CN116388209A - 基于鸟群算法的储能与新能源场站电压控制方法和系统 - Google Patents
基于鸟群算法的储能与新能源场站电压控制方法和系统 Download PDFInfo
- Publication number
- CN116388209A CN116388209A CN202310331369.XA CN202310331369A CN116388209A CN 116388209 A CN116388209 A CN 116388209A CN 202310331369 A CN202310331369 A CN 202310331369A CN 116388209 A CN116388209 A CN 116388209A
- Authority
- CN
- China
- Prior art keywords
- bird
- power
- station
- grid
- pcc
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 133
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000001105 regulatory effect Effects 0.000 claims abstract description 41
- 230000001276 controlling effect Effects 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims description 25
- 230000002431 foraging effect Effects 0.000 claims description 23
- 238000004088 simulation Methods 0.000 claims description 18
- 230000000694 effects Effects 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 15
- 244000144992 flock Species 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000005012 migration Effects 0.000 claims description 6
- 238000013508 migration Methods 0.000 claims description 6
- 230000001149 cognitive effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 claims description 2
- 244000062645 predators Species 0.000 claims 1
- 230000008569 process Effects 0.000 description 9
- 239000004973 liquid crystal related substance Substances 0.000 description 8
- 238000011217 control strategy Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- 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
- H02J3/12—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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of 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
- 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
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
- H02J3/50—Controlling the sharing of the out-of-phase component
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于鸟群算法的储能与新能源场站电压控制方法和系统。其中电压控制方法在PCC并网点的电压越限时,根据单独调节有功时和单独调节无功时储能电站与新能源场站联合系统所需的视在功率与联合系统输出容量最大值之间的不同关系,来设置鸟群算法的目标函数以将并网点的电压维持在额定值,利用鸟群算法得到联合系统所需的有功功率补偿值和无功功率补偿值,进而控制新能源场站和储能电站的有功功率和无功功率输出。本发明结合无功功率和有功功率来实现并网点电压的有效调节,能确保并网点电压的稳定性,避免并网点电压的不断波动以及越限,也能提升并网点功率因数,保障系统的安全和经济运行。
Description
技术领域
本发明涉及电网电压控制领域,具体涉及一种基于鸟群算法的储能与新能源场站电压控制方法和系统。
背景技术
我国的新能源行业获得了蓬勃发展。然而,新能源的使用比例逐渐增大,导致新能源发电总量随之增加。大规模新能源场站,例如清洁能源(如光伏、风电)接入电力系统后,新能源场站一方面要吸收大量无功、另一方面本身的无功调节能力不足,经常会造成并网点电压波动、越限,甚至出现不稳定的问题,给电网的安全稳定运行带来很大的影响。
中国专利CN112803429A中公布了一种储能电站和新能源系统协调无功电压控制方法,充分利用了储能电站和新能源场站的无功调节能力,通过无功分配策略为并网点提供无功缺额,实现对并网点电压的控制。然而,此方法是通过无功功率调节来控制并网点电压,而实际上不受控制的有功功率会对无功功率造成干扰,因此现有单一维度的无功功率调节电压控制方法在维持并网点电压稳定性方面存在一定局限。
发明内容
本发明的目的是提供一种基于鸟群算法的储能电站与新能源场站电压控制方法和系统,其结合无功功率和有功功率来实现并网点电压的有效调节,能确保并网点电压的稳定性。
一方面,本发明实施例提供了一种基于鸟群算法的储能与新能源场站电压控制方法,包括:
检测PCC并网点和联合系统端B点的电压和电流,其中,联合系统由储能电站与新能源场站组成;
当所述PCC并网点的电压越限时,确定单独调节有功时和单独调节无功时所述联合系统所需的视在功率;
根据单独调节有功时和单独调节无功时所述联合系统所需的视在功率与所述联合系统的输出容量最大值之间的关系,设置鸟群算法的目标函数;
基于所述鸟群算法的目标函数,利用鸟群算法计算所述联合系统所需的有功功率补偿值和无功功率补偿值;
至少根据所述有功功率补偿值和所述无功功率补偿值控制所述新能源场站和所述储能电站的有功功率和无功功率输出。
在本发明的较佳实施例中,根据单独调节有功时和单独调节无功时联合系统所需的视在功率与联合系统的输出容量最大值之间的关系,设置鸟群算法的目标函数以将并网点的电压维持在额定值,包括:
当单独调节有功时和单独调节无功时联合系统所需的视在功率都小于或等于联合系统的输出容量最大值时,设置鸟群算法的目标函数为:
其中:Fiti表示第i只鸟的适应度值,1≤i≤N,N为鸟群大小;Un表示PCC并网点电压的额定值;Qpcc *和Ppcc *分别为鸟群算法中第i只鸟位置的纵坐标和横坐标;Upcc *表示鸟群算法中与第i只鸟位置对应的并网点电压调节效果值。
在本发明的较佳实施例中,根据单独调节有功时和单独调节无功时联合系统所需的视在功率与联合系统的输出容量最大值之间的关系,设置鸟群算法的目标函数以将并网点的电压维持在额定值,还包括:
当单独调节有功时和单独调节无功时联合系统所需的视在功率都大于联合系统的输出容量最大值时,设置鸟群算法的目标函数为:
当Upcc(t)>Umax时,Fiti=|Umax-Upcc *|
当Upcc(t)<Umin时,Fiti=|Umin-Upcc *|
其中,Fiti表示第i只鸟的适应度值,1≤i≤N,N为鸟群大小;Upcc(t)为时刻t的PCC并网点电压的实测值;Umax等于1.1Un,Umin等于0.9Un,Un表示PCC并网点电压的额定值;Upcc *表示鸟群算法中与第i只鸟位置对应的并网点电压调节效果值。
在本发明的较佳实施例中,根据单独调节有功时和单独调节无功时联合系统所需的视在功率与联合系统的输出容量最大值之间的关系,设置鸟群算法的目标函数以将并网点的电压维持在额定值,还包括:
当单独调节有功时和单独调节无功时联合系统所需的视在功率中只有一个小于联合系统的输出容量最大值时,设置鸟群算法的目标函数为:
Fiti=|Un-Upcc *|
其中,Fiti表示第i只鸟的适应度值,1≤i≤N,N为鸟群大小;Un表示PCC并网点电压的额定值;Upcc *表示鸟群算法中与第i只鸟位置对应的并网点电压调节效果值。
