CN115566739A - 一种针对分布式风电接入配电网引起电压越限的抑制方法 - Google Patents

一种针对分布式风电接入配电网引起电压越限的抑制方法 Download PDF

Info

Publication number
CN115566739A
CN115566739A CN202211455061.8A CN202211455061A CN115566739A CN 115566739 A CN115566739 A CN 115566739A CN 202211455061 A CN202211455061 A CN 202211455061A CN 115566739 A CN115566739 A CN 115566739A
Authority
CN
China
Prior art keywords
power
distribution network
wind power
distributed
power distribution
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.)
Pending
Application number
CN202211455061.8A
Other languages
English (en)
Inventor
束洪春
刘瑞
董俊
唐玉涛
罗琨
杨翔麟
宁波
刘壮
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.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and 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 Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN202211455061.8A priority Critical patent/CN115566739A/zh
Publication of CN115566739A publication Critical patent/CN115566739A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/38—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
    • H02J2300/28—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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Abstract

本发明涉及一种针对分布式风电接入配电网引起电压越限的抑制方法，属于电力系统新能源并网技术领域。本发明监测并采集配电网负荷数据，拟合分布式风电出力与负荷曲线情况，在约束条件下构建3个权衡关系的目标函数并求得最优解，利用多目标优化的粒子群算法得出最优分配，风电调度系统与用户侧云服务互联，调度系统根据最优解对风电出力调度。可减少风力过剩时系统为保证正常运行的“弃风”现象，减少环境条件波动导致分布式光伏出力波动带来的电网波动现象。

