含双馈感应风电机组的配电网无功优化

考虑传统无功调节设备调节次数限制和双馈感应电机无功容量限制等约束条件,提出一种基于双馈感应电机与传统无功调节设备协调控制的分时段分层无功优化策略。首先,该策略采用谱系聚类算法对预测等效负荷曲线进行分段;其次,在每个时段采用分层调控策略进行无功优化,建立以网损和平均电压偏离度之和为目标函数的无功优化模型,上层利用改进粒子群算法计算出包括双馈感应机组在内的各种无功调节设备的优化运行状态,并预先对变压器、电容器动作;在此基础上,下层利用双馈感应机组的无功调节能力对上层优化得出的并网点电压进行自动跟踪控制,由此实现了每个时段内接入点电压控制和全局无功优化相结合,最后以IEEE33节点配电系统为算例来验证上述策略的有效性。     

Crowbar优化控制策略下的双馈风机无功调节能力研究

在分析双馈风机(DFIG)无功调节原理的基础上,根据最新的低电压穿越要求,建立优化的Crowbar控制策略,进而提出在电网严重故障期间内,Crowbar投入时由网侧变流器充当STATCOM为电网提供无功,Crowbar退出时无功输出继续由转子侧变流器励磁调节控制,推导出DFIG网侧及定子输出无功功率极限的表达式,结合优化的Crowbar控制策略研究DFIG的无功调节能力,最后利用RTDS平台进行仿真验证。结果表明,DFIG的无功调节能力与理论分析一致,在电网故障期间,应用此控制策略的DFIG可连续提供最大无功支持,且能帮助恢复电网电压。     

基于概率潮流的含风电配电网无功优化

考虑风电输出功率和负荷功率的随机波动性,建立了风电和负荷的随机模型。采用卷积计算和Cornish-Fisher级数展开来处理随机性因素,从而完成概率潮流计算;并建立以降低成本-效益比值和电压稳定指标L为目标的综合无功优化模型,基于概率潮流和多Agent系统的混沌粒子群算法(MACPSO)对该配电网进行无功优化。IEEE 33节点算例分析表明,所提无功优化求解策略有效可行,同时所提算法在无功优化中具有一定优势。     

含DG随机出力的配电网多目标无功优化

针对分布式电源(DG)出力具有间歇性和不确定性的问题,建立了基于两点估计法(2PEM)含DG随机出力的配电网概率潮流计算模型,并将基于Pareto最优前沿解集的多目标进化算法(MOEA)与两点估计概率计算模型相结合,建立了以网损、节点电压偏移量及优化成本为目标函数的多目标无功优化模型。将该优化模型应用于IEEE33标准节点测试系统中的仿真结果表明,该方法具有较好的适应性,能为决策者提供多样性选择,增加了决策的灵活性。     

基于改进哈里斯鹰优化算法的含多能量路由器配电网多目标无功优化

针对单目标算法收敛性差的问题,提出一种基于自适应网格的哈里斯鹰算法,并应用于含多能量路由器的配电网多目标无功优化。该算法在初始化种群阶段引入Tent混沌映射产生均匀个体,增强种群的多样性,在最佳个体选择和非劣解集的筛选过程中,考虑到哈里斯鹰群体的密度信息,以平衡全局和局部搜索的能力。然后,创建配电网无功优化模型,以有功网损和电压偏离度的最小化为目标函数。该模型采用修改后的IEEE-33标准测试系统作为算例进行仿真分析。仿真结果表明与非支配排序遗传算法和多目标粒子群算法相比,所提算法具有更好的收敛性,在有功网损和电压偏离度2个方面均能取得更好的效果。     

计及无功补偿的双馈风机低电压穿越技术

为抑制风力发电的间歇性及波动性,需对风电并网系统低电压穿越技术的研究分析。另外,风电并网系统的无功调节性能也是研究的重点及热点。因此,提出一种计及无功补偿的双馈风机低电压穿越控制策略。首先针对传统撬棒的不足,提出了双模式切换的改进撬棒结构,可以减小撬棒投入期间从电网吸收的无功功率,同时更好地抑制转子过电流;其次针对低电压穿越的过程中无功补偿问题,提出了基于STATCOM的动态无功补偿,结合风机自身无功调节能力与改进Crowbar保护电路投切协同控制,促进双馈风电系统LVRT期间风电并网点电压的快速恢复和抑制转子侧过电流,改善双馈风机的低电压穿越性能。通过PSCAD/EMTDC进行仿真验证,结果证明了所提策略的有效性。     