在本发明的较佳实施例中,基于鸟群算法的目标函数,利用鸟群算法计算联合系统所需的有功功率补偿值和无功功率补偿值,具体为:
(1)基于每只鸟的随机位置,根据鸟群算法的目标函数计算每只鸟的适应度值;
(2)进行迭代,判断当前迭代次数m与鸟群迁徙频率Q的商是否为整数,当商为整数时,对于每一只鸟,生成与当前迭代次数m对应的随机数b,根据随机数b与觅食概率P的大小确定鸟的状态,更新觅食状态鸟和/或警觉状态鸟的位置;当商为整数时,根据每只鸟的最佳适应度值的大小确定鸟的行为,其中,每只鸟的最佳适应度值为上一次迭代中更新的该鸟的最佳适应度值,更新生产者行为鸟和/或乞食者行为鸟的位置;
(3)基于更新的鸟位置,根据鸟群算法的目标函数计算计算每只鸟的新适应度值;
(4)对于每只鸟,根据该鸟的新适应度值与先前最佳适应度值的第一差值确定该鸟的最优位置和最佳适应度值的更新策略;根据各鸟的新适应度值与鸟群的先前全局最佳适应度值的第二差值确定鸟群的全局最优位置和全局最佳适应度值的更新策略;
(5)返回迭代步骤,直到迭代代数大于最大迭代次数,此时输出全局最优位置;
(6)基于输出的全局最优位置,计算联合系统所需的有功功率补偿值和无功功率补偿值。
在本发明的较佳实施例中,更新觅食状态鸟和/或警觉状态鸟的位置的步骤,以及更新生产者行为鸟和/或乞食者行为鸟的位置的步骤,具体为:
根据如下公式计算更新觅食状态鸟的位置:
根据如下公式计算更新警觉状态鸟的位置:
根据如下公式计算更新生产者行为鸟的位置:
根据如下公式计算更新乞食者行为鸟的位置:
上述4个公式中,和/>分别表示第m次迭代后、第m-1次迭代后,第i只鸟的位置;i表示鸟的序号,1≤i≤N,N为鸟群大小;m表示当前迭代的次数,1≤m≤mmax,mmax表示最大迭代次数;pi表示第i只鸟的先前最优位置;C,S分别为认知系数及社会进化系数;rand(0,1)为0到1之间的随机数;g表示整个鸟群的先前全局最优位置;mean2表示种群的先前平均位置;k是[1,N]之间的随机整数,且k≠i;pk是第k只鸟的先前最优位置;rand(-1,1)为-1到1之间的随机数;randn(0,1)代表产生服从期望值为0,标准差为1的高斯分布的一个随机数:r是[1,N]之间的整数,r≠i且第r只鸟是生产者;/>为第m-1次迭代后,鸟群中第r只鸟的位置;FL是[0,1]之间随机确定的常数,每次计算乞食者行为鸟的位置时需更新FL,A1和A2的计算公式是:
其中,a1,a2是[0,2]之间的常数;pFiti表示第i只鸟的先前最佳适应度值;pFitk表示第k只鸟的先前最佳适应度值;sumFit表示整个鸟群的先前最佳适应度值之和;ε用来避免零分割,是计算机程序中的最小常数。
在本发明的较佳实施例中,确定单独调节有功时和单独调节无功时联合系统所需的视在功率,具体包括:
(1)确定单独有功功率补偿值和单独无功功率补偿值,公式为:
Pcom(t)=Ppcc_s(t)-Ppcc(t)+PB(t)
Qcom(t)=Qpcc_s(t)-Qpcc(t)+QB(t)
其中,Pcom(t)表示当前时刻t的单独有功功率补偿值;Qcom(t)表示当前时刻t的单独无功功率补偿值:Ppcc_s(t)和Qpcc_s(t)分别表示在当前时刻t下,只进行有功调节和只进行无功调节时,使并网点电压满足规定范围的并网点所应该达到的有功功率值和无功功率值;PPCC(t)和QPCC(t)分别表示当前时刻t下PCC并网点的有功功率和无功功率的实测值;PB(t)和QB(t)分别表示当前时刻t下联合系统端B点的有功功率和无功功率的实测值;
(2)根据单独有功功率补偿值确定单独调节有功时联合系统所需提供的视在功率,根据单独无功功率补偿值确定单独调节无功时联合系统所需提供的视在功率公式为:
其中,SB_P(t)表示单独调节有功时t时刻联合系统所需提供的视在功率;SB_Q(t)表示单独调节无功时t时刻联合系统所需提供的视在功率。
在本发明的较佳实施例中,至少根据有功功率补偿值和无功功率补偿值控制新能源场站和储能电站的有功功率和无功功率输出,包括:
检测每个新能源场站的有功功率输出上限和无功功率输出上限;
计算每个新能源场站和与每个新能源场站对应的储能电站的有功功率和无功功率,公式为:
当Pref B/n≤Pi时,Pbi=Pref B/n,Pai=0
当Pref B/n>Pi时,Pbi=Pi,Pai=Pref B/n-Pi
当Qref B/n≤Qi时,Qbi=Qref B/n,Qai=0
当Qref B/n>Qi时,Qbi=Qi,Qai=Qref B/n-Qi
其中,Pref_B和Qref_B分别表示联合系统的有功功率补偿值和无功功率补偿值;Pi和Qi分别表示第i个新能源场站的有功功率输出上限和无功功率输出上限;n表示新能源场站的数量;Pbi和Qbi分别表示第i个新能源场站需输出的有功功率和无功功率;Pai和Qai分别表示储能电站之与第i个新能源场站的输出对应的有功功率和无功功率;
控制每个新能源场站输出对应计算得到的有功功率和无功功率;根据与所有新能源场站的输出对应的储能电站的有功功率之和与无功功率之和,分别控制储能电站的有功功率和无功功率输出。
另一方面,本发明实施例提供了一种基于鸟群算法的储能与新能源场站电压控制系统,其特征在于,包括:多个新能源场站、储能电站、用电负荷、电网、新能源场站控制器、储能控制系统、以及功率调度系统,
其中,所述多个新能源场站和所述储能电站组成储能与新能源场站联合系统,储能电站与新能源场站的并联点为联合系统的端B点,联合系统的端B点与用电负荷的一端接入PCC并网点,PCC并网点接入电网;
所述功率调度系统的一个输入端连接PCC并网点;另一个输入端连接联合系统的端B点,一个输出端连接新能源场站控制器的输入端;另一个输出端连接储能控制系统的一个输入端;新能源场站控制器的输出端连接每个新能源场站的输入端;储能控制系统的输出端连接储能电站的输入端;储能电站的输出端连接储能控制系统的另一输入端;
所述功率调度系统,用于检测PCC并网点以及联合系统端B点的电压和电流,判断并网点电压是否越限,并在发生电压越限时,利用鸟群算法计算联合系统所需的有功功率补偿值和无功功率补偿值,并至少根据所述有功功率补偿值和所述无功功率补偿值控制所述新能源场站和所述储能电站的有功功率和无功功率输出。
再一方面,本发明实施例提供了一种基于鸟群算法的储能与新能源场站电压控制仿真系统,包括:
仿真机,所述仿真机用于模拟真实电网运行情况,所述仿真机包括电网、新能源场站、储能电站和用电负荷,其中储能电站与新能源场站组成储能与新能源场站联合系统,储能电站与新能源场站的并联点为联合系统的端B点,联合系统的端B与用电负荷的一端接入PCC并网点,PCC并网点接入电网;
软件平台,所述软件平台用于实时监测仿真机中PCC并网点和联合系统端B点的电压和电流;
CPU,所述CPU用于下载并执行以下程序:根据所述软件平台的监测数据判断并网点电压是否越限,并在发生电压越限时,利用鸟群算法计算仿真机中联合系统输出的有功功率补偿值和无功功率补偿值,并至少根据所述有功功率补偿值和所述无功功率补偿值计算仿真机中各新能源场站以及储能电站的有功功率和无功功率输出,将计算结果返回仿真机以实现对并网点电压的仿真控制。
本公开实施例提供的技术方案带来的有益效果是:
(1)本发明实施例的基于鸟群算法的储能电站与新能源场站电压控制方法和系统,根据单独调节有功时和单独调节无功时储能电站与新能源场站联合系统所需的视在功率与联合系统输出容量最大值之间的不同关系,来设置每种不同关系下的调节目标以及对应的鸟群算法的适应度值计算公式,利用鸟群算法的寻优能力得到使适应度值(与并网点电压偏差相关)达到最小的解,进而控制新能源场站和储能电站的有功功率和无功功率输出,实现并网点电压的调节。本发明实施例通过上述方式,不仅考虑无功功率对于并网点电压的调节作用,也考虑了有功功率对于并网点电压的调节效果,同时通过同时考虑有功功率和无功功率的调节效果,可以使得有功调节和无功调节协调合作共同来实现并网点电压的调节,比起现有技术单独进行无功控制,可以防止不受控制的有功功率对无功功率调节造成的干扰,由于本发明充分考虑了储能电站与新能源场站联合系统需要补偿的有功功率和无功功率,能成功实现并网点电压的有效调节,避免并网点电压的不断波动以及越限,确保并网点电压的稳定性。
(2)本发明能够通过将鸟群算法的适应度值计算公式设置为与并网点功率因数相关,通过算法的寻优能力,得到使并网点功率因数有所提升的解,实现并网点功率因数的有效调节。由于并网点功率因数的高低直接关系到电网中的电能损耗,供电线路的电压波动和电压损失,以及电力系统的安全和经济运行,因此本发明具有较好的经济价值。
(3)本发明能根据PCC并网点的电压是否越限的不同情况、以及单独无功功率补偿时或单独有功功率补偿时所需的视在功率与联合系统输出容量最大值之间的不同关系,建立不同的并网点调节目标,设置不同的鸟群算法的适应度值计算目标函数公式,从而实施不同的控制策略,实现根据并网点电压波动大小与联合系统输出容量之间的对比,制定更适合目前状况的控制策略,因此并网点电压的调节更有针对性。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例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公开的一些实施例,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是本发明实施例基于鸟群算法的储能电站与新能源场站电压控制方法中,基于鸟群算法的联合系统功率补偿值分区计算的流程示意图;
