CN113809749A - 包含下垂控制dg的mg基于虚拟阻抗的粒子群优化方法 - Google Patents

包含下垂控制dg的mg基于虚拟阻抗的粒子群优化方法 Download PDF

Info

Publication number
CN113809749A
CN113809749A CN202111015914.1A CN202111015914A CN113809749A CN 113809749 A CN113809749 A CN 113809749A CN 202111015914 A CN202111015914 A CN 202111015914A CN 113809749 A CN113809749 A CN 113809749A
Authority
CN
China
Prior art keywords
droop control
voltage
power
node
network loss
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
CN202111015914.1A
Other languages
English (en)
Other versions
CN113809749B (zh
Inventor
张晓滨
黄晨曦
沈佳
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.)
Xian University of Technology
Original Assignee
Xian University of Technology
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 Xian University of Technology filed Critical Xian University of Technology
Priority to CN202111015914.1A priority Critical patent/CN113809749B/zh
Publication of CN113809749A publication Critical patent/CN113809749A/zh
Application granted granted Critical
Publication of CN113809749B publication Critical patent/CN113809749B/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
    • 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]
    • 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
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了包含下垂控制DG的MG基于虚拟阻抗的粒子群优化方法，具体按照以下步骤实施：步骤1、以接入下垂控制DG的节点电压参量为粒子，基于包含下垂控制DG的MG稳态潮流计算方法，应用粒子群优化算法得出使MG网损最小的节点电压；步骤2、调节虚拟阻抗，使各个下垂控制DG的输出电压等于粒子群寻优得到的对应节点电压，从而实现MG网损最小的目标。本发明不需要通过改变变压器变比、并联电容器等措施来调节变流器的输出电压，只需在系统中加入合理设计的虚拟阻抗，有效减小MG的网损，提高系统的经济性。