基于SIBCC算法的含风电场的配电网无功优化

针对传统的无功优化算法在求解含风电场的配电网无功优化问题时存在的局限性,充分考虑风电出力的随机性及间歇性,将风电机组作为连续的无功源参与电网的无功优化,针对1 d中不同时段的风速变化情〖JP2〗况,建立包含有功网损及电压偏差的综合无功优化模型,并提出一种基于子空间的细菌群趋药性算法（SIBCC）〖JP〗参与无功优化计算。最后以改进IEEE33节点系统为例进行仿真计算,验证了所提方法的有效性及实用性。     

基于改进粒子群算法含双馈风电机组 配网无功优化研究

针对风电机组并网后对配电网无功补偿产生的影响,从双馈风电机组自身的有功、无功输出特性出发,基于场景概率的方法计算风力机组出力情况,以网损最小为目标函数寻求优化求解方法。利用改进粒子群算法来实现系统接入双馈风电机组后的无功优化,在Matlab 2013b软件中构造IEEE33节点模型并利用该算法求解。结果表明,双馈风电机组在参与系统无功优化时具有良好的性能,验证了该改进算法的有效性     

含分布式发电系统的配电网无功优化研究

引入有功网损、电容器以及分布式发电的费用,并充分考虑了电压质量和无功补偿容量作为罚函数的综合目标函数,采用PSO算法时运用改变更新方式,并在后期引进变异因子,建立了含分布式发电系统的配电网无功优化模型.通过算例表明,验证了模型和算法是可行的,具有较强的收敛性,对分布式发电并入配电网的运行具有一定的参考价值.     

双馈风电场新型无功优化分配策略研究

提出一种新型的双馈风电场无功优化分配策略,以降低风电场整体损耗为目标,不仅考虑集电线路和风力机变压器的损耗,还考虑风力机内能量转换系统的损耗。同时,在进行无功优化分配时综合考虑风力机内无功分配方式对风力机能量转换系统损耗的影响,提出一种新的风力机内无功控制方式。该文优化问题由内点法求解,包括风力机无功功率极限、母线电压、相角以及潮流平衡等约束条件。通过算例对所提出的控制策略进行仿真计算和分析,结果验证了所提无功优化分配策略的有效性,并分析得出使风电场损耗最小化的无功分配原理。     

基于量子混合蛙跳算法的含分布式 电源配电网无功优化

将分布式电源（DG）的无功调节能力与传统的电压调节手段相结合,研究了含DG的配电网无功优化问题。建立以降低系统网损、抑制电压波动为综合目标的配电网模糊无功优化模型。通过蒙特卡罗仿真对配电网系统进行无功补偿选址,采用量子混合蛙跳算法求解含DG的配电网无功优化问题。最后,通过IEEE 33节点系统进行仿真计算,表明在配电网接入DG的基础上进行无功优化能较大程度地改善系统电压水平和降低系统网损,并且证明了所提算法的快速性和有效性     

同步耦合双馈风机的虚拟惯量优化控制技术

双馈风电机组在同步并网时虚拟出的可控惯性将显著影响电网的动态特性,仍须通过优化控制减少其附加运行风险,充分发挥其控制潜力。该文首先建立引入虚拟同步控制后的双馈风电机组的动态模型,并分析双馈风机与同步发电机之间建立的虚拟同步耦合关系。在此基础上,构建双馈风机同步并网系统的能量函数,基于同步并网耦合关系提出双馈风电机组的变惯量优化控制策略,并借助控制参数对系统稳定性的影响分析,设置虚拟惯量参数范围。最后,搭建双馈风机同步并网系统进行仿真验证,双馈风机的虚拟惯量需要在合理范围内通过变惯量优化才能为并网系统提供可靠的动态稳定支撑。     

基于线性化潮流的配电网无功优化

运用一种线性化法计算配电网潮流,构建了一种计及电压稳定性系数和网损的综合因子最小化的无功优化模型,并采用含衰老与竞争机制的粒子群算法(ACM-PSO)进行求解。IEEE33和PGE69节点测试系统的应用结果表明,线性化法无功优化在10-4的数量级误差下,其计算速度与前推回代法和牛顿拉夫逊法下的无功优化相比具有明显的优势。     

