CN115207935A - 一种提高电压薄弱区域暂态电压稳定的无功协调优化方法 - Google Patents

一种提高电压薄弱区域暂态电压稳定的无功协调优化方法 Download PDF

Info

Publication number
CN115207935A
CN115207935A CN202211107366.XA CN202211107366A CN115207935A CN 115207935 A CN115207935 A CN 115207935A CN 202211107366 A CN202211107366 A CN 202211107366A CN 115207935 A CN115207935 A CN 115207935A
Authority
CN
China
Prior art keywords
reactive power
weak
voltage
optimization
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
CN202211107366.XA
Other languages
English (en)
Other versions
CN115207935B (zh
Inventor
陈波
刘柳
郭培
程思萌
陶翔
汪硕承
周煦光
戈田平
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 Corp of China SGCC
Wuhan University WHU
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Wuhan University WHU
Electric Power Research Institute of State Grid Jiangxi 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 Corp of China SGCC, Wuhan University WHU, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202211107366.XA priority Critical patent/CN115207935B/zh
Publication of CN115207935A publication Critical patent/CN115207935A/zh
Application granted granted Critical
Publication of CN115207935B publication Critical patent/CN115207935B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • 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]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/30—Reactive power compensation

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开一种提高电压薄弱区域暂态电压稳定的无功协调优化方法，方法包括：利用暂态电压稳定系数和无功补偿系数来划分协调控制薄弱区域和敏感同步发电机，以缩小协调控制的范围，减少协调控制所带来的不利影响；通过考虑使系统暂态电压稳定裕度最大、稳态电压偏移最小为优化目标，建立了以敏感发电机和薄弱区域变电站电容电抗器的稳态无功出力为控制对象的多目标优化模型；求解模型得到pareto最优解集获取厂站无功协调备选方案，并评价各个备选方案的优劣程度，给出评价结果最优的协调控制方案。通过确定电网电压薄弱区域和对电压稳定具有重要影响的敏感机组，采取稳态无功协调的方式，提升电力系统的暂态电压稳定性。