图2是本发明实施例基于鸟群算法的储能电站与新能源场站电压控制方法中,联合系统功率分配的示意图;
图3是储能电站和新能源场站联合接入拓扑图;
图4是本发明实施例基于鸟群算法的储能电站与新能源场站电压控制系统的示意图;
图5是本发明实施例基于鸟群算法的储能电站与新能源场站电压控制仿真系统的示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚,下面将结合附图对本公开实施方式作进一步地详细描述。
下面具体说明本发明实施例的基于鸟群算法的储能电站与新能源场站电压控制方法。参考图1和图2,本方法包括如下步骤:
步骤S100,检测PCC并网点以及联合系统端B点的电压和电流,其中,联合系统由储能电站与新能源场站组成;
需要说明的是,联合系统的端B点为储能电站与新能源场站的并联点;联合系统的端B点与用电负荷一起接入PCC并网点;PCC并网点接入交直流混连电网。
步骤S200,判断PCC并网点的电压是否越限;如果未越限,转步骤S100;如果越限,则继续步骤S300。
在本步骤中,当PCC并网点的电压未越限时,并网点电压不做调节,保持原来的状态。只有当PCC并网点的电压越限时,才进行并网点电压的调节。
在本实施例中,判断PCC并网点的电压是否越限,具体为:
当Upcc(t)属于[Umin,Umax]时,并网点的电压判定为“未越限”;
当Upcc(t)不属于[Umin,Umax]时,并网点的电压判定为“越限”。
其中,Upcc(t)表示当前时刻t PCC并网点的电压;Umax等于1.1Un;Umin等于0.9Un;Un为PCC并网点的额定电压值。
步骤S300,计算单独调节有功时和单独调节无功时联合系统所需提供的视在功率。
具体地,步骤S300包括:
步骤S310,确定单独有功功率补偿值和单独无功功率补偿值,公式分别为:
Pcom(t)=Ppcc_s(t)-Ppcc(t)+PB(t) 公式(1)
Qcom(t)=Qpcc_s(t)-Qpcc(t)+QB(t) 公式(2)
其中,Pcom(t)表示当前时刻t的单独有功功率补偿值;Qcom(t)表示当前时刻t的单独无功功率补偿值:Ppcc_s(t)和Qpcc_s(t)分别表示在当前时刻t下,只进行有功调节和只进行无功调节时,为了使并网点电压处于规定的范围内(即为了使并网点电压Upcc(t)属于[Umin,Umax]),并网点所应该达到的有功功率值和无功功率值,也即单独补偿之后的并网点有功功率和无功功率。PPCC(t)和QPCC(t)分别表示当前时刻t并网点的有功功率和无功功率的实测值;PB(t)和QB(t)分别表示当前时刻t联合系统端B点的有功功率和无功功率的实测值。Ppcc_s(t)和Qpcc_s(t)的计算公式分别为:
其中,U0表示交直流混连电网的电压值,R为从并网点到交直流混连电网的线路电阻,X为从并网点到交直流混连电网的线路电抗;U(t)的计算公式为:
当Upcc(t)大于Umax时,U(t)=Umax
当Upcc(t)小于Umin时,U(t)=Umin
当Upcc(t)处于[Umin,Umax]时,表示并网点电压并未越限,此时不需要调节,返回到测试并网点电压的步骤S100。
其中Umax和Umin分别表示并网点电压的上限与下限值,Umax等于1.1Un;Umin等于0.9Un;Un为并网点电压的额定值。
S320,根据单独有功功率补偿值确定单独调节无功时联合系统所需提供的视在功率;根据单独无功功率补偿值确定单独调节无功时联合系统所需提供的视在功率,公式分别为:
其中,SB_P(t)表示单独进行有功调节时t时刻联合系统所需提供的视在功率;SB_Q(t)表示单独进行无功调节时t时刻联合系统所需提供的视在功率;Pcom(t)表示当前时刻t的单独有功功率补偿值;Qcom(t)表示当前时刻t的单独无功功率补偿值;PB(t)和QB(t)分别表示当前时刻t联合系统端B点的有功功率和无功功率的实测值。
S400,根据单独调节无功时和单独调节有功时联合系统所需的视在功率与联合系统的输出容量最大值之间的关系,设置鸟群算法的目标函数,其中鸟群算法的目标函数用于计算每只鸟的适应度值。
具体地,步骤S400包括:
步骤S410,当单独调节有功时联合系统所需提供的视在功率SB_P(t)和单独调节无功时联合系统所需提供的视在功率SB_Q(t)都小于或等于联合系统的输出容量最大值Smax时,说明此时的并网点电压偏离并网点电压额定值Un的程度没有过大,因此将调节目标设置为将并网点电压维持在额定值Un,并在此基础上尽可能地增加并网点的功率因数。在这种情况下,执行控制策略一,即设置鸟群算法的目标函数为:
其中:Fiti表示第i只鸟的适应度值,1≤i≤N,N为鸟群大小;Un表示PCC并网点电压的额定值;Qpcc *和Ppcc *分别为鸟群算法中第i只鸟位置的纵坐标和横坐标,代表并网点无功功率和有功功率的一种取值,其具体计算方法请参考步骤S500;Upcc *表示鸟群算法中与第i只鸟位置对应的并网点电压调节效果值,Upcc *的计算公式如下所示:
其中,U0表示交直流混连电网的电压值;R和X分别是并网点到交直流混连电网的线路电阻和线路电抗;P’、Q’分别是交直流混连电网侧的有功、无功功率,P’、Q’的计算公式为
其中,为交直流混连电网侧的视在功率;Qpcc *和Ppcc *分别为鸟群算法中第i只鸟位置的纵坐标和横坐标;j为虚数单位;Un为并网点电压额定值;S为鸟群算法中与第i只鸟位置对应的并网点视在功率的一种取值,S的计算公式为:
其中,Qpcc *和Ppcc *分别为鸟群算法中第i只鸟位置的纵坐标和横坐标。
由上可以看出,鸟群算法的目标函数即公式(7)中,设定了第i只鸟的适应度值等于并网点额定电压值Un与Upcc *的差值的绝对值与0.1Un的比值,加上根号下1减功率因数的平方,其中功率因数为鸟群算法中与第i只鸟位置对应的并网点有功功率Ppcc *与视在功率的比值,且设定二者的比重分别是0.8和0.2,该步骤通过将适应度值计算公式(7)设置为与并网点功率因数相关,因此公式可以实现,在鸟群算法的运算过程中,一方面,通过鸟群算法寻找最优解的能力,可以得到使Fiti最小的解,而使得Fiti最小,可使得公式(7)中的首项达到较寻优之前较小的值,而又因为首项中0.1Un是常值,因此可以使分母即并网点电压和其额定值的差值的绝对值达到较寻优前较小的值,实现降低并网点电压偏差,使得并网点电压Upcc(t)维持在额定值Un主要目的。另一方面,由于实际上并网点功率因数为/>其中Ppcc(t)和Qpcc(t)分别为当前时刻t的并网点的有功功率和无功功率的实测值,而本步骤中并网点功率因数为鸟群算法中与第i只鸟位置对应的并网点有功功率Ppcc *与视在功率/>的比值,因此通过鸟群算法寻找最优解的能力,本步骤能得到使并网点功率因数有所提升的解,因而并网点功率因数较大。需要说明的是,并网点功率因数的高低直接关系到电网中的电能损耗,供电线路的电压波动和电压损失,以及电力系统的安全和经济运行,根据国家电网对于分布式电源接入配电网的规定,并网点处功率因数应在0.95之上。综上两方面,公式(7)便可以基本实现以调节电压偏差为主要目标,同时适当提升并网点功率因数的目的。在上述公式对于Upcc *的计算公式中,既包含Ppcc *也包含Qpcc *,因此本步骤不仅考虑无功功率对于并网点电压的调节作用,也考虑了有功功率对于并网点电压的调节效果,同时通过同时考虑有功功率和无功功率的调节效果,可以使得有功调节和无功调节协调合作共同来实现并网点电压的调节。如果只对无功功率进行调节,那么不受控制的有功功率势必会对无功调节造成干扰,两者不会像本方法一样是相互协调促进的关系。同时更充分地利用联合系统的容量来调节并网点电压和功率因数,因此具有更好的优势。
步骤S420,当单独调节有功时联合系统所需提供的视在功率SB_P(t)和单独调节无功时联合系统所需提供的视在功率SB_Q(t)都大于联合系统的输出容量最大值Smax时,执行控制策略二,即设置鸟群算法的目标函数为:
当Upcc(t)>Umax时,Fiti=|Umax-Upcc *| 公式(11)
当Upcc(t)<Umin时,Fiti=|Umin-Upcc *| 公式(12)
当Upcc(t)在[Umin,Umax]之间时,说明并网点电压未越限,不需要调节,返回测试电压的步骤S100。
其中,Fiti表示第i只鸟的适应度值,1≤i≤N,N为鸟群大小;Upcc(t)为时刻t的并网点电压的实测值;Umax和Umin分别表示并网点电压的上限与下限值,Umax等于1.1Un,Umin等于0.9Un;Un表示PCC并网点额定电压值;Upcc *表示鸟群算法中与第i只鸟位置对应的并网点电压调节效果值,Upcc *的计算方法与控制策略一相同。