基于改进遗传算法的配电网无功优化

在传统无功优化模型的基础上,引入静态电压稳定裕度指标,建立了综合考虑系统有功网损最小、无功补偿容量最小和系统静态电压稳定裕度最大的配电网无功优化模型。根据节点无功2次电阻矩的大小,确定了待补偿节点以及各节点补偿容量的上下限。在基本遗传算法的基础上,对遗传操作进行了改进,提出了1种改进遗传算法。实例计算表明,采用该方法对配电网进行无功优化不仅可以降低有功网损,还能提高系统静态电压稳定性。     

基于神经网络的双馈式风机故障诊断研究

文章提出了一种基于BP神经网络的双馈式风力发电机(DFIG)相间短路故障诊断方法,利用Park变换对DFIG进行建模,并对发生在DFIG定转子侧的相间短路故障进行了仿真,确定了在故障状态下,将DFIG定转子侧的电流量和电压量作为典型故障数据的可行性。在此基础上,通过典型故障数据对BP神经网络的训练,使新的诊断方法在DFIG发生相间短路故障时,能精确地对DFIG的相间短路故障类型进行判断。最后,利用MATLAB对神经网络进行编程设计和仿真分析,验证了该方法的可行性,为DFIG的相间短路故障诊断方法提供参考。     

双馈风机变流器Crowbar设计

为了满足国家电网"低电压穿越功能"的强制性要求,风电机组的核心部件变流器必须要设计保护装置Crowbar电路。文章主要结合电压跌落时双馈式风电系统工作过程和工作方式,以1.5MW双馈变流器为例,选择了主要的开关器件IGBT,设计了其主电路和驱动电路,并对设计结果进行了试验验证。     

基于免疫遗传算法的小水电配电网无功优化

针对目前应用于电力系统无功优化的智能算法所存在的问题,提出将免疫遗传算法应用于电力系统无功优化问题的措施。免疫遗传算法是将免疫理论和基本遗传算法各自的优点相结合,不仅具有遗传算法的搜索特性,还具有免疫算法的多机制求解多目标函数最优解的自适应特性,对“早熟”问题有所改善,收敛于全局最优。最后,以安康市某区域电力系统为例对算法进行了性能测试,提出了合理的调压措施,结果表明将免疫遗传算法应用于电力系统无功优化问题可以显著降低系统网损,改善电压质量。     

基于双馈感应风机的虚拟惯量控制研究

介绍了双馈感应风力发电机组发电系统的原理,针对虚拟惯量控制通常给系统带来的频率恢复时间变长以及频率二次跌落现象,文章提出一种通过双馈感应风电机组为系统提供频率支撑的新策略,并在Matlab/Simulink仿真软件上搭建了双馈感应风电机组发电系统模型,仿真结果证明文章所提出策略能够在有效提高电力系统频率的动态响应性能的同时,避免频率的二次下跌。     

含分布式电源的配电网动态无功补偿优化策略研究

兼顾分布式电源（DG）出力和负荷动态变化提出一种基于需求侧响应的配电网动态无功优化策略。该策略采用灰色关联度映射方法划分时段,在同一时段内协同优化不同类型变量,然后固定多个时段内并联电容器组（SCB）和有载调压变压器（OLTC）的状态,进行二次静态无功优化校正。针对模型特征,对不同类型变量采用混合协同进化算法进行求解,并提出基于Tent混沌映射和Levy飞行策略的改进麻雀算法提高协同求解效率。仿真结果表明：计及新能源出力变化和需求侧响应的所提策略能在降低求解规模的同时获取较高满意度的无功优化结果,且该混合协同进化算法在求解混合整数的非凸、非线性优化问题上具有一定优势。     

双馈风机虚拟惯量控制策略研究

双馈风机由于其转子转速不能像传统同步机一样保持与电网频率的一致性,导致风机的机械惯性不能参与电网频率调节。针对常规虚拟惯量控制策略通过释放转子"隐藏"的动能,为电网提供转动惯量,参与频率调节,但只能为电网提供短暂的频率支撑,频率恢复过程中,还有可能导致频率二次下跌的问题。文章提出了利用储能系统协同风电场为电网补偿惯量的控制策略,在Matlab/simulink中搭建仿真模型,仿真结果表明,在电网负荷发生突变时,虚拟惯量协同控制策略能够为电网提供较长时间的频率支撑,并有效防止频率二次下跌,提高电网频率稳定性。