一种降低风电场功率损耗的无功控制方法

针对配备集中补偿装置SVC的双馈风电机组(DFIG)组成的风电场,提出了一种基于网络损耗最小的无功补偿方案,综合利用风电场安装的SVC无功补偿装置及双馈风电机组的无功调节能力来实现无功优化。风电场自动电压控制系统通过风电场并网点的电压偏差推算出风电场的无功功率需求,根据此时双馈风电机组和SVC无功补偿装置实际无功发生能力,以网络损耗最小为目标函数进行无功分配,通过此分配方法既可以发挥双馈风电机组无功调节能力又可以减小风电场的损耗。仿真结果表明采用所提策略能够有效地减少风电场功率损耗,提高电压稳定裕度。     

含分布式电源的配电网电压无功优化问题研究

本文根据分布式电源对配电网的有功损耗和电压稳定与分布等方面的影响,针对含分布式电源的配电网,构建以节点电压合格率最高为目标的电压无功优化模型,然后结合配电网负荷变化及太阳能容量的变化特点,选取一天中3个典型的负荷点,采用多种电压无功调节装置(OLTC、SVR、SC和SVC)组合优化的策略对配电网电压进行优化控制,并采用收敛性较好的遗传算法求解最优电压,最后通过算例仿真分析几种电压无功调节装置不同组合情况下的电压优化效果,验证了几种组合方法均能对配网电压起到优化作用的正确性。     

蚁群优化PI控制器在静止无功补偿器电压控制中的应用

静止无功补偿器(static var compensator,SVC)通常用来进行负荷补偿或系统补偿,在系统补偿时往往用于电压稳定控制,针对电压稳定控制的工况,文中提出一种采用蚁群算法优化PI控制器参数的方法,克服了常规PI控制对被控对象数学模型的依赖性,简单易于实现。蚁群优化算法中,以时间与误差绝对值乘积积分(integral of time-weighted absolute error,ITAE)准则作为寻优目标函数,对PI控制器的比例、积分参数进行调整、寻优,使SVC系统的响应过程达到最优。仿真和实验结果表明,该最优PI控制器能快速跟踪SVC系统的电压设定值,基于该PI控制器的SVC能迅速进行无功补偿,具有较强的适应性和较高的补偿精度。     

基于人工蜂群算法的配电网无功优化

针对配电网电压质量较低的问题,建立了完整的无功优化模型。首先提出了一种新的无功补偿候选点的方法,即先基于网损最小选择无功补偿点,在此基础上再用动态优化选择无功补偿点;然后建立以网损最小、并联电容器容量最小、电压水平最好、两类电压稳定裕度最大的无功优化目标函数,用模糊方法将含有量纲的多目标问题转化为没有量纲的单目标问题;接着用人工蜂群(ABC)算法确定无功补偿点和容量。最后对IEEE-33节点配电网系统进行了测试分析,并与其它两种优化算法相比较,结果表明使用该优化算法,配电网无功配置方案较优,线路损耗明显降低,电压质量和电压稳定裕度明显提高。     

基于容量可用率的SVC的成本回收

构造了最小有功网损的线形目标函数,通过无功优化,讨论系统SVC的安装对系统电压合理分配和降低网损的重要性,并提出以SVC的投切容量进行成本回收,针对一个简单系统,分析了5年内不同运行方式和负荷增长情况下的SVC成本回收问题。     

基于混沌粒子群算法的多目标无功优化研究

针对传统无功优化的不足,建立了以电网有功损耗最小、节点电压偏移最小、静态电压稳定性最好和无功成本最小的多目标无功优化模型.为了将这4个目标同时进行优化,提出了基于Pareto解的混沌粒子群算法多目标无功优化方法,求出该多目标优化问题的Pareto最优解集,供决策者根据实际情况进行科学决策选择.为证明提出方法的有效性,对IEEE30节点系统进行了多目标无功优化分析,结果表明本文提出的方法能够得到良好的无功优化结果.     

