CN113659578A - 一种计及系统可用输电能力的upfc和statcom优化配置方法 - Google Patents

一种计及系统可用输电能力的upfc和statcom优化配置方法 Download PDF

Info

Publication number
CN113659578A
CN113659578A CN202110729343.1A CN202110729343A CN113659578A CN 113659578 A CN113659578 A CN 113659578A CN 202110729343 A CN202110729343 A CN 202110729343A CN 113659578 A CN113659578 A CN 113659578A
Authority
CN
China
Prior art keywords
statcom
upfc
population
power
node
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
CN202110729343.1A
Other languages
English (en)
Other versions
CN113659578B (zh
Inventor
陶欢
殷伟斌
项中明
方江晓
石博隆
杨晓雷
叶琳
张思
沈华
黄金波
张涛
刘文丽
郭玥彤
陶然
霍然
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.)
China Three Gorges University CTGU
Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
China Three Gorges University CTGU
Jiaxing Power Supply Co of State Grid Zhejiang Electric Power 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 China Three Gorges University CTGU, Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical China Three Gorges University CTGU
Priority to CN202110729343.1A priority Critical patent/CN113659578B/zh
Publication of CN113659578A publication Critical patent/CN113659578A/zh
Application granted granted Critical
Publication of CN113659578B publication Critical patent/CN113659578B/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
    • H02J3/04—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
    • 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
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • 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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given 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
    • H02J3/38—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02E40/10—Flexible AC transmission systems [FACTS]
    • 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
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

计及系统可用输电能力的UPFC和STATCOM优化配置方法，输入系统原始参数，输入算法相关参数；考虑风机出力的不确定性，建立大规模风机接入电网后的数学模型；在不改变系统初始网络结构的条件下，通过安装FACTS装置，对系统进行补偿；同时考虑系统的安全性与可靠性，对不同FACTS装置进行优化配置，构建目标函数；建立满足系统稳定运行的约束条件，设置系统初始参数以及UPFC装置和STATCOM装置安装容量范围；通过改进多目标混合蛙跳算法，求解系统可用输电能力的FACTS装置优化配置。本发明方法兼顾多个优化目标，得到FACTS装置的优化配置方案，达到可以同时对FACTS装置的补偿地点及容量进行优化的目的。