Description

一种提高电压薄弱区域暂态电压稳定的无功协调优化方法
技术领域
本发明属于电力自动化技术领域，尤其涉及一种提高电压薄弱区域暂态电压稳定的无功协调优化方法。
背景技术
目前，围绕受端电网面临的暂态电压稳定问题，解决方案多种多样。传统的方法是在换流站内加装调相机以及紧急切负荷控制。加装调相机会提高系统的运行建设成本，而紧急切负荷控制则会造成一定的社会经济损失。针对传统方法存在的不足，已有大量的学者提出了各种控制措施，主要可以分为动态紧急控制和稳态预防控制。在动态紧急方面，有的研究从调整直流控制的角度着手，通过优化改进低压限流环节参数，优化换相失败预测参数，电流控制器参数，来减少逆变侧换流器在故障暂态恢复期间所吸收的无功功率；也有相关研究通过对系统中的动态无功源例如发电机、调相机，进行励磁参数优化，提升其动态无功响应能力。
稳态预防控制也是提升系统暂态电压稳定性的一个重要手段，然而目前相关的研究还鲜有涉及。有相关研究通过分析同步发电机和电容电抗器在故障暂态期间的无功出力特性，指出在系统稳态运行时通过厂站无功协调，增大同步发电机的无功出力占比，减小变电站电容器的无功出力占比，能够增强系统的动态无功支撑能力，抵御故障冲击。虽然厂站无功协调能够提高暂态电压稳定，但其对稳态电压质量的影响也不可忽视，当变电站电容器无功出力占比减小时，会在一定程度上使稳态电压降低，从而影响供电质量，给参与协调控制的区域带来不利影响。因此，如何给出具体的厂站无功协调出力占比方案，使得暂态电压稳定提高的同时也能兼顾稳态电压质量，是值得研究的问题。
发明内容
本发明提供一种提高电压薄弱区域暂态电压稳定的无功协调优化方法，用于解决无法给出具体的厂站无功协调出力占比方案，使得暂态电压稳定提高的同时也能兼顾稳态电压质量的技术问题。
本发明提供一种提高电压薄弱区域暂态电压稳定的无功协调优化方法，包括：
获取电力系统的预想故障集和确定运行方式，并根据暂态电压稳定系数和AP聚类算法确定电网薄弱区域；
计算所有同步发电机的无功补偿系数，并根据所述无功补偿系数定位影响所述电网薄弱区域暂态电压稳定的敏感同步发电机；
以所述电网薄弱区域和所述敏感同步发电机作为控制对象，建立无功协调优化控制多目标优化模型，所述无功协调优化控制多目标优化模型包括：以电力系统内各节点的电压不超过电压约束、参与协调控制的发电机组的无功出力不超过其输出允许范围、参与协调控制的变电站所投切的电容电抗器组数不超过其允许投切组数范围为约束条件；以及在所述约束条件下以系统暂态电压稳定裕度最大、稳态电压偏移最小为优化目标；
求解所述无功协调优化控制多目标优化模型，得到厂站无功协调控制的pareto最优解集，即得到厂站无功协调控制备选方案，并对所求解出的所述厂站无功协调控制备选方案进行综合评价，选取贴近度最高的解作为厂站无功协调控制方案。
在一些可选的实施例中，其中，计算所有同步发电机的无功补偿系数的表达式为：
Figure 182726DEST_PATH_IMAGE001
，
式中，
Figure 752904DEST_PATH_IMAGE002
为同步发电机
Figure 910215DEST_PATH_IMAGE003
的无功补偿系数，
Figure 562914DEST_PATH_IMAGE004
为同步发电机
Figure 198294DEST_PATH_IMAGE003
的暂态电压稳定裕 度，
Figure 620048DEST_PATH_IMAGE005
为同步发电机
Figure 948262DEST_PATH_IMAGE003
的无功-电压灵敏度，
Figure 822677DEST_PATH_IMAGE006
为薄弱节点的个数，
Figure 527328DEST_PATH_IMAGE007
为薄弱节点j的暂态 电压稳定裕度，
Figure 69167DEST_PATH_IMAGE008
为薄弱节点j的电压对发电机g无功变化的灵敏度。
在一些可选的实施例中，所述根据所述无功补偿系数定位影响所述电网薄弱区域暂态电压稳定的敏感同步发电机，包括：
获取所述预想故障集中所有故障的暂态电压稳定裕度，以暂态电压稳定裕度最小 对应的故障，作为最严重故障
Figure 302703DEST_PATH_IMAGE009
；
将所述电网薄弱区域内的节点，作为薄弱节点，并在确定运行方式和最严重故障
Figure 929993DEST_PATH_IMAGE010
下，通过PSASP进行潮流计算与暂态稳定仿真计算，得到无功补偿系数；
根据所述无功补偿系数确定影响所述电网薄弱区域暂态电压稳定的敏感同步发电机。
在一些可选的实施例中，所述以所述电网薄弱区域和所述敏感同步发电机作为控制对象，建立无功协调优化控制多目标优化模型，包括：
将所述电网薄弱区域的电容器投切组数、电抗器投切组数以及所述敏感同步发电机的无功出力设置为决策变量；
基于所述决策变量建立无功协调优化控制多目标优化模型。
在一些可选的实施例中，其中，所述无功协调优化控制多目标优化模型的优化目标的函数表达式为：
Figure 641597DEST_PATH_IMAGE011
，
式中，
Figure 303523DEST_PATH_IMAGE012
为敏感同步发电机的无功出力，
Figure 707959DEST_PATH_IMAGE013
为电网薄弱区域的电容器和电抗器的 投切组数，
Figure 822546DEST_PATH_IMAGE014
为薄弱节点的个数，
Figure 337841DEST_PATH_IMAGE015
为电网薄弱节点i的暂态电压稳定裕度，
Figure 854273DEST_PATH_IMAGE016
为节点i的稳 态电压，
Figure 429610DEST_PATH_IMAGE017
为节点i的额定电压参考值，
Figure 31493DEST_PATH_IMAGE018
为电网薄弱节点暂态电压稳定裕度的加权求和，
Figure 350479DEST_PATH_IMAGE019
为网薄弱节点的稳态电压偏量。
在一些可选的实施例中，其中，所述无功协调优化控制多目标优化模型的约束条件的函数表达式为：
Figure 721417DEST_PATH_IMAGE020
，
式中，
Figure 730306DEST_PATH_IMAGE021
为节点i的电压，
Figure 288326DEST_PATH_IMAGE022
为节点i的电压下限，
Figure 676582DEST_PATH_IMAGE023
为节点i的电压上限，
Figure 636448DEST_PATH_IMAGE024
为敏感同步发电机无功出力的下限，
Figure 819168DEST_PATH_IMAGE025
为敏感同步发电机无功出力，
Figure 130063DEST_PATH_IMAGE026
为敏感同 步发电机无功出力的上限，
Figure 56431DEST_PATH_IMAGE027
为电网薄弱区域变电站j的电容器投切组数的下限，
Figure 870803DEST_PATH_IMAGE028
为电网薄弱区域变电站j的电容器投切组数，
Figure 490003DEST_PATH_IMAGE029
为电网薄弱区域变电站j的电容器投切 组数的上限，
Figure 22616DEST_PATH_IMAGE030
为电网薄弱区域变电站j的电抗器投切组数的下限，
Figure 487095DEST_PATH_IMAGE031
为电网薄弱区 域变电站j的电抗器投切组数，
Figure 421553DEST_PATH_IMAGE032
为电网薄弱区域变电站j的电抗器投切组数的上限，
Figure 211655DEST_PATH_IMAGE033
为节点总数，
Figure 965984DEST_PATH_IMAGE034
为敏感同步发电机总数，
Figure 499734DEST_PATH_IMAGE035
为投切总组数。
在一些可选的实施例中，所述求解所述无功协调优化控制多目标优化模型，包括：
采用MOEA/D算法求解所述无功协调优化控制多目标优化模型，其中，具体求解过程为：
步骤S11、初始化MOEA/D算法的基本参数，所述基本参数包括种群大小、迭代次数；
步骤S12、设置需要参与协调控制的敏感同步发电机的无功出力
Figure 288698DEST_PATH_IMAGE036
，变电站的电 容器投切组数
Figure 984122DEST_PATH_IMAGE037
、变电站的电抗器投切组数
Figure 491326DEST_PATH_IMAGE038
为粒子，并设置pareto最优解集为空集，将多 目标优化问题分解为
Figure 563188DEST_PATH_IMAGE039
个单目标优化子问题，每个优化子问题表述为：
Figure 206659DEST_PATH_IMAGE040
，
式中，
Figure 338563DEST_PATH_IMAGE041
为种群中的可行解，
Figure 335993DEST_PATH_IMAGE042
为优化目标函数的数量，
Figure 945966DEST_PATH_IMAGE043
；
Figure 975102DEST_PATH_IMAGE044
为分解后的单目标 优化优化子问题，分别对应权重向量
Figure 746749DEST_PATH_IMAGE045
，
Figure 228546DEST_PATH_IMAGE046
为第1组权重，
Figure 642210DEST_PATH_IMAGE047
为第N组权重；
Figure 525852DEST_PATH_IMAGE048
，其中
Figure 468400DEST_PATH_IMAGE049
，
Figure 437493DEST_PATH_IMAGE050
为第i组权重在第1个优化子目标函数上的分量，
Figure 389269DEST_PATH_IMAGE051
为第i组 权重在第2个优化子目标函数上的分量，
Figure 127418DEST_PATH_IMAGE052
为初始化目标值，