基于学习自动机的智能变电站多目标无功优化

针对风电场的无功优化和电压稳定问题,结合其并网的智能变电站内的静止无功补偿器(SVC),提出了一种综合考虑SVC和双馈风电机组(DFIG)的无功电压协调控制策略。采用学习自动机求解多目标无功优化的最优权衡解,在满足风电场公共接入点的电压要求的同时,使得风电场无功源的无功裕度更大。最后,以华东某风电场进行算例分析,验证了所提无功电压协调控制策略的可行性和有效性。     

基于改进NSGA-II算法的含分布式电源配电网无功优化

针对含分布式电源(DG)的配电网无功优化的问题,为更准确地描述DG出力的不确定性,基于加权高斯混合分布(WGMD)和Beta分布分别构建风电DG和光伏DG的出力模型。采用结合切片采样算法的马尔科夫链蒙特卡洛模拟法进行潮流计算。建立以系统有功网损最小、节点电压总偏差最小为目标函数的多目标无功优化模型,并采用改进的非支配排序遗传算法(NSGA-Ⅱ)对该优化模型进行求解。通过改进的IEEE 33节点系统的仿真验证了所提方法的可行性和有效性。     

基于改进最优覆盖法的智能变电站无功优化配置

智能变电站的无功控制需要实现实时就地平衡。传统变电站通常配置电容器组进行无功补偿,而随柔性交流输电技术的发展,动态无功补偿装置逐步应用于智能变电站无功补偿中,但很少有考虑两者的协调配置。针对以上情况,提出电容器组与静止无功补偿器（static var compensator, SVC）协调配合进行智能变电站的无功优化配置。在原最优覆盖思想仅考虑电容器的等容分组配置的基础上,增加SVC进行组合配置,在分析等容分组与几种典型不等容分组情况后,建立统一的无功失配面积最小及投资成本最优的多目标优化数学模型,并转换为年损耗最小的单一目标函数作为变电站无功配置的评价函数,用遗传算法进行寻优,获得SVC与等容及不等容分组的电容器组优化配置方案,进行对比,得到最优方案。最后采用某智能变电站无功负荷数据验证了该配置方法的有效性及实用性。     

分散式风电场不同时间等级的多目标无功优化控制

针对具有一定动态无功调节能力的双馈式风力发电机组构成的分散式风电场,为解决其经济稳定运行,提出一种包含风功率预测的不同时间尺度多目标无功优化控制方法。考虑风速变化相关性分组-单机预测风电机组无功输出情况,通过风电机组和SVC共同补偿电网无功需求;根据风电预测无功功率信息,采用多目标无功控制快速有效调节其输出功率以跟踪无功补偿指令。为减少风电场内设备动作次数,选取不同时间级的控制,目标为分钟级无功控制以有功网损最小为优化目标,秒级的无功控制以电压偏差最小、电压稳定裕度最大、短时闪变最小为综合优化目标,毫秒级的无功控制以机组变流器的瞬间最大无功支撑能力为优化目标进行无功分配。工程算例证明所提策略有效的降低网损、提高电压支撑能力并保证电网正常的运行。     

电力系统电压无功的序列二次规划算法

以网络有功损耗最小为目标函数,考虑潮流无功平衡方程的等式约束和一系列电压和控制变量的不等式约束,使用SQP序列二次规划法计算电压无功优化潮流。在形成目标函数和约束方程式时,没有将电压相角当做常数,而是认为支路有功潮流在优化过程中保持不变。对Ward & Hale 6母线、IEEE 14母线和IEEE 30母线系统分别进行电压无功优化计算,结果表明文中所述的数学模型有利于优化的收敛。     

基于模型预测控制的多时间尺度无功电压优化控制方法

针对高比例风电接入下电网电压快速、频繁波动的问题,提出了基于模型预测控制(MPC)的多时间尺度电网无功电压优化控制方法。在日前优化安排离散无功补偿设备的基础上,日内采用基于MPC的滚动优化及校正控制思路,利用连续无功补偿装置对电压进行控制。首先,建立基于灵敏度的电网电压预测模型,预测得到未来多个时刻的电网电压运行状态;然后,以未来多个时刻的电网电压预计控制偏差最小为优化目标,建立日内滚动优化控制模型,求解得到连续无功补偿装置的无功控制计划,并通过电压控制偏差校正,完成日内无功电压模型预测控制;最后,以我国"三北"地区某风电场集群为例进行仿真计算,通过与传统电压控制方法进行对比,验证所提方法在提高电压控制水平方面的可行性和有效性。     

分散式风电场DFIG与SVC协调无功控制策略

针对具有动态无功调节能力的双馈风力发电机组组成的分散式风电场,提出了一种并联无功补偿方案,综合利用风电场安装的SVC无功补偿装置及双馈机组的无功调节能力来实现无功优化。由风电场电压控制点的电压偏差推算出风电场的无功功率需求,根据此时双馈风机和SVC无功补偿装置实际无功发生能力,以网损最小为目标函数进行无功分配,通过此分配方法既可以发挥双馈风机无功调节能力又可以减小风电场能的损耗。仿真结果表明采用所提策略能够充分发挥分散式风电场的快速无功调节能力,有效抑制风速扰动、负荷变化、电网故障等因素引起的电压波动,维持接入地区电网的电压稳定性。     

