CN115133541A - 基于改进粒子群算法的光伏发电系统无功补偿方法及系统 - Google Patents

基于改进粒子群算法的光伏发电系统无功补偿方法及系统 Download PDF

Info

Publication number
CN115133541A
CN115133541A CN202210893244.1A CN202210893244A CN115133541A CN 115133541 A CN115133541 A CN 115133541A CN 202210893244 A CN202210893244 A CN 202210893244A CN 115133541 A CN115133541 A CN 115133541A
Authority
CN
China
Prior art keywords
power generation
generation system
photovoltaic power
photovoltaic
reactive
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
CN202210893244.1A
Other languages
English (en)
Other versions
CN115133541B (zh
Inventor
李岩
荣以平
刘玉娇
王瑞琪
李国亮
唐晓光
朱国梁
宋亮
徐小龙
王坤
林煜清
迟青青
李梦雯
杨乐
代二刚
杨凤文
李森
宋培鑫
林美华
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.)
State Grid Shandong Integrated Energy Service Co ltd
Zaozhuang Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Shandong Integrated Energy Service Co ltd
Zaozhuang Power Supply Co of State Grid Shandong 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 State Grid Shandong Integrated Energy Service Co ltd, Zaozhuang Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Shandong Integrated Energy Service Co ltd
Priority to CN202210893244.1A priority Critical patent/CN115133541B/zh
Publication of CN115133541A publication Critical patent/CN115133541A/zh
Application granted granted Critical
Publication of CN115133541B publication Critical patent/CN115133541B/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
    • 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
    • H02J3/18—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
    • 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
    • H02J2300/26—The renewable source being solar energy of photovoltaic origin involving maximum power point tracking control for photovoltaic sources

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

本公开属于无功补偿技术领域，具体涉及一种基于改进粒子群算法的光伏发电系统无功补偿方法及系统，包括：获取光伏发电系统的未来天气数据；根据所获取的光伏发电系统的未来天气数据和光伏发电原理，计算光伏发电系统的线路损耗；根据所述线路损耗以及预测的无功补偿模型，实现光伏系统的无功补偿；其中，所述无功补偿模型以线路总网损最小为目标构建目标函数，采用改进的粒子群算法求解所述目标函数，优化光伏系统的无功补偿。

