含风电机组的配网无功优化

研究了分布式电源中发展较为成熟的风力发电机组并网后配电网的无功优化问题,提出一种基于场景发生概率的无功优化综合指标,该指标由网损和静态电压稳定裕度两部分构成。基于该指标,提出一种新的无功优化模型。在该模型中,提出风电机组输出功率典型场景的选取策略,无功优化潮流计算中考虑了风电机组的特点,将其作为电压静特性节点处理。在求解方法上,采用基于自适应权重的遗传算法求解。算例表明,提出的模型和算法是可行的,对风电系统的运行具有一定的参考价值。     

多场景下含风电机组的配电网无功优化的研究

研究了多场景下含风电机组的配电网无功优化问题。利用概率统计的思想解决了风电机组有功输出的不确定性问题,根据转子侧最大电流限制条件确立了风电机组无功输出范围。结合传统的电容器无功补偿方法,将风电机组作为连续可调无功源参与到配电网的无功优化。建立了以系统网损最小和节点电压越限惩罚为目标的无功优化模型。算例表明不同场景下的风电机组参与配电网无功优化可有效地降低系统的网损,提高各节点电压,同时,增强配电系统受风速影响的适应性。     

含风电机组的配电网无功优化补偿

根据风电机组各运行状态发生的概率,计算出风机有功输出的期望,来近似代替随机变化的输出功率。用最大、一般和最小负荷运行方式代替规划时期的运行状况。建立了最大负荷方式下电容器投资成本最小、节省电能损失费用和静态电压稳定性最大的多目标优化模型,运用NSGA-Ⅱ算法进行求解;一般及最小负荷方式下以节省电能损失费用最大为目标进行优化。三种运行方式通过补偿后节省的资金最多来协调,得出电容器的最优配置,实现整体最优。算例验证了模型和算法的可行性。     

含风电机组的配电网无功优化补偿

根据风电机组各运行状态发生的概率,计算出风机有功输出的期望,来近似代替随机变化的输出功率.用最大、一般和最小负荷运行方式代替规划时期的运行状况.建立了最大负荷方式下电容器投资成本最小、节省电能损失费用和静态电压稳定性最大的多目标优化模型,运用NSGA-Ⅱ算法进行求解;一般及最小负荷方式下以节省电能损失费用最大为目标进行优化.三种运行方式通过补偿后节省的资金最多来协调,得出电容器的最优配置,实现整体最优.算例验证了模型和算法的可行性.     

计及多个风电机组出力相关性的配电网无功优化EI北大核心CSCD

针对含多个风电机组的配电网无功优化问题,利用场景分析法处理风电机组出力的不确定性和负荷的随机波动。采用拉丁超立方采样产生多个场景,考虑多个风电机组风速间的相关性,利用Cholesky分解对生成的场景进行重新排序。以有功网损期望值最小为目标函数,以节点电压、支路功率以及电容器投切组数为约束条件,建立配电网无功优化模型。采用鸡群优化算法求解模型,并在改进的IEEE 69节点配电网算例中进行仿真,研究了风电机组出力相关性对无功优化结果的影响,结果证明了所提无功优化模型和方法的可行性。通过无功优化,能够有效地提高配电网的电压水平并减少网络损耗,对配电网的安全经济运行具有重要意义。     

基于改进 DE 的含风电机组配电网多目标无功优化

电网无功优化是保障电网安全、经济、可靠运行的基本手段,普遍方法是应用智能优化算法以确定电网无功设备投切方案,为此引入差分进化算法解决含风电机组的配电网无功优化问题。考虑风电机组出力的随机性,采用基于场景概率方法,建立了全场景下计及有功网损、静态电压稳定指标、无功补偿设备投资成本的多目标无功优化模型。针对基本差分进化算法的不足,结合免疫原理和二次变异思想改进了差分算法,改进后算法在充分利用进化过程中优良信息的同时,又能保持种群多样性。算例分析结果验证了所建模型与改进方法的可行性和有效性。     

含变速恒频风电机组并网后的配电网无功优化

目前对广泛采用的变速恒频风电机组并网后的配电网无功优化问题还少见有研究。分析了变速恒频风电机组有功功率特性,建立了含变速恒频风电机组的配电网无功优化模型,并分析了风速变化对风电机组输出有功功率的影响。采用二进制粒子群优化算法对配电网中有载调压变压器和并联电容器组等无功控制变量进行优化,通过算例分析验证了该方法的有效性。     

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。     

面向电力市场的含风电机组配电网无功优化模型及其求解算法

从电力市场角度出发,在研究变速恒频双馈异步风电机组(DFIG)功率特性的基础上,按照无功功率流向的不同以及无功功率与有功功率的关系,将DFIG输出功率分为3个运行区域,并给出各个区域内无功功率费用计算函数.建立以有功网损、无功功率费用及电压越限最小为目标函数的无功优化模型,采用基于自适应步长的细菌觅食优化-粒子群优化混合智能算法进行求解,避免了标准细菌觅食算法易陷入局部最优解的缺点,进一步提高了优化前期的全局搜索能力和优化后期的局部搜索能力.仿真算例表明,所提方法有效降低了系统网损,并充分调动风电场参与电网无功电压调节.     