Figure 506446DEST_PATH_IMAGE053
为第e组权重向量，
Figure 962835DEST_PATH_IMAGE054
为 优化目标函数值；
找出距离权重向量
Figure 452723DEST_PATH_IMAGE055
最近的
Figure 310957DEST_PATH_IMAGE056
权重向量，形成领域
Figure 126466DEST_PATH_IMAGE057
，
Figure 538993DEST_PATH_IMAGE058
为第1组邻 近向量，
Figure 832571DEST_PATH_IMAGE059
为第T组邻近向量，在可行空间内随机产生初始种群
Figure 545312DEST_PATH_IMAGE060
，
Figure 266144DEST_PATH_IMAGE061
为种群中的第 1个可行解，
Figure 697125DEST_PATH_IMAGE062
为种群中的第N个可行解，并计算每个种群的目标函数值
Figure 549323DEST_PATH_IMAGE063
，初始 化目标值
Figure 116570DEST_PATH_IMAGE064
，
Figure 8303DEST_PATH_IMAGE065
为第1个优化子目标的函数值，
Figure 661001DEST_PATH_IMAGE066
为第2个优化子目标的函数值，
Figure 296382DEST_PATH_IMAGE067
，
Figure 983715DEST_PATH_IMAGE068
为种群中目标函数的最优值；
步骤S13、从每一个种群的领域中随机选取两个权重向量
Figure 46349DEST_PATH_IMAGE069
，并由
Figure 186343DEST_PATH_IMAGE070
产生 新的解
Figure 625415DEST_PATH_IMAGE071
，然后根据启发式算法由
Figure 901675DEST_PATH_IMAGE072
产生一个改进解
Figure 400790DEST_PATH_IMAGE073
，若
Figure 762501DEST_PATH_IMAGE074
，则更新种群，并令
Figure 739684DEST_PATH_IMAGE075
，否则不更新，若对于任意的
Figure 401610DEST_PATH_IMAGE076
，若有
Figure 71626DEST_PATH_IMAGE077
，则令
Figure 655054DEST_PATH_IMAGE078
，
Figure 701507DEST_PATH_IMAGE079
，更新pareto最优解集。
步骤S14、如果达到最大迭代次数，则停止迭代，否则返回步骤S13。
在一些可选的实施例中，所述对所求解出的所述厂站无功协调控制方案备选进行综合评价，包括：
采用TOPSIS综合评价法对所求解出的所述厂站无功协调控制方案备选进行综合评价，其中，具体综合评价过程为：
步骤S21、构造决策矩阵
Figure 952360DEST_PATH_IMAGE080
，表达式为：
Figure 793277DEST_PATH_IMAGE081
，
式中，h为方案个数，
Figure 864001DEST_PATH_IMAGE082
为指标个数，
Figure 448566DEST_PATH_IMAGE083
为第
Figure 822434DEST_PATH_IMAGE084
个方案中第
Figure 568673DEST_PATH_IMAGE085
个指标的值；
步骤S22、对决策矩阵
Figure 657852DEST_PATH_IMAGE080
进行规范化处理，处理方法为：
Figure 514950DEST_PATH_IMAGE086
，
式中，
Figure 5974DEST_PATH_IMAGE087
为规范化处理后的第
Figure 923114DEST_PATH_IMAGE084
个方案中第
Figure 234010DEST_PATH_IMAGE085
个指标的值。
步骤S23、确定正负理想解：
正理想解为：
Figure 160378DEST_PATH_IMAGE088
，
负理想解为：
Figure 240329DEST_PATH_IMAGE089
；
步骤S24、计算各方案与正负理想解的贴近度：
Figure 593950DEST_PATH_IMAGE090
，
式中，
Figure 126563DEST_PATH_IMAGE091
为第
Figure 856621DEST_PATH_IMAGE084
个方案与正理想解的贴近度，
Figure 791079DEST_PATH_IMAGE092
为第
Figure 50022DEST_PATH_IMAGE084
个方案与负理想解的贴近 度；
步骤S25、计算各方案和最优方案之间的贴近度：
Figure 335510DEST_PATH_IMAGE093
，
式中，
Figure 869260DEST_PATH_IMAGE094
为第
Figure 658224DEST_PATH_IMAGE084
个方案的贴近度，越接近于1代表第
Figure 353648DEST_PATH_IMAGE095
个方案的贴近度越高，方案越 优。
本申请的一种提高电压薄弱区域暂态电压稳定的无功协调优化方法，通过确定电网电压薄弱区域和对电压稳定具有重要影响的敏感机组，采取稳态无功协调的方式，提升电力系统的暂态电压稳定性，同时考虑系统的稳态电压质量，缩小协调控制带来的不利影响。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种提高电压薄弱区域暂态电压稳定的无功协调优化方法的流程图；
图2为本发明一实施例提供的电网网架结构图；
图3为本发明一实施例提供的500kv母线电压协调控制前后的曲线图；
图4为本发明一实施例提供的电厂无功出力协调控制前后的曲线图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
请参阅图1，其示出了本申请的一种提高电压薄弱区域暂态电压稳定的无功协调优化方法的流程图。
如图1所示，一种提高电压薄弱区域暂态电压稳定的无功协调优化方法的具体步骤包括：
步骤S101，获取电力系统的预想故障集和确定运行方式，并根据暂态电压稳定系数和AP聚类算法确定电网薄弱区域。
在本实施例中，基于电力系统预想故障集，利用PSASP（电力系统综合分析程序）进行故障仿真计算，得到所有待评估节点的暂态电压响应曲线，并计算节点的暂态电压稳定裕度，其中，计算暂态电压稳定裕度的表达式为：
Figure 860852DEST_PATH_IMAGE096
，
式中，
Figure 932714DEST_PATH_IMAGE097
为节点
Figure 576184DEST_PATH_IMAGE098
在故障
Figure 705159DEST_PATH_IMAGE099
下的暂态电压稳定裕度，
Figure 699660DEST_PATH_IMAGE100
为跌落区间
Figure 309633DEST_PATH_IMAGE101
的积分权重，
Figure 73189DEST_PATH_IMAGE102
为电压参考值，
Figure 110415DEST_PATH_IMAGE103
为节点
Figure 326633DEST_PATH_IMAGE098
响应故障
Figure 740297DEST_PATH_IMAGE099
的实时电压值，
Figure 623939DEST_PATH_IMAGE104
为跌落区间
Figure 832067DEST_PATH_IMAGE105
的积分权重，
Figure 801160DEST_PATH_IMAGE106
为电压跌落低于
Figure 752935DEST_PATH_IMAGE107
的时刻，
Figure 491084DEST_PATH_IMAGE108
为电压恢复高于
Figure 870113DEST_PATH_IMAGE109
的时刻，
Figure 326502DEST_PATH_IMAGE110
为电压跌落低于
Figure 816389DEST_PATH_IMAGE111
的时 刻，
Figure 674624DEST_PATH_IMAGE112
为电压恢复高于
Figure 958974DEST_PATH_IMAGE111
的时刻，
Figure 902660DEST_PATH_IMAGE113
为电压跌落低于
Figure 196238DEST_PATH_IMAGE114
的时刻，
Figure 908979DEST_PATH_IMAGE115
为电压跌落低于
Figure 629810DEST_PATH_IMAGE116
的时刻，
Figure 798142DEST_PATH_IMAGE117
为跌落区间
Figure 895411DEST_PATH_IMAGE118
的电压临界参考稳定值，
Figure 462659DEST_PATH_IMAGE119
为跌落区间
Figure 354391DEST_PATH_IMAGE120
的电压临界参 考稳定值，
Figure 7089DEST_PATH_IMAGE116
为跌落区间
Figure 642470DEST_PATH_IMAGE121
的电压临界参考稳定值；
根据计算得到的节点暂态电压稳定裕度，对系统中的各母线i在不同的故障场景j之下的多二元表暂态电压稳定裕度指标进行整合，可构造出多二元表暂态电压稳定裕度矩阵，用于描述系统母线响应不同的故障场景的暂态电压稳定特征，以构成暂态电压特征向量。如下式所示：
Figure 329803DEST_PATH_IMAGE122
，
式中，
Figure 658017DEST_PATH_IMAGE123
为节点
Figure 532432DEST_PATH_IMAGE124
在故障场景
Figure 971503DEST_PATH_IMAGE125
下的暂态电压稳定裕度，
Figure 247764DEST_PATH_IMAGE126