Description

基于改进粒子群算法的光伏发电系统无功补偿方法及系统
技术领域
本公开属于无功补偿技术领域，具体涉及一种基于改进粒子群算法的光伏发电系统无功补偿方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
目前，新能源发电(比如，光伏发电、风力发电、潮汐发电等)日益增多。太阳能是人类取之不尽用之不竭的可再生能源，具有充分的清洁性、绝对的安全性、相对的广泛性、确实的长寿命和免维护性、资源的充足性及潜在的经济性等优点，在长期的能源战略中具有重要地位。
光伏发电系统并网改变了传统配电网单向潮流结构，电能的传输过程不仅仅局限在从变电站向负荷侧下送，会出现双向潮流的情况，改变了配电网线路的无功、电压和潮流分布，同时光伏出力的波动性和随机性可能造成线路损耗增加和电压越限的情况。
据发明人了解，光伏发电系统并网改变了传统配电网单向潮流结构，电能的传输过程不仅仅局限在从变电站向负荷侧下送，会出现双向潮流的情况，改变了配电网线路的无功、电压和潮流分布，同时光伏出力的波动性和随机性可能造成线路损耗增加和电压越限的情况。现有的关于光伏发电系统的研究主要从配电网线路上无功补偿装置的投切策略和优化逆变器的结构来进行分布式光伏发电系统的无功补偿，可达到稳定电压变化范围和降低线路损耗的效果；但大多忽略了光伏发电系统的实时变化特性，没有深究光伏发电系统的随机性和波动性，成果中提到的控制策略普适性较差。
发明内容
为了解决上述问题，本公开提出了一种基于改进粒子群算法的光伏发电系统无功补偿方法及系统，根据光伏发电系统未来一天的出力情况，提供针对性的无功补偿，以改善节点电压波动超标和线路有功损耗提高的问题。
根据一些实施例，本公开的第一方案提供了一种基于改进粒子群算法的光伏发电系统无功补偿方法，采用如下技术方案：
一种基于改进粒子群算法的光伏发电系统无功补偿方法，包括：
获取光伏发电系统的未来天气数据；
根据所获取的光伏发电系统的未来天气数据和光伏发电原理，计算光伏发电系统的线路损耗；
根据所述线路损耗以及预测的无功补偿模型，实现光伏系统的无功补偿；
其中，所述无功补偿模型以线路总网损最小为目标构建目标函数，采用改进的粒子群算法求解所述目标函数，优化光伏系统的无功补偿。
作为进一步的技术限定，所获取的未来天气数据包括温度、光照强度和天气类型；所述天气类型包括晴天、阴天、雨天和多云。
作为进一步的技术限定，基于光伏阵列的光生伏特效应，所述光伏发电系统将光能转换成电能，则光伏发电系统的工作状态满足：
Figure BDA0003768396400000031
其中，I表示光伏发电系统的输出电流，U表示光伏发电系统的输出电压，Isc表示光伏发电系统的短路电流，Uoc表示光伏发电系统的开路电压，C1与C2分别表示相关系数，且有：
Figure BDA0003768396400000032
Figure BDA0003768396400000033
其中，Um表示光伏发电系统的最大功率点运行电压，Im表示光伏发电系统的最大功率点运行电流，T表示光伏发电系统工作时的温度，S表示光伏发电系统工作时的光照强度。
进一步的，当光伏发电系统处于正常工作状态，光照强度不变时，光伏发电系统的输出功率随着温度的增加而减小；温度不变时，光伏发电系统的输出功率随光照强度的增加而增大；采用电导增量法实时跟踪光伏发电系统的最大输出功率。
进一步的，分别计算光伏并网前后的配电网线路有功网损，结合最大功率跟踪，得到配电网线路的有功网损随着光伏发电系统输出功率的增大而呈先降低后增加的趋势。
作为进一步的技术限定，以配电网线路的线路总网损最小为目标，所构建的无功补偿模型的目标函数floss为：
Figure BDA0003768396400000041
其中，ik为线路k的电流、Rk为线路k的电阻、n为系统线路数量、Pi为节点i的有功功率、Ppv为配电网并入的光伏发电系统的有功功率、Qi节点i的无功功率、Qpv为配电网并入的光伏发电系统的无功功率、Qc配电网并入的无功补偿装置的无功功率、Vk为线路k的电压。
作为进一步的技术限定，在无功补偿优化的过程中，通过引入惩罚函数来优化目标越界。
根据一些实施例，本公开的第二方案提供了一种基于改进粒子群算法的光伏发电系统无功补偿系统，采用如下技术方案：
一种基于改进粒子群算法的光伏发电系统无功补偿系统，包括：