Description

一种针对分布式风电接入配电网引起电压越限的抑制方法
技术领域
本发明涉及一种针对分布式风电接入配电网引起电压越限的抑制方法，属于电力系统新能源并网技术领域。
背景技术
随着大规模发展新能源发电技术，大量分布式风电采用逆变器等与配电网相连，在提高配电网灵活性的同时也加大了其运行控制难度。随着分布式风电占比大幅增加。新参与者的出现，使得电力调度需从传统的“源随荷动”转变为“源荷互动”，而协调控制这些众多的分布式电源，需要通过技术不断升级改造配电网，以确保源—网—荷储多要素协调互动。
分布式风电大规模接入给配电网带来更多不确定性、随机性，系统运行方式更复杂，传统确定性规划难以适应新型电力系统构建，配电网规划需要向多场景概率性规划转变。分布式风电单体规模较小、数量多、建设周期短，这就要求配电网提前开展升级改造和技术升级，紧密跟踪分布式风电发展形势，优化并网服务、交易结算、运维调控等方面的管理模式。
分布式风电大量接入配电网，必然对配电网运行、监控带来影响，电能质量、可靠性等指标也将发生变化，为了保证电网安全可靠，需要通过测算其渗透率合理估计配电网消纳能力。分布式电源的输出由于受不可控自然条件(如风力大小、风变方向)存在时变性，给电网公司在负荷调度和消纳方面带来了困难。当分布式风电不能与当地的负荷协调运行时。只要该分布式电源处于运行状态, 分布式风电对系统电压波动的影响就一直存在，其波动的功率输出就会对电网电压造成不同程度的影响。
发明内容
本发明要解决的技术问题是提供一种针对分布式风电接入配电网引起电压越限的抑制方法，解决上述问题。
本发明的技术方案是：一种针对分布式风电接入配电网引起电压越限的抑制方法，具体步骤为：
Step1：监测并采集配电网负荷数据；
Step2：拟合分布式风电出力与负荷曲线情况；
Step3：在约束条件下构建 3 个权衡关系的目标函数并求得最优解；
Step4：利用多目标优化的粒子群算法得出最优分配；
Step5：风电调度系统与用户侧云服务互联；
Step6：调度系统根据最优解对风电出力调度。
所述Step1中，在电网台变中加入监测节点，监测节点包括但不局限于5G技术、4G技术、GPRS技术、工业WIFI、485数据线、Zigbee技术，根据实际场景需求选择最优技术，通过监测节点实时监测并采集配电网负荷数据并将数据上传到云服务器。
所述Step2具体为：
Step2.1：对风电随机出力数据进行分析，采用Weibull分布模型建模，构造风力发电随机出力模型；
Step2.2：对配电网采集到的负荷数据进行分析，拟合负荷特性曲线，构建负荷特性模型。
所述Step3，在保证电能质量合格和线路网络损耗尽可能低的前提下，使得总投资于运行成本最小，具体为：
3 个权衡关系的目标函数具体为：
目标1：配电网投资运行成本：
Figure 759686DEST_PATH_IMAGE002
目标2：配电网总网络损耗：
Figure 270301DEST_PATH_IMAGE004
目标3：配电网电能质量：
Figure 518880DEST_PATH_IMAGE006
式中，S为 DG 接入系统的节点数，x i 为接入DG 的有功容量，N b 为系统中的支路数，N为网络节点数，U N 为额定电压，U i 表示实际电压幅值；
故目标函数为：
Figure 485394DEST_PATH_IMAGE008
。
所述Step4具体为：结合模拟退火算法的优点对粒子群算法进行改进，按如下公式表示的Metropolis准则去优选pbest值，用其结果作为下一代群体中各个体的历史最优解，并以其中最好的解作为PSO算法的gbest，最终得到分布式电源接入配电网后网络损耗和电能质量的最优解：
Figure 893241DEST_PATH_IMAGE010
。
所述Step4中，运用改进PSO算法求解粒子本身最优值和整个群体最优值, 即局部最优解和全局最优解，从而解决分布式电源选址和定容问题。
所述Step5中，风电调度系统基于BTO分布式电源自主匹配控制架构模式以“自主匹配–协调控制”的原则将风电控制问题根据调度对象、区域大小等进行分解，以满足计算效率要求。用户侧电力调度中心与风电调度系统需要协调控制指令和状态反馈的交互，以实现整个系统精细控制。
所述Step6中，改进PSO算法求出负荷分配最优解调度，将调度计划上传到电力调度系统，系统根据最优解对风电出力调度，优化机组出力和负荷经济分配，降低网损以及并网引起电压波动。
本发明所述的针对分布式风电接入配电网引起电压越限的抑制方法，通过监测节点采集各个分布式电源的数据，上传到云服务器，从而实现电网侧与用户侧的双向透明。通过PSO优化算法分布式发电系统的能量管理与优化，电力系统在风电、光伏出力高峰期时，合理分配电网与分布式电源之间的调度，减少风力过剩、光能过剩时系统为保证正常运行的“弃风”“弃电”现象，减少环境条件波动导致分布式光伏出力波动带来的电网波动现象。解决了由于风电出力情况随着环境的变化而产生剧烈的波动，在并网过程中对配电网稳定运行产生冲击，保证分布式风电为区域内所有负荷的可靠供电。
本发明的有益效果是：
