CN116362061A - 配电网的无功优化方法及装置 - Google Patents

配电网的无功优化方法及装置 Download PDF

Info

Publication number
CN116362061A
CN116362061A CN202310636504.1A CN202310636504A CN116362061A CN 116362061 A CN116362061 A CN 116362061A CN 202310636504 A CN202310636504 A CN 202310636504A CN 116362061 A CN116362061 A CN 116362061A
Authority
CN
China
Prior art keywords
distribution network
power distribution
power
reactive
optimization
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
CN202310636504.1A
Other languages
English (en)
Other versions
CN116362061B (zh
Inventor
王嘉诚
张少仲
张栩
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.)
Zhongcheng Hualong Computer Technology Co Ltd
Original Assignee
Zhongcheng Hualong Computer Technology 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 Zhongcheng Hualong Computer Technology Co Ltd filed Critical Zhongcheng Hualong Computer Technology Co Ltd
Priority to CN202310636504.1A priority Critical patent/CN116362061B/zh
Publication of CN116362061A publication Critical patent/CN116362061A/zh
Application granted granted Critical
Publication of CN116362061B publication Critical patent/CN116362061B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/16Circuit 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
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/50Controlling the sharing of the out-of-phase component
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/30Reactive power compensation

Abstract

本发明涉及配电网优化技术领域,尤其涉及一种配电网的无功优化方法及装置。方法包括:判断目标配电网的电网类型,所述电网类型包括无新能源并入的第一配电网和有新能源并入的第二配电网;若所述目标配电网为第一配电网,则基于所述第一配电网中各负载的运行数据进行无功优化;若所述目标配电网为第二配电网,则基于所述第二配电网中各负载的运行数据和接入所述第二配电网的新能源运行数据进行无功优化。本发明,能够有效优化配电网中的无功,提高电能质量。