获取模块，其被配置为获取光伏发电系统的未来天气数据；
计算模块，其被配置为根据所获取的光伏发电系统的未来天气数据和光伏发电原理，计算光伏发电系统的线路损耗；
无功补偿模块，其被配置为根据所述线路损耗以及预测的无功补偿模型，实现光伏系统的无功补偿；
其中，所述无功补偿模型以线路总网损最小为目标构建目标函数，采用改进的粒子群算法求解所述目标函数，优化光伏系统的无功补偿。
根据一些实施例，本公开的第三方案提供了一种计算机可读存储介质，采用如下技术方案：
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的基于改进粒子群算法的光伏发电系统无功补偿方法中的步骤。
根据一些实施例，本公开的第四方案提供了一种电子设备，采用如下技术方案：
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的基于改进粒子群算法的光伏发电系统无功补偿方法中的步骤。
与现有技术相比，本公开的有益效果为：
本公开根据未来一天光伏发电系统的温度和光照情况，得到光伏发电系统的输出功率、配电网的线路损耗和节点电压的变化，以线路有功损耗最小为优化目标，在满足线路电压波动符合国标要求的情况下，为光伏发电系统提供无功补偿策略；进而解决了光伏发电系统并网造成的电压抬升、并网点功率因数降低、有功损耗增加的问题，面向光伏发电系统内任意节点的无功补偿控制，有效保障了光伏发电系统的正常稳定运行。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1是本公开实施例一中的基于改进粒子群算法的光伏发电系统无功补偿方法的流程图；
图2是本公开实施例一中的实例应用示意图；
图3(a)是本公开实施例一中的光伏发电系统并在不同节点时的配电网电压分布示意图；
图3(b)是本公开实施例一中的在配电网的节点17并入不同容量的光伏发电系统时配电网的电压分布示意图；
图4是本公开实施例一中的光伏发电系统的输出功率日变化曲线图；
图5是本公开实施例一中的改进粒子群算法的无功功率优化结果的处理流程图；
图6是本公开实施例一中的无功优化补偿后配电网各节点的电压变化曲线图；
图7是本公开实施例一中的无功补偿装置输出无功功率变化曲线图；
图8是本公开实施例一中的无功补偿前后系统有功损耗的变化曲线图；
图9是本公开实施例二中的基于改进粒子群算法的光伏发电系统无功补偿系统的结构框图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例一
本公开实施例一介绍了一种基于改进粒子群算法的光伏发电系统无功补偿方法。
如图1所示的一种基于改进粒子群算法的光伏发电系统无功补偿方法，包括以下步骤：
步骤S01：获取气象局公布的光伏发电系统所在地未来一天的温度、光照强度和天气类型；
步骤S02：预测出未来一天光伏发电系统的工作状态、节点电压和配电网线路损耗的变化规律；
步骤S03：以线路有功损耗最小为优化目标，在满足线路电压波动符合国标要求的情况下，建立无功补偿优化模型；
步骤S04：用改进粒子群算法求解无功补偿模型，并将无功补偿装置的动作指令传送给无功补偿装置。
作为一种或多种实施方式，在步骤S01中，获取气象局公布的光伏发电系统所在地未来一天的温度、光照强度和天气类型，获取得到温度T，光照强度S，天气类型Wtype的相关情况，其中温度T和光照强度S为波动的数据，天气类型Wtype为晴天、阴天、雨天和多云；具体如表1所示：
表1气象数据
Figure BDA0003768396400000081
作为一种或多种实施方式，在步骤S02中，预测出未来一天光伏发电系统的工作状态、配电网线路损耗和节点电压的变化规律的具体过程为：
步骤S201：光伏发电系统利用光伏阵列的光生伏特效应将光能转换为电能，光伏发电系统的工作状态满足：
Figure BDA0003768396400000091
其中，I表示光伏发电系统的输出电流，U表示光伏发电系统的输出电压，Isc表示光伏发电系统的短路电流，Uoc表示光伏发电系统的开路电压，C1与C2分别表示相关系数，且有：
Figure BDA0003768396400000092
Figure BDA0003768396400000093
其中，Um表示光伏发电系统的最大功率点运行电压，Im表示光伏发电系统的最大功率点运行电流，T表示光伏发电系统工作时的温度，S表示光伏发电系统工作时的光照强度。
