考虑新能源不确定出力的有功无功协调降损控制策略研究

在高比例新能源接入电力系统的背景下,电网安全、经济的运行面临着巨大挑战。该文考虑风光出力的不确定性,建立有功无功协调优化的多目标优化模型。运用拉丁超立方抽样（latin hypercube sampling,LHS）场景生成法和Kantorovich距离的场景缩减技术,得到典型日的风电和光伏出力;建立以系统运行有功网损和电压偏移最小的多目标综合优化调度模型,采用传统的鲸鱼优化算法（whale optimization algorithm,WOA）与粒子群优化（particle swarm optimization,PSO）相结合的鲸鱼群（WOA-PSO）算法求解该模型,得到Pareto解的分布;根据优化结果制定无功补偿装置的投切功率以及储能系统充放电策略,达到提升系统电压稳定性与平缓新能源出力波动的效果,减少功率在线路上的损耗,实现电网的安全、节能运行;在改进IEEE30节点系统上进行实验分析,验证所提模型与求解算法的有效性与合理性。     

基于鲸鱼群算法的交直流混联系统无功电压控制方法研究

高效安全地实现交直流混联系统降损与电压控制受到广泛关注,以网络损耗或电压偏移量为单一目标的传统的无功优化模型不能精确反映电网的安全性和经济性。该文针对交直流混联系统,建立了兼顾网络损耗和电压偏差的多目标无功电压控制优化模型,提出一种基于传统的鲸鱼算法（whale optimization algorithm,WOA）与粒子群（particle swarm optimization,PSO）相结合的鲸鱼群（WOA-PSO）模型求解算法。通过引入基于鲸鱼算法的包围策略,加速粒子群的迭代搜索过程,从而提高算法的全局优化能力;通过算例验证,并与基本粒子群算法、鲸鱼算法对比分析,说明所提方法具有良好的收敛性和寻优能力。     

混合蛙跳算法的改进及其在无功优化中的应用

为了提高电网电压质量,最大限度地发挥出电力设备的经济效益,减少电力线路上的有功功率损耗,应用人工智能算法-混合蛙跳算法(shuffled frog leaping algorithm,SFLA)对电力系统的发电机端电压、变压器的抽头位置和无功补偿器的补偿容量等控制变量进行控制,从而达到减少电力系统有功功率损耗的目的。SFLA是一种新兴的群智能搜索算法,该算法具有定义简单、参数设置少、寻优能力强、收敛速度快等优点。应用该算法对控制变量进行迭代计算和编写电力系统潮流计算程序,计算出系统最小网损及其对应的控制变量值。针对算法的一些不足进行改进,最后将改进前后的算法应用在IEEE-30与IEEE-57节点系统中,并与其他人工智能算法优化结果相比较,数据显示,混合蛙跳算法收敛性较好,而且速度快。说明了其在电力系统无功优化上的优越性以及改进算法的正确性与优良性。     

提高系统无功备用容量的多目标无功补偿规划

系统的无功备用容量越大,其电压稳定裕度越大,为此提出了提高系统无功备用容量的多目标无功补偿规划。在系统无功备用容量定义基础上,推导出各负荷节点无功补偿对于提高系统无功备用容量的灵敏度和降低有功损耗的灵敏度,并将综合灵敏度大的负荷节点作为候选无功补偿点;提出了多目标优化的自适应免疫算法,以其提高系统无功备用容量的多目标无功补偿规划优化求解,且在IEEE-30节点系统中分析补偿前后系统电压稳定裕度。将补偿后的相关指标与普通的免疫算法所得指标比较的结果表明,所提方法正确可行。     

考虑双馈机组无功调节能力的海上风电场无功优化

针对目前海上风电场运行时大量无功传输会引起有功损耗增加的问题,分析了海上风电场集电系统各电气设备的无功特性,以及双馈风电机组(doubly fed induction generator,DFIG)无功出力约束、风速变化对风电场内部无功潮流影响,提出了在保证最大风能利用的前提下将双馈风力发电机组作为连续无功源参与风电场无功补偿的方式,在保证风电场内部节点电压质量的前提下同时获得风电场内部网损最小的目标。以各风电机组的无功实时输出值为控制对象,将风电场无功优化问题转换为一个多变量、多约束的非线性混合优化问题,并采用粒子群优化算法(particle swarm optimization algorithm,PSO)进行求解。算例结果验证了该方法的有效性。     