Description

配电网的无功优化方法及装置
技术领域
本发明涉及配电网优化技术领域,特别涉及一种配电网的无功优化方法及装置。
背景技术
随着经济和科技的发展,人们对配电网电能质量的要求越来越高。一方面,由于用电负载的种类越来越多,且各负载的工作特性相差较大,因此会给配电网的电能质量造成影响。另一方面,配电网并入的新能源的数量和种类也越来越多,但由于新能源出力的波动性,也给配电网的电能质量造成影响。因此,在对配电网进行无功优化时,需要针对不同的配电网,结合其实际影响因素,采用不同的优化方法。
发明内容
本发明实施例提供了一种配电网的无功优化方法及装置,能够有效优化配电网中的无功,提高电能质量。
第一方面,本发明实施例提供了一种配电网的无功优化方法,包括:
判断目标配电网的电网类型,所述电网类型包括无新能源并入的第一配电网和有新能源并入的第二配电网;
若所述目标配电网为第一配电网,则基于所述第一配电网中各负载的运行数据进行无功优化;
若所述目标配电网为第二配电网,则基于所述第二配电网中各负载的运行数据和接入所述第二配电网的新能源运行数据进行无功优化。
第二方面,本发明实施例还提供了一种配电网的无功优化装置,包括:
判断模块,用于判断目标配电网的电网类型,所述电网类型包括无新能源并入的第一配电网和有新能源并入的第二配电网;
第一优化模块,用于基于所述第一配电网中各负载的运行数据,对所述第一配电网进行无功优化;
第二优化模块,用于基于所述第二配电网中各负载的运行数据和接入所述第二配电网的新能源运行数据,对所述第二配电网进行无功优化。
第三方面,本发明实施例还提供了一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现本说明书任一实施例所述的方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行本说明书任一实施例所述的方法。
本发明实施例提供了一种配电网的无功优化方法及装置。该方法首先判断目标配电网的电网类型,然后针对不同的电网类型,采用不同的优化方法。针对无新能源并入的第一配电网,只需要考虑配电网中各负载的运行数据来进行无功优化;而对于有新能源并入的第二配电网,则需要综合考虑各负载的运行数据和接入所述第二配电网的新能源运行数据联合进行无功优化。本发明通过针对不同类型的配电网采用不同的优化方法,能够有效优化配电网中的无功,提高电能质量。
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是本发明一实施例提供的一种配电网的无功优化方法流程图;
图2是本发明一实施例提供的一种电子设备的硬件架构图;
图3是本发明一实施例提供的一种配电网的无功优化装置结构图。
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做出创造性劳动的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。
请参考图1,本发明实施例提供了一种配电网的无功优化方法,包括:
步骤100,判断目标配电网的电网类型,电网类型包括无新能源并入的第一配电网和有新能源并入的第二配电网;
步骤102,若目标配电网为第一配电网,则基于第一配电网中各负载的运行数据进行无功优化;
步骤104,若目标配电网为第二配电网,则基于第二配电网中各负载的运行数据和接入第二配电网的新能源运行数据进行无功优化。
本发明实施例中,首先判断目标配电网的电网类型,然后针对不同的电网类型,采用不同的优化方法。针对无新能源并入的第一配电网,只需要考虑配电网中各负载的运行数据来进行无功优化;而对于有新能源并入的第二配电网,则需要综合考虑各负载的运行数据和接入第二配电网的新能源运行数据联合进行无功优化。本发明通过针对不同类型的配电网采用不同的优化方法,能够有效优化配电网中的无功,提高电能质量。
下面具体描述图1所示的各个步骤的执行方式。
首先,针对步骤100,判断目标配电网的电网类型,电网类型包括无新能源并入的第一配电网和有新能源并入的第二配电网。
该步骤中,目标配电网可以是高、中、低压配电网,配电网的实际覆盖范围根据用户需要确定。新能源可以是风力发电、太阳能发电或水力发电等可再生能源。由于新能源的发电存在波动性,因此会对配电网的稳定性造成影响。