由公式(1)得，光伏发电系统的输出电流与输出电压之间存在着非线性关系，并且光伏发电系统的输出电流特性受温度和光照强度得影响很大。光伏发电系统正常工作的情况下，光照强度不变时，光伏发电系统的输出功率随着温度的增加而减小；温度不变时，光伏发电系统的输出功率随光照强度的增加而增大。
在本实施例中，采用电导增量法来实时跟踪光伏发电系统的最大输出功率，电导增量法的数学模型为：
Figure BDA0003768396400000101
光伏发电系统的输出功率与温度、光照强度和天气类型有关，输出功率的计算公式如下：
Figure BDA0003768396400000102
其中，α为天气类型影响因子，晴天、阴天、多云、雨天对应的值分别为1、0.8、0.8、0.5。
在本实施例中，以IEEE33系统为例，其基准电压为11kV、基准功率为10MW，应用示意图如图2所示。专利在10(PV1)、17(PV2)、26(PV3)节点并入光伏发电系统，其额定输出功率为500KW～2.5MW不等，光伏发电系统得并网容量符合国家标准《GB/T 19939-2005光伏系统并网技术要求》要求。光伏发电系统工作时的光照强度和温度变化情况如表1所示，实例中的天气类型为晴天，天气类型影响因子取值为1。
步骤S202：在光伏并网之前，配电网相邻节点之间的电压降落为：
Figure BDA0003768396400000103
配电网系统中任意节点k到母线根节点的电压降落值为：
Figure BDA0003768396400000111
配电网线路的实际情况更为复杂一些，一条配电线路会在不同节点接入不同的光伏发电系统以满足用户使用。假设配电网的任意节点m上的光伏发电系统输出的功率为Pm+jQm(若无光伏并网，则对应节点的并网光伏容量为0)，则节点m到根节点(UN)的电压降落和节点电压值为：
Figure BDA0003768396400000112
针对节点m，当该节点及之后节点的所有并网光伏发电系统的总容量小于对应的负荷等效有功功率时，各节点电压依然是逐渐降低的；当该节点及之后节点的所有并网光伏发电系统的总容量大于对应的负荷等效有功功率时，各节点电压会出现升高，甚至出现电压越限的情况。
在本实施例中，以IEEE33系统(基准容量为10MW)为例，探究光伏发电系统在不同并网点和不同并网容量的情况下对配电网的节点电压和线路损耗进行分析(利用无光伏发电系统并网的情况为空白对照，无光伏并网的节点处的光伏出力为0)，具体如下：
(1)分别在节点10、17和23节点将容量为1MW的光伏发电系统并入配电网；
(2)在17节点并入容量为500kW、1MW、1.5MW和2.5MW的光伏发电系统。配电网节点电压分布对比结果如图3(a)和图3(b)所示。
步骤S203：在光伏并网之前，配电网线路的总有功网损为：
Figure BDA0003768396400000121
光伏并网后，配电网线路的有功网损为：
Figure BDA0003768396400000122
在不并入光伏发电系统和节点10、17和23处并入光伏发电系统后，系统的有功线损率(有功损耗/系统用功功率*100％)分别为：7.8639 5.3328 6.4183 5.1611；在节点17并入容量为500kW、1MW、1.5MW和2.5MW的光伏发电系统后配电网的有功线损率变化为：7.0917，4.1097，4.7494，6.4274。配电网系统的有功网损会受到光伏并网点和并网容量的影响，且会随着光伏发电系统输出功率的增大而呈现先降低后增加的现象，光伏发电系统的输出功率日变化曲线如图4所示。
作为一种或多种实施方式，在步骤S03中，以线路有功损耗最小为优化目标，在满足线路电压波动符合国标要求的情况下，建立无功补偿优化模型；
本实施例中选择系统的关键节点是引入无功补偿装置，通过跟踪光伏出力的实时变化和出力波动，向系统中提供必要的无功功率补偿，以将电压稳定在国家标准规定的范围内，并使得系统有功网损降到最低。
在本实施例中，建立以系统有功网损最小为目标的无功补偿优化模型，优化目标函数为：
Figure BDA0003768396400000131
约束条件为：
0.93UN≤Upv,i≤1.97UN
0≤Ppv≤30％*Sb
0≤Qc≤Qc,max
Spv,i+Sgrid,i＝Si