电力系统无功优化的新进展

无功优化调度可以优化电网的无功潮流分布,降低电网的有功损耗和电压损耗,从而改善电压质量,确保用电设备安全可靠运行。然而由于电网建设和用户需求的变化,传统无功优化问题从目标函数到约束条件都相应发生变化。本文就近年来无功优化数学模型发生的变化以及无功优化问题求解方法的改进进行简要说明与分析。     

改进粒子群优化算法在电力系统多目标无功优化中应用

采用自适应聚焦粒子群优化(AFPSO)算法对电力系统进行无功优化.以最优控制原理为基础,引入静态电压稳定性指标,建立了综合考虑系统有功网损最小、电压水平最好以及静态电压稳定裕度最大的多目标无功优化模型,并采用模糊集理论将此多目标优化问题转化为单目标优化问题.通过最小化各目标的隶属度最大值(指标差的隶属度值大),从而只提升差的指标,使系统整体性能提高.同时,采用罚函数的形式处理负荷节点电压和无功发电功率2个状态变量不等式约束.在IEEE 57节点系统上进行测试,通过仿真测试及不同算法优化结果的对比,表明AFPSO算法在实现系统经济运行的同时也增强了电网的电压稳定,同时证明了AFPSO算法的有效性和优越性.     

电力系统电压无功的序列二次规划算法

以网络有功损耗最小为目标函数,考虑潮流无功平衡方程的等式约束和一系列电压和控制变量的不等式约束,使用SQP序列二次规划法计算电压无功优化潮流。在形成目标函数和约束方程式时,没有将电压相角当做常数,而是认为支路有功潮流在优化过程中保持不变。对Ward     

考虑SVC和储能接入电网的多目标协同经济调度

针对风电并网引起的电网功率波动和安全运行问题,提出一种考虑SVC和储能的多目标协同经济调度优化方法。以典型日运行为例,建立了以系统综合运行成本、电压偏差和系统网损最小为目标函数的经济调度多目标优化模型,在优化过程中对经济调度和无功优化模型的目标进行协同迭代,获取兼顾电网经济性和安全性的最优解,并将结果与利用权重系数法获得的Pareto前沿面进行对比分析,通过对IEEE RTS-24节点系统进行仿真分析,验证其算法的合理性和可行性。     

含分布式发电的配电网无功优化

研究了含风力发电的无功优化模型，介绍了包含分布式发电的配电网无功优化。当大量风力发电注入电力系统时，风力发电机随机输出功率引起配电网潮流大小、方向频繁变化，干扰了系统原有电压调节装置正常运行。为克服电压波动，保证系统电能质量，文中引入静止无功补偿器（SVC）作为配电网补偿设备，并考虑配电网中可控制无功输出的柴油发电机的无功贡献，以有功能耗费用、SVC安装费用、柴油发电机无功生产费用为目标函数，建立了含分布式发电的配电网无功优化模型。针对由蒙特卡罗仿真得到的不同风力发电状态，在实际算例中应用遗传算法确定各状态下SVC最优安装位置、输出以及可控制无功输出的分布式电源的最优输出结果。     

基于场景法的有源配电网动态无功优化

随着分布式电源(distributed generation, DG)大量接入,配电网动态无功优化调度难度增加,现有方法存在不足,为此提出一种基于场景法的有源配电网动态无功优化方法。首先运用场景法描述DG出力的不确定性,采用Weibull分布和Beta分布分别构建风速和光照强度模型,通过DG出力公式,将随机问题转换为确定性问题;然后采用蒙特卡洛模拟法抽样和K均值聚类算法将样本聚类成3个典型场景,建立系统日内网损最小、无功补偿设备动作费用与变压器分接头调节代价费用最小为目标函数的多目标动态无功优化模型,并采用改进的多目标粒子群优化(multi-objective particle swarm optimization, MOPSO)算法对该优化模型进行求解;最后用所提方法对改进的IEEE 33节点系统进行仿真,验证其可行性。     

基于改进粒子群算法的含DG配电网无功优化

含分布式电源(DG)配电网的无功优化是一个复杂的非线性优化问题,文中采用改进的粒子群算法(PSO)对配电网进行无功优化计算,建立以系统网损和电压平均偏离最小为目标函数,节点电压和电容器投切容量为约束条件的优化模型。在PSO中引入位置方差防止PSO陷入局部最优解,根据种群中粒子的适应度值对粒子进行变异处理,在保证算法收敛速度的基础上,改善算法性能。以含分布式电源的IEEE14节点配电系统为例进行无功优化分析,结果表明DG能增强电网运行的稳定性,所提算法具有较好的优化性能。