在本步骤中,当单独调节有功时的视在功率SB_P(t)和单独调节无功时的视在功率SB_Q(t)都大于联合系统的输出容量最大值Smax时,因为两种补偿方式下需要的视在功率都大于联合系统的输出容量最大值,说明此时的并网点电压偏离规定范围([Umin,Umax])的程度很大,因此并网点电压调节目标为尽可能降低并网点电压偏差,实现让并网点电压尽可能回归到[Umin,Umax]附近。这里需要指出的是,并网点电压维持在额定值Un是在电压的越限程度不太大的情况下;而当电压的越限程度很大时,我们很难让电压维持在额定值Un附近,只能退而求其次,让并网点电压Upcc(t)回归到[Umin,Umax]附近。
由上可以看出,在公式(11)中,适应度值函数等于Umax与Upcc *的偏差的绝对值,因此在鸟群算法的寻优过程中,通过鸟群算法寻找最优解的能力,可以得到使此适应度值最小即Umax与Upcc *的偏差的绝对值最小的解。同理,公式(12)可以得到使Umin与Upcc *的偏差的绝对值最小的解,而在Upcc *大于Umax时,得到Umax与Upcc *的偏差的绝对值最小的解,在Upcc *小于Umin时,得到Umin与Upcc *的偏差的绝对值最小的解,就可以实现让越限的并网点电压尽可能地回到[Umin,Umax]附近。综上,本步骤可以实现让并网点电压Upcc(t)尽可能回归到[Umin,Umax]附近。
步骤S430,当单独调节有功时联合系统所需提供的视在功率SB_P(t)和单独调节无功时联合系统所需提供的视在功率SB_Q(t)中只有一个小于联合系统的输出容量最大值Smax时,执行控制策略三,即设置鸟群算法的目标函数为:
Fiti=|Un-Upcc *| 公式(13)
其中,Fiti表示第i只鸟的适应度值,1≤i≤N,N为鸟群大小;Un表示并网点额定电压值;Upcc *表示鸟群算法中与第i只鸟位置对应的并网点电压调节效果值,Upcc *的计算方法与控制策略一相同。
在本步骤中,当单独调节有功时的视在功率SB_P(t)和单独调节无功时的视在功率SB_Q(t)中只有一个小于联合系统的输出容量最大值Smax,说明单独的有功调节和无功调节的实现同样的并网点电压的调节效果所需的联合系统容量不同,也说明此时如果可以合理分配有功和无功的比例的话,联合系统容量足够将并网点电压维持在额定值Un,如果不能合理地分配有功和无功的比例的话,那么联合系统在自己的容量范围内将不能让并网点电压回到额定值,所以需要通过鸟群算法具体确定有功补偿和无功补偿的比例,否则将不能实现将并网点电压维持在额定值,因此此时不应兼顾提升并网点的功率因数。
由上可以看出,鸟群算法的目标函数即公式(13)中,设定了第i只鸟的适应度值为Un和Upcc *的差的绝对值,因此在鸟群算法的寻优过程中,通过鸟群算法寻找最优解的能力,可以得到使适应度值最小的解,即Un和Upcc *的差最小,达到将并网点电压Upcc(t)维持在额定值Un的目的。
S500,基于鸟群算法的目标函数,利用鸟群算法计算联合系统所需的有功功率补偿值和无功功率补偿值。
需要说明的是,在本步骤之前,可以先设置鸟群算法的约束条件,约束条件包括:
(1)联合系统输出的视在功率SB *应小于联合系统的输出容量最大值Smax;
(2)联合系统的有功输出PB *应小于有功出力上限Pmax(有功出力上限Pmax为1.1倍的系统额定功率),联合系统的无功输出QB *应小于无功出力上限Qmax(无功出力上限Qmax为1.2倍的系统额定功率)。
其中,联合系统的有功输出PB *和无功输出QB *如下所示:
PB *=Ppcc *-Ppcc(t)+PB(t) 公式(14)
QB *=Qpcc *-Qpcc(t)+QB(t) 公式(15)
其中,Ppcc *和Qpcc *分别为鸟群算法中各鸟位置的横坐标和纵坐标,代表并网点无功功率和有功功率的一种取值,其计算方法请参考步骤S500的具体步骤;Ppcc(t)和Qpcc(t)分别为当前时刻t的并网点有功功率和无功功率的实测值;PB(t)和QB(t)分别为当前时刻t的联合系统端B点的有功功率和无功功率的实测值;
其中,联合系统输出的视在功率SB *的计算公式如下所示:
具体地,步骤S500包括:
S510,设置鸟群的大小N;最大迭代次数mmax;鸟群迁徙频率Q;觅食频率P;
其中,鸟群迁徙频率Q为正整数,用来判断鸟群是否飞行;觅食频率P在[0,1]之间,用来判断每只鸟的状态。
S520,进行第一次迭代,随机获得N只鸟中每只鸟的二维位置;
需要说明的是,在本实施例中,示例性地,对于第i只鸟,随机获取的二维位置的坐标用xi(xi1,xi2)表示,其中横坐标xi1表示Ppcc *,代表并网点有功功率的一种取值;纵坐标xi2表示Qpcc *,代表并网点无功功率的一种取值。
S530,基于每只鸟的随机位置,根据鸟群算法的目标函数计算第一次迭代后每只鸟的适应度值。
具体地,通过初始随机确定的每只鸟的二维位置坐标,利用公式(7)~公式(13)可以计算出鸟群中每只鸟的适应度值。例如,对于鸟群中的每只鸟,例如第i只鸟,公式(7)~公式(13)中的Ppcc *、Qpcc *分别为第i只鸟的横坐标、纵坐标,Fiti表示第i只鸟的适应度值。
需要说明的是,初始情况下,对于每只鸟i,将随机确定的二维位置坐标作为该第i只鸟的最优位置pi;而初次计算得到的第i只鸟的适应度值作为该第i只鸟的最佳适应度值pFiti。
另外,对于整个鸟群,将初次计算得到的所有鸟适应度之和作为鸟群的最佳适应度值之和sumFit;确定鸟群中,初次计算得到的适应度值最小的鸟,将该适应度值最小的鸟的位置作为全局最优位置g,且将该最小适应度值作为全局最佳适应度值gFit。
需要注意的是,后续迭代步骤S592中,会对每只鸟,例如第i只鸟的最优位置pi、第i只鸟的最佳适应度值pFiti、以及鸟群的最佳适应度值之和sumFit、全局最优位置g、全局最佳适应度值gFit进行更新。
第一次迭代完成,迭代次数m加一。
S540,继续迭代,判断当前迭代次数m与鸟群迁徙频率Q的商是否为整数,当商不是整数,则顺序进行步骤S550;如果商为整数,则转步骤S580,其中,1≤m≤mmax,mmax为最大迭代次数;Q表示迁徙频率,Q为正整数。
在本步骤中,当前迭代次数m的初始值为2。
需要说明的是,本步骤主要是实现“判断鸟群即目前的N个二维坐标是否需要整体移动”,即判断是否更新鸟群所有点的位置,如果m不能被Q整除(即商不是整数),则不需整体移动;如果m能够被Q整除(即商是整数),则需要整体移动。
步骤S550,判断每只鸟的状态为觅食状态还是警觉状态,如果状态判断结果是觅食状态,则继续步骤S560,如果状态判断结果是警觉状态,转步骤S570。
具体地,对于每只鸟,例如第i只鸟,每次迭代时生成一个位于[0,1]区间内的随机数b,根据随机数b与觅食概率P(P∈[0,1])的大小判断鸟的状态,如果b>P,则第i只鸟的状态为觅食;如果b≤P,则第i只鸟的状态为警觉。每进行一次步骤S550就进行一次判断以更新鸟的状态。
步骤S560,通过如下公式计算觅食状态鸟的更新位置,以对觅食状态鸟进行位置更新,然后转步骤S592,
其中,和/>分别表示第m次迭代后、第m-1次迭代后,鸟群中第i只鸟的位置,具体地,是第i只鸟的有功、无功坐标构成的向量(需要说明的是,第1次迭代后第i只鸟的位置为初始化阶段随机确定的第i只鸟的二维位置坐标;第m-1次迭代(m>1)后第i只鸟的位置为该其他次迭代过程中根据确定出的该第i只鸟的行为或状态所更新的第i只鸟的位置,其中该第i只鸟的行为或状态为觅食状态、警觉状态、生产者行为、乞食者行为,各只鸟的位置更新见步骤S560、S570、S590和S591,另外以下步骤中/>和/>的解释同此处的说明);i表示鸟的序号,1≤i≤N;m表示当前迭代的次数,1≤m≤mmax,mmax为最大迭代次数;pi表示第i只鸟的先前最优位置,具体地,是在第m-1次迭代后更新的第i只鸟的最优位置,该位置是适应度最小时有功、无功坐标构成的向量(需要说明的是,对于第2次迭代,pi为第一次迭代时第i只鸟的最优位置,即初始化阶段随机确定的第i只鸟的二维位置坐标;对于之后的迭代,pi为第m-1次迭代后更新的第i只鸟的最优位置,第i只鸟最优位置的更新见步骤S592);C,S为两个正常数,分别称为认知系数及社会进化系数;rand(0,1)为0到1之间的随机数;g为整个鸟群的先前全局最优位置,具体地,是整个鸟群在m-1次迭代后更新的鸟群的全局最优位置(需要说明的是,对于第2次迭代,g为第一次迭代时鸟群的全局最优位置,即鸟群初始化阶段中根据各鸟随机位置计算到的适应度值最小的鸟的位置;对于之后的迭代,g为第m-1次迭代后更新的鸟群的全局最优位置,鸟群全局最优位置的更新见步骤S592)。
本步骤主要是设置觅食状态鸟的移动受自身到达过的最优位置(有功、无功坐标)的影响和受鸟群到达过的最优位置(有功、无功坐标)的影响,从而进行觅食状态鸟位置的更新。其中,鸟移动到先前最优坐标可表示为:当前坐标加上先前最优坐标与当前坐标之差,进一步地,鸟向先前最优坐标方向移动可表示为:当前坐标加上先前最优坐标与当前坐标的差值乘以rand(0,1),进一步地,鸟的移动受先前最优坐标和种群最优坐标的影响可表示为:当前坐标加上先前最优坐标与当前坐标的差值乘以rand(0,1)再乘以认知系数再加上种群最优坐标与当前坐标的差值乘以rand(0,1)再乘以社会进化系数,具体见公式(17)。