Figure BDA0003768396400000132
其中，Sgrid,i为大电网向节点i提供的电量，Sb为系统基准容量(10MW)，Qc,max为无功功率补偿设备可以输出的最大无功功率(QN＝0.8Qmax，Qmax为无功补偿装置能够正常运行时可提供的最大无功功率)。
作为一种或多种实施方式，在步骤S04中，用改进粒子群算法求解无功补偿模型，并将无功补偿装置的动作指令传送给无功补偿装置，具体过程为：
步骤S401：选择21，24和32节点接入无功补偿装置(其实际接入位置可跟实际需要更改)，并采用改进粒子群算法进行最优值求解。根据其标准粒子群算法，其搜素更新公式为：
vi(t+1)＝ωvi(t)+c1r1(gbesti(t)-xi(t))+c2r2(pbesti(t)-xi(t))
xi(t+1)＝vi(t)+xi(t) (13)
其中，vi、xi分别是第i个粒子的速度和位置；ω为惯性权重；c1和c2分别是学子因子或加速系数；r1和r2为[0,1]的随机数；t为迭代次数；gbesti(t)为第t次迭代全局最优粒子无功出力值，pbesti(t)为粒子i第t次迭代个体最优无功出力值。
传统的粒子群算法在迭代的过程中会出现优化目标越限的情况，造成粒子在错误的方法迭代，最终陷入局部最优解。为此，本实施例引入惩罚函数来解决优化目标越限的问题：
a＝a+(Ui,c-Ui)^2 |Ui,c-UN|>0.05 (14)
其中，a是粒子群算法的适应度，Ui为配电网没有进行无功补偿时的节点电压；Ui,c为配电网进行无功补偿后的节点电压。
粒子的位置在迭代过程中有可能会进入错误的位置并陷入死循环，不利于寻找最优解，为此本实施例针对位置越限的粒子，处理方式为：
Figure BDA0003768396400000141
经过以上处理，可以有效解决优化目标越限和死循环的问题。
本实施例所采用的改进粒子群算法的主要参数设置如表2所示：
表2粒子群算法的主要参数：
Figure BDA0003768396400000142
Figure BDA0003768396400000151
步骤S402：改进粒子群算法的无功功率优化结果的处理流程如图5所示，将改进粒子群算法得到的无功出力情况(如图6所示)反馈给配电网的无功补偿装置，优化光伏发电系统的无功补偿效果，实例中无功补偿优化后一天24小时内的节点电压如图7所示，无功补偿后各节点电压的变化范围有效缩小了，并且均符合国标要求，无功补偿后配电网的有功线损率如图8所示，在进行无功补偿优化后，配电网的有功线损率大幅降低，有效提高了光伏发电系统的运行状态。
本实施例所提出的基于改进粒子群算法的光伏发电系统无功补偿方法可以根据光伏发电系统未来一天的出力情况，提供针对性的无功补偿，以改善节点电压波动超标和线路有功损耗提高的问题。
实施例二
本公开实施例二介绍了一种基于改进粒子群算法的光伏发电系统无功补偿系统。
如图9所示的一种基于改进粒子群算法的光伏发电系统无功补偿系统，包括：
获取模块，其被配置为获取光伏发电系统的未来天气数据；
计算模块，其被配置为根据所获取的光伏发电系统的未来天气数据和光伏发电原理，计算光伏发电系统的线路损耗；
无功补偿模块，其被配置为根据所述线路损耗以及预测的无功补偿模型，实现光伏系统的无功补偿；
其中，所述无功补偿模型以线路总网损最小为目标构建目标函数，采用改进的粒子群算法求解所述目标函数，优化光伏系统的无功补偿。
详细步骤与实施例一提供的基于改进粒子群算法的光伏发电系统无功补偿方法相同，在此不再赘述。
实施例三
本公开实施例三提供了一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例一所述的基于改进粒子群算法的光伏发电系统无功补偿方法中的步骤。
详细步骤与实施例一提供的基于改进粒子群算法的光伏发电系统无功补偿方法相同，在此不再赘述。
实施例四
本公开实施例四提供了一种电子设备。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例一所述的基于改进粒子群算法的光伏发电系统无功补偿方法中的步骤。
详细步骤与实施例一提供的基于改进粒子群算法的光伏发电系统无功补偿方法相同，在此不再赘述。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (10)