Description

包含下垂控制DG的MG基于虚拟阻抗的粒子群优化方法
技术领域
本发明属于电力系统优化规划技术领域，具体涉及包含下垂控制DG的MG基于虚拟阻抗的粒子群优化方法。
背景技术
由于光伏和风能等清洁的可再生能源具有不确定性和间歇性，高占比直接并入大电网会对其可靠性造成冲击，因此作为清洁能源主要利用形式的微电网得到了广泛的研究和发展。MG(Microgrid，MG)是由DG(Distributed Generator，DG)、储能装置、本地负荷及能量管理系统组成的一个相对独立的小型电网，具有孤岛和并网两种运行模式。MG不仅能提高可再生能源的利用率，降低化石能源的占比，还能降低输电成本；但是与大电网相同，在MG中存在的网络损耗同样会影响系统的输电效率和经济成本。
传统的电力系统中网损优化的方法主要分为两大类；第一类为优化潮流的方法，通过调整发电机出力计划或无功设备和电源的选址补偿来调节相关节点的注入功率，最终实现使网损最小的最优化潮流；第二类为优化网络拓扑结构的方法，通过改变线路的参数或调整系统的拓扑结构，例如配电网侧网络重构，实现系统网损最小；这两类方法都可以通过减少输电线路上的传输损耗来提高系统的经济性。MG为了使DG能够提供电压支撑并实现DG之间的无通信同步，DG采用下垂控制，其输出的功率和电压相互影响，此时接入下垂控制DG的节点电压和功率不再是相互独立的变量，调整无功功率减小系统网损的同时会引起电压波动，对MG稳定性影响较大，因此，适用于大电网的调整无功功率的网损优化方法不再适用于此类MG。
发明内容
本发明的目的是提供包含下垂控制DG的MG基于虚拟阻抗的粒子群优化方法，解决了传统大电网的网损优化方法，系统网损大，优化速度慢的问题。
本发明所采用的技术方案是，包含下垂控制DG的MG基于虚拟阻抗的粒子群优化方法，具体按照以下步骤实施：
步骤1、以接入下垂控制DG的节点电压参量为粒子，基于包含下垂控制DG的MG稳态潮流计算方法，应用粒子群优化算法得出使MG网损最小的节点电压；
步骤2、调节虚拟阻抗，使各个下垂控制DG的输出电压等于粒子群寻优得到的对应节点电压，从而实现MG网损最小的目标。
本发明的特点还在于，
步骤1具体步骤为：以接入下垂控制DG的节点电压幅值和相角为粒子，其中一个粒子选择为接入下垂控制DG的节点电压幅值和频率，并写出目标函数为MG的网损；应用包含下垂控制DG的MG稳态潮流算法，并依据MG的潮流约束算出MG的稳态潮流；不断更新粒子的位置和速度，并计算对应的稳态潮流，得出使MG网损最小的所有接入下垂控制DG的节点电压。
步骤2的具体过程为：以粒子的取值为控制量，应用包含下垂控制DG的MG稳态潮流算法，并依据式(2)所示的MG潮流约束，求解式(3)所示的MG稳态潮流。首先根据初始数据形成导纳矩阵，求解得到不平衡功率并依据收敛判据求解雅可比矩阵，修正MG节点电压、相角和频率，最终得到稳态时满足约束条件的MG中各个节点的电压，并由此计算出MG的网损，MG稳态潮流计算流程如图1所示；
步骤1具体按照以下步骤实施：
步骤1.1、令MG中各个接入下垂控制DG的节点电压幅值和相角为粒子，其中一个粒子选择节点电压的幅值和频率，优化目标函数MG的网损如下式所示：
Figure BDA0003239874020000031
式中，Ui和Uj为MG中相连两节点i和j各自的电压，Zij、Rij分别为节点i和j之间的线路阻抗和电阻，ΔP∑为MG的网损；
步骤1.2、以粒子的取值为控制量，应用包含下垂控制DG的MG稳态潮流算法，并依据式(2)所示的MG潮流约束，求解式(3)所示的MG稳态潮流，得到稳态时满足约束条件的MG中各个节点的电压，并由此计算出MG的网损；
MG稳态潮流中电压和功率的约束如下式所示：
Figure BDA0003239874020000032
式中，PΣG和QΣG、PΣL和QΣL、ΔPΣ和ΔQΣ分别为所有电源输出的有功和无功，所有负荷吸收的有功和无功以及线路上消耗的总有功和无功，这些有功和无功时刻保持平衡；PGimin、PGimax、QGimin、QGimax、UGimin、UGimax分别是电源Gi输出有功PGi、输出无功QGi、输出电压UGi的上下限。Sij是连接节点i和j的线路上流动的是在功率，Sijmax为其上限值。