Description

一种计及系统可用输电能力的UPFC和STATCOM优化配置方法
技术领域
本发明涉及电力系统领域，特别是计及系统可用输电能力的FACTS(Flexible ACTransmission System)设备优化配置领域，具体涉及一种计及系统可用输电能力的UPFC和STATCOM优化配置方法。
背景技术
随着风力发电装机容量的不断增加，风电的不确定性给电力系统安全稳定运行造成了不利影响。另外，电力系统负荷的不断增加、直流输电及新型电力电子设备的使用给电力系统的安全稳定运行及电能质量带来了挑战。为提高系统的电压稳定性及可用输电能力(Available Transfer Capability,ATC)，在输电网络潮流还有可调节容量的条件下，考虑风机出力的不确定性，配置FACTS装置提高输电能力比新建输电线路和变电站更加经济。但由于FACTS装置的投资费用较高，且不适当的安装位置会影响电压质量，因此选择适合的安装位置和设备容量尤为重要。
由于FACTS装置先安装位置再进行容量配置的方法未能考虑到补偿设备安装地点与容量之间的密切关系，故需采用同时对设备的安装容量与位置进行优化的方法。该问题是典型的混合整数非线性、多约束的非凸优化问题，局部最优解个数较多，导致获取这一复杂优化问题的全局解十分困难。传统数学规划方法已经很难满足日益复杂化的工程问题。智能算法原理简单，具有良好的局部和全局搜索能力，对大规模非线性规划问题的求解效果较好。目前，FACTS设备的优化配置问题多以单目标优化为主，或通过权重等方式将多目标问题转变为单目标问题。由于权重因子评定具有一定主观性，因此需要更客观的择优方法平衡各个目标，选择最终方案。
发明内容
考虑到大规模风电并入电力系统之后，导致系统输电线路潮流和电压的剧烈波动；为降低风电对系统带来的不利影响，本发明提出了一种计及系统可用输电能力的UPFC和STATCOM优化配置方法，该方法兼顾多个优化目标，建立多FACTS装置的优化配置模型，采用改进蛙跳算法进行求解，得到FACTS装置的优化配置方案，达到可以同时对FACTS装置的补偿地点及容量进行优化的目的。
本发明采取的技术方案为：
一种计及系统可用输电能力的UPFC和STATCOM优化配置方法，包括以下步骤：
步骤1：输入系统原始参数，包括系统总节点数、支路参数、风电场初始风速、UPFC装置与STATCOM装置容量上下限；输入算法相关参数，包括种群规模N，子种群数S，最大迭代次数M，子种群更新次数T，交叉因子Rcr；
步骤2：考虑风机出力的不确定性，建立大规模风机接入电网后的数学模型；
步骤3：在不改变系统初始网络结构的条件下，通过安装FACTS装置，对系统进行补偿；同时考虑系统的安全性与可靠性，对不同FACTS装置进行优化配置，构建可用输电能力、电压稳定指标、FACTS装置投资费用的目标函数；
步骤4：建立满足系统稳定运行的约束条件，包括功率平衡约束、控制变量约束、状态变量约束；
步骤5：设置系统初始参数，包括种群规模、最大迭代次数、初始各节点电压值、系统PV节点与PQ节点电压范围，变压器分接头档位设置，以及UPFC装置和STATCOM装置安装容量范围；
步骤6，通过改进多目标混合蛙跳算法，求解系统可用输电能力的FACTS装置优化配置。
所述步骤6包括：
步骤6.1：基于决策变量约束条件以及种群规模，初始化青蛙种群，即初始化FACTS装置的初始安装容量与位置，并计算每个青蛙的适应度值；
步骤6.2：求解每个青蛙的适应度值的综合满意度，并对青蛙种群进行排序，选取综合满意度最高的青蛙种群为全局最优个体Fbest；将青蛙种群分为S个子种群，每个子种群含p只青蛙，记录每组子种群中最优和最差的青蛙个体；
步骤6.3：在种群迭代总次数40％代以前，对每个子群独立进化i次，依据柯西差分变异算子更新得到新个体，若新个体适应度值优于子群最差个体，则进行替换并进行交叉操作；否则选择全局最优个体代替最差解；在种群迭代总次数40％代后，依据高斯差分变异算子更新得到新个体，若新个体的适应度值优于子种群最差个体则替代；否则选择全局最优个体替代最差解；
步骤6.4：判断是否达到子种群最大迭代次数，若达到则完成一次迭代；否则返回步骤6；
步骤6.5：混合子种群中所有青蛙，形成新种群，对新种群按适应度值的综合满意度进行排序，记录最优青蛙个体Xbest并判断是否满足终止条件；若满足终止条件，输出最优青蛙个体与目标函数值，即对应UPFC装置与STATCOM装置的优化配置方案；若不满足，则重新执行步骤6.1～6.5，迭代寻优，直至满足终止条件，输出配置结果。
本发明一种计及系统可用输电能力的UPFC和STATCOM优化配置方法，技术效果如下：