含风力发电机组的配电网潮流计算

将每一台风力发电机组的有功出力视为风速的函数,将其无功出力视为有功功率和节点电压的函数,建立了基于异步发电机等值电路的风力发电机组P-Q(V)稳态模型,提出了确定并联电容器组初始安装容量、安装组数和实时投切组数的方法。将运用C 语言编制的程序嵌入已有的前推回推法潮流计算程序,实现了考虑风力发电机组的配电网潮流计算。采用改造后计及分布式电源的配电网潮流计算程序对33节点系统进行仿真计算,结果表明了该方法和程序的有效性和实用性。     

含可再生分布式电源参与调控的配电网动态分区实时无功优化方法

可再生分布式电源高比例接入,其出力随机性叠加负荷波动性,极大地增加了配电网无功电压调控难度。结合风电、光伏等可再生分布式电源的动态无功调节特性,提出配电网动态分区实时无功优化方法。基于配电网辐射状结构特性,根据支路末端节点性质逆向初步合并,以最大模块度函数为衡量指标进行初始分区,并根据实时运行状态和无功储备约束调整分区,形成可满足动态无功调节的最佳分区方案,然后执行分区实时无功电压调控。最后,以IEEE33节点系统为例通过MATLAB编程进行仿真分析,结果表明:日内实时控制与动态分区相结合,有效提高系统无功电压控制快速性和精确性。     

包含分布式电源的配电网无功优化

将能够提供无功功率的分布式电源与传统的电压调节手段相结合,研究了包含分布式电源的配电网无功优化问题.利用基于聚类和竞争克隆机制的多智能体免疫算法实现无功优化,建立了无功优化问题的多智能体免疫模型.利用多智能体系统实现在寻优过程中动态改变抗原,在亲和度成熟过程中引入聚类竞争克隆机制和混合变异算子,以保存种群的多样性,同时...     

多负荷水平下含风电接入的配电网无功优化

由于风电输出功率的随机性,风电机组的大量接入给配电网无功优化带来更多不确定性因素。为了提高配电网无功优化对风力发电并网的适应能力,建立了多负荷水平下基于场景分析的考虑风电接入的多目标无功优化模型。该模型综合考虑了节省电能损失费用和节点电压偏差2个指标,将2个指标进行模糊化,采用最大化模糊满意度指标法将多目标优化问题转换为单目标优化问题,然后采用自适应遗传算法进行求解。并以IEEE 33节点测试系统为例,计算和分析了在不同场景时最大负荷、一般负荷和最小负荷3种负荷水平下,电容器投切、系统有功损耗、节点电压以及节省电能费用情况。计算结果表明,所提出的无功模糊优化方法,在不同负荷水平、不同场景下改善电压质量和降损节能效果显著,适合多负荷水平下含风电机组的配电网无功优化需要。     

计及风电的动态无功优化解耦算法

针对风电场输出功率间歇性、随机性给电力系统动态无功优化决策带来的问题,依据风电功率波动的时间分布特性,在动态无功优化模型中引入场景对风电出力的不确定性进行描述,基于各场景下的灵敏度信息,提出一种离散变量与连续变量分步决策的解耦算法：首先对每个场景下各时段的静态无功优化问题进行求解,依据变压器、电容器动作对各静态优化结果影响的灵敏度信息及场景概率权重,决策其动作时机和档位,将模型解耦;然后依据离散控制变量决策结果,对同步发电机输出无功等连续的控制变量进行决策.通过对含风电场的实际系统算例进行计算和分析,验证了该方法对风电功率不确定性有良好的鲁棒性.     

含分布式电源的配电网动态无功优化调度方法

提出一种含分布式电源(DG)的配电网动态无功优化调度方法,以解决其中的时空耦合性问题。该方法首先对电网进行静态优化计算,根据电容器投切容量增量大小制订预动作时刻表;然后对电网进行动态分区,根据分区结果以及预动作时刻表,对负荷数据进行相应处理;以系统能量损耗最小为目标,并以投入的电容器补偿量为控制变量进行动态无功优化计算,得到电容器调度方案;最后,对电网中DG的无功出力进行优化,得到含DG的配电网无功调度方案。利用IEEE 33节点系统进行仿真,并与现有方法进行对比,验证了所述方法的合理性和有效性,且降损效果比现有方法更优。     

计及安全性指标的含风电场配电网无功优化

研究了含双馈异步电机型风电场的配电网无功优化。由于DFIG具有灵活无功调节的能力,故使其无功输出作为一个连续变量参与配电网的无功优化。鉴于目前电力系统无功优化大多重视经济性而较少考虑其安全性的情况,为此,本文提出了同时考虑经济性与安全性的目标函数。将配电网进行分区,计算其各区域的安全性指标,将该安全性指标权重加入到安全性目标函数中,并采用反向差分进化算法进行求解。最后,利用IEEE 33节点系统对本文所提出的无功优化模型进行仿真分析,结果表明系统网损得以明显降低,同时提高了其安全性。通过算例分析,证明了本文方法的可行性和有效性。     

基于量子粒子群算法的含风电场配电网无功优化

研究了含双馈异步电机(DFIG)型风电场的配电网无功优化。DFIG出力的随机性使得传统无功优化模型难以胜任。因此,应用场景分析法对含DFIG的配电网进行场景划分。采用蒙克卡罗仿真对其进行无功补偿选址,结合DFIG的无功补偿能力,建立了模糊无功优化模型,以降低网损、减少电压偏移量。最后,以IEEE33为测试系统,基于量子粒子群算法(QPSO)进行求解,结果验证了所提方法的可行性和有效性。     

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。