MG的稳态潮流方程：
Figure BDA0003239874020000041
将式(3)中的模块展开如下：
Figure BDA0003239874020000042
Figure BDA0003239874020000043
Figure BDA0003239874020000044
Figure BDA0003239874020000045
式中ΔPi、ΔQi分别为节点i的有功功率和无功功率的不平衡量；Gij与Bij为线路导纳矩阵的实部与虚部；δij为节点i、j之间的电压相角差。
区别与传统电网E、F如下式所示：
Figure BDA0003239874020000046
Figure BDA0003239874020000051
式中，m表示变流器节点数，m+1到n为负荷的节点数，mP为有功下垂系数。
步骤1.3、不断更新粒子的速度和位置，再次计算MG的稳态潮流和目标函数的全局最优值，并将其适应值与个体极值和全局极值进行比较，找得使目标函数最小的粒子，得到使MG网损最小的各个节点的电压，粒子群算法求解；
vi＝vi+c1×rand()×(pbesti-xi)+c2×rand()×(gbesti-xi) (10)
xi＝xi+vi (11)
式中，i＝1,2,...,N，N是粒子总数，vi是粒子速度，xi为粒子当前的位置，rand()是介于(0,1)之间的随机数，pbest、gbest分别为粒子的个体极值和全局极值，c1、c2是学习因子，一般取值(1,4)。
步骤2具体按照以下步骤实施：
步骤2.1、通过粒子群寻优得到使MG网损最小的DGi输出电压为UGi∠δGi，进一步应用包含下垂控制DG的MG稳态潮流计算方法得到DGi的输出功率分别为PGi和QGi；
步骤2.2、根据下垂控制原理可知DGi的输出电压受输出无功QGi的影响为：
U′Gi＝Un-mGiQGi (12)
式中Un为DGi的额定电压，mGi为DGi的下垂系数；
DGi的输出电压幅值UˊGi可能不等于寻优结果UGi。下垂控制中虚拟阻抗Rvi+jXvi上没有功率损失，所产生的电压降如下式所示：
Figure BDA0003239874020000061
调节虚拟阻抗令其满足下式：
Figure BDA0003239874020000062
则通过对虚拟阻抗的调节，将MG中各个下垂控制DG的实际输出电压调整为UGi，从而满足MG网损最小的需求。
本发明的有益效果是，本发明包含下垂控制DG的MG基于虚拟阻抗的粒子群优化方法，通过引入合理设计的虚拟阻抗，改变节点电压，本发明适用于对下垂控制型分布式电源组网的孤岛微电网进行无功补偿装置的优化规划；通过奇异值分解法确定无功补偿装置的安装位置，一方面提高优化问题的求解效率，另一方面也有助于提高系统静态电压稳定性，使其满足应用粒子群算法对网损优化模型寻优得到的各节点电压要求，对MG的潮流分布进行调控，降低了系统的网络损耗，提高了系统的经济性。
附图说明
图1是本发明包含下垂控制DG的MG稳态潮流计算的流程图；
图2是本发明应用粒子群算法对网损优化模型求解的程序流程图；
图3是本发明加入虚拟阻抗调整DG输出电压的原理图；
图4是本实施例由两台DG构成的MG系统结构图；
图5(a)是本发明在变流器未加入虚拟阻抗时节点1的电压以及幅值变化对比图；
图5(b)是本发明在变流器引入虚拟阻抗调控后的节点1的电压及幅值变化对比图；
图6(a)是本发明在变流器未加入虚拟阻抗时节点2的电压以及幅值变化对比图；
图6(b)是本发明在变流器引入虚拟阻抗调控后的节点2的电压及幅值变化对比图；
图7(a)是本发明在变流器未加入虚拟阻抗时节点3的电压以及幅值变化对比图；
图7(b)是本发明在变流器引入虚拟阻抗调控后的节点3的电压及幅值变化对比图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明包含下垂控制DG的MG基于虚拟阻抗的粒子群优化方法，具体按照以下步骤实施：
步骤1、以接入下垂控制DG的节点电压参量为粒子，基于包含下垂控制DG的MG稳态潮流计算方法，应用粒子群优化算法得出使MG网损最小的节点电压。