1：在模型构建方面，考虑电力系统区域间的可用输电能力，构建UPFC与STATCOM的稳态数学模型。选取系统可用输电能力、电压稳定指标与设备的总投资费用为目标函数，引入功率平衡约束、控制变量约束以及状态变量约束为约束条件，构建UPFC与STATCOM的优化配置模型，得到兼顾系统可靠性与经济性的最优配置方案。
2：在算法改进方面，针对传统蛙跳算法收敛速度慢、易陷入局部最优等问题，通过引入柯西变异算子与高斯变异算子及交叉策略，提高算法局部搜索能力与收敛速度，改善了算法的全局搜索能力，降低了陷入局部最优的概率。
3：本发明可以同时兼顾系统可靠性与经济性对FACTS设备进行优化配置，有效提升系统的输电能力。
附图说明
图1为UPFC的等效功率注入模型图。
图2为电压型STATCOM装置原理示意图。
图3为FACTS装置优化配置的流程图。
图4为模型仿真最优Pareto解集。
图5为IEEE14节点系统图。
具体实施方式
计及系统可用输电能力的UPFC和STATCOM优化配置方法，针对计及系统可用输电能力的UPFC和STATCOM联合优化配置问题展开。首先，在综合考虑安全性和经济型的基础上，以FACTS装置中的典型代表UPFC和STATCOM为例建立稳态模型，并考虑大规模风机接入的不确定性，基于可用输电能力、电压稳定L指标及补偿费用三个目标函数建立综合考虑系统安全性与经济性的多目标优化配置模型。其次，针对传统蛙跳算法收敛速度慢、易陷入局部最优等问题，通过引入柯西变异算子与高斯变异算子及交叉策略，提高算法局部搜索能力与收敛速度，改善了算法的全局搜索能力，降低了陷入局部最优的概率。最后，为方便决策者从求解出的多个精英解中做出合适的选择，提出利用模糊满意度函数筛选最优折衷解的思路，并给出了具体的函数定义及判断方法。
具体包括以下步骤：
步骤1：输入系统原始参数，包括系统总节点数、支路参数、风电场初始风速、UPFC装置与STATCOM装置容量上下限；输入算法相关参数，包括种群规模N，子种群数S，最大迭代次数M，子种群更新次数T，交叉因子Rcr；
步骤2：考虑风机出力的不确定性，建立大规模风机接入电网后的数学模型；
所述步骤2中，大规模风机接入电网后的数学模型，利用Weibull分布模型对已有风速数据进行拟合，风机的概率密度函数为：
Figure BDA0003138751360000041
式中：v为实际风速；k为形状参数，取值范围为1.5～3.0；λ为尺度参数；
风电机组在不同风速范围内具有不同的出力特性，根据此特征，忽略电气损耗和风电场尾流等因素对风电场产生影响，对风电机组出力和风速之间的关系进行拟合：
Figure BDA0003138751360000042
式中：PWT为风电实际输出功率；vci为切入风速值；vco为切出风速值；vN为额定风速；PN为风电的额定输出功率。
在前推回代法的潮流计算中，将风电出力视为PQ节点，功率输出以“负的负荷”接入电网，风力发电时输出的无功功率为：
Figure BDA0003138751360000043
式中：QWT为风力发电机组输出的无功功率，
Figure BDA0003138751360000044
为风电的功率因数角。
补偿装置与风机的接入会对配电网潮流产生影响，以STATCOM和风机接入同一节点为例，该节点的有功功率、无功功率为：
Figure BDA0003138751360000045
式中，Pi、Qi、P′i、Q′i分别为接入装置前、后的有功功率、无功功率；Pwt、Qwt分别为风机接入的有功、无功功率；QSTATCOM为STATCOM的补偿容量。
步骤3：为降低大规模风电电源接入系统导致的系统电压与网络损耗波动较大的问题，在不改变系统初始网络结构的条件下，通过安装FACTS装置对系统进行补偿。同时考虑系统的安全性与可靠性，对FACTS装置进行优化配置，构建可用输电能力、电压稳定指标、FACTS装置投资费用的目标函数；
所述步骤3中，采用极大化送电区所有发电机节点有功功率增量的累加值的方法计算系统可用输电能力，可用输电能力目标函数求解公式如下：
Figure BDA0003138751360000051
式中，λLi为反映系统第i个负荷的增长比例；NPQ为受电区域的PQ节点数；P0为基态潮流的有功负荷总量；PLi为第i个负荷节点的有功功率。
电压稳定指标目标函数：
当一个或几个电压稳定性能较差的节点失去电压稳定性会逐步瓦解整个电力系统电压稳定性。故本发明选取能够准确反映系统局部电压稳定性的L指标，其能够反映当前状态下系统各个负荷节点与电压崩溃点的距离。将系统中节点分为PV节点和负荷节点，αG＝{nL+1,nL+2,…,n}与αL＝{1,2,…,nL}。