1、针对源—荷电力数据未知，提出采用检测节点与云服务器协同监测电网与分布式电源发电数据，组建了价格便宜，功能强，鲁棒性强的边云协同监测系统，有效实现了源-荷电力数据双向透明，创新性强。
2、针对配电网负荷与分布式风电出力匹配困难问题，我们通过优化算法与云服务器联合控制负荷的分配与调度，实现电网的智能控制，使电网具有感知分布式能源的功能，更为智能化，解决了传统分布式电源并网引起的电压抬升，降低负荷分配不均、电压越限等问题。
3、基于多目标优化粒子群算法的分布式风电自主匹配控制架构以“自主匹配-协调控制”的原则将风电控制问题根据调度对象、区域大小等进行分解，以满足计算效率要求。
4、实现电网结构去中心化，使电网更加智能，电网与用户负荷之间通过云服务器进行自主匹配。各分布式电源分布协同，进行电网区域调整，增强本级母线的感知能力，解决传统分布式电源并网引起的一系列问题。
5、根据不同的应用场景选用最优检测技术与云服务器结合系统监测电网侧与用户侧的电能数据，使用边云协同技术实现电网侧与用户侧的“双向透明”。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在没有实施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是本发明的风电并网仿真图；
图2是本发明仿真中风电模块子系统图；
图3是本发明方法流程图；
图4是本发明中越限抑制系统图；
图5是本发明系统架构原理图；
图6是本发明改进粒子群算法求最优负荷分配模型流程图；
图7是实例中分布式风电接入配电网拓扑图；
图8是实例中风电场年出力分布曲线；
图9是根据Weibull分布模型搭建的风力发电随机出力模型；
图10是实例中10s内多目标优化粒子群算法迭代次数与最优解；
图11是实例中负荷1总目标下优化多目标优化粒子群算法改进的分布式风电出力情况；
图12是实例中负荷2总目标下优化多目标优化粒子群算法改进的分布式风电出力情况；
图13是实例中总目标下负荷1时24小时成本及电能质量曲线；
图14是实例中总目标下负荷2时24小时成本及电能质量曲线。
具体实施方式
本发明是通过具体实施过程进行说明的，在不脱离本发明范围的情况下，还可以对本发明进行各种变换及等同代替，因此，本发明不局限于所公开的具体实施过程，而应当包括落入本发明权利要求范围内的全部实施方案。
下面结合附图对本发明的具体实施方式作出详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
实施例1：配电网采用链式结构，将某地区的分布式电源接入系统，10kVⅡ段母线接风电系统，经10/35kV升压变接入该片区，与35kVⅠ号变、35kVⅡ号变、35kV Ⅲ号变三个变电站互联，只考虑分布式风电接入配电网，110kV主网不在考虑范围内。可将此地区配电网视为一个微电网，35kVⅠ号变电站变压器容量为2×5MVA，静止无功补偿器（SVG）容量为2×0.6Mavr，10kVⅠ母和Ⅱ母各接有5条馈线；35kVⅡ号变电站变压器容量为2×6MVA，SVG容量为2×0.6Mavr，10kVⅠ母和Ⅱ母各接有5条馈线；35kVⅢ号变电站变压器容量为6MVA，SVG容量为1Mavr。该地区电源主要来源于火力发电、少部分来源风力发电。
一种针对分布式风电接入配电网引起电压越限的抑制方法，具体步骤为：
Step1：监测并采集配电网负荷数据；
Step2：拟合分布式风电出力与负荷曲线情况；
Step3：在约束条件下构建 3 个权衡关系的目标函数并求得最优解；
Step4：利用多目标优化的粒子群算法得出最优分配；
Step5：风电调度系统与用户侧云服务互联；
Step6：调度系统根据最优解对风电出力调度。
所述Step1中，根据配电网的实际运行搭建配电网络仿真模型，在不同电压等级的各条母线节点处添加电能质量监测节点实时监测电能质量并采集配电网负荷数据，实际运行将数据上传到云服务器。
所述Step2中，如图4所示，根据中央处理器下载所采集到的风电出力数据和配电网负荷数据进行分析，具体为：
Step2.1：对风电随机出力数据进行分析，采用Weibull分布模型建模，构造风力发电随机出力模型；
Step2.2：对配电网采集到的负荷数据进行分析，拟合负荷特性曲线，构建负荷特性模型。
其中，风速概率分布模型的Weibull分布概率密度函数为：
Figure 840338DEST_PATH_IMAGE012
式中，
Figure 169688DEST_PATH_IMAGE013
表示为风机速度，K表示威布尔分布的形状参数，C表示尺度参数。
通过配电网负荷特性拟合后可看出，该地区最大负荷峰谷差呈现出增长趋势，该电网日负荷曲线呈现出双负荷“马鞍形”高峰特点，第1个负荷高峰多出现在上午11点左右，第2个负荷高峰呈现在17点~20点，冬季第2个负荷高峰时段多出现在晚间21点左右。夏季和冬季用电负荷水平相对于春季和秋季较高。冬季日负荷最高，春季和秋季负荷相差不大；夏季负荷比春秋两季略高。
所述Step3，在保证电能质量合格和线路网络损耗尽可能低的前提下，使得总投资于运行成本最小，3 个权衡关系的目标函数具体为：
目标1：配电网投资运行成本：
Figure 837430DEST_PATH_IMAGE015
目标2：配电网总网络损耗：
