分布电源的配电网的网络结构的动态
平滑度,动态平滑度的计算公式为:,
其中,为动态平滑度值,H为混合矩阵,表征为配电网动态社团结构中社团k内的网络节点同时处于中社团l内的数目,和分别是和划分结果中的社团总个数,、分别为和的社团总个数n的对应区分标号,H k 和H l 分别为混合矩阵H中第k行和第l列的元素之和,,分别表示为社团结构的标号,N为配电网的网络结构中网络节点总数;
动态平滑度表示动态网络结构的瞬时平滑特征,动态平滑度值越高,映射到网络结构中表明相邻时刻的配电网的网络结构并不会发生大的变化,社区结构划分的越稳定,与即表明在未产生无功优化时刻和产生无功优化时刻这两个相邻时刻上配电网的网络结构会维持稳定,意味着在无功优化产生后也并不会对配电网的网络结构造成巨大的改变,不会影响运行稳定性,从而用动态平滑度作优化的其中一个目标,是为了在优化后仍保持配电网的稳定运行,作为优化稳定性的一种优化目标。
步骤S101中,分布电源的动态分布是指分布电源对配电网的电性动态变化,对所有配电网的网络结构依次进行动态社团分析获得配电网动态社团结构的具体方法包括:
对一组配电网的网络结构的序列中每个网络结构依次进行动态社团分析获得一组配电网社团结构的序列作为配电网动态社团结构,其中,C1为配电网的网络结构G1的社团结构,n为分布电源在配电网中的电性动态变化的形态总数。
分布电源的电性动态变化包括但不限于电压、电流的变化,在分布电源的电性动态变化每产生一次便会改变一次配电网的网络结构,从而产生一个新的配电网的网络结构,将所有的配电网的网络结构依时序进行汇总构成一组配电网的网络结构的序列用以进行动态社团分析,并获得反应动态平滑特性的配电网动态社团结构进行动态平滑度的计算。
动态社团分析的具体方法包括:
获取配电网的网络结构Gx的各网络节点的电控参数,并依据电控参数计算网络节点间的欧氏距离;
A1,A2,A3为电控参数的权重参数,N为配电网的网络结构中网络节点总数,为分布电源的数目,,,分别为网络节点的电压值,电压允许极限高值,电压允许极限低值,,,分别为分布电源i2处的无功功率,无功出力极限高值,无功出力极限低值,T i 为配电网的网络结构中网络节点的调节个数,和为网络节点和的导纳矩阵W和B的矩阵元素,为网络节点和的电压相位差,P为配电网的网络结构的有功损耗。
具体的,整体量化了无功优化的安全性,即无功优化需要保障配电组件和分布电源在电压允许极限值、出力极限值范围内进行工作,量化了无功优化的时效性,使配电组件以最多的调节数目获得最快速的调节效果,P量化了无功优化的经济性,使配电组件产生最小的有功损耗,利用权重参数A1,A2,A3将三者特性进行统一用以表征无功优化的优劣程度,而A1,A2,A3为预设值,数值大小体现了对安全性、时效性和经济性的侧重程度,比如侧重安全性,则将A1值设置的较大,相应的A2、A3值变小,具体以实际使用而定。
配电网的网络结构的动态平滑度TC越高,则配电网无功优化的配电组件调节数目越小,则导致无功优化的SC越小,因此动态平滑度TC和无功优化度SC存在互斥的竞争关系,但同时动态平滑度TC和无功优化度SC二者又分别体现了配电网无功优化的两种优化目标,因此将存在竞争的动态平滑度TC和无功优化度SC进行权重组合,将单个目标的优化转变为多个目标的优化,实现对动态平滑度TC和无功优化度SC的折衷优化以获得无功优化的最佳方案满足所有优化目标的要求。
而且将目标函数设置为动态平滑度TC和无功优化度SC的权重组合的反值,将多目标优化问题转变为目标函数的最小值求解问题,简化计算过程,提高效率。
步骤S2、基于电控参数进行潮流计算,并依据潮流计算结果量化无功优化动态模型的约束框架;
步骤S2中,约束框架包括等量约束和非等量约束,等量约束包括:
非等量约束包括:
步骤S2设定目标函数求解的约束框架,以保障获得最佳无功优化方案的合理性。
步骤S3、基于无功优化动态模型利用多目标遗传算法在约束框架的约束下获得含分布电源的配电网的无功优化动态方案。
步骤S3中,含分布电源的配电网的无功优化动态方案获取的方法:
利用多目标遗传算法求解目标函数获得含分布电源的配电网的无功优化Pareto解集;
线性标定目标函数构建适应度函数,并在约束框架限定范围内选取无功优化Pareto解集中适应度值最高的解作为分布电源的配电网的无功优化动态方案,适应度函数的计算公式为:
适应度值反应了个体对环境的适应能力强弱,因此可以构建适应度函数来衡量个体的优劣,而且适应度函数可以在不利用外部信息的情况下,作为是多目标遗传算法挑选优秀个体的唯一依据,它由优化问题中目标函数映射而来,在本实施例的多目标优化问题中反映了无功优化Pareto解集中解的优劣,适应度值越高,则解越优。在多目标遗传算法智能搜索过程中,通过适应度值的比较排序操作可以实现最优解的寻优功能,在设定时为方便规定适应度值总是非负的,如此在选择中可以直观的选取个体适应度值在数值上更大的个体,所以再适应度函数是需要遵循最大值形式且函数值非负的规则,并保持低复杂度。