(i代表第i行，j代 表第j列)为节点i在故障场景j下的暂态稳定裕度,
Figure 746878DEST_PATH_IMAGE127
为待分区的母线条数，
Figure 108589DEST_PATH_IMAGE128
为故障场景 个数。
使用余弦相似度对节点暂态电压特征进行相似性评估，其中节点的余弦相似度计算方法如下式所示：
Figure 351352DEST_PATH_IMAGE129
，
式中，
Figure 482119DEST_PATH_IMAGE130
为节点
Figure 152135DEST_PATH_IMAGE124
的暂态电压特征向量，
Figure 1142DEST_PATH_IMAGE131
为节点
Figure 47596DEST_PATH_IMAGE132
的暂态电压特征向量，
Figure 32869DEST_PATH_IMAGE133
为 节点
Figure 873786DEST_PATH_IMAGE132
的暂态电压特征向量的转置，
Figure 210090DEST_PATH_IMAGE134
为节点
Figure 791725DEST_PATH_IMAGE124
的暂态电压特征向量的模值，
Figure 897084DEST_PATH_IMAGE135
为节点
Figure 908903DEST_PATH_IMAGE132
的暂态电压特征向量的模值，
Figure 732502DEST_PATH_IMAGE136
为节点
Figure 855179DEST_PATH_IMAGE124
在故障场景
Figure 815045DEST_PATH_IMAGE125
下的暂态电压稳定裕度，
Figure 263343DEST_PATH_IMAGE137
为节点
Figure 574239DEST_PATH_IMAGE132
在故障场景
Figure 235028DEST_PATH_IMAGE125
下的暂态电压稳定裕度，
Figure 314979DEST_PATH_IMAGE138
为某个故障场景序号，W为故障场景总个数；可知 余弦相似度
Figure 668600DEST_PATH_IMAGE139
，其数值越大表示相似度越高。
计算AP节点相似度矩阵S。由于AP聚类算法的相似度矩阵 S 中的非对角线元素定义为负值，其值越大表示相似性越高，因此定义AP相似度矩阵非对角元素计算公式如下 ：
Figure 201212DEST_PATH_IMAGE140
，
式中，
Figure 931271DEST_PATH_IMAGE141
为AP节点相似度矩阵S的第
Figure 865729DEST_PATH_IMAGE142
行第
Figure 390251DEST_PATH_IMAGE143
列元素，对应节点
Figure 675739DEST_PATH_IMAGE142
和节点
Figure 678330DEST_PATH_IMAGE143
之间 的相似度，
Figure 467295DEST_PATH_IMAGE144
为AP节点相似度矩阵S其余非对角元素的中位数；
而相似度矩阵的对角线元素为相应数据点的参考度，表示其成为聚类中心的可能性，一般统一取值为所有非对角线元素的中位数，获得数量合适的簇个数。
计算节点吸引度矩阵R和归属度矩阵A。迭代前初始化吸引度矩阵R和归属度矩阵A为零矩阵，计算公式如下：
Figure 428297DEST_PATH_IMAGE145
，
式中，
Figure 935502DEST_PATH_IMAGE146
为吸引度矩阵R的第
Figure 741784DEST_PATH_IMAGE147
行第
Figure 919343DEST_PATH_IMAGE148
列元素，对应更新的节点
Figure 520089DEST_PATH_IMAGE147
和节点
Figure 780169DEST_PATH_IMAGE148
间的 吸引度，
Figure 124563DEST_PATH_IMAGE149
为相似度矩阵S的第
Figure 153698DEST_PATH_IMAGE147
行第
Figure 190925DEST_PATH_IMAGE148
列元素，
Figure 672721DEST_PATH_IMAGE150
为相似度矩阵S的第
Figure 820806DEST_PATH_IMAGE147
行第
Figure 704448DEST_PATH_IMAGE151
列元 素，
Figure 912576DEST_PATH_IMAGE152
为相似度矩阵S的第
Figure 881669DEST_PATH_IMAGE148
行第
Figure 567865DEST_PATH_IMAGE148
列元素，
Figure 571593DEST_PATH_IMAGE153
为相似度矩阵S的第
Figure 950622DEST_PATH_IMAGE148
行第
Figure 407011DEST_PATH_IMAGE151
列元 素，
Figure 896898DEST_PATH_IMAGE154
为归属度矩阵
Figure 489554DEST_PATH_IMAGE155
的第
Figure 305063DEST_PATH_IMAGE147
行第
Figure 983169DEST_PATH_IMAGE151
列元素；
归属度矩阵
Figure 542326DEST_PATH_IMAGE155
的元素更新规则为：
Figure 989488DEST_PATH_IMAGE156
，
式中，
Figure 707390DEST_PATH_IMAGE157
为归属度矩阵A的第
Figure 872792DEST_PATH_IMAGE147
行第
Figure 970061DEST_PATH_IMAGE148
列元素，对应更新的节点
Figure 537308DEST_PATH_IMAGE147
和节点
Figure 429041DEST_PATH_IMAGE148
间的 归属度，
Figure 347318DEST_PATH_IMAGE158
为吸引度矩阵
Figure 248278DEST_PATH_IMAGE159
的第
Figure 404453DEST_PATH_IMAGE132
行第
Figure 732666DEST_PATH_IMAGE132
列元素，
Figure 872661DEST_PATH_IMAGE160
为吸引度矩阵
Figure 577312DEST_PATH_IMAGE159
的第
Figure 853572DEST_PATH_IMAGE151
行第
Figure 352687DEST_PATH_IMAGE132
列 元素；
设置阻尼系数
Figure 714398DEST_PATH_IMAGE161
，以便迭代收敛，其迭代表达式为：
Figure 957160DEST_PATH_IMAGE162
，
式中，
Figure 87927DEST_PATH_IMAGE163
为第t+1次迭代的归属度矩阵A的第
Figure 757943DEST_PATH_IMAGE147
行第
Figure 872530DEST_PATH_IMAGE148
列元素，
Figure 387825DEST_PATH_IMAGE164
为第t次迭 代的归属度矩阵A的第
Figure 907186DEST_PATH_IMAGE147
行第
Figure 482524DEST_PATH_IMAGE148
列元素；
选取各点聚类中心。迭代收敛或达到最大迭代次数后结束后，得到电网区域划分结果。点i的聚类中心选取依据如下式：
Figure 84407DEST_PATH_IMAGE165
，
式中，
Figure 403393DEST_PATH_IMAGE166
为最大元素对应的k值，
Figure 774331DEST_PATH_IMAGE167
为节点i的聚类中心序号。
计算各节点的暂态电压稳定系数，并根据得到的区域划分结果，将暂态电压稳定系数较小的区域作为暂态电压稳定薄弱区域。
步骤S102，计算所有同步发电机的无功补偿系数，并根据所述无功补偿系数定位影响所述电网薄弱区域暂态电压稳定的敏感同步发电机。
在本实施中，通过灵敏度分析，可以确定出一批对薄弱节点电压具有较大影响的同步发电机。同步发电机的无功电压灵敏度定义为：
Figure 786149DEST_PATH_IMAGE168
，
式中，
Figure 344170DEST_PATH_IMAGE169
为同步发电机
Figure 732426DEST_PATH_IMAGE170
的无功-电压灵敏度，
Figure 692291DEST_PATH_IMAGE171
为薄弱节点的个数，
Figure 875011DEST_PATH_IMAGE172
为薄弱节 点j的暂态电压稳定裕度，
Figure 185907DEST_PATH_IMAGE173
为薄弱节点j的电压对发电机g无功变化的灵敏度；
在确定无功补偿点时，不仅要考虑节点的无功输出对于其它节点的影响，同时也要考虑无功补偿点本身的电压稳定性，当无功补偿点的电压稳定裕度较小时，应当进行就近补偿。因此在选择敏感发电机时，综合考虑节点本身的电压稳定裕度和无功变化对薄弱节点的平均影响，定义了发电机无功补偿系数：
Figure 112274DEST_PATH_IMAGE174
，
式中，
Figure 926647DEST_PATH_IMAGE175
为同步发电机
Figure 280268DEST_PATH_IMAGE170
的无功补偿系数，
Figure 78459DEST_PATH_IMAGE176
为同步发电机
Figure 808518DEST_PATH_IMAGE170
的暂态电压稳定裕 度。
步骤S103，以所述电网薄弱区域和所述敏感同步发电机作为控制对象，建立无功协调优化控制多目标优化模型，所述无功协调优化控制多目标优化模型包括：以电力系统内各节点的电压不超过电压约束、参与协调控制的发电机组的无功出力不超过其输出允许范围、参与协调控制的变电站所投切的电容电抗器组数不超过其允许投切组数范围为约束条件；以及在所述约束条件下以系统暂态电压稳定裕度最大、稳态电压偏移最小为优化目标。