Figure 99784DEST_PATH_IMAGE017
目标3：配电网电能质量：
Figure 561989DEST_PATH_IMAGE019
式中，S为 DG 接入系统的节点数，x i 为接入DG 的有功容量，N b 为系统中的支路数，N为网络节点数，U N 为额定电压，U i 表示实际电压幅值；
故目标函数为：
Figure 909794DEST_PATH_IMAGE021
。
根据优化的目标函数，结合分布式电源接入配电网的容量大小，根据多目标优化算法和优化控制模型，将分布式电源出力情况和用户侧负荷相互匹配。
所述Step4具体为：结合模拟退火算法的优点对粒子群算法进行改进，按如下公式表示的Metropolis准则去优选pbest值，用其结果作为下一代群体中各个体的历史最优解，并以其中最好的解作为PSO算法的gbest，最终得到分布式电源接入配电网后网络损耗和电能质量的最优解：
Figure 115647DEST_PATH_IMAGE023
。
包括在约束条件范围内随机产生粒子群的初始位置及速度、粒子种群大小、设定最大迭代次数、模拟退火算法的初始温度
Figure 969858DEST_PATH_IMAGE024
(充分大) ，退火速度参数等。根据粒子初始位置即初始各负荷节点的注入功率值调用潮流程序计算网络损耗，并计算当前粒子的适应值。
所述Step4中，运用改进PSO算法求解求解粒子本身最优值和整个群体最优值, 即局部最优解和全局最优解，从而解决分布式电源选址和定容问题。对计算出的
Figure 868544DEST_PATH_IMAGE025
、
Figure 172486DEST_PATH_IMAGE026
值, 根据公式更新粒子速度、位置并满足不等式约束条件，调用潮流程序计算适应值并修正
Figure 306664DEST_PATH_IMAGE025
值。采用模拟退火算法对求出的各粒子
Figure 153398DEST_PATH_IMAGE025
进行抽样，产生新解并计算目标函数差值，按照Metropolis准则接收或舍弃优选解。根据抽样结果获得当前全局最优解
Figure 82039DEST_PATH_IMAGE026
，如图10所示，检查是否达到最大迭代次数，如果没有达到最大迭代次数则重新更新粒子速度、位置并满足不等式约束条件。最终输出最优解，并画出相应迭代曲线图。
所述Step5中，风电调度系统基于BTO分布式电源自主匹配控制架构模式以“自主匹配–协调控制”的原则将风电控制问题根据调度对象、区域大小等进行分解，以满足计算效率要求。用户侧电力调度中心与风电调度系统需要协调控制指令和状态反馈的交互，以实现整个系统精细控制。
所述Step6中，改进PSO算法求出负荷分配最优解调度，将调度计划上传到电力调度系统，系统根据最优解对风电出力调度，优化机组出力和负荷经济分配，降低网损以及并网引起电压波动。
如图11-12所示，通过对比使用优化算法前后的火电出力与风电出力结果，在负荷未超过火电机组出力上限时，在三种发电电源中，火电的运行成本最低，应优先安排其出力。风电受气候影响，出力情况不稳定，出力不可能达到额定出力。以运行成本，配送距离网络损耗为总目标，优先考虑火电，其次是风电。从而验证了通过优化机组出力和负荷经济分配，降低了网络损耗，保证优质电能质量，从而带来更大的经济效益。
实施例2：如图2所示，设定风电机组额度出力250kW，风机额定功率1.5MW，额定风速13.5m/s，叶轮半径20m。设置8个节点分别监测该节点的电压和功率，每个节点消耗的有功功率均统一为4KW。设配电网母线电压标幺值为1.05
Figure 545382DEST_PATH_IMAGE027
，线路型号为LGJ-240，单位长度线路阻抗为Z=0.65+j0.1Ω/km。线路长度：1~3：16.6km，2~4：12.9km，3~7：25.4km，4~7：15.33km，7~8：15.33km。在各节点处接入不同容量的风电时，所测得各节点电压偏差△U(%)，在分布式风电接入容量不变时，距离上网点越近，电压偏差越大，距离上网点越远，电压偏差越小。同一电压节点，随着分布式电源接入容量的增大，电压偏差也随之增大。为了验证本算法的有效性，选取了云南某地区35kVⅠ号变电站10kVⅠ母馈线1两个典型日负荷曲线（冬季与夏季）进行求解。选取1天为计算周期，将全天分为24个时段，1小时作为一个计算时段。PSO的相关参数取值为：粒子群体规模取20，最大迭代次数取200，学习因子
Figure 217672DEST_PATH_IMAGE028
取1.49445，
Figure 184491DEST_PATH_IMAGE029
取2.69445。运行程序，在10s内收敛到最优解。多目标优化粒子群算法迭代过程中某个时段的寻优曲线如图10所示，可见，该算法能迅速收敛到全局最优解，得到不同目标下该地区电源出力曲线如图13和图14所示。根据结果验证了通过优化机组出力和负荷经济分配，实现了风电出力与配电网负荷之间双向匹配，从而降低了网络损耗，保证配电网更加稳定高效的运行。
以上结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (5)