故系统节点电压方程为：
Figure BDA0003138751360000052
式中，UG，IG，UL，IL分别为PV节点和负荷节点的电压和电流；Y为系统到那矩阵。
采用部分求逆可得：
Figure BDA0003138751360000053
式中，ZLL，FLG，KGL，YGG分别为混合矩阵的子矩阵；UG，IG，UL，IL分别为PV节点和负荷节点的电压和电流；
每个负荷节点的电压稳定L指标为：
Figure BDA0003138751360000054
式中，Lj为系统中第j个负荷节点的电压稳定指标；Ui为第i个发电机节点复电压；Uj为第j个负荷节点复电压，j∈αL；Fij称为负荷参与因子，它是FLG矩阵中第j行、第i列的元素，FLG矩阵可由式(7)计算得到。
系统的电压稳定L指标为：
Figure BDA0003138751360000055
FACTS装置投资费用目标函数：
STATCOM装置与UPFC装置单位容量与投资费用的关系式如下：
CSTATCOM＝0.000375s2-0.3041s+162.4(10)
CUPFC＝0.0003s2-0.2691s+188.22 (11)
式中，s为设备的容量，单位为MVar；CSTATCOM单位为k$/kVar；CUPFC的单位为k$/K·V。
故设备的总投资成本为：
minf3＝QSTATCOM·CSTATCOM+QUPFC·CUPFC (12)
式中，QSTATCOM，QUPFC分别为STATCOM及UPFC的补偿容量。
步骤4：建立满足系统稳定运行的约束条件，包括功率平衡约束、控制变量约束、状态变量约束；
所述步骤4中，
潮流平衡约束：
Figure BDA0003138751360000061
控制变量约束：
Figure BDA0003138751360000062
状态变量约束：
Figure BDA0003138751360000063
式中，PGi、PLi分别为节点i的发电机有功出力和负荷有功功率；
QGi、QLi、QCi分别为节点i的发电机无功出力、无功负荷和补偿装置输出的无功功率；Gij、Bij、θij分别为电网中节点i和j之间的电导、电纳和电压相角差；
N为系统的总节点数；UGi、UGimin、UGimax分别为第i个发电机节点的机端电压及其下限值和上限值；
Ti、Timin、Timax分别为第i个可调变压器的分接头档位及其下限值和上限值；
QSTATCOMi、QSTATCOMimin、QSTATCOMimax分别为第i个补偿点STATCOM的无功补偿装置的无功出力及其下限值和上限值；
ULi、ULimin、ULimax分别为第i个负荷节点的电压及其下限值和上限值；QGi、QGimin，QGimax分别为第i个发电机节点输出的无功功率及其下限值和上限值；
NG、NT、NL、NSTATCOM、NUPFC分别为系统中发电机节点数目、可调变压器的台数，PQ节点数、安装STATCOM装置的数量、安装的UPFC台数。
所述步骤4中，不能自行满足约束条件的变量，利用自适应罚函数进行越界惩罚，具体方式为：
minF(x)＝f(x)+p(k)·H(x) (16)
Figure BDA0003138751360000071
Figure BDA0003138751360000072
Figure BDA0003138751360000073
式中，f(x)为原目标函数值；p(k)为惩罚系数，p(k)＝k(k)1/2；H(x)为惩罚项；式中，t＝max{0,hi(x)}；θ(t)为惩罚系数；r(t)为惩罚力度。
步骤5：设置系统初始参数，包括种群规模、最大迭代次数、初始各节点电压值、系统PV节点与PQ节点电压范围，变压器分接头档位设置，以及UPFC装置和STATCOM装置安装容量范围；
步骤6，通过改进多目标混合蛙跳算法，求解系统可用输电能力的FACTS装置优化配置。
所述步骤6包括：
步骤6.1：基于决策变量约束条件以及种群规模，初始化青蛙种群，即初始化FACTS装置的初始安装容量与位置，并计算每个青蛙的适应度值；
步骤6.2：求解每个青蛙的适应度值的综合满意度，并对青蛙种群进行排序，选取综合满意度最高的青蛙种群为全局最优个体Fbest；将青蛙种群分为S个子种群，每个子种群含p只青蛙，记录每组子种群中最优和最差的青蛙个体；
步骤6.3：在种群迭代总次数40％代以前，对每个子群独立进化i次，依据柯西差分变异算子更新得到新个体，若新个体适应度值优于子群最差个体，则进行替换并进行交叉操作；否则选择全局最优个体代替最差解；在种群迭代总次数40％代后，依据高斯差分变异算子更新得到新个体，若新个体的适应度值优于子种群最差个体则替代；否则选择全局最优个体替代最差解；个体更新后依据惩罚函数对越界个体进行惩罚，进化规则如下：