在本实施例中，同步发电机和电容电抗器在故障暂态期间的无功出力特性不同： 同步发电机的无功功率输出会受内电势
Figure 477397DEST_PATH_IMAGE177
影响,而发电机内电势
Figure 1919DEST_PATH_IMAGE178
由故障前运行状态决 定。发电机稳态发出无功越多，内电势值越大，则暂态期间输出无功越多，有助于提升其暂 态无功支撑能力。电容并联母线电压下降时，电容无功补偿能力将随电压二次方下降。因此 系统稳态投入的并联电容组数越多，故障发生后的电压跌落过程中，系统无功缺额将更大， 将持续恶化电压跌落情况，严重威胁电网安全运行。
因此，可以利用厂站无功协调控制，在稳态运行时提升发电厂的同步发电机的稳态无功出力，降低500kv变电站的电容器的无功出力可以提升系统的暂态电压稳定特性。然而厂站无功协调不仅会影响到系统的暂态电压稳定性，当变电站内电容器无功出力降低时，也会影响节点的稳态电压质量，尤其是变电站电容器无功减小的过多时，会造成母线电压偏离额定电压过大，威胁系统的稳态安全稳定运行。针对上述问题，以电压薄弱区域和敏感机组作为协调控制对象，缩小厂站无功协调控制的不利影响范围；综合考虑系统的暂态电压稳定裕度和稳态电压质量，构造了多目标优化函数：
Figure 287407DEST_PATH_IMAGE179
，
式中，
Figure 289998DEST_PATH_IMAGE180
为敏感同步发电机的无功出力，
Figure 344541DEST_PATH_IMAGE181
为电网薄弱区域的电容器和电抗器的 投切组数，
Figure 39965DEST_PATH_IMAGE182
为薄弱节点的个数，
Figure 567678DEST_PATH_IMAGE183
为电网薄弱节点i的暂态电压稳定裕度，
Figure 373960DEST_PATH_IMAGE184
为节点i的稳 态电压，
Figure 548589DEST_PATH_IMAGE185
为节点i的额定电压参考值，
Figure 149335DEST_PATH_IMAGE186
为电网薄弱节点暂态电压稳定裕度的加权求和，
Figure 409415DEST_PATH_IMAGE187
为网薄弱节点的稳态电压偏量。
以电力系统内各节点的电压不超过电压约束、参与协调控制的发电机组无功不超过其输出允许范围、参与协调控制的变电站所投切的电容电抗器组数不超过其允许投切组数范围作为其约束条件：
Figure 753808DEST_PATH_IMAGE020
，
式中，
Figure 517365DEST_PATH_IMAGE188
为节点i的电压，
Figure 554591DEST_PATH_IMAGE189
为节点i的电压下限，
Figure 301967DEST_PATH_IMAGE190
为节点i的电压上限，
Figure 450052DEST_PATH_IMAGE191
为敏感同步发电机无功出力的下限，
Figure 333694DEST_PATH_IMAGE192
为敏感同步发电机无功出力，
Figure 541822DEST_PATH_IMAGE193
为敏感同 步发电机无功出力的上限，
Figure 510915DEST_PATH_IMAGE194
为电网薄弱区域变电站j的电容器投切组数的下限，
Figure 197111DEST_PATH_IMAGE195
为电网薄弱区域变电站j的电容器投切组数，
Figure 200839DEST_PATH_IMAGE196
为电网薄弱区域变电站j的电容器投切 组数的上限，
Figure 579868DEST_PATH_IMAGE197
为电网薄弱区域变电站j的电抗器投切组数的下限，
Figure 770678DEST_PATH_IMAGE198
为电网薄弱区 域变电站j的电抗器投切组数，
Figure 526144DEST_PATH_IMAGE199
为电网薄弱区域变电站j的电抗器投切组数的上限，
Figure 384379DEST_PATH_IMAGE200
为节点总数，
Figure 934309DEST_PATH_IMAGE201
为敏感同步发电机总数，
Figure 880924DEST_PATH_IMAGE035
为投切总组数。
步骤S104，求解所述无功协调优化控制多目标优化模型，得到厂站无功协调控制的pareto最优解集，即得到厂站无功协调控制备选方案，并对所求解出的所述厂站无功协调控制方案备选进行综合评价，选取贴近度最高的解作为厂站无功协调控制方案。
在本实施例中，采用MOEA/D算法求解所述无功协调优化控制多目标优化模型，得到厂站无功协调控制的pareto最优解集，即得到厂站无功协调控制备选方案，并采用TOPSIS综合评价法对所求解出的所述厂站无功协调控制备选方案进行综合评价，选取贴近度最高的解作为厂站无功协调控制方案。
需要说明的是，具体求解过程为：
步骤S11、初始化MOEA/D算法的基本参数，所述基本参数包括种群大小、迭代次数；
步骤S12、设置需要参与协调控制的敏感同步发电机的无功出力
Figure 908922DEST_PATH_IMAGE202
，变电站的电 容器投切组数
Figure 621664DEST_PATH_IMAGE203
、变电站的电抗器投切组数
Figure 342495DEST_PATH_IMAGE204
为粒子，并设置pareto最优解集为空集，将多 目标优化问题分解为
Figure 773476DEST_PATH_IMAGE205
个单目标优化子问题，每个优化子问题表述为：
Figure 605166DEST_PATH_IMAGE040
，
式中，
Figure 172414DEST_PATH_IMAGE041
为种群中的可行解，
Figure 64146DEST_PATH_IMAGE206
为优化目标函数的数量，
Figure 513582DEST_PATH_IMAGE207
；
Figure 148963DEST_PATH_IMAGE044
为分解后的单目标 优化优化子问题，分别对应权重向量
Figure 570717DEST_PATH_IMAGE208
，
Figure 898930DEST_PATH_IMAGE209
为第1组权重，
Figure 38924DEST_PATH_IMAGE210
为第N组权重；
Figure 743575DEST_PATH_IMAGE211
，其中
Figure 19836DEST_PATH_IMAGE212
，
Figure 518950DEST_PATH_IMAGE213
为第i组权重在第1个优化子目标函数上的分量，
Figure 146241DEST_PATH_IMAGE214
为第i组 权重在第2个优化子目标函数上的分量，
Figure 857845DEST_PATH_IMAGE215
为初始化目标值，
Figure 519770DEST_PATH_IMAGE216
为第e组权重向量，
Figure 921277DEST_PATH_IMAGE217
为 优化目标函数值；
找出距离权重向量
Figure 35863DEST_PATH_IMAGE218
最近的
Figure 551158DEST_PATH_IMAGE219
权重向量，形成领域
Figure 67590DEST_PATH_IMAGE220
，
Figure 642928DEST_PATH_IMAGE221
为第1组邻 近向量，
Figure 244811DEST_PATH_IMAGE222
为第T组邻近向量，在可行空间内随机产生初始种群
Figure 563797DEST_PATH_IMAGE223
，
Figure 669156DEST_PATH_IMAGE224
为种群中的第 1个可行解，
Figure 680974DEST_PATH_IMAGE225
为种群中的第N个可行解，并计算每个种群的目标函数值
Figure 238995DEST_PATH_IMAGE226
，初始 化目标值
Figure 627251DEST_PATH_IMAGE227
，
Figure 587116DEST_PATH_IMAGE065
为第1个优化子目标的函数值，
Figure 769836DEST_PATH_IMAGE066
为第2个优化子目标的函数值，
Figure 80732DEST_PATH_IMAGE228
，
Figure 7099DEST_PATH_IMAGE229
为种群中目标函数的最优值；
步骤S13、从每一个种群的领域中随机选取两个权重向量
Figure 821472DEST_PATH_IMAGE230
，并由
Figure 440672DEST_PATH_IMAGE231
产生 新的解
Figure 973284DEST_PATH_IMAGE232
，然后根据启发式算法由
Figure 437764DEST_PATH_IMAGE233
产生一个改进解
Figure 372222DEST_PATH_IMAGE234
，若
Figure 162323DEST_PATH_IMAGE235
，则更新种群，并令
Figure 247478DEST_PATH_IMAGE236
，否则不更新，若对于任意的
Figure 781228DEST_PATH_IMAGE237
，若有
Figure 570192DEST_PATH_IMAGE238
，则令
Figure 265616DEST_PATH_IMAGE239
，
Figure 772821DEST_PATH_IMAGE240
，更新pareto最优解集。
步骤S14、如果达到最大迭代次数，则停止迭代，否则返回步骤S13。
在一些可选的实施例中，求解无功协调优化控制多目标优化模型还可以采用例如NSGA2算法或NSGA3算法。
进一步地，具体综合评价过程为：
步骤S21、构造决策矩阵
Figure 844682DEST_PATH_IMAGE241
，表达式为：