步骤S570,通过如下公式计算警觉状态鸟的更新位置,以对警觉状态鸟进行位置更新,然后转步骤S592:
其中:和/>分别表示第m次迭代后、第m-1次迭代后,鸟群中第i只鸟的位置,具体地,是第i只鸟的有功、无功坐标构成的向量;i表示鸟的序号,1≤i≤N,N为鸟群大小,m表示当前迭代次数,1≤m≤mmax,mmax为最大迭代次数;mean2为种群的先前平均位置,具体地,为所有鸟m-1次迭代后的位置相加除以鸟群大小N(需要说明的是,对于第2次迭代,所有鸟m-1次迭代后的位置为第一次迭代时各鸟的初始随机位置;对于之后的迭代,所有鸟m-1次迭代后的位置为第m-1次迭代后各觅食状态鸟、警觉状态鸟、生产者行为鸟、乞食者行为鸟的更新位置);rand(0,1)为0到1之间的随机数;rand(-1,1)为-1到1之间的随机数;k是[1,N]之间的随机整数,且k≠i;pk是第k只鸟的先前最优位置,具体地,为随机一只除i外的鸟在第m-1次迭代后更新的最优位置,该位置为适应度最小时有功、无功坐标构成的向量(需要说明的是,对于第2次迭代,pk为第一次迭代时第k只鸟的最优位置,即初始化阶段随机确定的第k只鸟的二维位置坐标;对于之后的迭代,pk为第m-1次迭代后更新的第k只鸟的最优位置,第k只鸟最优位置的更新见步骤S592);A1和A2的计算公式是:
其中,pFiti为第i只鸟的先前最佳适应度值,具体地,为第i只鸟在第m-1次迭代后更新的最佳适应度值(需要说明的是,对于第2次迭代,pFiti为第一次迭代时第i只鸟的最佳适应度值,即根据初始化阶段随机确定的第i只鸟的二维位置坐标计算得到的适应度值;对于之后的迭代,pFiti为第m-1次迭代后更新的第i只鸟的最佳适应度值,各鸟最佳适应度值的更新见步骤S592);pFitk为第k只鸟的先前最佳适应度值,具体地,为随机一只除i外的鸟在第m-1次迭代后更新的最佳适应度值;sumFit为整个鸟群的先前最佳适应度值之和,具体地,为在第m-1次迭代后更新的鸟群的最佳适应度值之和(需要说明的是,对于第2次迭代,sumFit为第一次迭代时鸟群的最佳适应度值之和,即根据初始化阶段随机确定的鸟群各鸟的二维位置坐标计算得到的所有鸟适应度值之和;对于之后的迭代,sumFit为第m-1次迭代后更新的鸟群的最佳适应度值之和,鸟群的最佳适应度值之和的更新见步骤S592);a1,a2是[0,2]之间的常数;ε用来避免零分割,是计算机程序中的最小常数;N为鸟群大小。
本步骤主要是设置警觉状态鸟向鸟群的中心位置移动,在移动过程中受到环境的影响和其他鸟竞争的影响,从而进行警觉状态鸟位置的更新。具体地,鸟移动到平均坐标可表示为:当前坐标加上平均坐标与当前坐标的差值,进一步地,鸟向中心位置移动时受到环境的影响可表示为:当前坐标加上平均坐标与当前坐标的差值乘以rand(0,1)再乘以环境影响,进一步地,移动过程中与其他鸟的发生竞争,受到其他鸟最优位置的影响,需要再加上竞争鸟最优位置坐标与该鸟当前坐标的差值乘以rand(-1,1)再乘以竞争影响,其中乘以rand(-1,1)是因为竞争可能导致可能靠近或远离其他鸟的最优位置,具体见公式(18)。
需要说明的是,当鸟处于警觉状态时,每只鸟均试图飞往种群的中心,此行为受种群间的竞争影响,食物储备多的鸟比储备少的有更大的概率飞往中心。
步骤S580,判断每只鸟的行为是生产者还是乞食者,如果行为判断结果是生产者,则继续步骤S590;如果行为判断结果是乞食者,转步骤S591。
具体地,生产者或乞食者的行为判断方法是:
根据每只鸟的最佳适应度值的大小确定鸟的行为。
需要说明的是,对于当前第m次迭代,每只鸟的最佳适应度值,是在第m-1次迭代后更新的该鸟适应度值的最小值。需要说明的是,对于第2次迭代,每只鸟的最佳适应度值为第一次迭代时鸟的最佳适应度值,即根据初始化阶段随机确定的鸟的二维位置坐标计算得到的适应度值;对于之后的迭代,每只鸟的最佳适应度值为第m-1次迭代后更新的鸟的最佳适应度值,鸟的最佳适应度值的更新见步骤S592。
在本实施例中,例如,对于每只鸟,例如第i只鸟,根据第i只鸟的最佳适应度值的大小确定第i只鸟的行为,具体包括步骤:
获取第i只鸟的最佳适应度值pFiti;
获取鸟群的平均最佳适应度值,具体地,为鸟群第m-1次迭代后更新的最佳适应度值之和sumFit与鸟群大小N之比;
获取第i只鸟的最佳适应度值与鸟群的平均最佳适应度值的差值;
如果差值大于等于零,则认为第i只鸟为生产者;如果差值小于零,则认为第i只鸟为乞食者。
步骤S590,通过如下公式计算生产者行为鸟的更新位置,以对生产者行为鸟进行位置更新,然后转步骤S592:
其中,和/>分别表示第m次迭代后、第m-1次迭代后,鸟群中第i只鸟的位置,具体地,是第i只鸟的有功、无功坐标构成的向量;i表示鸟的序号,1≤i≤N,N为鸟群大小m表示当前迭代次数,1≤m≤mmax,mmax为最大迭代次数;randn(0,1)代表产生服从期望值为0,标准差为1的高斯分布的一个随机数。
本步骤主要是设置生产者行为鸟选择新的有功、无功坐标,从而进行生产者行为鸟位置的更新,这是由于每次迭代后鸟的位置都是无法预测的,鸟沿当前位置有功、无功的夹角方向移动也是无法预测的,需要对鸟的位置进行更新,具体见公式(20)。
步骤S591,通过如下公式计算乞食者行为鸟的更新位置,以对乞食者行为鸟进行位置更新,然后继续步骤S592:
其中,和/>分别表示第m次迭代后、第m-1次迭代后,鸟群中第i只鸟的位置,具体地,是第i只鸟的有功、无功坐标构成的向量;i表示鸟的序号,1≤i≤N,N为鸟群大小,m表示当前迭代次数,1≤m≤mmax,mmax为最大迭代次数;r是[1,N]之间的整数,r≠i且第r只鸟是生产者;xr m-1为第m-1次迭代后,鸟群中第r只鸟的位置(需要说明的是,第1次迭代后无法确定是否存在“生产者行为”的鸟;只有次数大于1的迭代后才能确定是否存在“生产者行为”的鸟,同时得到“生产者行为”鸟的位置,进而从多个“生产者行为”鸟中选择任一鸟为此处的第l只鸟);FL为乞食者随同生产者觅食的概率,FL是[0,1]之间随机确定的常数,每次进行该步骤时更新;randn(0,1)代表产生服从期望值为0,标准差为1的高斯分布的一个随机数。
本步骤主要是设置乞食者行为鸟跟随生产者行为鸟移动,从而进行乞食者行为鸟位置的更新。具体地,一只鸟移动到其他鸟坐标可表示为:该鸟坐标加上其他鸟坐标与该鸟坐标之差,进一步地,一只鸟向其他鸟坐标方向移动可表示为:该鸟坐标加上其他鸟坐标与该鸟坐标的差值乘以rand(0,1)再乘以移动的概率,具体见公式(21)。
由上可以看出,在第m次迭代过程中,通过步骤S560、S570、S590和S591,每只鸟都在进行了状态或行为判断,并基于判断结果进行了位置更新,每只鸟的当前位置为更新后的位置。
步骤S592,基于觅食状态鸟、警觉状态鸟、生产者行为鸟、乞食者行为鸟的更新位置,根据鸟群算法的目标函数计算每只鸟的新适应度值,根据每只鸟的新适应度值、先前最佳适应度值和鸟群的先前全局最佳适应度值,更新每只鸟的最优位置和最佳适应度值、鸟群的最佳适应度值之和以及全局最优位置和全局最佳适应度值。
具体地,在本步骤中,觅食状态鸟、警觉状态鸟、生产者行为鸟、乞食者行为鸟中的每只鸟的位置是二维坐标,其中,横坐标作为Ppcc *,纵坐标作为Qpcc *,根据横、纵坐标并利用鸟群算法的目标函数公式(7)~公式(13)分别计算出每只鸟的新适应度值。
(1)更新每只鸟的最佳适应度值和最优位置。
具体地,对于每只鸟,例如第i只鸟,获取该第i只鸟的新适应度值与先前最佳适应度值的第一差值。对于第m次迭代,第i只鸟的先前最佳适应度值为第i只鸟在第m-1次迭代后更新的最佳适应度值。详细地,对于第2次迭代,第i只鸟的先前最佳适应度值为第一次迭代时第i只鸟的最佳适应度值,即根据初始化阶段随机确定的第i只鸟的二维位置坐标计算得到的适应度值;对于之后的迭代第i只鸟的先前最佳适应度值为第m-1次迭代后更新的第i只鸟的最佳适应度值。
如果第一差值<0,则将该第i只鸟的最优位置pi更新为第i只鸟的当前位置,并将第i只鸟的最佳适应度值pFiti更新为第i只鸟的新适应度值;如果第一差值≥0,则该第i只鸟的最优位置pi和该第i只鸟的最佳适应度值pFiti不变,均为上次迭代的数据。需要指出的是,对于第i只鸟,这种更新方式得到的最优位置pi是该第i只鸟在m次的迭代中适应度值最小时有功、无功坐标构成的向量;这种更新方式得到的最佳适应度值pFiti是该第i只鸟在m次的迭代中适应度值的最小值。
(2)更新鸟群的最佳适应度值之和sumFit。
具体地,将鸟群的最佳适应度值之和sumFit更新为所有鸟的新最佳适应度值相加之和,其中,每只鸟的新最佳适应度值为当前迭代过程中根据第一差值确定的各鸟的最佳适应度值。
(3)更新鸟群的全局最优位置g和全局最佳适应度值gFit。