柯西差分变异算子进化：
Figure BDA0003138751360000074
高斯差分变异算子进化：
Figure BDA0003138751360000081
交叉操作：
Figure BDA0003138751360000082
式中，
Figure BDA0003138751360000083
为更新后的解；FC为柯西变异算子；
Figure BDA0003138751360000084
和
Figure BDA0003138751360000085
分别为子种群中的随机三个个体；FG为高斯变异算子；
Figure BDA0003138751360000086
为交叉之后的个体；Xrand为子种群内随机一个个体；rand(0,1)为[0,1]之间的随机数；Rcr为交叉概率。
步骤6.4：判断是否达到子种群最大迭代次数，若达到则完成一次迭代；否则返回步骤6；
步骤6.5：混合子种群中所有青蛙，形成新种群，对新种群按适应度值的综合满意度进行排序，记录最优青蛙个体Xbest并判断是否满足终止条件；若满足终止条件，输出最优青蛙个体与目标函数值，即对应UPFC装置与STATCOM装置的优化配置方案；若不满足，则返回则重新执行步骤6.1～6.5，迭代寻优，直至满足终止条件，输出配置结果。
本发明具体实施例如下：
以IEEE14节点系统为算例进行仿真，采用改进的混合蛙跳算法对UPFC和STATCOM优化配置模型进行求解，并对比分析配置UPFC和STATCOM前后的系统性能参数。IEEE14节点系统图如图5所示，该系统共有5台发电机(其中1号发电机为平衡节点)，20条支路，3台可调变压器，划分为3个区域，系统的基态即为ETC对应的运行状态，仿真过程中计算从1区到2区的ATC。设定PV节点及PQ节点电压范围为0.94p.u.～1.06p.u.，STATCOM的安装容量范围为-100MVar～100MVar，UPFC，对于混合蛙跳算法，设定蛙种群数量为100，子种群数量为20，每个子种群内包含5个青蛙。最大局部搜索次数为10，总搜索次数为100。
对模型及算例进行仿真求解之后，得到如图4所示的最优Pareto集解分布图。由于所提优化配置模型为多目标模型，直接选取某一目标的最优解具有较大主观性，因此首先通过算法寻得配置方案的Pareto解集，再选取折衷解。由图4的Pareto解集可以看出，配置UPFC和STATCOM后，系统的ATC值分布在10MW～36MW的范围内，L指标分布在0.09～0.115以内，提高了系统安全性与稳定性，验证了UPFC和STATCOM补偿功率有效性。此外，根据Pareto图还可以看出解的分布情况较为均匀且没有陷入局部最优，收敛性良好，验证了改进混合蛙跳算法的准确性和有效性。
根据模型及算例求解配置结果，设定4种不同场景来对比配置UPFC和DSTATCOM对电力系统产生的影响，4种场景的具体配置方案如表1所示：
表1三种场景设置
Figure BDA0003138751360000091
选取不同场景下ATC和L指标对比分析FACTS设备出力对电力系统的影响，以及配置UPFC和DSTATCOM后的系统性能。不同场景的系统性能参数值如表2所示。
由表2可以看出，当安装了STATCOM与UPFC装置后，能有效提高系统的可用输电能力和电压稳定性。且对UPFC与STATCOM联合配置之后，能够改善更多系统性能，验证所提优化配置方法的准确性。
表2不同场景下的系统性能指标
场景 ATC(MW) L指标
1 12.44 0.0940
2 21.90 0.0829
3 25.75 0.0733
4 32.76 0.0514
为验证改进后的混合蛙跳算法求解所提多目标优化模型的高效性，分别采用多目标遗传算法(NSGA-Ⅱ)、混合蛙跳算法和改进混合蛙跳算法对优化配置模型进行求解，得到优化后的折衷解如表3所示。
表3不同算法得到的最优折衷解
Figure BDA0003138751360000092
Figure BDA0003138751360000101
由表3可见，改进混合蛙跳算法求解得到的ATC指标和总投资费用指标最优，电压偏差处于中间阶段，这意味着改进混合蛙跳算法不仅可以有效地平衡多个目标函数，在相同的迭代环境下，其优化效果也更好。
以上实例分析考虑了UPFC和STATCOM的最终配置情况，对比分析了配置后的系统稳定性和安全性，验证了本发明所提计及系统可输电能力的UPFC和STATCOM优化配置方法的有效性和准确性。