步骤1具体步骤为：以接入下垂控制DG的节点电压幅值和相角为粒子，其中一个粒子选择为接入下垂控制DG的节点电压幅值和频率，并写出目标函数为MG的网损；应用包含下垂控制DG的MG稳态潮流算法，并依据MG的潮流约束算出MG的稳态潮流；不断更新粒子的位置和速度，并计算对应的稳态潮流，得出使MG网损最小的所有接入下垂控制DG的节点电压。
步骤1具体按照以下步骤实施：
步骤1.1、令MG中各个接入下垂控制DG的节点电压幅值和相角为粒子，其中一个粒子选择节点电压的幅值和频率，优化目标函数MG的网损如下式所示：
Figure BDA0003239874020000081
式中，Ui和Uj为MG中相连两节点i和j各自的电压，Zij、Rij分别为节点i和j之间的线路阻抗和电阻，ΔP∑为MG的网损；
步骤1.2、以粒子的取值为控制量，应用包含下垂控制DG的MG稳态潮流算法，并依据式(2)所示的MG潮流约束，求解式(3)所示的MG稳态潮流。首先根据初始数据形成导纳矩阵，求解得到不平衡功率并依据收敛判据求解雅可比矩阵，修正MG节点电压、相角和频率，最终得到稳态时满足约束条件的MG中各个节点的电压，并由此计算出MG的网损，MG稳态潮流计算流程，如图1所示；
MG稳态潮流中电压和功率的约束如下式所示：
Figure BDA0003239874020000082
式中，PΣG和QΣG、PΣL和QΣL、ΔPΣ和ΔQΣ分别为所有电源输出的有功和无功，所有负荷吸收的有功和无功以及线路上消耗的总有功和无功，这些有功和无功时刻保持平衡；PGimin、PGimax、QGimin、QGimax、UGimin、UGimax分别是电源Gi输出有功PGi、输出无功QGi、输出电压UGi的上下限。Sij是连接节点i和j的线路上流动的是在功率，Sijmax为其上限值。
MG的稳态潮流方程：
Figure BDA0003239874020000091
将式(3)中的模块展开如下：
Figure BDA0003239874020000092
Figure BDA0003239874020000093
Figure BDA0003239874020000094
Figure BDA0003239874020000095
式中ΔPi、ΔQi分别为节点i的有功功率和无功功率的不平衡量；Gij与Bij为线路导纳矩阵的实部与虚部；δij为节点i、j之间的电压相角差。
区别与传统电网E、F如下式所示：
Figure BDA0003239874020000096
Figure BDA0003239874020000097
式中，m表示变流器节点数，m+1到n为负荷的节点数，mP为有功下垂系数。
步骤1.3、不断更新粒子的速度和位置，再次计算MG的稳态潮流和目标函数的全局最优值，并将其适应值与个体极值和全局极值进行比较，找得使目标函数最小的粒子，得到使MG网损最小的各个节点的电压，粒子群算法求解，流程如图2所示；
vi＝vi+c1×rand()×(pbesti-xi)+c2×rand()×(gbesti-xi) (10)
xi＝xi+vi (11)
式中，i＝1,2,...,N，N是粒子总数，vi是粒子速度，xi为粒子当前的位置，rand()是介于(0,1)之间的随机数，pbest、gbest分别为粒子的个体极值和全局极值，c1、c2是学习因子，一般取值(1,4)。
步骤2、调节虚拟阻抗，使各个下垂控制DG的输出电压等于粒子群寻优得到的对应节点电压，从而实现MG网损最小的目标；
步骤2的具体过程为：依据步骤1使网损最小的MG中各个接入下垂控制DG节点的电压计算出节点对应的输出功率，由输出功率以及下垂控制原理，确定DG的输出电压，调节虚拟阻抗，使节点的电压与DG的电压相等，从而实现MG网损最小。
步骤2具体按照以下步骤实施：
步骤2.1、通过粒子群寻优得到使MG网损最小的DGi输出电压为UGi∠δGi，进一步应用包含下垂控制DG的MG稳态潮流计算方法得到DGi的输出功率分别为PGi和QGi；
步骤2.2、根据下垂控制原理可知DGi的输出电压受输出无功QGi的影响为：
U′Gi＝Un-mGiQGi (12)
式中Un为DGi的额定电压，mGi为DGi的下垂系数。