1.一种针对分布式风电接入配电网引起电压越限的抑制方法，其特征在于：
Step1：监测并采集配电网负荷数据；
Step2：拟合分布式风电出力与负荷曲线情况；
Step3：在约束条件下构建 3 个权衡关系的目标函数并求得最优解；
Step4：利用多目标优化的粒子群算法得出最优分配；
Step5：风电调度系统与用户侧云服务互联；
Step6：调度系统根据最优解对风电出力调度。
2.根据权利要求1所述的针对分布式风电接入配电网引起电压越限的抑制方法，其特征在于：所述Step1中，在电网台变中加入监测节点，监测节点包括但不局限于5G技术、4G技术、GPRS技术、工业WIFI、485数据线、Zigbee技术，通过监测节点实时监测并采集配电网负荷数据并将数据上传到云服务器。
3.根据权利要求1所述的针对分布式风电接入配电网引起电压越限的抑制方法，其特征在于，所述Step2具体为：
Step2.1：对风电随机出力数据进行分析，采用Weibull分布模型建模，构造风力发电随机出力模型；
Step2.2：对配电网采集到的负荷数据进行分析，拟合负荷特性曲线，构建负荷特性模型。
4.根据权利要求1所述的针对分布式风电接入配电网引起电压越限的抑制方法，其特征在于，所述Step3具体为：
3 个权衡关系的目标函数具体为：
目标1：配电网投资运行成本：
Figure 248191DEST_PATH_IMAGE002
目标2：配电网总网络损耗：
Figure 729988DEST_PATH_IMAGE004
目标3：配电网电能质量：
Figure 753438DEST_PATH_IMAGE006
式中，S为 DG 接入系统的节点数，x i 为接入DG 的有功容量，N b 为系统中的支路数，N为网络节点数，U N 为额定电压，U i 表示实际电压幅值；
故目标函数为：
Figure 558452DEST_PATH_IMAGE008
。
5.根据权利要求1所述的针对分布式风电接入配电网引起电压越限的抑制方法，其特征在于，所述Step4具体为：结合模拟退火算法的优点对粒子群算法进行改进，按如下公式表示的Metropolis准则去优选pbest值，用其结果作为下一代群体中各个体的历史最优解，并以其中最好的解作为PSO算法的gbest，最终得到分布式电源接入配电网后网络损耗和电能质量的最优解：
Figure 32159DEST_PATH_IMAGE010
。
CN202211455061.8A 2022-11-21 2022-11-21 一种针对分布式风电接入配电网引起电压越限的抑制方法 Pending CN115566739A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211455061.8A CN115566739A (zh) 2022-11-21 2022-11-21 一种针对分布式风电接入配电网引起电压越限的抑制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211455061.8A CN115566739A (zh) 2022-11-21 2022-11-21 一种针对分布式风电接入配电网引起电压越限的抑制方法