Claims (8)

1.一种计及系统可用输电能力的UPFC和STATCOM优化配置方法，其特征在于包括以下步骤：
步骤1：输入系统原始参数，包括系统总节点数、支路参数、风电场初始风速、UPFC装置与STATCOM装置容量上下限；输入算法相关参数，包括种群规模N，子种群数S，最大迭代次数M，子种群更新次数T，交叉因子Rcr；
步骤2：考虑风机出力的不确定性，建立大规模风机接入电网后的数学模型；
步骤3：在不改变系统初始网络结构的条件下，通过安装FACTS装置，对系统进行补偿；同时考虑系统的安全性与可靠性，对不同FACTS装置进行优化配置，构建可用输电能力、电压稳定指标、FACTS装置投资费用的目标函数；
步骤4：建立满足系统稳定运行的约束条件，包括功率平衡约束、控制变量约束、状态变量约束；
步骤5：设置系统初始参数，包括种群规模、最大迭代次数、初始各节点电压值、系统PV节点与PQ节点电压范围，变压器分接头档位设置，以及UPFC装置和STATCOM装置安装容量范围；
步骤6：通过改进多目标混合蛙跳算法，求解系统可用输电能力的FACTS装置优化配置。
2.根据权利要求1所述一种计及系统可用输电能力的UPFC和STATCOM优化配置方法，其特征在于：所述步骤2中，大规模风机接入电网后的数学模型，利用Weibull分布模型对已有风速数据进行拟合，风机的概率密度函数为：
Figure FDA0003138751350000011
式中：v为实际风速；k为形状参数，取值范围为1.5～3.0；λ为尺度参数；
风电机组在不同风速范围内具有不同的出力特性，根据此特征，忽略电气损耗和风电场尾流等因素对风电场产生影响，对风电机组出力和风速之间的关系进行拟合：
Figure FDA0003138751350000012
式中：PWT为风电实际输出功率；vci为切入风速值；vco为切出风速值；vN为额定风速；PN为风电的额定输出功率；
风力发电时输出的无功功率为：
Figure FDA0003138751350000021
式中：QWT为风力发电机组输出的无功功率，
Figure FDA0003138751350000022
为风电的功率因数角；
STATCOM和风机接入同一节点，该节点的有功功率、无功功率为：
Figure FDA0003138751350000023
式中，Pi、Qi、Pi′、Qi′分别为接入装置前、后的有功功率、无功功率；Pwt、Qwt分别为风机接入的有功、无功功率；QSTATCOM为STATCOM的补偿容量。
3.根据权利要求1所述一种计及系统可用输电能力的UPFC和STATCOM优化配置方法，其特征在于：所述步骤3中，采用极大化送电区所有发电机节点有功功率增量的累加值的方法计算系统可用输电能力。
4.根据权利要求1所述一种计及系统可用输电能力的UPFC和STATCOM优化配置方法，其特征在于：所述步骤3中，
可用输电能力目标函数，公式如下：
Figure FDA0003138751350000024
式中，λLi为反映系统第i个负荷的增长比例；NPQ为受电区域的PQ节点数；P0为基态潮流的有功负荷总量；PLi为第i个负荷节点的有功功率；
电压稳定指标目标函数：
选取能够准确反映系统局部电压稳定性的L指标，其能够反映当前状态下系统各个负荷节点与电压崩溃点的距离；将系统中节点分为PV节点和负荷节点，αG＝{nL+1,nL+2,…,n}与αL＝{1,2,…,nL}；
故系统节点电压方程为：
Figure FDA0003138751350000025
采用部分求逆可得：
Figure FDA0003138751350000026
式中，ZLL，FLG，KGL，YGG分别为混合矩阵的子矩阵；UG，IG，UL，IL分别为PV节点和负荷节点的电压和电流；
每个负荷节点的电压稳定L指标为：
Figure FDA0003138751350000031
式中，Lj为系统中第j个负荷节点的电压稳定指标；Ui为第i个发电机节点复电压；Uj为第j个负荷节点复电压，j∈αL；Fij称为负荷参与因子，它是FLG矩阵中第j行、第i列的元素，FLG矩阵可由式(7)计算得到；
系统的电压稳定L指标为：
Figure FDA0003138751350000032
FACTS装置投资费用目标函数：
STATCOM装置与UPFC装置单位容量与投资费用的关系式如下：
CSTATCOM＝0.000375s2-0.3041s+162.4 (10)
CUPFC＝0.0003s2-0.2691s+188.22 (11)
式中，s为设备的容量，单位为MVar；CSTATCOM单位为k$/kVar；CUPFC的单位为k$/K·V；故设备的总投资成本为：
minf3＝QSTATCOM·CSTATCOM+QUPFC·CUPFC (12)
式中，QSTATCOM，QUPFC分别为STATCOM及UPFC的补偿容量。
5.根据权利要求1所述一种计及系统可用输电能力的UPFC和STATCOM优化配置方法，其特征在于：所述步骤4中，
潮流平衡约束：
Figure FDA0003138751350000033
控制变量约束：
Figure FDA0003138751350000034
状态变量约束：
Figure FDA0003138751350000035
式中，PGi、PLi分别为节点i的发电机有功出力和负荷有功功率；
QGi、QLi、QCi分别为节点i的发电机无功出力、无功负荷和补偿装置输出的无功功率；Gij、Bij、θij分别为电网中节点i和j之间的电导、电纳和电压相角差；
N为系统的总节点数；UGi、UGimin、UGimax分别为第i个发电机节点的机端电压及其下限值和上限值；
Ti、Timin、Timax分别为第i个可调变压器的分接头档位及其下限值和上限值；
QSTATCOMi、QSTATCOMimin、QSTATCOMimax分别为第i个补偿点STATCOM的无功补偿装置的无功出力及其下限值和上限值；
ULi、ULimin、ULimax分别为第i个负荷节点的电压及其下限值和上限值；QGi、QGimin，QGimax分别为第i个发电机节点输出的无功功率及其下限值和上限值；
NG、NT、NL、NSTATCOM、NUPFC分别为系统中发电机节点数目、可调变压器的台数，PQ节点数、安装STATCOM装置的数量、安装的UPFC台数。
6.根据权利要求1所述一种计及系统可用输电能力的UPFC和STATCOM优化配置方法，其特征在于：所述步骤4中，不能自行满足约束条件的变量，利用自适应罚函数进行越界惩罚，具体方式为：
minF(x)＝f(x)+p(k)·H(x) (16)
Figure FDA0003138751350000041
Figure FDA0003138751350000042
Figure FDA0003138751350000043
式中，f(x)为原目标函数值；p(k)为惩罚系数，p(k)＝k(k)1/2；H(x)为惩罚项；式中，t＝max{0,hi(x)}；θ(t)为惩罚系数；r(t)为惩罚力度。
7.根据权利要求1所述一种计及系统可用输电能力的UPFC和STATCOM优化配置方法，其特征在于：所述步骤6包括：
步骤6.1：基于决策变量约束条件以及种群规模，初始化青蛙种群，即初始化FACTS装置的初始安装容量与位置，并计算每个青蛙的适应度值；
步骤6.2：求解每个青蛙的适应度值的综合满意度，并对青蛙种群进行排序，选取综合满意度最高的青蛙种群为全局最优个体Fbest；将青蛙种群分为S个子种群，每个子种群含p只青蛙，记录每组子种群中最优和最差的青蛙个体；
步骤6.3：在种群迭代总次数40％代以前，对每个子群独立进化i次，依据柯西差分变异算子更新得到新个体，若新个体适应度值优于子群最差个体，则进行替换并进行交叉操作；否则选择全局最优个体代替最差解；在种群迭代总次数40％代后，依据高斯差分变异算子更新得到新个体，若新个体的适应度值优于子种群最差个体则替代；否则选择全局最优个体替代最差解；
步骤6.4：判断是否达到子种群最大迭代次数，若达到则完成一次迭代；否则返回步骤6；
步骤6.5：混合子种群中所有青蛙，形成新种群，对新种群按适应度值的综合满意度进行排序，记录最优青蛙个体Xbest并判断是否满足终止条件；若满足终止条件，输出最优青蛙个体与目标函数值，即对应UPFC装与STATCOM装置的优化配置方案；若不满足，则重新执行步骤6.1～6.5，迭代寻优，直至满足终止条件，输出配置结果。
8.根据权利要求1所述一种计及系统可用输电能力的UPFC和STATCOM优化配置方法，其特征在于：所述步骤6.3中，
个体更新后依据惩罚函数对越界个体进行惩罚，进化规则如下：
柯西差分变异算子进化：
Figure FDA0003138751350000051
高斯差分变异算子进化：
Figure FDA0003138751350000052
交叉操作：
Figure FDA0003138751350000053
式中，
Figure FDA0003138751350000054
为更新后的解；FC为柯西变异算子；
Figure FDA0003138751350000055
和
Figure FDA0003138751350000056
分别为子种群中的随机三个个体；FG为高斯变异算子；
Figure FDA0003138751350000057
为交叉之后的个体；Xrand为子种群内随机一个个体；rand(0,1)为[0,1]之间的随机数；Rcr为交叉概率。
CN202110729343.1A 2021-06-29 2021-06-29 一种计及系统可用输电能力的upfc和statcom优化配置方法 Active CN113659578B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110729343.1A CN113659578B (zh) 2021-06-29 2021-06-29 一种计及系统可用输电能力的upfc和statcom优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110729343.1A CN113659578B (zh) 2021-06-29 2021-06-29 一种计及系统可用输电能力的upfc和statcom优化配置方法