具体地,对于每只鸟,例如第i只鸟,获取该第i只鸟的新适应度值与鸟群的先前全局最佳适应度值的第二差值。若当前迭代次数是2,则鸟群的先前全局最佳适应度值是第1次迭代后的全局最佳适应度值,即为根据初始化阶段随机确定的鸟群各鸟的二维位置坐标计算得到的所有适应度值中最小的适应度值;若当前迭代次数大于2,则鸟群的先前全局最佳适应度值是第m-1次迭代后更新的鸟群的先前全局最佳适应度值。
如果第二差值<0,则将鸟群的全局最优位置g更新为第i只鸟的当前位置,并将鸟群的全局最佳适应度值gFit更新为第i只鸟的新适应度值;如果第二差值≥0,则鸟群的全局最优位置g和全局最佳适应度值gFit不变,均为上次迭代的数据。
需要说明的是,鸟群的当前全局最优位置g和当前全局最佳适应度值gFit需要对每只鸟都判断完毕后,才能最终确定。也即,鸟群中的每只鸟都需要判断是否符合第二差值的要求,每只鸟判断后都会对鸟群的全局最优位置和全局最佳适应度值进行更新;当鸟群所有的鸟都判断结束后,最终得到的鸟群的全局最优位置和全局最佳适应度值就是当前迭代次数对应的全局最优位置和全局最佳适应度值。
步骤S593,判断是否满足迭代终止条件,如果满足,则继续步骤S594;如果不满足,则m加一,转步骤S540。
其中,迭代终止条件为:迭代代数大于设定的最大迭代次数mmax。
步骤S594,输出最终更新的全局最优位置,其中全局最优位置的横坐标用Pref表示,纵坐标用Qref表示;
步骤S595,基于全局最优位置,计算联合系统所需的有功功率补偿值和无功功率补偿值,公式如下:
Pref_B=Pref-Ppcc(t)+PB(t) 公式(22)
Qref_B=Qref-Qpcc(t)+QB(t) 公式(23)
其中,Pref_B表示联合系统所需的有功功率补偿值;Qref_B表示联合系统所需的无功功率补偿值;Pref为全局最优位置的横坐标,表示有功补偿后的并网点PCC的有功功率,Qref为全局最优位置的纵坐标,表示无功补偿后的并网点PCC的无功功率;PPCC(t)和QPCC(t)分别表示当前t时刻PCC并网点的有功功率和无功功率的实测值;PB(t)和QB(t)分别表示当前t时刻联合系统端B点的有功功率和无功功率的实测值。
S600,至少根据联合系统所需的有功功率补偿值和无功功率补偿值控制新能源场站和储能电站的有功功率和无功功率输出,转步骤S100。
具体地,步骤S600包括:
步骤S610,检测每个新能源场站的有功功率输出上限和无功功率输出上限;
步骤S620,对于每个新能源场站,判断其有功功率输出上限是否大于联合系统的有功功率补偿值与新能源场站数量的比值,如果否,则继续步骤S640;如果是,则转步骤S650;
步骤S630,对于每个新能源场站,判断其无功功率输出上限是否大于联合系统的无功功率补偿值与新能源场站数量的比值,如果是,则继续步骤S660;如果否,则转步骤S670;
步骤S640,确定每个新能源场站和与每个新能源场站对应的储能电站的有功功率,公式如下:
当Pref_B/n>Pi时,Pbi=Pi,Pai=Pref_B/n-Pi
其中,Pref_B表示联合系统的有功功率补偿值;Pi表示第i个新能源场站的有功功率输出上限;n表示新能源场站的数量;Pbi表示第i个新能源场站需输出的有功功率;Pai表示储能电站之与第i个新能源场站的输出对应的有功功率。
步骤S650,确定每个新能源场站和与每个新能源场站对应的储能电站的有功功率,公式如下:
当Pref B/n≤Pi时,Pbi=Pref B/n,Pai=0
步骤S660,确定每个新能源场站和与每个新能源场站对应的储能电站的无功功率,公式如下:
当Qref B/n≤Qi时,Qbi=Qref B/n,Qai=0
其中,Qref_B表示联合系统的无功功率补偿值;Qi表示第i个新能源场站的无功功率输出上限;n表示新能源场站的数量;Qbi表示第i个新能源场站需输出的无功功率;Qai表示储能电站之与第i个新能源场站的输出对应的无功功率。
步骤S670,确定每个新能源场站和与每个新能源场站对应的储能电站的无功功率,公式如下:
当Qref B/n>Qi时,Qbi=Qi,Qai=Qref B/n-Qi
步骤S680,控制每个新能源场站输出对应计算得到的有功功率和无功功率;根据有功功率阈值控制储能电站的有功功率输出,根据无功功率输出阈值控制储能电站的有无功功率输出,其中有功功率输出阈值和无功功率阈值的计算公式为:
其中,Pa为有功功率输出阈值;Qa为无功功率输出阈值;n表示新能源场站的数量;Pai表示储能电站之与第i个新能源场站的输出对应的有功功率;Qai表示储能电站之与第i个新能源场站的输出对应的无功功率。
图3是储能电站和新能源场站联合接入拓扑图。图中储能电站600和新能源场站100(风电/光伏)组成储能电站与新能源场站联合系统,储能电站与新能源场站的并联点为联合系统的端B点,联合系统的端B点与用电负荷700的端C点一起接入并网点PCC;并网点PCC经过一段传输线路(线路阻抗800)后与升压变压器900连接;升压变压器900将电压升高后接入交直流混联电网170。
图4是本发明实施例基于鸟群算法的储能电站与新能源场站电压控制系统的示意图。需要说明的是,本实施例基于鸟群算法的储能电站与新能源场站电压控制系统的应用对象,可以为譬如接入交直流混联电网的储能电站与新能源场站联合系统。
如图4所示,该电压控制系统包括多个新能源场站(n个光伏电站1)、储能电站6、用电负荷7、交直流混连电网17、新能源场站控制器(例如光伏控制器2)、储能控制系统5以及功率调度系统4。
其中,储能电站6和所有光伏1组成储能与新能源场站联合系统,联合系统的端B与用电负荷7的一端一起接入并网点PCC,并网点PCC经过传输线路(线路阻抗8)后与升压变压器9连接;升压变压器9将电压升高后接入交直流混联电网17。交直流混连电网17包括并联的交流电网10与HVDC受端11。
功率调度系统4的一个输入端连接PCC并网点;功率调度系统4的另一个输入端连接联合系统端B点,功率调度系统4的一个输出端连接光伏控制器2的输入端(见图4中标号为13的线路);功率调度系统4的另一个输出端连接储能控制系统5的一个输入端(见图4中标号为14的线路)。
光伏控制器2的输出端连接光伏电站1的输入端(见图4中标号为18的线路);储能控制系统5的输出端连接储能电站6的输入端(见图4中标号为15的线路);储能电站6的输出端连接储能控制系统5的另一输入端(见图4中标号为16的线路)。
下面说明本实施例基于鸟群算法的储能电站与新能源场站电压控制系统的工作原理。
每个光伏电站1用于将光能转化为电能。储能电站6用于将化学能转换为电能。用电负荷7表示新能源发电的就近消纳负荷,就近消纳可提高能源供需协调能力,而新能源发电多为分布式电源,因此此处引入用电负荷用来模拟现实中分布式电源的就近消纳负荷。升压变压器9用于将低压电转换为高压电之后接入交直流混连电网17。
功率调度系统4用于检测PCC并网点的电压Upcc和电流值Ipcc以及联合系统的端B点的电压UB和电流值UB,判断并网点电压是否越限,并在发生电压越限时,利用鸟群算法计算联合系统所需的有功功率补偿值和无功功率补偿值,并至少根据有功功率补偿值和无功功率补偿值通过光伏控制器2和储能控制系统5分别控制各光伏电站1以及储能电站6的有功功率和无功功率输出。
储能控制系统5用于根据根据功率调度系统4的输出来分配储能电站6中每台储能单机模块的有功和无功。
光伏控制器2用于根据功率调度系统4的输出控制各光伏电站1的有功和无功大小。
作为本实施例更优的实施方案,本实施例可选地还包括新能源设备功率监测器(例如光伏功率监测器3)。功率调度系统4还通过光伏功率监测器3与每个光伏电站1连接(见图4中标号为12的线路)。光伏功率监测器3用于实时监测每个光伏电站1的有功功率输出上限和无功功率输出上限,并将其传输给功率调度系统4。
功率调度系统4具体用于根据光伏功率监测器3监测的每个光伏电站1的有功功率输出上限和无功功率输出上限以及计算得到的联合系统所需的有功功率补偿值和无功功率补偿值,控制各光伏电站1以及储能电站6中各储能单机模块的有功功率和无功功率输出。具体地,功率调度系统4根据光伏功率监测器3监测的每光伏电站1的有功功率输出上限和无功功率输出上限以及计算得到的联合系统所需的有功功率补偿值和无功功率补偿值,计算各光伏电站1的有功功率和无功功率以及储能电站的有功功率输出阈值和无功功率输出阈值,并将计算得到的每个光伏电站1的有功功率和无功功率输送至光伏控制器2,将计算得到的储能电站的有功功率输出阈值和无功功率输出阈值输送至储能控制系统5。储能控制系统5根据有功功率输出阈值和无功功率输出阈值来分配储能电站6中每台储能单机模块的有功和无功。光伏控制器2根据接收的有功功率和无功功率来控制各个光伏电站1的有功和无功大小。
需要指出的是,本实施例中,功率调度系统4可以执行前述实施例基于鸟群算法的储能电站与新能源场站电压控制方法的所有步骤,在此不再赘述。
图5是本发明实施例基于鸟群算法的储能电站与新能源场站电压控制仿真系统的示意图。本发明基于鸟群算法的储能电站与新能源场站电压控制方法可利用硬件系统实现,如图5,基于鸟群算法的储能电站与新能源场站电压控制仿真系统由仿真机1000、软件平台和CPU 3000三个部分构成。