如图3所示，DGi的输出电压幅值UˊGi可能不等于寻优结果UGi。下垂控制中虚拟阻抗Rvi+jXvi上没有功率损失，所产生的电压降如下式所示：
Figure BDA0003239874020000111
调节虚拟阻抗令其满足下式：
Figure BDA0003239874020000112
则通过对虚拟阻抗的调节，将MG中各个下垂控制DG的实际输出电压调整为UGi，从而满足MG网损最小的需求。
本发明针对包含大量下垂控制DG的MG，提出一种基于虚拟阻抗的粒子群优化方法，使得系统网损最小。该方法应用DG下垂控制中的虚拟阻抗作为调节手段，并采用粒子群进行寻优，与传统大电网的网损优化方法相比，结果更优且优化速度更快。本法明给出的方法有效解决了含有较高比例下垂控制DG的MG优化运行的问题，提高了系统运行的经济性。
实施例
本实施例由两台DG构成的MG系统，如图4所示，为了验证含有下垂控制DG的MG基于虚拟阻抗的粒子群网损优化方法的有效性，在Matlab/Simulink上进行仿真，系统仿真参数如表1所示：
表1为MG系统仿真参数表
Figure BDA0003239874020000113
Figure BDA0003239874020000121
本实施例包含下垂控制DG的MG基于虚拟阻抗的粒子群优化方法中，将MG潮流程序计算结果与Simulink仿真结果对比，如表2所示：
表2为MG潮流程序计算结果与Simulink仿真结果对比
Figure BDA0003239874020000122
由表2可知，电压的幅值之差最大值仅为0.1％，电压角度差最大值为0.55％，其差值很小，两种结果表明了MG潮流分布的正确性。
本实施例包含下垂控制DG的MG基于虚拟阻抗的粒子群优化方法中，网损优化后，MG潮流调控前后的结果对比，如表3所示：
表3为网损优化后MG潮流调控前后的结果对比
Figure BDA0003239874020000123
根据表3调控前MG网损为32.63W，寻优后的网损为24.26W，MG整体的网络损耗约降低了23.75％，根据优化的目标电压值，计算得出两台DG处的虚拟阻抗值为0.08+j0.5和0.3+j0.62，调整虚拟阻抗值使其节点电压满足寻优结果。
本实施例中通过与基于牛拉法的MG潮流计算得到的MG潮流分布情况进行对比，潮流调控前后节点1电压幅值的变化，如图5(a)和图5(b)所示，在变流器未加入虚拟阻抗时节点1的电压以及幅值，幅值约为308.5V；变流器引入虚拟阻抗调控后的节点1的电压及幅值，幅值约为304V。潮流调控前后节点2电压幅值的变化，如图6(a)和图6(b)所示，在变流器未加入虚拟阻抗时节点2的电压以及幅值，幅值约为310V；变流器引入虚拟阻抗调控后的节点2的电压及幅值，幅值约为303V。潮流调控前后节点3电压幅值的变化，如图7(a)和图7(b)所示，节点3的电压对于本申请的拓扑来说是状态变量，在变流器未加入虚拟阻抗时节点3的电压以及幅值，幅值约为306.2V；变流器引入虚拟阻抗调控后的节点3的电压及幅值，幅值约为301.5V，实施例验证了网损优化的有益效果，降低了系统的网络损耗，提高了系统的经济性。
本发明包含下垂控制DG的MG基于虚拟阻抗的粒子群优化方法，以接入下垂控制DG的节点电压幅值和相角为粒子(其中一个粒子选择为接入下垂控制DG的节点电压幅值和频率)，并写出目标函数为MG的网损。然后应用包含下垂控制DG的MG稳态潮流算法，并依据MG的潮流约束算出MG的稳态潮流。最后不断更新粒子群并计算对应的稳态潮流，得出使MG网损最小的所有接入下垂控制DG的节点电压。调节虚拟阻抗，使各个下垂控制DG的输出电压等于粒子群寻优得到的对应节点电压，从而实现MG网损最小的目标。其中含有虚拟阻抗的下垂控制原理以及应用虚拟阻抗调整DG输出电压的原理，依据使网损最小的MG中各个接入下垂控制DG节点的电压计算出节点对应的输出功率。由该输出功率以及下垂控制原理，确定DG的输出电压。调节虚拟阻抗，使节点的电压与DG的电压相等，从而实现MG网损最小。本发明通过引入合理设计的虚拟阻抗，改变节点电压，使其满足应用粒子群算法对网损优化模型寻优得到的各节点电压要求，对MG的潮流分布进行调控。