Figure 753732DEST_PATH_IMAGE081
，
式中，h为方案个数，
Figure 620057DEST_PATH_IMAGE242
为指标个数，
Figure 348978DEST_PATH_IMAGE243
为第
Figure 224530DEST_PATH_IMAGE244
个方案中第
Figure 988087DEST_PATH_IMAGE245
个指标的值；
步骤S22、对决策矩阵
Figure 25313DEST_PATH_IMAGE241
进行规范化处理，处理方法为：
Figure 507110DEST_PATH_IMAGE246
，
式中，
Figure 920774DEST_PATH_IMAGE247
为规范化处理后的第
Figure 538837DEST_PATH_IMAGE244
个方案中第
Figure 746965DEST_PATH_IMAGE245
个指标的值。
步骤S23、确定正负理想解：
正理想解为：
Figure 450478DEST_PATH_IMAGE248
，
负理想解为：
Figure 667833DEST_PATH_IMAGE249
；
步骤S24、计算各方案与正负理想解的贴近度：
Figure 140403DEST_PATH_IMAGE090
，
式中，
Figure 782081DEST_PATH_IMAGE250
为第
Figure 972891DEST_PATH_IMAGE244
个方案与正理想解的贴近度，
Figure 462778DEST_PATH_IMAGE251
为第
Figure 321013DEST_PATH_IMAGE244
个方案与负理想解的贴近 度；
步骤S25、计算各方案和最优方案之间的贴近度：
Figure 136522DEST_PATH_IMAGE252
，
式中，
Figure 549049DEST_PATH_IMAGE253
为第
Figure 842627DEST_PATH_IMAGE244
个方案的贴近度，越接近于1代表第
Figure 555368DEST_PATH_IMAGE095
个方案的贴近度越高，方案越 优。
在一些可选的实施例中，对所求解出的厂站无功协调控制方案备选进行综合评价还可以采用信息熵法或模糊综合评价法。
在一个具体实施例中，本申请采用江西电网对所提厂站无功协调优化方法进行可行性论证。江西电网在典型运行方式下，N-1预想故障集共118个故障，500KV母线共27条，其主网架结构如图2所示。
首先基于典型运行方式和预想故障集，在PSASP（电力系统综合分析程序）中进行 暂态稳定仿真计算，得到部分500kv母线的暂态电压稳定系数
Figure 541778DEST_PATH_IMAGE254
如表1所示：
Figure 707181DEST_PATH_IMAGE255
，
接着设置AP聚类算法的基本参数：阻尼系数为0.32，将江西电网分为5个区域。根据分区结果，结合暂态电压稳定系数，将暂态电压稳定系数较小的区域Ⅰ作为电压稳定的薄弱区域，分别为南昌、进贤、永修、梦山、崇仁、云峰、抚州、豫章。
根据上述确定的电压稳定薄弱区域，对江西省内的同步发电机设置0.1pu无功扰 动，然后计算同步发电机
Figure 538870DEST_PATH_IMAGE003
的无功补偿系数
Figure 106118DEST_PATH_IMAGE257
，并按照从大到小的顺序进行排序，部分发电 机的无功补偿系数如表2所示；选取无功补偿系数较大的抚州电厂、丰城二期、黄金埠、丰城 三期作为厂站无功协调的敏感发电机组。
Figure 997851DEST_PATH_IMAGE258
，
将电网电压的薄弱区域和敏感机组作为厂站无功协调优化的控制对象，采用 MOEA/D多目标优化算法求解pareto最优解集，MOEA/D算法的基本参数设置为：种群大小
Figure 650549DEST_PATH_IMAGE259
最大迭代次数
Figure 551509DEST_PATH_IMAGE261
。
采用TOPSIS综合评价法对厂站无功协调多目标优化模型的pareto最优解集评价，选取贴近度最高的厂站无功出力方案作为提高电压暂态稳定的厂站无功协调控制方案，可以得到进行厂站无功协调优化前后，江西电网薄弱区域母线的暂态电压稳定裕度和稳态电压偏移情况如表3所示，南昌500kv母线的暂态电压变化情况、抚州电厂的暂态无功出力变化情况如图3和图4所示。根据表3可知，采取厂站无功协调优化方案后，薄弱区域的暂态电压稳定裕度都得到了一定程度的提升，结合图图3和图4可以发现，在协调控制后，薄弱母线电压恢复的时间缩短，暂态电压跌落的最低值也有所提升，证明了其暂态电压稳定特性得到了改善，这是由于在稳态时增加发电机的无功出力占比后，故障期间发电机的暂态无功支撑得到提升；同时，在协调控制后，薄弱区域的稳态电压有一定程度的降低，但是最低电压仍然在0.95pu以上，电压质量在允许范围之内。因此可以认为，本文所提出的厂站无功协调控制策略，可以在保证系统的稳态电压质量的前提下，有效提升系统的暂态电压稳定性。
Figure 973263DEST_PATH_IMAGE262
。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种提高电压薄弱区域暂态电压稳定的无功协调优化方法，其特征在于，包括：
获取电力系统的预想故障集和确定运行方式，并根据暂态电压稳定系数和AP聚类算法确定电网薄弱区域；
计算所有同步发电机的无功补偿系数，并根据所述无功补偿系数定位影响所述电网薄弱区域暂态电压稳定的敏感同步发电机；
以所述电网薄弱区域和所述敏感同步发电机作为控制对象，建立无功协调优化控制多目标优化模型，所述无功协调优化控制多目标优化模型包括：以电力系统内各节点的电压不超过电压约束、参与协调控制的发电机组的无功出力不超过其输出允许范围、参与协调控制的变电站所投切的电容电抗器组数不超过其允许投切组数范围为约束条件；以及在所述约束条件下以系统暂态电压稳定裕度最大、稳态电压偏移最小为优化目标；
求解所述无功协调优化控制多目标优化模型，得到厂站无功协调控制的pareto最优解集，即得到厂站无功协调控制备选方案，并对所求解出的所述厂站无功协调控制备选方案进行综合评价，选取贴近度最高的解作为厂站无功协调控制方案。
2.根据权利要求1所述的一种提高电压薄弱区域暂态电压稳定的无功协调优化方法，其特征在于，其中，计算所有同步发电机的无功补偿系数的表达式为：
Figure 960537DEST_PATH_IMAGE001
，
式中，
Figure 143257DEST_PATH_IMAGE002
为同步发电机
Figure 454152DEST_PATH_IMAGE003
的无功补偿系数，
Figure 114941DEST_PATH_IMAGE004
为同步发电机
Figure 460472DEST_PATH_IMAGE003
的暂态电压稳定裕度，
Figure 548513DEST_PATH_IMAGE005
为同步发电机
Figure 346705DEST_PATH_IMAGE003
的无功-电压灵敏度，
Figure 811184DEST_PATH_IMAGE006
为薄弱节点的个数，
Figure 11222DEST_PATH_IMAGE007
为薄弱节点j的暂态电压稳 定裕度，
Figure 267235DEST_PATH_IMAGE008
为薄弱节点j的电压对发电机g无功变化的灵敏度。
3.根据权利要求1所述的一种提高电压薄弱区域暂态电压稳定的无功协调优化方法，其特征在于，所述根据所述无功补偿系数定位影响所述电网薄弱区域暂态电压稳定的敏感同步发电机，包括：
获取所述预想故障集中所有故障的暂态电压稳定裕度，以暂态电压稳定裕度最小对应 的故障，作为最严重故障
Figure 552723DEST_PATH_IMAGE009
；
将所述电网薄弱区域内的节点，作为薄弱节点，并在确定运行方式和最严重故障
Figure 555314DEST_PATH_IMAGE010
下， 通过PSASP进行潮流计算与暂态稳定仿真计算，得到无功补偿系数；
根据所述无功补偿系数确定影响所述电网薄弱区域暂态电压稳定的敏感同步发电机。
4.根据权利要求1所述的一种提高电压薄弱区域暂态电压稳定的无功协调优化方法，其特征在于，所述以所述电网薄弱区域和所述敏感同步发电机作为控制对象，建立无功协调优化控制多目标优化模型，包括：
将所述电网薄弱区域的电容器投切组数、电抗器投切组数以及所述敏感同步发电机的无功出力设置为决策变量；
基于所述决策变量建立无功协调优化控制多目标优化模型。
5.根据权利要求1所述的一种提高电压薄弱区域暂态电压稳定的无功协调优化方法，其特征在于，其中，所述无功协调优化控制多目标优化模型的优化目标的函数表达式为：
Figure 609857DEST_PATH_IMAGE011
，
式中，
Figure 305281DEST_PATH_IMAGE012
为敏感同步发电机的无功出力，
Figure 78065DEST_PATH_IMAGE013
为电网薄弱区域的电容器和电抗器的投切 组数，
Figure 618768DEST_PATH_IMAGE014
为薄弱节点的个数，
Figure 793397DEST_PATH_IMAGE015
为电网薄弱节点i的暂态电压稳定裕度，
Figure 394143DEST_PATH_IMAGE016
为节点i的稳态电 压，
Figure 654223DEST_PATH_IMAGE017
为节点i的额定电压参考值，
Figure 998616DEST_PATH_IMAGE018
为电网薄弱节点暂态电压稳定裕度的加权求和，
Figure 27752DEST_PATH_IMAGE019
为网薄弱节点的稳态电压偏量。
6.根据权利要求1所述的一种提高电压薄弱区域暂态电压稳定的无功协调优化方法，其特征在于，其中，所述无功协调优化控制多目标优化模型的约束条件的函数表达式为：
Figure 64978DEST_PATH_IMAGE020
，
式中，
Figure 546775DEST_PATH_IMAGE021