仿真机1000用于模拟真实的电网运行情况,该仿真机包括电网170’、新能源场站100’、储能电站600’和用电负荷700’,其中储能电站600’与新能源场站100’组成储能与新能源场站联合系统,储能电站600’与新能源场站100’的并联点为联合系统的端B点,联合系统的端B与用电负荷的一端接入PCC并网点,PCC并网点经过传输线路800’后与变压器900’连接;变压器900’将电压升高后接入电网170’。
软件平台包括电压电流监测模块2000,用于实时监测仿真机1000中并网点PCC和联合系统端B点的电压和电流,并将其传输至CPU 3000;
CPU 3000用于下载并执行以下程序:根据软件平台的监测数据判断并网点电压是否越限,并在发生电压越限时,利用鸟群算法计算仿真机中联合系统输出的有功功率补偿值和无功功率补偿值,并至少根据有功功率补偿值和无功功率补偿值控制仿真机中各新能源场站以及储能电站中各储能单机模块的有功功率和无功功率输出。具体地,CPU利用鸟群算法计算出储能电站和新能源场站的有功、无功输出,最后将计算结果返回仿真机,实现对并网点电压的控制。
具体地,CPU 3000包括:
电压越限判断模块3100,用于根据软件平台的电压电流监测模块2000监测到的电压数据判断并网点电压是否越限;
鸟群算法模块3200,用于在电压越限判断模块3100判断出电压越限时,利用鸟群算法计算仿真机中联合系统输出的有功功率补偿值和无功功率补偿值;
功率分配模块3300,用于至少根据鸟群算法模块3200计算得到的有功功率补偿值和无功功率补偿值控制仿真机中各新能源场站以及储能电站的有功功率和无功功率输出。
需要指出的是,本实施例中,CPU能下载前述实施例基于鸟群算法的储能电站与新能源场站电压控制方法的程序,执行前述实施例基于鸟群算法的储能电站与新能源场站电压控制方法的所有步骤,在此不再赘述。
以上所述仅为本公开的可选实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种基于鸟群算法的储能与新能源场站电压控制方法,包括:
检测PCC并网点和联合系统端B点的电压和电流,其中,联合系统由储能电站与新能源场站组成;
当所述PCC并网点的电压越限时,确定单独调节有功时和单独调节无功时所述联合系统所需的视在功率;
根据单独调节有功时和单独调节无功时所述联合系统所需的视在功率与所述联合系统的输出容量最大值之间的关系,设置鸟群算法的目标函数;
基于所述鸟群算法的目标函数,利用鸟群算法计算所述联合系统所需的有功功率补偿值和无功功率补偿值;
至少根据所述有功功率补偿值和所述无功功率补偿值控制所述新能源场站和所述储能电站的有功功率和无功功率输出。
2.如权利要求1所述的基于鸟群算法的储能与新能源场站电压控制方法,其特征在于,所述根据单独调节有功时和单独调节无功时所述联合系统所需的视在功率与所述联合系统的输出容量最大值之间的关系,设置鸟群算法的目标函数以将并网点的电压维持在额定值,包括:
当单独调节有功时和单独调节无功时联合系统所需的视在功率都小于或等于联合系统的输出容量最大值时,设置鸟群算法的目标函数为:
其中:Fiti表示第i只鸟的适应度值,1≤i≤N,N为鸟群大小;Un表示PCC并网点电压的额定值;Qpcc *和Ppcc *分别为鸟群算法中第i只鸟位置的纵坐标和横坐标;Upcc *表示鸟群算法中与第i只鸟位置对应的并网点电压调节效果值。
3.如权利要求2所述的基于鸟群算法的储能与新能源场站电压控制方法,其特征在于,所述根据单独调节有功时和单独调节无功时所述联合系统所需的视在功率与所述联合系统的输出容量最大值之间的关系,设置鸟群算法的目标函数以将并网点的电压维持在额定值,还包括:
当单独调节有功时和单独调节无功时联合系统所需的视在功率都大于联合系统的输出容量最大值时,设置鸟群算法的目标函数为:
当Upcc(t)>Umax时,Fiti=|Umax-Upcc *|
当Upcc(t)<Umin时,Fiti=|Umin-Upcc *|
其中,Fiti表示第i只鸟的适应度值,1≤i≤N,N为鸟群大小;Upcc(t)为时刻t的PCC并网点电压的实测值;Umax等于1.1Un,Umin等于0.9Un,Un表示PCC并网点电压的额定值;Upcc *表示鸟群算法中与第i只鸟位置对应的并网点电压调节效果值。
4.如权利要求2所述的基于鸟群算法的储能与新能源场站电压控制方法,其特征在于,所述根据单独调节有功时和单独调节无功时所述联合系统所需的视在功率与所述联合系统的输出容量最大值之间的关系,设置鸟群算法的目标函数以将并网点的电压维持在额定值,还包括:
当单独调节有功时和单独调节无功时联合系统所需的视在功率中只有一个小于联合系统的输出容量最大值时,设置鸟群算法的目标函数为:
Fiti=|Un-Upcc *|
其中,Fiti表示第i只鸟的适应度值,1≤i≤N,N为鸟群大小;Un表示PCC并网点电压的额定值;Upcc *表示鸟群算法中与第i只鸟位置对应的并网点电压调节效果值。
5.如权利要求2或3或4所述的基于鸟群算法的储能与新能源场站电压控制方法,其特征在于,所述基于所述鸟群算法的目标函数,利用鸟群算法计算所述联合系统所需的有功功率补偿值和无功功率补偿值,具体为:
(1)基于每只鸟的随机位置,根据鸟群算法的目标函数计算每只鸟的适应度值;
(2)进行迭代,判断当前迭代次数m与鸟群迁徙频率Q的商是否为整数,当商为整数时,对于每一只鸟,生成与当前迭代次数m对应的随机数b,根据随机数b与觅食概率P的大小确定鸟的状态,更新觅食状态鸟和/或警觉状态鸟的位置;当商为整数时,根据每只鸟的最佳适应度值的大小确定鸟的行为,其中,每只鸟的最佳适应度值为上一次迭代中更新的该鸟的最佳适应度值,更新生产者行为鸟和/或乞食者行为鸟的位置;
(3)基于更新的鸟位置,根据鸟群算法的目标函数计算计算每只鸟的新适应度值;
(4)对于每只鸟,根据该鸟的新适应度值与先前最佳适应度值的第一差值确定该鸟的最优位置和最佳适应度值的更新策略;根据各鸟的新适应度值与鸟群的先前全局最佳适应度值的第二差值确定鸟群的全局最优位置和全局最佳适应度值的更新策略;
(5)返回迭代步骤,直到迭代代数大于最大迭代次数,此时输出全局最优位置;
(6)基于输出的全局最优位置,计算联合系统所需的有功功率补偿值和无功功率补偿值。
6.如权利要求5所述的基于鸟群算法的储能与新能源场站电压控制方法,其特征在于,所述更新觅食状态鸟和/或警觉状态鸟的位置的步骤,以及所述更新生产者行为鸟和/或乞食者行为鸟的位置的步骤,具体为:
根据如下公式计算更新觅食状态鸟的位置:
根据如下公式计算更新警觉状态鸟的位置:
根据如下公式计算更新生产者行为鸟的位置:
根据如下公式计算更新乞食者行为鸟的位置:
上述4个公式中,和/>分别表示第m次迭代后、第m-1次迭代后,第i只鸟的位置;i表示鸟的序号,1≤i≤N,N为鸟群大小;m表示当前迭代的次数,1≤m≤mmax,mmax表示最大迭代次数;pi表示第i只鸟的先前最优位置;C,S分别为认知系数及社会进化系数;rand(0,1)为0到1之间的随机数;g表示整个鸟群的先前全局最优位置;mean2表示种群的先前平均位置;k是[1,N]之间的随机整数,且k≠i;pk是第k只鸟的先前最优位置;rand(-1,1)为-1到1之间的随机数;randn(0,1)代表产生服从期望值为0,标准差为1的高斯分布的一个随机数:r是[1,N]之间的整数,r≠i且第l只鸟是生产者;/>为第m-1次迭代后,鸟群中第r只鸟的位置;FL是[0,1]之间随机确定的常数,每次计算乞食者行为鸟的位置时需更新FL,A1和A2的计算公式是:
其中,a1,a2是[0,2]之间的常数;pFiti表示第i只鸟的先前最佳适应度值;pFitk表示第k只鸟的先前最佳适应度值;sumFit表示整个鸟群的先前最佳适应度值之和;ε用来避免零分割,是计算机程序中的最小常数。
7.如权利要求1或2所述的基于鸟群算法的储能与新能源场站电压控制方法,其特征在于,所述确定单独调节有功时和单独调节无功时所述联合系统所需的视在功率,具体包括:
(1)确定单独有功功率补偿值和单独无功功率补偿值,公式为:
Pcom(t)=Ppcc_s(t)-Ppcc(t)+PB(t)
Qcom(t)=Qpcc_s(t)-Qpcc(t)+QB(t)
其中,Pcom(t)表示当前时刻t的单独有功功率补偿值;Qcom(t)表示当前时刻t的单独无功功率补偿值:Ppcc_s(t)和Qpcc_s(t)分别表示在当前时刻t下,只进行有功调节和只进行无功调节时,使并网点电压满足规定范围的并网点所应该达到的有功功率值和无功功率值;PPCC(t)和QPCC(t)分别表示当前时刻t下PCC并网点的有功功率和无功功率的实测值;PB(t)和QB(t)分别表示当前时刻t下联合系统端B点的有功功率和无功功率的实测值;
(2)根据单独有功功率补偿值确定单独调节有功时联合系统所需提供的视在功率,根据单独无功功率补偿值确定单独调节无功时联合系统所需提供的视在功率公式为:
其中,SB_P(t)表示单独调节有功时t时刻联合系统所需提供的视在功率;SB_Q(t)表示单独调节无功时t时刻联合系统所需提供的视在功率。