Claims (5)

1.包含下垂控制DG的MG基于虚拟阻抗的粒子群优化方法，其特征在于，具体按照以下步骤实施：
步骤1、以接入下垂控制DG的节点电压参量为粒子，基于包含下垂控制DG的MG稳态潮流计算方法，应用粒子群优化算法得出使MG网损最小的节点电压；
步骤2、调节虚拟阻抗，使各个下垂控制DG的输出电压等于粒子群寻优得到的对应节点电压，从而实现MG网损最小的目标。
2.根据权利要求1所述的包含下垂控制DG的MG基于虚拟阻抗的粒子群优化方法，其特征在于，所述步骤1具体步骤为：以接入下垂控制DG的节点电压幅值和相角为粒子，其中一个粒子选择为接入下垂控制DG的节点电压幅值和频率，并写出目标函数为MG的网损；应用包含下垂控制DG的MG稳态潮流算法，并依据MG的潮流约束算出MG的稳态潮流；不断更新粒子的位置和速度，并计算对应的稳态潮流，得出使MG网损最小的所有接入下垂控制DG的节点电压。
3.根据权利要求2所述的包含下垂控制DG的MG基于虚拟阻抗的粒子群优化方法，其特征在于，步骤2的具体过程为：依据步骤1使网损最小的MG中各个接入下垂控制DG节点的电压计算出节点对应的输出功率，由输出功率以及下垂控制原理，确定DG的输出电压，调节虚拟阻抗，使节点的电压与DG的电压相等，从而实现MG网损最小。
4.根据权利要求2所述的包含下垂控制DG的MG基于虚拟阻抗的粒子群优化方法，其特征在于，所述步骤1具体按照以下步骤实施：
步骤1.1、令MG中各个接入下垂控制DG的节点电压幅值和相角为粒子，其中一个粒子选择节点电压的幅值和频率，优化目标函数MG的网损如下式所示：
Figure FDA0003239874010000021
式中，Ui和Uj为MG中相连两节点i和j各自的电压，Zij、Rij分别为节点i和j之间的线路阻抗和电阻，ΔP∑为MG的网损；
步骤1.2、以粒子的取值为控制量，应用包含下垂控制DG的MG稳态潮流算法，并依据式(2)所示的MG潮流约束，求解式(3)所示的MG稳态潮流。首先根据初始数据形成导纳矩阵，求解得到不平衡功率并依据收敛判据求解雅可比矩阵，修正MG节点电压、相角和频率，最终得到稳态时满足约束条件的MG中各个节点的电压，并由此计算出MG的网损，MG稳态潮流计算流程如图1所示；
MG稳态潮流中电压和功率的约束如下式所示：
Figure FDA0003239874010000022
式中，PΣG和QΣG、PΣL和QΣL、ΔPΣ和ΔQΣ分别为所有电源输出的有功和无功，所有负荷吸收的有功和无功以及线路上消耗的总有功和无功，这些有功和无功时刻保持平衡；PGimin、PGimax、QGimin、QGimax、UGimin、UGimax分别是电源Gi输出有功PGi、输出无功QGi、输出电压UGi的上下限。Sij是连接节点i和j的线路上流动的是在功率，Sijmax为其上限值。
MG的稳态潮流方程：
Figure FDA0003239874010000031
将式(3)中的模块展开如下：
Figure FDA0003239874010000032
Figure FDA0003239874010000033
Figure FDA0003239874010000034
Figure FDA0003239874010000035
式中ΔPi、ΔQi分别为节点i的有功功率和无功功率的不平衡量；Gij与Bij为线路导纳矩阵的实部与虚部；δij为节点i、j之间的电压相角差。
区别与传统电网E、F如下式所示：
Figure FDA0003239874010000036
Figure FDA0003239874010000037
式中，m表示变流器节点数，m+1到n为负荷的节点数，mP为有功下垂系数。
步骤1.3、不断更新粒子的速度和位置，再次计算MG的稳态潮流和目标函数的全局最优值，并将其适应值与个体极值和全局极值进行比较，找得使目标函数最小的粒子，得到使MG网损最小的各个节点的电压，粒子群算法求解；
vi＝vi+c1×rand()×(pbesti-xi)+c2×rand()×(gbesti-xi) (10)
xi＝xi+vi (11)
式中，i＝1,2,...,N，N是粒子总数，vi是粒子速度，xi为粒子当前的位置，rand()是介于(0,1)之间的随机数，pbest、gbest分别为粒子的个体极值和全局极值，c1、c2是学习因子，一般取值(1,4)。
5.根据权利要求3所述的包含下垂控制DG的MG基于虚拟阻抗的粒子群优化方法，其特征在于，步骤2具体按照以下步骤实施：
步骤2.1、通过粒子群寻优得到使MG网损最小的DGi输出电压为UGi∠δGi，进一步应用包含下垂控制DG的MG稳态潮流计算方法得到DGi的输出功率分别为PGi和QGi；
步骤2.2、根据下垂控制原理可知DGi的输出电压受输出无功QGi的影响为：
U′Gi＝Un-mGiQGi (12)
式中Un为DGi的额定电压，mGi为DGi的下垂系数；
DGi的输出电压幅值UˊGi可能不等于寻优结果UGi。下垂控制中虚拟阻抗Rvi+jXvi上没有功率损失，所产生的电压降如下式所示：
Figure FDA0003239874010000041
调节虚拟阻抗令其满足下式：
Figure FDA0003239874010000051
则通过对虚拟阻抗的调节，将MG中各个下垂控制DG的实际输出电压调整为UGi，从而满足MG网损最小的需求。
CN202111015914.1A 2021-08-31 2021-08-31 包含下垂控制dg的mg基于虚拟阻抗的粒子群优化方法 Active CN113809749B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111015914.1A CN113809749B (zh) 2021-08-31 2021-08-31 包含下垂控制dg的mg基于虚拟阻抗的粒子群优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111015914.1A CN113809749B (zh) 2021-08-31 2021-08-31 包含下垂控制dg的mg基于虚拟阻抗的粒子群优化方法

Publications (2)

Publication Number Publication Date
CN113809749A true CN113809749A (zh) 2021-12-17
CN113809749B CN113809749B (zh) 2024-01-23

Family

ID=78894458

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111015914.1A Active CN113809749B (zh) 2021-08-31 2021-08-31 包含下垂控制dg的mg基于虚拟阻抗的粒子群优化方法

Country Status (1)

Country Link
CN (1) CN113809749B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2400580A1 (en) * 2002-09-03 2004-03-03 Sureshchandra B. Patel Systems of advanced super decoupled load-flow computation for electrical power system
CN104009484A (zh) * 2014-06-12 2014-08-27 国家电网公司 一种基于潮流计算的电网降损评估方法
CN105958496A (zh) * 2016-07-01 2016-09-21 华北电力大学 基于连续潮流的含vsc系统最大输电能力计算方法
WO2017044922A1 (en) * 2015-09-11 2017-03-16 Enphase Energy, Inc. Method and apparatus for impedance matching in virtual impedance droop controlled power conditioning units
CN107294122A (zh) * 2017-04-17 2017-10-24 国网浙江省电力公司电力科学研究院 一种混合储能系统分层动态控制方法
CN107508283A (zh) * 2017-08-14 2017-12-22 东南大学 一种基于仿射算法的分布式电源运行域求解方法
CN108198091A (zh) * 2017-12-25 2018-06-22 贵州电网有限责任公司电力调度控制中心 一种基于改进粒子群算法的风电系统无功优化方法
CA3042496A1 (en) * 2016-12-27 2018-07-05 Kawasaki Jukogyo Kabushiki Kaisha Power supply system
CN110247390A (zh) * 2019-01-30 2019-09-17 国网浙江安吉县供电有限公司 一种基于免疫粒子群算法的多类型分布式电源优化配置方法
US20200241489A1 (en) * 2019-01-24 2020-07-30 King Fahd University Of Petroleum And Minerals Dynamic stability of an autonomous microgrid considering active load impact with new dedicated synchronization scheme
CN112003335A (zh) * 2020-08-31 2020-11-27 南方电网能源发展研究院有限责任公司 基于改进粒子群算法的孤岛微电网自适应下垂控制方法
CN112909982A (zh) * 2021-01-15 2021-06-04 太原理工大学 一种考虑换流器功率传输裕度的直流配电网优化重构方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2400580A1 (en) * 2002-09-03 2004-03-03 Sureshchandra B. Patel Systems of advanced super decoupled load-flow computation for electrical power system
CN104009484A (zh) * 2014-06-12 2014-08-27 国家电网公司 一种基于潮流计算的电网降损评估方法
WO2017044922A1 (en) * 2015-09-11 2017-03-16 Enphase Energy, Inc. Method and apparatus for impedance matching in virtual impedance droop controlled power conditioning units
CN105958496A (zh) * 2016-07-01 2016-09-21 华北电力大学 基于连续潮流的含vsc系统最大输电能力计算方法
CA3042496A1 (en) * 2016-12-27 2018-07-05 Kawasaki Jukogyo Kabushiki Kaisha Power supply system
CN107294122A (zh) * 2017-04-17 2017-10-24 国网浙江省电力公司电力科学研究院 一种混合储能系统分层动态控制方法
CN107508283A (zh) * 2017-08-14 2017-12-22 东南大学 一种基于仿射算法的分布式电源运行域求解方法
CN108198091A (zh) * 2017-12-25 2018-06-22 贵州电网有限责任公司电力调度控制中心 一种基于改进粒子群算法的风电系统无功优化方法
US20200241489A1 (en) * 2019-01-24 2020-07-30 King Fahd University Of Petroleum And Minerals Dynamic stability of an autonomous microgrid considering active load impact with new dedicated synchronization scheme
CN110247390A (zh) * 2019-01-30 2019-09-17 国网浙江安吉县供电有限公司 一种基于免疫粒子群算法的多类型分布式电源优化配置方法
CN112003335A (zh) * 2020-08-31 2020-11-27 南方电网能源发展研究院有限责任公司 基于改进粒子群算法的孤岛微电网自适应下垂控制方法
CN112909982A (zh) * 2021-01-15 2021-06-04 太原理工大学 一种考虑换流器功率传输裕度的直流配电网优化重构方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘先正;温家良;潘艳;吴鹏飞;李金元;: "采用改进粒子群算法的直流电网最优潮流控制", 电网技术, no. 03 *