Publications (2)

Publication Number Publication Date
CN113659578A true CN113659578A (zh) 2021-11-16
CN113659578B CN113659578B (zh) 2023-10-24

Family

ID=78477330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110729343.1A Active CN113659578B (zh) 2021-06-29 2021-06-29 一种计及系统可用输电能力的upfc和statcom优化配置方法

Country Status (1)

Country Link
CN (1) CN113659578B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463357A (zh) * 2014-11-27 2015-03-25 国家电网公司 一种基于随机最优潮流的随机间歇性dg优化集成的评估方法
CN109193634A (zh) * 2018-09-28 2019-01-11 国网浙江省电力有限公司舟山供电公司 基于多端柔性直流的海岛电网运行优化方法及系统
WO2019134254A1 (zh) * 2018-01-02 2019-07-11 上海交通大学 一种运用分布式神经网络的实时经济调度计算方法
CN110417061A (zh) * 2019-07-24 2019-11-05 东北大学 一种基于改进蛙跳算法的电热联合系统调度方法
CN111146820A (zh) * 2019-12-31 2020-05-12 国网浙江省电力有限公司嘉兴供电公司 一种计及风电不确定性的混合储能系统优化配置方法
WO2023045078A1 (zh) * 2021-09-26 2023-03-30 深圳市腾讯计算机系统有限公司 量子体系的本征态获取方法、装置、设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463357A (zh) * 2014-11-27 2015-03-25 国家电网公司 一种基于随机最优潮流的随机间歇性dg优化集成的评估方法
WO2019134254A1 (zh) * 2018-01-02 2019-07-11 上海交通大学 一种运用分布式神经网络的实时经济调度计算方法
CN109193634A (zh) * 2018-09-28 2019-01-11 国网浙江省电力有限公司舟山供电公司 基于多端柔性直流的海岛电网运行优化方法及系统
CN110417061A (zh) * 2019-07-24 2019-11-05 东北大学 一种基于改进蛙跳算法的电热联合系统调度方法
CN111146820A (zh) * 2019-12-31 2020-05-12 国网浙江省电力有限公司嘉兴供电公司 一种计及风电不确定性的混合储能系统优化配置方法
WO2023045078A1 (zh) * 2021-09-26 2023-03-30 深圳市腾讯计算机系统有限公司 量子体系的本征态获取方法、装置、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张涛;徐雪琴;史苏怡;孙晓伟;: "基于改进多种群量子粒子群算法的STATCOM选址及容量优化", 中国电机工程学报, no. 1 *
陈功贵;李智欢;陈金富;段献忠;: "含风电场电力系统动态优化潮流的混合蛙跳算法", 电力系统自动化, no. 04 *

Also Published As

Publication number Publication date
CN113659578B (zh) 2023-10-24

Similar Documents

Publication Publication Date Title
CN109768573B (zh) 基于多目标差分灰狼算法的配电网无功优化方法
CN107301472B (zh) 基于场景分析法和电压调节策略的分布式光伏规划方法
CN102915472B (zh) 基于基因修复混沌遗传算法的配电网综合优化规划方法
CN107591844A (zh) 考虑节点注入功率不确定性的主动配电网鲁棒重构方法
CN106532772B (zh) 一种基于改进正交优化群智能算法的分布式电源规划方法
CN111146821A (zh) 一种计及光伏不确定性的dstatcom优化配置方法
CN113300380B (zh) 一种基于负荷曲线分段的配电网无功优化补偿方法
CN112561273B (zh) 一种基于改进pso的主动配电网可再生dg规划方法
CN115640963A (zh) 一种考虑投资运营模式的海上风电接入系统鲁棒规划方法
CN109672219A (zh) 一种求解含风电场无功优化模型的方法及系统
CN111245032B (zh) 一种计及风电场集电线路降损优化的电压预测控制方法
CN115833105A (zh) 一种基于集群划分的配电网规划方法
CN110380404B (zh) 考虑高耗能点负荷的输电网励磁系统调差系数优化整定方法
CN111293687B (zh) 一种基于三维粒子群算法的分布式电源选址定容的方法
CN105896547B (zh) 一种风电接入下的大电网分级电压控制方法
CN116415708B (zh) 考虑置信水平的电网鲁棒规划方法
CN117039882A (zh) 基于二元一致性算法的资源聚合调控方法与系统
CN113690930B (zh) 基于nsga-iii算法的分布式光伏电源中长期选址定容方法
Dongmei et al. Reactive power optimization by genetic algorithm integrated with reduced gradient method
CN113659578A (zh) 一种计及系统可用输电能力的upfc和statcom优化配置方法
CN107453366B (zh) 计及风电决策风险的含upfc多目标最优潮流计算方法
CN113629715B (zh) 一种计及可输电能力的upfc多目标优化配置方法
CN105470976A (zh) 一种稳态条件下svc和tcsc的协调配置方法
CN115765054A (zh) 考虑风光无功调节的配电网分布式电源双层规划方法
CN112952829B (zh) 电力系统节点运行安全性评估方法、装置、电力系统

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