1.一种基于改进粒子群算法的光伏发电系统无功补偿方法，其特征在于，包括：
获取光伏发电系统的未来天气数据；
根据所获取的光伏发电系统的未来天气数据和光伏发电原理，计算光伏发电系统的线路损耗；
根据所述线路损耗以及预测的无功补偿模型，实现光伏系统的无功补偿；
其中，所述无功补偿模型以线路总网损最小为目标构建目标函数，采用改进的粒子群算法求解所述目标函数，优化光伏系统的无功补偿。
2.如权利要求1中所述的一种基于改进粒子群算法的光伏发电系统无功补偿方法，其特征在于，所获取的未来天气数据包括温度、光照强度和天气类型；所述天气类型包括晴天、阴天、雨天和多云。
3.如权利要求1中所述的一种基于改进粒子群算法的光伏发电系统无功补偿方法，其特征在于，基于光伏阵列的光生伏特效应，所述光伏发电系统将光能转换成电能，则光伏发电系统的工作状态满足：
Figure FDA0003768396390000011
其中，I表示光伏发电系统的输出电流，U表示光伏发电系统的输出电压，Isc表示光伏发电系统的短路电流，Uoc表示光伏发电系统的开路电压，C1与C2分别表示相关系数，且有：
Figure FDA0003768396390000021
Figure FDA0003768396390000022
其中，Um表示光伏发电系统的最大功率点运行电压，Im表示光伏发电系统的最大功率点运行电流，T表示光伏发电系统工作时的温度，S表示光伏发电系统工作时的光照强度。
4.如权利要求3中所述的一种基于改进粒子群算法的光伏发电系统无功补偿方法，其特征在于，当光伏发电系统处于正常工作状态，光照强度不变时，光伏发电系统的输出功率随着温度的增加而减小；温度不变时，光伏发电系统的输出功率随光照强度的增加而增大；采用电导增量法实时跟踪光伏发电系统的最大输出功率。
5.如权利要求4中所述的一种基于改进粒子群算法的光伏发电系统无功补偿方法，其特征在于，分别计算光伏并网前后的配电网线路有功网损，结合最大功率跟踪，得到配电网线路的有功网损随着光伏发电系统输出功率的增大而呈先降低后增加的趋势。
6.如权利要求1中所述的一种基于改进粒子群算法的光伏发电系统无功补偿方法，其特征在于，以配电网线路的线路总网损最小为目标，所构建的无功补偿模型的目标函数floss为：
Figure FDA0003768396390000031
其中，ik为线路k的电流、Rk为线路k的电阻、n为系统线路数量、Pi为节点i的有功功率、Ppv为配电网并入的光伏发电系统的有功功率、Qi节点i的无功功率、Qpv为配电网并入的光伏发电系统的无功功率、Qc配电网并入的无功补偿装置的无功功率、Vk为线路k的电压。
7.如权利要求1中所述的一种基于改进粒子群算法的光伏发电系统无功补偿方法，其特征在于，在无功补偿优化的过程中，通过引入惩罚函数来优化目标越界。
8.一种基于改进粒子群算法的光伏发电系统无功补偿系统，其特征在于，包括：
获取模块，其被配置为获取光伏发电系统的未来天气数据；
计算模块，其被配置为根据所获取的光伏发电系统的未来天气数据和光伏发电原理，计算光伏发电系统的线路损耗；
无功补偿模块，其被配置为根据所述线路损耗以及预测的无功补偿模型，实现光伏系统的无功补偿；
其中，所述无功补偿模型以线路总网损最小为目标构建目标函数，采用改进的粒子群算法求解所述目标函数，优化光伏系统的无功补偿。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的基于改进粒子群算法的光伏发电系统无功补偿方法中的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于改进粒子群算法的光伏发电系统无功补偿方法中的步骤。
CN202210893244.1A 2022-07-27 2022-07-27 基于改进粒子群算法的光伏发电系统无功补偿方法及系统 Active CN115133541B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210893244.1A CN115133541B (zh) 2022-07-27 2022-07-27 基于改进粒子群算法的光伏发电系统无功补偿方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210893244.1A CN115133541B (zh) 2022-07-27 2022-07-27 基于改进粒子群算法的光伏发电系统无功补偿方法及系统