Also Published As

Publication number Publication date
CN113809749B (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
CN110247438B (zh) 基于天牛须算法的主动配电网资源优化配置
CN109149620B (zh) 一种自储能多端柔直系统控制方法及系统
CN109409705B (zh) 一种区域综合能源系统的多目标优化调度方法
CN110929931B (zh) 考虑分布式电源和负荷时序特性的配电网协调规划方法
CN109617105B (zh) 一种基于下垂控制的分布式复合储能协同控制方法
CN112564135A (zh) 一种新能源与储能电站群频率/电压协调控制方法及装置
CN106374498B (zh) 一种考虑二次电压频率控制的微电网潮流计算方法
CN106786629A (zh) 一种风场内部无功电压协调控制方法
CN111277004A (zh) 一种配电网“源-网-荷”两阶段多目标控制方法及系统
CN111614110A (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
CN115441470A (zh) 一种微电网自适应虚拟同步控制方法、装置、介质、设备
CN108306334A (zh) 基于粒子群优化算法的风电场内部无功优化策略
CN104638654A (zh) 兼顾风电场和网络节点电压调节的statcom控制方法
CN110323779B (zh) 一种分布式发电与储能装置的功率动态聚合的方法和系统
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
CN113809749B (zh) 包含下垂控制dg的mg基于虚拟阻抗的粒子群优化方法
Jadhav Optimal power flow in wind farm microgrid using dynamic programming
Gurung et al. Impact of photovoltaic penetration on small signal stability considering uncertainties
CN113629787B (zh) 一种考虑中枢点灵敏度的发电机无功协调互济补偿方法
CN115392565A (zh) 一种多能园区低碳运行优化方法及装置
Omar et al. A dynamic switched compensation scheme for grid-connected wind energy systems using cuckoo search algorithm
Sreenivasan et al. Power Quality Enhancement in Grid Connected Hybrid PV/WT System using Tree Seed Algorithm with RNN
CN105262107A (zh) 一种风电并网的无功优化方法
Ye et al. Planning of PV-ESS System for Distribution Network Considering PV Penetration
CN110942186B (zh) 基于自适应粒子群算法的柔性交流输电设备优化配置方法

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