然后,针对步骤102,在一些实施方式中,基于第一配电网中各负载的运行数据进行无功优化,包括:
确定第一配电网中各无功补偿点的位置;
按照第一配电网的电流流向,确定对每个无功补偿点的优化顺序;
基于第一配电网中各负载的运行数据,按照优化顺序,逐个对无功补偿点进行无功优化,并将当前无功补偿点的优化结果作为下一个无功补偿点的基础,直至优化完全部无功补偿点。
在该步骤中,负载可以是水泵、发电机、电灯等。由于负载的用电存在波动性,因此会对电压的稳定性造成影响。通常,为了抑制第一配电网的电压波动,会在第一配电网的某些节点设置无功补偿设备,如并联电容器组。接入无功补偿设备的节点称为无功补偿点,无功补偿点的位置不同,其对电网的补偿能力也不同。该实施例确定好无功补偿点的位置后,就可以按照电流的流向逐个对无功补偿点进行无功优化,即确定每个无功补偿点接入的电容器组的容量。由于各无功补偿点会互相影响,因此当前一个无功补偿点的无功设备容量确定后,可以作为下一个无功补偿点的基础。
在一些实施方式中,对每个无功补偿点进行无功优化,包括:
基于第一配电网中各负载的运行数据,获取当前无功补偿点的当前电压值;
确定当前无功补偿点的电压上限;
判断当前电压值是否小于电压上限;若是,则不对当前无功补偿点的无功补偿设备进行调整;若否,则逐渐减小当前无功补偿点的无功补偿设备的无功出力,直至当前电压值小于电压上限。
在该实施例中,电能质量波动主要体现为电压的波动,因此,只要根据负载的运行数据确定出补偿节点的当前电压值,并将该电压值与电压上限值进行比较,根据比较结果即可确定出优化措施。例如当前电压值高于电压上限,说明无功补偿设备提供的补偿量偏大,则可以减小无功补偿设备的出力,即减少并联电容器组的投切组数。反之,则加大并联电容器组的投切组数。
目前,考虑到环境因素和传统能源的消耗量,我国正在加大新能源的开发,因此,具有新能源接入的第二配电网的电压波动更加复杂,需要考虑的因素更多。
在步骤104中,基于第二配电网中各负载的运行数据和接入第二配电网的新能源运行数据进行无功优化,包括:
S1,判断新能源的个数是否大于一个;
S2,若是,则执行:基于第二配电网中各负载的运行数据和接入第二配电网的新能源运行数据,确定第二配电网的电压分布;基于电压分布,构建第二配电网的无功优化模型;对无功优化模型进行求解,得到第二配电网的无功优化结果;
S3,若否,则将第二配电网划分为多个子区域,其中,任意两个子区域间的耦合程度均小于预设值;并针对每个子区域,均执行:基于当前子区域的负载运行数据和当前子区域的新能源运行数据对当前子区域进行无功优化,以得到当前子区域的无功优化结果。
针对步骤S1,先判断接入的新能源的数量,当只有一个新能源接入时,则利用步骤S2直接对其进行优化。当有多个新能源时,由于每个新能源的位置、出力和发电规律不同,其对第二配电网的影响程度也不同,因此,在步骤S3中,需要将第二配电网进行分区域处理,以提高每个区域优化的准确性。
在步骤S3中,将第二配电网划分为多个子区域,包括:
针对第二配电网中的每个新能源,均执行:
将当前新能源所在的节点作为基准节点;
改变输入该基准节点的无功功率,分别计算每个负载所在节点的电压偏差值;
判断每个电压偏差值是否大于预设值;若是,则将当前电压偏差值对应的负载划分至该新能源所在的子区域;若否,则将当前电压偏差值对应的负载划分至与其电气距离最近的负载所在的子区域。
在该实施例中,电压偏差值可以反映基准节点的无功功率对负载节点的电压幅值的影响程度。电压偏差值越大,说明新能源的出力变化对相应节点的影响越大,反之,则影响越小。因此,以新能源的位置作为分区标准,更能体现每个子区域的响应特性。用户可以根据需要提前确定预设值,大于该预设值的负载节点则并入相应新能源对应的子区域。当然,会有部分负载节点对每个新能源的变化都不敏感,此时,则根据该负载节点与其它负载节点的电气距离进行划分。电气距离越近的节点,节点之间的耦合度越大,两节点之间的联系越紧密。
通过上述分区方法,可以使每个子区域内各节点之间的耦合度更高,更有利于控制该子区域的电压波动。此外,通过分区,可以使各子区域之间的关联性降低,即某个子区域内的节点电压发生变化时对其他子区域内的节点电压影响很小。