为节点i的电压，
Figure 694860DEST_PATH_IMAGE022
为节点i的电压下限，
Figure 578502DEST_PATH_IMAGE023
为节点i的电压上限，
Figure 786630DEST_PATH_IMAGE024
为 敏感同步发电机无功出力的下限，
Figure 755723DEST_PATH_IMAGE025
为敏感同步发电机无功出力，
Figure 441919DEST_PATH_IMAGE026
为敏感同步发电 机无功出力的上限，
Figure 445647DEST_PATH_IMAGE027
为电网薄弱区域变电站j的电容器投切组数的下限，
Figure 824676DEST_PATH_IMAGE028
为电网 薄弱区域变电站j的电容器投切组数，
Figure 283995DEST_PATH_IMAGE029
为电网薄弱区域变电站j的电容器投切组数的 上限，
Figure 773882DEST_PATH_IMAGE030
为电网薄弱区域变电站j的电抗器投切组数的下限，
Figure 366537DEST_PATH_IMAGE031
为电网薄弱区域变电 站j的电抗器投切组数，
Figure 916467DEST_PATH_IMAGE032
为电网薄弱区域变电站j的电抗器投切组数的上限，
Figure 860153DEST_PATH_IMAGE033
为节 点总数，
Figure 153731DEST_PATH_IMAGE034
为敏感同步发电机总数，
Figure 600892DEST_PATH_IMAGE035
为投切总组数。
7.根据权利要求1所述的一种提高电压薄弱区域暂态电压稳定的无功协调优化方法，其特征在于，所述求解所述无功协调优化控制多目标优化模型，包括：
采用MOEA/D算法求解所述无功协调优化控制多目标优化模型，其中，具体求解过程为：
步骤S11、初始化MOEA/D算法的基本参数，所述基本参数包括种群大小、迭代次数；
步骤S12、设置需要参与协调控制的敏感同步发电机的无功出力
Figure 321724DEST_PATH_IMAGE036
，变电站的电容器投 切组数
Figure 752705DEST_PATH_IMAGE037
、变电站的电抗器投切组数
Figure 584395DEST_PATH_IMAGE038
为粒子，并设置pareto最优解集为空集，将多目标优 化问题分解为
Figure 151643DEST_PATH_IMAGE039
个单目标优化子问题，每个优化子问题表述为：
Figure 43375DEST_PATH_IMAGE040
，
式中，
Figure 696073DEST_PATH_IMAGE041
为种群中的可行解，
Figure 597033DEST_PATH_IMAGE042
为优化目标函数的数量，
Figure 753208DEST_PATH_IMAGE043
；
Figure 81421DEST_PATH_IMAGE044
为分解后的单目标优化 优化子问题，分别对应权重向量
Figure 955836DEST_PATH_IMAGE045
，
Figure 660487DEST_PATH_IMAGE046
为第1组权重，
Figure 936748DEST_PATH_IMAGE047
为第N组权重；
Figure 435862DEST_PATH_IMAGE048
，其 中
Figure 797573DEST_PATH_IMAGE049
，
Figure 40336DEST_PATH_IMAGE050
为第i组权重在第1个优化子目标函数上的分量，
Figure 4111DEST_PATH_IMAGE051
为第i组权重在第2个优 化子目标函数上的分量，
Figure 674127DEST_PATH_IMAGE052
为初始化目标值，
Figure 523134DEST_PATH_IMAGE053
为第e组权重向量，
Figure 304008DEST_PATH_IMAGE054
为优化目标函数 值；
找出距离权重向量
Figure 554861DEST_PATH_IMAGE055
最近的
Figure 395778DEST_PATH_IMAGE056
权重向量，形成领域
Figure 732081DEST_PATH_IMAGE057
，
Figure 51067DEST_PATH_IMAGE058
为第1组邻近向 量，
Figure 422006DEST_PATH_IMAGE059
为第T组邻近向量，在可行空间内随机产生初始种群
Figure 433824DEST_PATH_IMAGE060
，
Figure 991844DEST_PATH_IMAGE061
为种群中的第1个 可行解，
Figure 114521DEST_PATH_IMAGE062
为种群中的第N个可行解，并计算每个种群的目标函数值
Figure 339966DEST_PATH_IMAGE063
，初始化 目标值
Figure 257106DEST_PATH_IMAGE064
，
Figure 833581DEST_PATH_IMAGE065
为第1个优化子目标的函数值，
Figure 759949DEST_PATH_IMAGE066
为第2个优化子目标的函数值，
Figure 574321DEST_PATH_IMAGE067
，
Figure 193521DEST_PATH_IMAGE068
为种群中目标函数的最优值；
步骤S13、从每一个种群的领域中随机选取两个权重向量
Figure 991713DEST_PATH_IMAGE069
，并由
Figure 456192DEST_PATH_IMAGE070
产生新的 解
Figure 390650DEST_PATH_IMAGE071
，然后根据启发式算法由
Figure 918102DEST_PATH_IMAGE071
产生一个改进解
Figure 203590DEST_PATH_IMAGE072
，若
Figure 206181DEST_PATH_IMAGE073
，则更新种群，并令
Figure 260725DEST_PATH_IMAGE074
，否则不更新，若对于任意的
Figure 956149DEST_PATH_IMAGE075
，若有
Figure 463353DEST_PATH_IMAGE076
，则令
Figure 535214DEST_PATH_IMAGE077
，
Figure 444265DEST_PATH_IMAGE078
，更新pareto最优解集；
步骤S14、如果达到最大迭代次数，则停止迭代，否则返回步骤S13。
8.根据权利要求1所述的一种提高电压薄弱区域暂态电压稳定的无功协调优化方法，其特征在于，所述对所求解出的所述厂站无功协调控制备选方案进行综合评价，包括：
采用TOPSIS综合评价法对所求解出的所述厂站无功协调控制方案备选进行综合评价，其中，具体综合评价过程为：
步骤S21、构造决策矩阵
Figure 310589DEST_PATH_IMAGE079
，表达式为：
Figure 305090DEST_PATH_IMAGE080
，
式中，h为方案个数，
Figure 915063DEST_PATH_IMAGE081
为指标个数，
Figure 678620DEST_PATH_IMAGE082
为第
Figure 450267DEST_PATH_IMAGE083
个方案中第
Figure 197643DEST_PATH_IMAGE084
个指标的值；
步骤S22、对决策矩阵
Figure 611307DEST_PATH_IMAGE079
进行规范化处理，处理方法为：
Figure 229370DEST_PATH_IMAGE085
，
式中，
Figure 437497DEST_PATH_IMAGE086
为规范化处理后的第
Figure 406590DEST_PATH_IMAGE083
个方案中第
Figure 92787DEST_PATH_IMAGE084
个指标的值；
步骤S23、确定正负理想解：
正理想解为：
Figure 96515DEST_PATH_IMAGE087
，
负理想解为：
Figure 209964DEST_PATH_IMAGE088
；
步骤S24、计算各方案与正负理想解的贴近度：
Figure 663424DEST_PATH_IMAGE089
，
式中，
Figure 153311DEST_PATH_IMAGE090
为第
Figure 11545DEST_PATH_IMAGE083
个方案与正理想解的贴近度，
Figure 561475DEST_PATH_IMAGE091
为第
Figure 505161DEST_PATH_IMAGE083
个方案与负理想解的贴近度；
步骤S25、计算各方案和最优方案之间的贴近度：
Figure 533159DEST_PATH_IMAGE092
，
式中，
Figure 245901DEST_PATH_IMAGE093
为第
Figure 966732DEST_PATH_IMAGE083
个方案的贴近度，越接近于1代表第
Figure 397713DEST_PATH_IMAGE094
个方案的贴近度越高，方案越优。
CN202211107366.XA 2022-09-13 2022-09-13 一种提高电压薄弱区域暂态电压稳定的无功协调优化方法 Active CN115207935B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211107366.XA CN115207935B (zh) 2022-09-13 2022-09-13 一种提高电压薄弱区域暂态电压稳定的无功协调优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211107366.XA CN115207935B (zh) 2022-09-13 2022-09-13 一种提高电压薄弱区域暂态电压稳定的无功协调优化方法