基于概率统计的含间歇性分布式发电的配电网无功优化

以有功网损期望值最小为优化目标,以节点电压的合格概率大于一定的阈值为约束条件,建立了同时考虑风能、太阳能分布式发电出力和负荷随机波动的配电网无功优化模型。目标函数和约束项中所涉及的概率潮流由一种结合传统解析法的基于全概率公式的计算方法求得。使用化学反应算法对所建优化模型进行求解。在同时接入风能、太阳能分布式电源的33节点和69节点系统上对所提方法进行了验证,得到了具有概率统计意义的最优方案。通过与包括遗传算法(genetic algorithm,GA)、Stud GA(stud genetic algorithm)、生物地理学算法(biogeography based optimization,BBO)和粒子群算法(particle swarm optimization,PSO)在内的多个智能算法对比,验证了所构建的化学反应算法在求解上述无功优化模型时性能更加稳定。     

基于改进粒子群算法的电压稳定约束无功优化

建立了考虑电压稳定性的电力系统无功优化模型,该模型以同时降低系统有功网损和提高静态电压稳定性为优化目标函数。针对标准粒子群算法(particle swarm optimization,PSO)容易陷入局部收敛和早熟的缺点,提出一种改进PSO算法对无功优化模型进行求解。利用适应度共享技术对粒子的适应度进行调整,以提高种群的全局寻优能力;引入学习因子动态调整策略,进一步平衡种群在解空间的全局探索能力和局部开发能力。IEEE 30节点系统的仿真结果验证了本文所提无功优化策略的合理性和有效性。     

无功补偿对风电系统电压稳定和功率损耗的影响分析

为揭示风电系统注入功率对系统电压稳定性和系统损耗的影响,以及无功补偿的作用,针对以往研究都是定性分析或者并不能表征单位注入对风电系统影响这一缺陷,提出了表征风电有功注入对电压稳定和系统损耗影响的几个指标:单位有功功率损耗ηP、单位无功功率损耗ηQ、单位电压偏移△V/P.研究表明:无功补偿能扩展风电注入功率极限,但由于风电场低压线路无功损耗随注入有功的增加而增加,无功补偿远远不能弥补注入功率继续增大所带来的负面作用;在相同的风电注入功率时,无功补偿能有效降低系统损耗和提高电压稳定性,通过算例分析验证了所提指标的有效性.     

基于改进黏菌算法的风光电并网双层储能容量优化

为了提高并入大量风光电配电网的供电可靠性和经济性,提出一种配电网双层混合储能容量优化策略。采用自适应小波包分解方法得到风光电目标并网功率以及储能系统容量初次分配;通过考虑配电网网损和储能系统综合成本,分别建立了综合成本模型和配电网储能优化配置模型;给出一种自适应对抗黏菌-粒子群双层优化混合算法（adaptive opposition slime mould algorithm-particle swarm optimization hybrid algorithm ,AOSMA-PSO）,上层优化储能系统成本函数,下层优化配电网网损函数,通过上下层反复迭代得到最优混合储能容量配置方案,并对该方案进行最终储能修正,以达到风电平抑的标准。通过MATLAB并以IEEE33节点算例进行仿真验证,结果表明：所提方法和模型不仅能够有效降低混合储能综合成本,还降低了配电网网络损耗,提高了配电网的供电可靠性;通过对不同算法进行对比,验证了所提算法在收敛速度和寻优方面的优势。     

考虑新能源接入的电网有功无功协调双层优化策略研究

随着高比例新能源接入电力系统,电网的安全、经济运行面临巨大的挑战。该文提出了考虑储能和多无功源的有功无功协调多目标优化控制策略。建立以有功网损和电压偏差最小的双层优化调度模型;采用鲸鱼群算法对该模型进行求解,得到帕累托最优解的分布;根据优化结果制定无功补偿装置的投切功率以及储能系统充放电策略,提升系统电压稳定性与平缓新能源出力波动,有效减少功率损耗,实现电网的安全、节能运行;在改进IEEE39节点系统上进行分析,验证所提模型与求解算法的有效性与合理性。     

基于多目标决策协调进化算法的电力系统无功优化

在传统无功优化模型基础上,建立了以系统有功网损、静态电压稳定裕度、电压偏差、无功补偿容量和发电机发电成本的多目标无功优化模型。采用多目标决策协调进化算法对电力系统无功进行优化,将多目标决策协调算法与群体进化理论有机结合起来,在有限的群体内对每个个体按协调算法进行排序,以提高优化方法的有效性。通过Matlab7．0编程对IEEE30和IEEE14节点算例系统进行计算。计算结果表明,该方法具有系统网损、电压偏差及无功补偿容量小、发电机发电成本低和系统稳定裕度高的特点。     