利用多目标遗传算法求解目标函数的具体方法包括:
步骤一:对电控参数数据进行二进制编码初始化多目标遗传算法的种群交配池;
步骤二:对种群交配池进行迭代遗传,并依据适应度函数对种群交配池进行优选更新;
步骤三:若迭代遗传完成,选取种群交配池优选结果作为无功优化Pareto解集,若迭代遗传未完成,返回步骤二。
具体的,电控参数EY在取值范围内[EYmin, EYmax]按照精度ey进行等距切分成份,并按照确定二进制编码位数n,将[EYmin, EYmax]映射至n为二进制上形成包含n个个体的种群交配池,比如n为4则EYmin映射为0000,EYmax映射为1111;
适者生存 ( The survival of the fittest ):对环境适应度高的个体参与繁殖的机会比较多,后代就会越来越多。适应度低的个体参与繁殖的机会比较少,后代就会越来越少,因此将计算种群交配池中所有个体的适应度值F,得到个体适应度,并选择种群交配池中适应度值最大的前r个进行遗传运算(交叉和变异),得到个体后代进入种群交配池中,再计算种群交配池中所有个体的适应度值F,得到个体适应度,并选择种群交配池中适应度值最大的前r个进行遗传运算(交叉和变异),得到个体后代进入种群交配池中,如此迭代循环,直至迭代代数完成(一般为预设遗传多少代),此时计算种群交配池中所有个体的适应度值F,得到个体适应度,并选择种群交配池中适应度值最大的第一个作为无功优化Pareto解集。
如图3所示,具体的,以IEEE-33配电网系统为例,基准电压为12.66kV,基准功率为10MVA,系统中节点电压的允许范围为额定电压的±5%,在系统中加入分布式电源WT1、WT2,12节点接入风机M,容量是300kVA,21节点接入光伏PV,容量是300kVA,在节点1,17,5,30分别对应电连接接入配电变压器WP1,WP2和电容器C1,C2,配电变压器的容量是300kVA,每个电容器的容量是20kVA。
利用多目标遗传算法求解目标函数,获得IEEE-33配电网系统稳定为4个区,节点32,0,17,18,19,20以及17下接配电变压器WP2是1区,节点1,2,3,21,22,23以及节点1下接的配电变压器WP1是2区,从节点6到节点16是3区,节点26到节点31是4区。
最佳无功优化方案为,分布式电源WT1的无功出力为300kVA,分布式电源WT2的无功出力为209kVA,光伏PV的无功出力为81kVA,电容器C1的无功出力为18kVA,电容器C2的无功出力为6kVA,配电变压器WP1的无功出力为246kVA,配电变压器WP1的无功出力为183kVA,风机M的无功出力为168kVA,此时,系统的网络损耗为42.45kW,节点电压偏移合计量为3.42p.u.。
如图2所示,基于上述配电网无功优化方法,本发明提供了一种无功优化系统,包括:
模型建立单元1,基于含分布电源的配电网的网络结构以及电控参数利用智能搜索算法建立无功优化动态模型;
框架建立单元2,基于电控参数进行潮流计算,并依据潮流计算结果量化无功优化动态模型的约束框架;
方案确定单元3,与模型建立单元1、框架建立单元2通讯连接,基于无功优化动态模型利用多目标遗传算法在约束框架的约束下获得含分布电源的配电网的无功优化动态方案。
本发明利用对含分布电源的配电网进行动态社团分析获得配电网的网络结构的动态平滑度,动态平滑度表征为配电网的无功优化中的运行稳定性,依据电控参数计算无功优化度,无功优化度表征为配电网的无功优化中的时效性和经济性,并依据动态平滑度和无功优化度构建目标函数,将无功优化问题转变为最小化多目标优化问题,以此建立无功优化动态模型实现在时效性、经济性和稳定性三者中的权衡,完成最佳的无功优化动态方案。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (9)
1.一种配电网无功优化方法,其特征在于,包括以下步骤:
步骤S1、基于含分布电源的配电网的网络结构以及电控参数利用智能搜索算法建立无功优化动态模型;
步骤S2、基于所述电控参数进行潮流计算,并依据所述潮流计算结果量化无功优化动态模型的约束框架;
步骤S3、基于所述无功优化动态模型利用多目标遗传算法在约束框架的约束下获得含分布电源的配电网的无功优化动态方案;
所述步骤S1中,所述无功优化动态模型构建的方法包括:
步骤S101、基于分布电源的动态分布对所述含分布电源的配电网的网络结构进行动态