Publications (2)

Publication Number Publication Date
CN115207935A true CN115207935A (zh) 2022-10-18
CN115207935B CN115207935B (zh) 2023-02-14

Family

ID=83571722

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211107366.XA Active CN115207935B (zh) 2022-09-13 2022-09-13 一种提高电压薄弱区域暂态电压稳定的无功协调优化方法

Country Status (1)

Country Link
CN (1) CN115207935B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116093952A (zh) * 2023-03-06 2023-05-09 国网浙江省电力有限公司温州供电公司 一种暂态电压稳定监视母线分析方法
CN117890440A (zh) * 2024-03-14 2024-04-16 东北大学 一种基于信息熵的半导体气体传感器温控电压优化方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015081771A1 (zh) * 2013-12-06 2015-06-11 国家电网公司 基于同步测量信息的电压安全稳定自适应紧急控制方法
CN108964073A (zh) * 2018-06-04 2018-12-07 国家电网公司华中分部 一种基于调相机的多目标无功电压协调控制方法及系统
CN109038660A (zh) * 2018-07-27 2018-12-18 上海电力学院 一种考虑静暂态电压稳定性的风电并网系统无功规划方法
CN110165660A (zh) * 2019-04-26 2019-08-23 国电南瑞科技股份有限公司 一种受端电网暂态电压预防控制优化方法及其系统
CN111740453A (zh) * 2020-07-21 2020-10-02 国网江西省电力有限公司电力科学研究院 一种提升暂态电压稳定水平的网源稳态无功协调控制方法
CN114626575A (zh) * 2022-02-07 2022-06-14 三峡大学 考虑暂态电压稳定的含高渗透率风电的受端电网无功规划方法
CN114937999A (zh) * 2022-05-31 2022-08-23 武汉大学 基于机器学习的同步发电机提高电压暂稳的稳态无功优化方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015081771A1 (zh) * 2013-12-06 2015-06-11 国家电网公司 基于同步测量信息的电压安全稳定自适应紧急控制方法
CN108964073A (zh) * 2018-06-04 2018-12-07 国家电网公司华中分部 一种基于调相机的多目标无功电压协调控制方法及系统
CN109038660A (zh) * 2018-07-27 2018-12-18 上海电力学院 一种考虑静暂态电压稳定性的风电并网系统无功规划方法
CN110165660A (zh) * 2019-04-26 2019-08-23 国电南瑞科技股份有限公司 一种受端电网暂态电压预防控制优化方法及其系统
CN111740453A (zh) * 2020-07-21 2020-10-02 国网江西省电力有限公司电力科学研究院 一种提升暂态电压稳定水平的网源稳态无功协调控制方法
CN114626575A (zh) * 2022-02-07 2022-06-14 三峡大学 考虑暂态电压稳定的含高渗透率风电的受端电网无功规划方法
CN114937999A (zh) * 2022-05-31 2022-08-23 武汉大学 基于机器学习的同步发电机提高电压暂稳的稳态无功优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈波等: "含同步调相机的直流换流站稳态无功协调控制策略", 《电力自动化设备》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116093952A (zh) * 2023-03-06 2023-05-09 国网浙江省电力有限公司温州供电公司 一种暂态电压稳定监视母线分析方法
CN117890440A (zh) * 2024-03-14 2024-04-16 东北大学 一种基于信息熵的半导体气体传感器温控电压优化方法
CN117890440B (zh) * 2024-03-14 2024-06-11 东北大学 一种基于信息熵的半导体气体传感器温控电压优化方法

Also Published As

Publication number Publication date
CN115207935B (zh) 2023-02-14

Similar Documents

Publication Publication Date Title
Li et al. Distributed adaptive robust voltage/var control with network partition in active distribution networks
CN110571807B (zh) 极端自然灾害下计及储能配置韧性配电网规划方法及系统
CN115207935B (zh) 一种提高电压薄弱区域暂态电压稳定的无功协调优化方法
Wang et al. Stochastic DG placement for conservation voltage reduction based on multiple replications procedure
Ghadimi et al. PSO based fuzzy stochastic long-term model for deployment of distributed energy resources in distribution systems with several objectives
Wang et al. Multi-objective energy management system for DC microgrids based on the maximum membership degree principle
Mei et al. Blackout model based on OPF and its self-organized criticality
Cai et al. Active and reactive power coordinated two-stage MG scheduling for resilient distribution systems under uncertainties
Tian et al. Coordinated planning with predetermined renewable energy generation targets using extended two-stage robust optimization
Xu et al. Stochastic multi-objective optimization of photovoltaics integrated three-phase distribution network based on dynamic scenarios
Ju et al. Incorporating demand response in two-stage frequency emergency control
Li et al. Optimization method of skeleton network partitioning scheme considering resilience active improvement in power system restoration after typhoon passes through
CN113890039B (zh) 一种多端柔性直流配电网潮流调度优化方法
Mansoorhoseini et al. Islanded AC/DC microgrids supervisory control: A novel stochastic optimization approach
Lin et al. A two-layer frequency control method for large-scale distributed energy storage clusters
CN110751328A (zh) 基于联合加权熵的高比例可再生能源电网适应性规划方法
CN114937999A (zh) 基于机器学习的同步发电机提高电压暂稳的稳态无功优化方法
CN113013884B (zh) 一种用于含高渗透率光伏配电系统的三段式无功电压控制方法
CN115133540A (zh) 一种配电网无模型的实时电压控制方法
CN111769570B (zh) 计及暂态电压约束的日前两阶段动态无功储备优化方法、系统、存储介质
Xu et al. Optimization of emergency load shedding based on cultural particle swarm optimization algorithm
Huo et al. Data-driven predictive voltage control for distributed energy storage in active distribution networks
CN112491067A (zh) 一种基于复合储能的主动配电网容量配置方法
Su et al. Reactive power generation management for the improvement of power system voltage stability margin
Shao et al. Optimization method based on load forecasting for three-phase imbalance mitigation in low-voltage distribution network

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