Publications (1)

Publication Number Publication Date
CN115566739A true CN115566739A (zh) 2023-01-03

Family

ID=84770885

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211455061.8A Pending CN115566739A (zh) 2022-11-21 2022-11-21 一种针对分布式风电接入配电网引起电压越限的抑制方法

Country Status (1)

Country Link
CN (1) CN115566739A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116632948A (zh) * 2023-07-25 2023-08-22 昆明理工大学 一种基于广义短路比的新能源渗透率边界确定方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103580061A (zh) * 2013-10-28 2014-02-12 贵州电网公司电网规划研究中心 微电网运行方法
CN106532772A (zh) * 2016-12-01 2017-03-22 三峡大学 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
CN108808737A (zh) * 2017-05-02 2018-11-13 南京理工大学 促进可再生分布式电源消纳的主动配电网优化调度方法
CN109038654A (zh) * 2018-07-18 2018-12-18 西安理工大学 一种考虑分布式风电高渗透并网的配电系统优化运行方法
CN113361188A (zh) * 2021-05-10 2021-09-07 国网河北省电力有限公司营销服务中心 多目标配电网动态重构方法、装置及终端

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103580061A (zh) * 2013-10-28 2014-02-12 贵州电网公司电网规划研究中心 微电网运行方法
CN106532772A (zh) * 2016-12-01 2017-03-22 三峡大学 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
CN108808737A (zh) * 2017-05-02 2018-11-13 南京理工大学 促进可再生分布式电源消纳的主动配电网优化调度方法
CN109038654A (zh) * 2018-07-18 2018-12-18 西安理工大学 一种考虑分布式风电高渗透并网的配电系统优化运行方法
CN113361188A (zh) * 2021-05-10 2021-09-07 国网河北省电力有限公司营销服务中心 多目标配电网动态重构方法、装置及终端

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116632948A (zh) * 2023-07-25 2023-08-22 昆明理工大学 一种基于广义短路比的新能源渗透率边界确定方法
CN116632948B (zh) * 2023-07-25 2023-10-10 昆明理工大学 一种基于广义短路比的新能源渗透率边界确定方法

Similar Documents

Publication Publication Date Title
Xu et al. Data-driven configuration optimization of an off-grid wind/PV/hydrogen system based on modified NSGA-II and CRITIC-TOPSIS
CN102623989B (zh) 一种间歇分布式电源优化配置方法
Li et al. A novel rolling optimization strategy considering grid-connected power fluctuations smoothing for renewable energy microgrids
Gao et al. Optimal operation modes of photovoltaic-battery energy storage system based power plants considering typical scenarios
CN105305488B (zh) 一种考虑新能源并网对输电网利用率影响的评价方法
Song et al. A fuzzy‐based multi‐objective robust optimization model for a regional hybrid energy system considering uncertainty
CN107359611B (zh) 考虑多种随机因素的配电网等值方法
CN115566739A (zh) 一种针对分布式风电接入配电网引起电压越限的抑制方法
Zhang et al. Research on two-level energy optimized dispatching strategy of microgrid cluster based on IPSO algorithm
CN116961008A (zh) 计及电力弹簧与负荷需求响应的微电网容量双层优化方法
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
Luo et al. Research on optimal configuration of distributed photovoltaic with typical day scene generation technology
CN113158412B (zh) 一种基于布谷鸟算法的光储电站协同优化方法
Wu et al. Optimal capacity allocation of large-scale wind-PV-battery units
Dai et al. Capacity planning of battery energy storage system within wind farm
Liu et al. Micro grid energy management based on two-stage robust optimization
Lu et al. Distributed dispatching method of active distribution network considering multiple regulation resources
Huang et al. Research on the optimal coordinated control strategy of ‘source-grid-load-storage’including electric vehicle and distributed power supply
CN117748622B (zh) 一种微电网多态协调控制方法及系统
Ma et al. Cooperative scheduling strategy of distributed energy storage system in regional grid with high proportion of renewable energy
Zeng et al. Optimal configuration of new energy grid connected energy storage capacity from the perspective of dual carbon
Liu et al. Optimal Allocation of Distributed Generators in Active Distribution Network considering TOU Price
Ge et al. Research and Simulation of Dual-level Optimal Scheduling of Industrial Park Microgrid Considering Flexible Load
Shi et al. Research on Optimized Configuration of Micro-Power Supply for AC-DC Hybrid Microgrid Based on Particle Swarm Optimization Dynamic
Zhang et al. Simulation Evaluation Method of Power Grid Operation Considering High Proportion New Energy Grid Connection

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20230103

RJ01 Rejection of invention patent application after publication