社团分析获得配电网动态社团结构,n为分布电源在配电网中的电性动态变化
的形态总数,并基于所述配电网动态社团结构计算确定所述含分布电源的配电网的网络结
构的动态平滑度,所述动态平滑度的计算公式为:
其中,为动态平滑度值,H为混合矩阵,表征为配电网动态社团结构中社团k内的网络节点同时处于中社团l内的数目,和分别是和划分结果中的社团总个数,、分别为和的社团总个数n的对应区分标号,H k 和H l 分别为混合矩阵H中第k行和第l列的元素之和,,分别表示为社团结构的标号,N为配电网的网络结构中网络节点总数;
步骤S102、基于所述含分布电源的配电网的电控参数计算确定所述含分布电源的配电网的无功优化度,所述无功优化度计算公式为:
SC为无功优化度值,A1,A2,A3为电控参数的权重参数,N为配电网的网络结构中网络节点总数,为分布电源的数目,,,分别为网络节点的电压值,电压允许极限高值,电压允许极限低值,,,分别为分布电源i2处的无功功率,无功出力极限高值,无功出力极限低值,T i 为配电网的网络结构中网络节点的调节个数,和为网络节点和的导纳矩阵W和B的矩阵元素,为网络节点和的电压相位差,P为配电网的网络结构的有功损耗;
8.根据权利要求7所述的一种配电网无功优化方法,其特征在于,利用多目标遗传算法求解目标函数的具体方法包括:
步骤一:对所述电控参数数据进行二进制编码初始化多目标遗传算法的种群交配池;
步骤二:对种群交配池进行迭代遗传,并依据适应度函数对种群交配池进行优选更新;
步骤三:若迭代遗传完成,选取种群交配池优选结果作为所述无功优化Pareto解集,若迭代遗传未完成,返回步骤二。
9.一种根据权利要求1-8任一项所述的配电网无功优化方法的无功优化系统,其特征在于,包括:
模型建立单元(1),基于含分布电源的配电网的网络结构以及电控参数利用智能搜索算法建立无功优化动态模型;
框架建立单元(2),基于所述电控参数进行潮流计算,并依据所述潮流计算结果量化无功优化动态模型的约束框架;
方案确定单元(3),与所述模型建立单元(1)、框架建立单元(2)通讯连接,基于所述无功优化动态模型利用多目标遗传算法在约束框架的约束下获得含分布电源的配电网的无功优化动态方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111190162.2A CN113629789B (zh) | 2021-10-13 | 2021-10-13 | 一种配电网无功优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111190162.2A CN113629789B (zh) | 2021-10-13 | 2021-10-13 | 一种配电网无功优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113629789A CN113629789A (zh) | 2021-11-09 |
CN113629789B true CN113629789B (zh) | 2022-02-15 |
Family
ID=78391225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111190162.2A Active CN113629789B (zh) | 2021-10-13 | 2021-10-13 | 一种配电网无功优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113629789B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103390198A (zh) * | 2013-07-15 | 2013-11-13 | 温州大学 | 一种用于电力网络故障诊断的社团自组织检测方法 |
CN108233359A (zh) * | 2017-08-22 | 2018-06-29 | 中国电力科学研究院 | 一种特高压交直流馈入受端电网的分区优化方法及系统 |
-
2021
- 2021-10-13 CN CN202111190162.2A patent/CN113629789B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103390198A (zh) * | 2013-07-15 | 2013-11-13 | 温州大学 | 一种用于电力网络故障诊断的社团自组织检测方法 |
CN108233359A (zh) * | 2017-08-22 | 2018-06-29 | 中国电力科学研究院 | 一种特高压交直流馈入受端电网的分区优化方法及系统 |
Non-Patent Citations (2)
Title |
---|
基于社团结构理论的电网无功分区及主导节点选择方法研究;潘高峰等;《电力系统保护与控制》;20131116;第41卷(第22期);第32页-第37页 * |
电力系统无功电压控制分区研究综述;张艳艳;《电工电气》;20180331;第1页-第6页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113629789A (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Dynamic modeling and small signal stability analysis of distributed photovoltaic grid-connected system with large scale of panel level DC optimizers | |
CN106655207B (zh) | 基于多数据分析的配电网无功优化系统及方法 | |
CN110729765B (zh) | 一种考虑sop的配电网灵活性评估指标体系和优化调度方法 | |
WO2022016622A1 (zh) | 真双极柔性直流输电系统故障下的自适应优化调控方法 | |
CN107947175B (zh) | 一种基于分布式网络控制的微电网经济调度方法 | |
Tang et al. | Study on day-ahead optimal economic operation of active distribution networks based on Kriging model assisted particle swarm optimization with constraint handling techniques | |
CN110265991B (zh) | 一种直流微电网的分布式协调控制方法 | |
CN111342461A (zh) | 一种考虑网架动态重构的配电网优化调度方法及系统 | |
CN107623337B (zh) | 一种微电网能量管理方法 | |
CN110649644B (zh) | 一种含分布式电源的城市配电网优化降损方法 | |
CN113541146B (zh) | 计及分布式电源的电力系统潮流计算优化方法 | |
CN111009925A (zh) | 一种分布式光伏接入低压配电网最大容量的计算方法 | |
CN112467748A (zh) | 三相不平衡主动配电网双时标分布式电压控制方法及系统 | |
CN108376994B (zh) | 基于三端口电力电子变压器并网的交直流混合微网运行优化方法 | |
CN116388262A (zh) | 基于多目标优化的含分布式光伏配网无功优化方法及系统 | |
CN109617079B (zh) | 一种直流配电系统潮流解的存在性与稳定性分析方法 | |
CN104767412B (zh) | 智能型逆变器的初级、次级控制系统、控制系统及控制方法 | |
CN113629789B (zh) | 一种配电网无功优化方法及系统 | |
Zhang et al. | Two-layered hierarchical optimization strategy with distributed potential game for interconnected hybrid energy systems | |
Muthusamy et al. | An intelligent hybrid interfacing converter of fuel cell powered telecom loads for efficient power conversion | |
CN116073453A (zh) | 一种基于图计算的交直流混合配电网优化调度方法 | |
CN116154791A (zh) | 一种协同多可控资源的功角稳定控制方法、系统及终端 | |
CN115912254A (zh) | 一种配电网多目标重构策略自愈控制方法及装置 | |
Zhao et al. | Distribution network reconfiguration digital twin model based on bi-level dynamical time division | |
CN110492493B (zh) | 一种电力系统无功补偿配置优化方法 |
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 |