还需要说明的是,为了保证每个子区域内均具有很好的优化效果,每个子区域内均包括至少一种无功补偿设备,且新能源分别通过逆变器与相应子区域内的电网连接,逆变器用于向相应子区域提供有功功率和无功功率。
在一些实施方式中,基于当前子区域的负载运行数据和当前子区域的新能源运行数据对当前子区域进行无功优化,以得到当前子区域的无功优化结果,包括:
B1,基于当前子区域的负载运行数据和接入当前子区域的新能源运行数据,确定当前子区域的电压分布。
在该步骤中,首先确定当前子区域中各负载的综合用电概率密度函数以及当前子区域内新能源的综合发电概率密度函数,然后基于综合用电概率密度函数和综合发电概率密度函数,利用潮流计算法确定当前子区域的电压分布。具体地,由于不同类型的负载具有不同的用电规律。如居民用电主要集中于早晨和晚上,工业用电主要集中在法定工作时段,而电动汽车等负载的用电具有较强的随机性。因此,可以基于各负载在预设时间段内的历史运行数据,即用电数据,确定各负载随时间变化的用电规律,各负载的用电规律均服从正态分布;然后利用高斯混合分布将各个正态分布进行融合,得到各负载的综合用电概率密度函数。
此外,新能源容易受到环境的影响,如对于风力发电,主要受风速的影响;对于太阳能发电,则主要受光照的影响,因此,各新能源在不同时刻的发电量不同。在一些实施方式中,可以基于各新能源在预设时间段内的历史运行数据,即发电数据,确定各新能源的发电规律,各新能源的用电规律均服从正态分布;利用高斯混合分布将各个正态分布进行融合,得到各新能源的综合发电概率密度函数。
另外,潮流计算法优选回代潮流计算法,通过潮流计算,即可得到当前子区域的电压分布。
B2,基于电压分布,构建当前子区域的无功优化模型。
该步骤中,无功优化模型是以各节点的电压偏差之和最小,以及投资费用最小为目标构建的。对上述两个目标进行加权处理,得到无功优化模型的目标函数为:
Figure SMS_1
式中,t为优化时刻,t∈[1,T m],T m为预设时间段内优化时刻的数量;n为子区域内节点的数量;U t,it时刻节点i的电压;U 0为节点电压的标称值;y1和y2分别为各节点的电压偏差之和最小目标与投资费用最小目标的权重,A1和A2分别为无功补偿设备的固定成本和运维成本。
在该目标函数中,T m的数量越多,即优化时刻的间隔越小,优化效果越好,但计算量也随之增加,用户可以根据需要确定优化间隔。例如,优化时刻的间隔可以根据负载的用电规律和新能源的发电规律确定。当负载用电和新能源的发电较稳定时,优化时刻的间隔取较大值;当负载用电和新能源的发电波动较大时,优化时刻的间隔取较小值。
B3,对无功优化模型进行求解,得到当前子区域的无功优化结果。
在对模型求解之前,需要根据需要确定相应的约束条件,约束条件不同,得到的优化结果也不同。例如,可以采用如下约束条件:
在任意时刻,均满足:
每个节点均满足有功功率平衡和无功功率平衡;
每个无功补偿设备输出的无功功率均不大于其额定功率;
逆变器输出的无功功率不大于其视在功率,且逆变器的视在功率的平方等于其输出的无功功率的平方与其输出的有功功率的平方的和;
任意节点的电压均大于该节点电压的下限值,且小于该节点电压的上限值;
每个无功补偿设备的安装容量均不超过安装节点的最大允许接入容量;
每个无功补偿设备在预设时间段内的投切次数均不超过预设值。
通过上述约束条件,可以在保证系统安全、稳定运行的基础上,求解出最佳的优化方案。需要说明的是,上述电压分布的确定方法、无功优化模型、约束条件以及求解过程同样适用于仅存在一个新能源的第二配电网,本申请不再赘述。
最后,针对步骤B3,为了保证每个子区域内均具有很好的优化效果,每个子区域内均包括至少一种无功补偿设备,且新能源分别通过逆变器与相应子区域内的电网连接,逆变器用于向相应子区域提供有功功率和无功功率。
无功补偿设备包括第一补偿设备和第二补偿设备,第一补偿设备的响应时长大于第二补偿设备的响应时长,第二补偿设备的响应时长大于逆变器的响应时长;
对无功优化模型进行求解,得到当前子区域的无功优化结果,包括:
以第一时长为优化间隔,针对每个第一时长,基于当前第一时长内的电压分布,确定当前第一时长所需的第一无功功率;基于当前第一无功功率,计算当前第一时长内第一补偿设备和第二补偿设备的配置结果;
以第二时长为优化间隔,针对每个第二时长,基于当前第二时长内的电压分布,确定当前第二时长所需的第二无功功率;将当前第二时长所需的第二无功功率与第一补偿设备在当前第二时长内补偿的无功功率的差值作为当前第二时长所需的第一剩余无功功率;基于第一剩余无功功率,计算当前第二时长内第二补偿设备的配置结果;
以第三时长为优化间隔,针对每个第三时长,基于当前第三时长内的电压分布,确定当前第三时长所需的第三无功功率;将当前第三时长所需的第三无功功率与第一补偿设备和第二补偿设备在当前第三时长内补偿的无功功率的差值作为当前第三时长所需的第二剩余无功功率;基于第二剩余无功功率,计算当前第三时长内逆变器的配置结果;第三时长、第二时长、第一时长依次递增,且第一时长小于预设时间段。
确定出各第一时长、各第二时长和各第三时长内各设备的配置后,即为各子区域的无功优化结果。
此外,第一补偿设备可以是并联电容器组,第二补偿设备可以是静止无功发生器,第一时长、第二时长和第三时长分别为整数倍关系。例如,第一时长可以是60分钟,第二时长可以是20分钟,第三时长可以是5分钟。配电网在输送电能时,由于负载的用电和新能源的发电是实时变化的,因此电压的波动也是实时的,因此最优的无功补偿方案是跟随电压的波动进行实时补偿。但是各无功补偿设备并不能对电压的波动做出实时响应,且每种设备不能无限次的在各种状态之间进行切换。因此,需要结合各种设备的特性联合进行无功补偿。
在本实施例中,由于并联电容器组、静止无功发生器和逆变器的响应时长不同,因此可以按时段进行无功补偿。例如,预设时间段为9-11点,我们需要确定在这2个小时内各无功设备的配置。那么,首先取第一时长为1小时,则可以根据该优化间隔的电压变化确定需要的第一无功功率,并根据该第一无功功率确定并联电容器组和静止无功发生器的配置结果。由于并联电容器组的响应时长较长,且投切次数受限,因此在确定其无功补偿量后就不再变化。
配电网在实际运行中电压的波动频率是较频繁的,为了保证系统的稳定,需要以更小的优化间隔调整静止无功发生器的配置。因此,需要根据第二时长优化间隔的电压变化确定需要的第二无功功率,由于在该优化间隔内,并联电容器组已经补偿了部分无功功率,因此,静止无功发生器只需要补偿剩余的无功即可。并基于剩余的无功确定出静止无功发生器在每个第二时长的无功补偿量。
最后,新能源的逆变器主要用于输出有功,但是也可以根据配电网的电压变化输出无功,可以做到对电压波动进行实时补偿。本实施例进一步缩小优化间隔,在并联电容器组和静止无功发生器无功补偿的基础上,进一步补偿第三时长内需要的剩余无功,从而进一步降低配电网的电压波动。
该实施例通过多种无功补偿设备相互配合,可以降低设备的综合成本,且使配电网的电压更加稳定。
如图2、图3所示,本发明实施例提供了一种配电网的无功优化装置。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言,如图2所示,为本发明实施例提供的一种配电网的无功优化装置所在电子设备的一种硬件架构图,除了图2所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的电子设备通常还可以包括其他硬件,如负责处理报文的转发芯片等等。以软件实现为例,如图3所示,作为一个逻辑意义上的装置,是通过其所在电子设备的CPU将非易失性存储器中对应的计算机程序读取到内存中运行形成的。本实施例提供的一种配电网的无功优化装置,包括:
判断模块300,用于判断目标配电网的电网类型,电网类型包括无新能源并入的第一配电网和有新能源并入的第二配电网;
第一优化模块302,用于基于第一配电网中各负载的运行数据,对第一配电网进行无功优化;
第二优化模块304,用于基于第二配电网中各负载的运行数据和接入第二配电网的新能源运行数据,对第二配电网进行无功优化。
在本发明实施例中,判断模块300可用于执行上述方法实施例中的步骤100,第一优化模块302可用于执行上述方法实施例中的步骤102,第二优化模块304可用于执行上述方法实施例中的步骤104。
在一些实施方式中,第一优化模块302用于执行如下操作:
确定第一配电网中各无功补偿点的位置;
按照第一配电网的电流流向,确定对每个无功补偿点的优化顺序;
基于第一配电网中各负载的运行数据,按照优化顺序,逐个对无功补偿点进行无功优化,并将当前无功补偿点的优化结果作为下一个无功补偿点的基础,直至优化完全部无功补偿点。
在一些实施方式中,对每个无功补偿点进行无功优化,包括:
基于第一配电网中各负载的运行数据,获取当前无功补偿点的当前电压值;
确定当前无功补偿点的电压上限;
判断当前电压值是否小于电压上限;若是,则不对当前无功补偿点的无功补偿设备进行调整;若否,则逐渐减小当前无功补偿点的无功补偿设备的无功出力,直至当前电压值小于电压上限。
在一些实施方式中,无功补偿设备为并联电容器组。
在一些实施方式中,第二优化模块304用于执行如下操作:
判断新能源的个数是否大于一个;
若是,则执行:基于第二配电网中各负载的运行数据和接入第二配电网的新能源运行数据,确定第二配电网的电压分布;基于电压分布,构建第二配电网的无功优化模型;对无功优化模型进行求解,得到第二配电网的无功优化结果;
若否,则将第二配电网划分为多个子区域,其中,任意两个子区域间的耦合程度均小于预设值;并针对每个子区域,均执行:基于当前子区域的负载运行数据和当前子区域的新能源运行数据对当前子区域进行无功优化,以得到当前子区域的无功优化结果。
在一些实施方式中,将第二配电网划分为多个子区域,包括:
针对第二配电网中的每个新能源,均执行:
将当前新能源所在的节点作为基准节点;
改变输入该基准节点的无功功率,分别计算每个负载所在节点的电压偏差值;
判断每个电压偏差值是否大于预设值;若是,则将当前电压偏差值对应的负载划分至该新能源所在的子区域;若否,则将当前电压偏差值对应的负载划分至与其电气距离最近的负载所在的子区域。
在一些实施方式中,基于当前子区域的负载运行数据和当前子区域的新能源运行数据对当前子区域进行无功优化,以得到当前子区域的无功优化结果,包括:
基于当前子区域的负载运行数据和接入当前子区域的新能源运行数据,确定当前子区域的电压分布;
基于电压分布,构建当前子区域的无功优化模型;
对无功优化模型进行求解,得到当前子区域的无功优化结果。
可以理解的是,本发明实施例示意的结构并不构成对一种配电网的无功优化装置的具体限定。在本发明的另一些实施例中,一种配电网的无功优化装置可以包括比图示更多或者更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。
上述装置内的各模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本发明实施例还提供了一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现本发明任一实施例中的一种配电网的无功优化方法。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序在被处理器执行时,使所述处理器执行本发明任一实施例中的一种配电网的无功优化方法。
具体地,可以提供配有存储介质的系统或者装置,在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下,从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上下载程序代码。
此外,应该清楚的是,不仅可以通过执行计算机所读出的程序代码,而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作,从而实现上述实施例中任意一项实施例的功能。
此外,可以理解的是,将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展模块上的CPU等来执行部分和全部实际操作,从而实现上述实施例中任一实施例的功能。
需要说明的是,在本文中,诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个…”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储在计算机可读取的存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
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 (10)

1.一种配电网的无功优化方法,其特征在于,包括:
判断目标配电网的电网类型,所述电网类型包括无新能源并入的第一配电网和有新能源并入的第二配电网;
若所述目标配电网为第一配电网,则基于所述第一配电网中各负载的运行数据进行无功优化;
若所述目标配电网为第二配电网,则基于所述第二配电网中各负载的运行数据和接入所述第二配电网的新能源运行数据进行无功优化。
2.根据权利要求1所述方法,其特征在于,所述基于所述第一配电网中各负载的运行数据进行无功优化,包括:
确定所述第一配电网中各无功补偿点的位置;
按照所述第一配电网的电流流向,确定对每个所述无功补偿点的优化顺序;
基于所述第一配电网中各负载的运行数据,按照所述优化顺序,逐个对所述无功补偿点进行无功优化,并将当前无功补偿点的优化结果作为下一个无功补偿点的基础,直至优化完全部无功补偿点。
3.根据权利要求2所述的方法,其特征在于,对每个无功补偿点进行无功优化,包括:
基于所述第一配电网中各负载的运行数据,获取当前无功补偿点的当前电压值;
确定当前无功补偿点的电压上限;
判断所述当前电压值是否小于所述电压上限;若是,则不对当前无功补偿点的无功补偿设备进行调整;若否,则逐渐减小当前无功补偿点的无功补偿设备的无功出力,直至所述当前电压值小于所述电压上限。
4.根据权利要求3所述的方法,其特征在于,所述无功补偿设备为并联电容器组。
5.根据权利要求1所述的方法,其特征在于,所述基于所述第二配电网中各负载的运行数据和接入所述第二配电网的新能源运行数据进行无功优化,包括:
判断所述新能源的个数是否大于一个;
若是,则执行:基于所述第二配电网中各负载的运行数据和接入所述第二配电网的新能源运行数据,确定所述第二配电网的电压分布;基于所述电压分布,构建所述第二配电网的无功优化模型;对所述无功优化模型进行求解,得到所述第二配电网的无功优化结果;
若否,则将所述第二配电网划分为多个子区域,其中,任意两个所述子区域间的耦合程度均小于预设值;并针对每个所述子区域,均执行:基于当前子区域的负载运行数据和当前子区域的新能源运行数据对当前子区域进行无功优化,以得到当前子区域的无功优化结果。
6.根据权利要求5所述的方法,其特征在于,所述将所述第二配电网划分为多个子区域,包括:
针对所述第二配电网中的每个新能源,均执行:
将当前新能源所在的节点作为基准节点;
改变输入该基准节点的无功功率,分别计算每个负载所在节点的电压偏差值;
判断每个所述电压偏差值是否大于预设值;若是,则将当前电压偏差值对应的负载划分至该新能源所在的子区域;若否,则将当前电压偏差值对应的负载划分至与其电气距离最近的负载所在的子区域。
7.根据权利要求6所述的方法,其特征在于,所述基于当前子区域的负载运行数据和当前子区域的新能源运行数据对当前子区域进行无功优化,以得到当前子区域的无功优化结果,包括:
基于当前子区域的负载运行数据和接入当前子区域的新能源运行数据,确定当前子区域的电压分布;
基于所述电压分布,构建当前子区域的无功优化模型;
对所述无功优化模型进行求解,得到当前子区域的无功优化结果。
8.一种配电网的无功优化装置,其特征在于,包括:
判断模块,用于判断目标配电网的电网类型,所述电网类型包括无新能源并入的第一配电网和有新能源并入的第二配电网;
第一优化模块,用于基于所述第一配电网中各负载的运行数据,对所述第一配电网进行无功优化;
第二优化模块,用于基于所述第二配电网中各负载的运行数据和接入所述第二配电网的新能源运行数据,对所述第二配电网进行无功优化。
9.一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现如权利要求1-7中任一项所述的方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-7中任一项所述的方法。
CN202310636504.1A 2023-06-01 2023-06-01 配电网的无功优化方法及装置 Active CN116362061B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310636504.1A CN116362061B (zh) 2023-06-01 2023-06-01 配电网的无功优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310636504.1A CN116362061B (zh) 2023-06-01 2023-06-01 配电网的无功优化方法及装置

Publications (2)

Publication Number Publication Date
CN116362061A true CN116362061A (zh) 2023-06-30
CN116362061B CN116362061B (zh) 2023-09-26

Family

ID=86905336

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310636504.1A Active CN116362061B (zh) 2023-06-01 2023-06-01 配电网的无功优化方法及装置

Country Status (1)

Country Link
CN (1) CN116362061B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013174145A1 (zh) * 2012-05-23 2013-11-28 国家电网公司 基于改进人工鱼群混合优化算法的大规模风电并网无功电压优化方法
CN107025520A (zh) * 2017-04-05 2017-08-08 广东电网有限责任公司东莞供电局 配电网新能源消纳能力确定的双层二阶锥规划方法与系统
CN107147152A (zh) * 2017-06-15 2017-09-08 广东工业大学 新能源配电网多类型有功无功源协同优化配置方法及系统
CN112803434A (zh) * 2021-02-25 2021-05-14 国网河北省电力有限公司经济技术研究院 有源配电网的无功优化方法、装置、设备和存储介质
CN114491886A (zh) * 2022-01-24 2022-05-13 河海大学 含多类型分布式新能源的主动配电网通用建模方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013174145A1 (zh) * 2012-05-23 2013-11-28 国家电网公司 基于改进人工鱼群混合优化算法的大规模风电并网无功电压优化方法
CN107025520A (zh) * 2017-04-05 2017-08-08 广东电网有限责任公司东莞供电局 配电网新能源消纳能力确定的双层二阶锥规划方法与系统
CN107147152A (zh) * 2017-06-15 2017-09-08 广东工业大学 新能源配电网多类型有功无功源协同优化配置方法及系统
CN112803434A (zh) * 2021-02-25 2021-05-14 国网河北省电力有限公司经济技术研究院 有源配电网的无功优化方法、装置、设备和存储介质
CN114491886A (zh) * 2022-01-24 2022-05-13 河海大学 含多类型分布式新能源的主动配电网通用建模方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曾顺奇;黄向敏;熊文;刘艳萍;张诗建;: "主动配电网过渡期的自适应双重电压控制方法", 电力电容器与无功补偿, no. 04, pages 130 - 137 *

Also Published As

Publication number Publication date
CN116362061B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
Akram et al. Optimal sizing of a wind/solar/battery hybrid grid‐connected microgrid system
Prommee et al. Optimal multiple distributed generation placement in microgrid system by improved reinitialized social structures particle swarm optimization
Yang et al. Fluctuation reduction of wind power and sizing of battery energy storage systems in microgrids
Zheng et al. Optimal energy storage system allocation and operation for improving wind power penetration
Xu et al. A hierarchical energy scheduling framework of microgrids with hybrid energy storage systems
Wu et al. Microgrid planning considering the resilience against contingencies
Ahmadi et al. Optimal multi‐configuration and allocation of SVR, capacitor, centralised wind farm, and energy storage system: a multi‐objective approach in a real distribution network
CN103746402A (zh) 一种接入风储互补微网的配电网可靠性评估方法
Zeng et al. A classification control strategy for energy storage system in microgrid
CN112491043A (zh) 一种新能源富集电网电源规划方法及系统
Moghateli et al. Multi‐objective design method for construction of multi‐microgrid systems in active distribution networks
Hasanvand et al. Spectral clustering for designing robust and reliable multi‐MG smart distribution systems
Wang et al. Integrated platform to design robust energy internet
Lata et al. TLBO‐based approach to optimally place and sizing of energy storage system for reliability enhancement of radial distribution system
Van den Bergh et al. The impact of bidding zone configurations on electricity market outcomes
Nawaz et al. Least‐cost generation expansion planning using whale optimization algorithm incorporating emission reduction and renewable energy sources
Xu et al. A dynamic robust restoration framework for unbalanced power distribution networks
de Carvalho Neiva Pinheiro et al. Reinforcement learning for electricity dispatch in grids with high intermittent generation and energy storage systems: A case study for the Brazilian grid
Li et al. Optimization method of skeleton network partitioning scheme considering resilience active improvement in power system restoration after typhoon passes through
Chen et al. Multi‐stage dynamic optimal allocation for battery energy storage system in distribution networks with photovoltaic system
Bhuvanesh et al. Application of differential evolution algorithm and its variants for solving energy storage technologies integrated generation expansion planning
Wang et al. Optimal inverter based distributed generation units control strategy to improve voltage profiles in unbalanced distribution networks
Ayan et al. Size optimization of a stand‐alone hybrid photovoltaic/wind/battery renewable energy system using a heuristic optimization algorithm
Pang et al. Deep reinforcement learning for resilient microgrid expansion planning with multiple energy resource
Vijay Kumar et al. Optimal location and capacity of Unified Power Flow Controller based on chaotic krill herd blended runner root algorithm for dynamic stability improvement in power system

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