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。     

利用经济压差确定动态无功补偿容量的方法

针对现阶段中国电网设计无功补偿容量的缺陷,提出一种基于经济压差确定动态无功补偿容量的算法。分析中国电网无功补偿现状,基于无功补偿应遵循的基本原则,引入经济压差的概念,通过电网各种运行方式下线路的剩余无功,变压器无功损耗和负荷,推出合理的计算动态无功补偿容量区间的公式,以减少电网输送无功时产生的有功损耗和电压降落。该方法可以有效地改变中国电网线损率高的现状,提高电网无功补偿的投资效益,有利于提高电网电压质量和运行的经济效益。仿真实例证明了本文提出方法的有效性和实用性。     

考虑降低暂态电压失稳风险的动态无功优化配置方法

为了降低系统动态负荷尤其是电动机负荷比重越来越大带来的电网暂态电压失稳风险,提出了一种考虑降低暂态电压失稳风险的动态无功优化配置方法。综合考虑动态无功补偿装置的安装地点和容量,使得系统暂态电压失稳的风险最小和动态无功补偿的成本最小。该方法首先通过暂态电压失稳风险指标和灵敏度指标确定关键故障集合、动态无功补偿的候选节点,然后将各个动态无功补偿装置的容量作为变量引入烟花优化算法中求解。为了减少优化过程的时间,在优化算法中增加了一个火花筛选的环节。IEEE39节点算例仿真结果表明,该方法与仅考虑动态无功补偿装置地点的优化方法相比,在相同的无功补偿成本下能更好地降低暂态电压失稳风险。     

高耗能企业电压偏低原因分析及改进措施

随着大工业用户的持续增长,电力系统的负荷也大幅增加,给电网电压调整、功率因数及线损管理带来了新的挑战。在对低电压形成的可能原因进行理论分析的基础上,对某高负荷、供电电压偏低的35 kV供电系统进行潮流仿真分析,通过修正线路参数得到精确仿真模型,定量分析各节点的电压降落情况。仿真结果表明,即使用户功率因数不小于0.95,负荷高峰时段仍有可能产生较大的电压降落及线损。提出以线路补偿为主辅以用户就地补偿的补偿方式,通过线路无功补偿优化算法确定线路无功补偿的最小容量,并进行仿真。仿真结果表明,该方法能够在提升供电电压合格率的同时,有效降低线损。     

考虑多个分布式电源接入配电网的多目标无功优化调度

坚强智能电网的建设促进了分布式电源(Distributed Generation,DG)并网技术的发展,DG并网对配网进行无功优化不仅能够提高电压质量、降低有功网损,还增加了配网运行的灵活性、经济性与安全性。以系统有功功率损耗最低与电压偏压量最小为双目标函数,建立无功优化模型。针对目前无功优化问题尚缺乏一种能兼顾求解的高效性与全局搜索最优性的方法,文中将一种新的启发式算法-鲸鱼优化算法(WOA)运用到电网无功优化调度中,对多个DG接入的IEEE 33节点系统进行无功优化仿真分析。研究表明DG并网增加了配网的稳定性,并且证明了WOA算法在解决此问题上的鲁棒性和有效性。     

考虑风功率分布规律的风电场无功补偿容量优化决策

双馈型风电机组的无功调节范围随其有功功率输出变化而存在波动性,极端条件下,又有其不可调节性,由此必然降低其对自身电压水平支撑的持续性。为此,在依据功率估算数据对风电场输出功率分布特性进行统计分析的基础上,提出考虑风功率分布特性的风电场无功补偿容量优化决策方法。该方法在充分计及双馈感应发电机无功调节能力与风功率分布特性的前提下,以无功补偿的投资成本与运行成本最小化为目标,构建无功补偿容量优化计算模型。该研究可使双馈型风电场的无功补偿决策更具针对性,并以最小代价实现该类风电场连续、无缝的无功电压调节。应用改进粒子群优化算法对所构建算例系统进行求解,分析结果表明了该研究的有效性。     

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。     

城市配电网无功补偿优化配置的应用研究

配电网无功优化是节能降损的一项重要措施,而做好无功补偿设备的优化配置是配电网无功优化最重要的环节。为此,从实用角度出发,以减少配电网有功损耗为目标函数,采用惩罚函数的方法对就地无功补偿装置的安装数量和节点电压质量加以约束,在此基础上采用遗传算法确定配电网就地无功补偿电容器的最佳安装位置和补偿容量。通过对配电网IEEE36节点和某城区实际配电网系统的验算,表明了该算法的可行性和有效性。