Publications (2)

Publication Number Publication Date
CN115133541A true CN115133541A (zh) 2022-09-30
CN115133541B CN115133541B (zh) 2023-07-18

Family

ID=83386449

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210893244.1A Active CN115133541B (zh) 2022-07-27 2022-07-27 基于改进粒子群算法的光伏发电系统无功补偿方法及系统

Country Status (1)

Country Link
CN (1) CN115133541B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115800306A (zh) * 2023-02-06 2023-03-14 华南理工大学 考虑风机故障的风光储无功补偿方法、装置及介质
CN116683472A (zh) * 2023-04-28 2023-09-01 国网河北省电力有限公司电力科学研究院 无功功率补偿方法、装置、设备以及存储介质
CN117937502A (zh) * 2024-01-23 2024-04-26 东方电子股份有限公司 一种配电网的无功控制方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101882896A (zh) * 2010-07-12 2010-11-10 山东电力研究院 大规模光伏电站动态等值阻抗的建模方法
CN103326353A (zh) * 2013-05-21 2013-09-25 武汉大学 基于改进多目标粒子群算法的环境经济发电调度求解方法
US20150155712A1 (en) * 2013-09-09 2015-06-04 Inertech Ip Llc Multi-level medium voltage data center static synchronous compensator (dcstatcom) for active and reactive power control of data centers connected with grid energy storage and smart green distributed energy sources
CN106208090A (zh) * 2016-09-06 2016-12-07 国网湖北省电力公司宜昌供电公司 一种光伏发电接入的电压无功优化控制方法及系统
CN109274136A (zh) * 2018-10-24 2019-01-25 南京邮电大学 一种基于量子粒子群算法的光伏系统无功优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101882896A (zh) * 2010-07-12 2010-11-10 山东电力研究院 大规模光伏电站动态等值阻抗的建模方法
CN103326353A (zh) * 2013-05-21 2013-09-25 武汉大学 基于改进多目标粒子群算法的环境经济发电调度求解方法
US20150155712A1 (en) * 2013-09-09 2015-06-04 Inertech Ip Llc Multi-level medium voltage data center static synchronous compensator (dcstatcom) for active and reactive power control of data centers connected with grid energy storage and smart green distributed energy sources
CN106208090A (zh) * 2016-09-06 2016-12-07 国网湖北省电力公司宜昌供电公司 一种光伏发电接入的电压无功优化控制方法及系统
CN109274136A (zh) * 2018-10-24 2019-01-25 南京邮电大学 一种基于量子粒子群算法的光伏系统无功优化方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115800306A (zh) * 2023-02-06 2023-03-14 华南理工大学 考虑风机故障的风光储无功补偿方法、装置及介质
CN115800306B (zh) * 2023-02-06 2023-05-05 华南理工大学 考虑风机故障的风光储无功补偿方法、装置及介质
CN116683472A (zh) * 2023-04-28 2023-09-01 国网河北省电力有限公司电力科学研究院 无功功率补偿方法、装置、设备以及存储介质
CN117937502A (zh) * 2024-01-23 2024-04-26 东方电子股份有限公司 一种配电网的无功控制方法及系统
CN117937502B (zh) * 2024-01-23 2024-08-20 东方电子股份有限公司 一种配电网的无功控制方法及系统

Also Published As

Publication number Publication date
CN115133541B (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
CN115133541B (zh) 基于改进粒子群算法的光伏发电系统无功补偿方法及系统
Rajkumar et al. Techno-economical optimization of hybrid pv/wind/battery system using Neuro-Fuzzy
CN103944175B (zh) 风光储联合发电系统出力特性优化方法
CN105976055B (zh) 计及功率损耗的分布式光伏-储能系统出力优化及容量配置方法
CN109149562B (zh) 一种适用于交直流混联电网的经济调度方法及装置
Tian et al. A coordinated multi-time scale robust scheduling framework for isolated power system with ESU under high RES penetration
CN112632783B (zh) 一种光伏发电的仿真参数计算方法及设备
CN109462255B (zh) 一种基于储能系统的配电网光伏发电容量优化方法及系统
CN114243708B (zh) 一种基于交流模型的输电网扩展规划优化方法
CN113555908B (zh) 一种智能配电网储能优化配置方法
CN110098623B (zh) 一种基于智能负载的Prosumer单元控制方法
Nasrallah et al. Smart Grid-reliability, Security, Self-healing standpoint, and state of the art
Yang et al. Research on the reliability and capacity allocation of wind power-solar power-pumped storage hybrid power system
Ma et al. Research on reactive power and voltage characteristics analysis and reactive power configuration strategy of active distribution network
CN103019212A (zh) 基于干扰观测器的多光伏光柴混合系统协调控制方法
CN113013909A (zh) 一种基于平抑牵引的储能容量改进方法
Bingchen et al. Coordinated optimization scheduling of wind power, photovoltaic, photo-thermal and hydropower considering the schedulability of photo-thermal power stations
Chen et al. Power flow algorithm of DC distribution network with distributed energy access
Yu et al. Analysis of User Load Characteristics of Automatic Demand Response in Industrial Parks Based on Fuzzy C-means Clustering Algorithm
Zhang et al. Analysis of peak regulation strategy with considering renewable energy injection and power from outside
CN109343649A (zh) 一种分区间自寻优mppt太阳能发电控制方法
Hui et al. Risk Probability Assessment Method of Distribution Network with Integration of High-Proportion of Distributed Photovoltaic via Monte Carlo Simulation
Wang Key technologies in photovoltaic power generation systems
Choudhury et al. Power Tracking Capability Enhancement of a Grid-Tied Partially Shaded Photovoltaic System Through MPC Based Maximum Power Point Technique
Qi et al. Analysis on Voltage Fluctuation of Active Distribution Network Containing Wind-solar Hybrid Distributed Generation

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