8.如权利要求1所述的基于鸟群算法的储能与新能源场站电压控制方法,其特征在于,所述至少根据所述有功功率补偿值和所述无功功率补偿值控制所述新能源场站和所述储能电站的有功功率和无功功率输出,包括:
检测每个新能源场站的有功功率输出上限和无功功率输出上限;
计算每个新能源场站和与每个新能源场站对应的储能电站的有功功率和无功功率,公式为:
当PrefB/n≤Pi时,Pbi=PrefB/n,Pai=0
当PrefB/n>Pi时,Pbi=Pi,Pai=PrefB/n-Pi
当QrefB/n≤Qi时,Qbi=QrefB/n,Qai=0
当QrefB/n>Qi时,Qbi=Qi,Qai=QrefB/n-Qi
其中,Pref_B和Qref_B分别表示联合系统的有功功率补偿值和无功功率补偿值;Pi和Qi分别表示第i个新能源场站的有功功率输出上限和无功功率输出上限;n表示新能源场站的数量;Pbi和Qbi分别表示第i个新能源场站需输出的有功功率和无功功率;Pai和Qai分别表示储能电站之与第i个新能源场站的输出对应的有功功率和无功功率;
控制每个新能源场站输出对应计算得到的有功功率和无功功率;根据与所有新能源场站的输出对应的储能电站的有功功率之和与无功功率之和,分别控制储能电站的有功功率和无功功率输出。
9.一种基于鸟群算法的储能与新能源场站电压控制系统,其特征在于,包括:多个新能源场站、储能电站、用电负荷、电网、新能源场站控制器、储能控制系统、以及功率调度系统,
其中,所述多个新能源场站和所述储能电站组成储能与新能源场站联合系统,储能电站与新能源场站的并联点为联合系统的端B点,联合系统的端B点与用电负荷的一端接入PCC并网点,PCC并网点接入电网;
所述功率调度系统的一个输入端连接PCC并网点;另一个输入端连接联合系统的端B点,一个输出端连接新能源场站控制器的输入端;另一个输出端连接储能控制系统的一个输入端;新能源场站控制器的输出端连接每个新能源场站的输入端;储能控制系统的输出端连接储能电站的输入端;储能电站的输出端连接储能控制系统的另一输入端;
所述功率调度系统,用于检测PCC并网点以及联合系统端B点的电压和电流,判断并网点电压是否越限,并在发生电压越限时,利用鸟群算法计算联合系统所需的有功功率补偿值和无功功率补偿值,并至少根据所述有功功率补偿值和所述无功功率补偿值控制所述新能源场站和所述储能电站的有功功率和无功功率输出。
10.一种基于鸟群算法的储能与新能源场站电压控制仿真系统,包括:
仿真机,所述仿真机用于模拟真实电网运行情况,所述仿真机包括电网、新能源场站、储能电站和用电负荷,其中储能电站与新能源场站组成储能与新能源场站联合系统,储能电站与新能源场站的并联点为联合系统的端B点,联合系统的端B与用电负荷的一端接入PCC并网点,PCC并网点接入电网;
软件平台,所述软件平台用于实时监测仿真机中PCC并网点和联合系统端B点的电压和电流;
CPU,所述CPU用于下载并执行以下程序:根据所述软件平台的监测数据判断并网点电压是否越限,并在发生电压越限时,利用鸟群算法计算仿真机中联合系统输出的有功功率补偿值和无功功率补偿值,并至少根据所述有功功率补偿值和所述无功功率补偿值计算仿真机中各新能源场站以及储能电站的有功功率和无功功率输出,将计算结果返回仿真机以实现对并网点电压的仿真控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310331369.XA CN116388209A (zh) | 2023-03-30 | 2023-03-30 | 基于鸟群算法的储能与新能源场站电压控制方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310331369.XA CN116388209A (zh) | 2023-03-30 | 2023-03-30 | 基于鸟群算法的储能与新能源场站电压控制方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116388209A true CN116388209A (zh) | 2023-07-04 |
Family
ID=86960981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310331369.XA Pending CN116388209A (zh) | 2023-03-30 | 2023-03-30 | 基于鸟群算法的储能与新能源场站电压控制方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116388209A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116979390A (zh) * | 2023-07-31 | 2023-10-31 | 南京中汇电气科技有限公司 | 一种新能源场站自动电压无功控制双重调节方法 |
CN117424267A (zh) * | 2023-10-24 | 2024-01-19 | 上海勘测设计研究院有限公司 | 一种储能容量优化配置的电力系统调峰方法及装置 |
-
2023
- 2023-03-30 CN CN202310331369.XA patent/CN116388209A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116979390A (zh) * | 2023-07-31 | 2023-10-31 | 南京中汇电气科技有限公司 | 一种新能源场站自动电压无功控制双重调节方法 |
CN116979390B (zh) * | 2023-07-31 | 2024-02-13 | 南京中汇电气科技有限公司 | 一种新能源场站自动电压无功控制双重调节方法 |
CN117424267A (zh) * | 2023-10-24 | 2024-01-19 | 上海勘测设计研究院有限公司 | 一种储能容量优化配置的电力系统调峰方法及装置 |
CN117424267B (zh) * | 2023-10-24 | 2024-05-07 | 上海勘测设计研究院有限公司 | 一种储能容量优化配置的电力系统调峰方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116388209A (zh) | 基于鸟群算法的储能与新能源场站电压控制方法和系统 | |
CN109274113B (zh) | 一种混合多端直流输电系统非线性下垂控制方法 | |
CN109742812A (zh) | 一种提高新能源消纳的源-荷-储协调调度方法 | |
CN108875992A (zh) | 一种考虑需求响应的虚拟电厂日前优化调度方法 | |
CN112600225B (zh) | 一种用于风储系统一次调频的控制方法及系统 | |
JP3825171B2 (ja) | 配電系統制御システム | |
CN109066703A (zh) | 一种计及源荷协调的配电网电压调控方法 | |
KR20110137262A (ko) | 전력 생산 엔티티를 제어하기 위한 방법 및 시스템 | |
CN110350597A (zh) | 基于分布式光伏有功-无功优化的配电网电压控制方法 | |
CN105762838A (zh) | 一种风电集群无功电压多目标控制方法 | |
CN110445127A (zh) | 一种面向多重随机不确定性的配电网无功优化方法及系统 | |
CN109617049A (zh) | 一种风电汇集区的upfc配置方法 | |
CN104638637A (zh) | 基于agc与avc的协调优化控制方法 | |
CN111277004A (zh) | 一种配电网“源-网-荷”两阶段多目标控制方法及系统 | |
CN115852434A (zh) | 一种制氢控制方法及相关装置 | |
CN115147245A (zh) | 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法 | |
CN112152268B (zh) | 一种交、直流子微网控制方法及子微网群间控制方法 | |
JP3825173B2 (ja) | 配電系統制御システム | |
CN115800291A (zh) | 一种电化学储能变流器调压系统及控制方法 | |
CN113595135B (zh) | 一种并弱电网型电氢耦合直流微电网双层同步控制方法 | |
CN114399115A (zh) | 以多目标均衡为导向的热力控制平台用户响应优化方法 | |
CN113890114A (zh) | 一种主配用多层级电网灵活调节能力挖掘方法 | |
CN109038564B (zh) | 一种基于改进粒子群算法的次同步振荡抑制系统及方法 | |
CN111740447A (zh) | 一种能量路由器的协同控制方法 | |
CN109546678A (zh) | 基于鲁棒后悔度的风电日内市场和模拟实时市场优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |