含光储系统配电网的动态拓展无功优化控制方法技术方案

本发明专利技术提供含光储系统配电网的动态拓展无功优化控制方法，其基于时段解耦，用以解决因储能和光伏电站同时接入配电网，使得配电网运行状态动态优化问题难以求解的情况。其具体步骤为：首先，获取电网网架参数以及全日各时刻负荷、光伏出力预测数据；其次，以变压器档位、电容器补偿容量、光伏电站功率因素、储能有功出力为控制变量，把各节点电压不越限、一天内储能充放电平衡作为状态变量约束，以网损和变压器抽头、电容器投切开关、储能充放电调节代价之和最小为目标函数，建立含光储配电网的有功无功动态优化模型；最后，采用灾变遗传算法求解上述模型得到各时段优化结果并输出。

Dynamic extended reactive power optimization control method for power distribution network with optical storage system

The invention provides a dynamic optical storage system for distribution network expansion of reactive power optimization control method based on the time decoupling is used to solve for energy storage and photovoltaic power station and access to distribution network, the distribution network operation state is difficult to solve the dynamic optimization problems. The specific steps are: first, get the power grid parameters and full load, the PV output prediction data; secondly, the transformer, capacitor compensation, power factor, photovoltaic power plant energy storage power output as the control variables, the voltage of each node is limited, a day of storage charge balance as the state variable constraints, the network loss and transformer tap and capacitor switching switch, storage charge and discharge regulation and the minimum cost as the objective function, the establishment of active optical storage with distribution network dynamic reactive power optimization model; finally, using genetic algorithms to solve the catastrophe model to obtain the optimization results and output in each period.

【技术实现步骤摘要】
含光储系统配电网的动态拓展无功优化控制方法
本专利技术涉及一种10kV配电网的动态拓展无功优化方法，特别涉及考虑储能调节代价时含光储系统的配电网动态无功优化方法。
技术介绍
电力系统的无功优化是一个非线性、多约束的的寻优问题，其目的是根据日前计划得出各调节设备具体控制方案，达到降低网损，提高电能质量，减小各设备调节代价等目标。随着科学技术的发展，储能装置在各领域得到广泛的应用。在电力系统中，储能装置的削峰填谷、短时供电、抑制电网震荡以及改善电网电能质量的能力都得到了证明。此外，将储能装置应用于配电网中，能够进一步挖掘系统的节能降耗能力，提高系统调节的灵活性，减小电网的损耗。为了在配电网无功优化时充分发掘储能装置在配电网无功优化中的灵活性，同时考虑各设备调节代价，本专利技术基于灾变遗传算法，通过计算得到含光储系统配电网的动态拓展无功优化接近最优的控制方案。
技术实现思路
本专利技术的目的在于解决光储联合系统并网后带来的网损增加、电压越限等问题，同时考虑包括储能在内的各设备调节成本，充分保证配电网运行的稳定性和经济性。本专利技术的目的至少通过如下技术方案之一实现。含光储系统配电网的动态拓展无功优化控制方法，包括以下步骤：(1)建立含光储系统的10kV配电线路计算模型；(2)构建含光储系统配电网的动态拓展无功优化模型：以各时段变压器档位TK、电容器补偿容量QC、光伏功率因素λPVi、储能有功出力PE为控制变量，并考虑其取值范围约束以分时段解耦优化为基础，以网损及各设备调节代价最小为目标函数，以各节点电压不越限、一天内储能充放电平衡作为状态变量约束；(3)采用灾变遗传算法求解最优目标函数值，并获得各时段无功优化的最优控制方案；(4)将光储装置在各时段的最优控制方案下达到光储系统的控制中心，调节储能设备的控制模块和光伏逆变器以调整其出力，再根据各时段最优方案调节各无功补偿装置投切组数并调整有载调压变压器的档位。进一步地，步骤(2)中目标函数的计算公式如下：式中，为t时段的网损，为t时段所有变压器和电容器总调节代价，为t时段所有储能装置的总调节代价，其计算公式分别如下：上述式中，nE为配电网中储能装置的总个数；和分别是t时段节点i和节点j的电压；Gij和Bij为通过电网参数求得的节点导纳矩阵元素；δij为节点电压角度差；CT、CQ分别为变压器、电容器的单位调节代价，单位：kW/次；为t时段第i台变压器抽头所处档位；为t时段第j台电容器投入组数；为t-1时段第i台变压器抽头所处档位；为t-1时段第j台电容器投入组数；nT、nQ别为网络中有载调压变压器的数量和电容器组安装点的数量；COMB,i为第i台储能装置维护成本系数，单位：元/kW；分别为第i个储能装置在t时刻充、放电功率以及放电状态，其中1表示放电，0表示充电或静置；τ为电能单价，单位：元/kWh；CDep,i为第i个储能装置折旧成本，计算公式如下：式中，ηDep为折旧成本系数；PN,i、EN,i为第i个储能装置的额定功率和额定容量；Cp为储能装置单位功率安装成本的现值，单位：元/kW；CE为储能装置单位容量安装成本的现值，单位：元/kWh；Ni为第i个储能装置的使用循环次数。进一步地，步骤(2)中控制变量的约束具体如下：λmin≤λPVi≤λmaxi∈ΩPV(8)其中，ΩC为电容器安装节点集合；ΩT为变压器节点集合；ΩPV为光伏系统节点集合；ΩE为储能节点集合；为第i个电容器组在t时段的补偿容量；为第i个变压器在t时段的档位；为第i个光伏在t时段的功率因素；为第i个储能在t时段的有功出力；QCi.min、QCi.max分别为第i个电容器组的最小、最大补偿容量；TKi.min、TKi.max为有载调压变压器的最大档位、λmin为光伏功率因素下限值，λmax为光伏功率因素上限值；分别是第i个储能在t时段有功出力的上下限值，其表达式如下Ei分别是储能容量的上下限；Emax、Emin分别表示储能装置自身充、放电的能量限制；ηC,i、ηD,i表示充、放电效率；表示储能装置剩余容量，其计算方法公式如下：其中，分别表示储能装置的充、放电功率；分别表示储能装置在t时刻的充、放电状态，El表示静置能量损耗。进一步地，步骤(2)中状态变量的约束具体如下：Vmin＜Vi＜Vmaxi∈ΩN(13)式(12)为储能的一天内的充放电平衡约束，式(13)为系统中各节点的电压约束，式中，ε为储能装置一天充放电平衡的最大允许误差，表示优化结束时刻的储能剩余电量；为优化开始时刻储能装置中所储电量；Vi为第i个节点的电压，ΩN为所有节点集合，Vmin、Vmax分别为节点电压的上下限值。进一步地，步骤(3)中用灾变遗传算法求解含光储系统配电网的动态拓展无功优化模型的具体步骤如下：步骤1：应根据模型中的状态变量约束将式(1)拓展成适用于遗传算法求解的目标函数形式；步骤2：对控制变量中变压器档位电容器补偿容量光伏电站功率因素储能有功出力进行编码、产生初始种群，对初始种群进行潮流计算；步骤3：保留目标函数值最小的个体，并选择目标函数小于设定值得个体进行交叉变异，以继续产生新的种群再进行潮流计算，同时每隔一定遗传代数对种群进行灾变操作，直至目标函数值与上一次的目标值之差小于设定的允许值或已达到以设定的最大进化次数，停止计算，输出目标值和控制变量的优化取值。进一步地，步骤1中拓展后的目标函数的具体表达式如下：式中，λV、λE为惩罚因子，其中λV为数值较大的正常数，λE的数值随时间变化，具体表达式如下：式中，k1和k2均为正值且k1＜k2/t2，从而保证了λE在整个仿真周期内连续且数值不断增大，即惩罚力度越来越强；VLIM为电压越限风险指标，其计算公式如下：其中，Vi为节点i的电压幅值，Sat(x)为饱和函数；为t时段储能的充放电平衡指标，其计算公式如下：式中，为t时段第i个储能装置的充放电平衡指标，nE为配电网中储能装置的总个数。进一步地，所述步骤(1)中所述的含光储系统的配电线路计算模型的参数包括：1)10kV配电线路的网架结构；2)10kV配电线路的导线型号、长度和阻抗值；3)10kV配电线路首端变电站10kV母线电压；4)各配电变压器的型号、容量及其低压侧的日负荷预测曲线；5)各无功补偿设备的安装点、安装容量和已投容量；6)有载调压变压器的安装点、型号、容量和现选档位；7)光储系统中光伏发电单元容量及其配置的储能装置的容量、光伏日出力预测曲线。与现有技术相比，本专利技术具有如下优点和技术效果：为了在配电网无功优化时充分发掘储能装置在配电网无功优化中的灵活性，同时考虑各设备调节代价，本专利技术基于灾变遗传算法，通过计算得到含光储系统配电网的动态拓展无功优化接近最优的控制方案。本专利技术的总目标以及电网损耗方面优化效果均有较大的提高。本专利技术考虑光储联合系统的拓展无功优化，将储能装置的有功出力及光伏发电单元的功率因数作为拓展控制变量，在配电网的经济运行中能够取得更好的效果。附图说明图1是实例中的一个地区配电网拓扑结构示意图。图2是实例中光伏日出力预测曲线。图3是实例中日负荷率预测曲线。图4是实例中目标函数值对比曲线。图5是实例中的电网损耗对比曲线。图6是实例中灾变遗传算法的流程示意图。具体实施方式以下结合附图和实例对本专利技术的本文档来自技高网...

【技术保护点】
含光储系统配电网的动态拓展无功优化控制方法，其特征在于包括以下步骤：(1)建立含光储系统的10kV配电线路计算模型；(2)构建含光储系统配电网的动态拓展无功优化模型：以各时段变压器档位TK、电容器补偿容量QC、光伏功率因素λPVi、储能有功出力PE为控制变量，并考虑其取值范围约束以分时段解耦优化为基础，以网损及各设备调节代价最小为目标函数，以各节点电压不越限、一天内储能充放电平衡作为状态变量约束；(3)采用灾变遗传算法求解最优目标函数值，并获得各时段无功优化的最优控制方案；(4)将光储装置在各时段的最优控制方案下达到光储系统的控制中心，调节储能设备的控制模块和光伏逆变器以调整其出力，再根据各时段最优方案调节各无功补偿装置投切组数并调整有载调压变压器的档位。

【技术特征摘要】
1.含光储系统配电网的动态拓展无功优化控制方法，其特征在于包括以下步骤：(1)建立含光储系统的10kV配电线路计算模型；(2)构建含光储系统配电网的动态拓展无功优化模型：以各时段变压器档位TK、电容器补偿容量QC、光伏功率因素λPVi、储能有功出力PE为控制变量，并考虑其取值范围约束以分时段解耦优化为基础，以网损及各设备调节代价最小为目标函数，以各节点电压不越限、一天内储能充放电平衡作为状态变量约束；(3)采用灾变遗传算法求解最优目标函数值，并获得各时段无功优化的最优控制方案；(4)将光储装置在各时段的最优控制方案下达到光储系统的控制中心，调节储能设备的控制模块和光伏逆变器以调整其出力，再根据各时段最优方案调节各无功补偿装置投切组数并调整有载调压变压器的档位。2.根据权利要求1所述的含光储系统配电网的动态拓展无功优化控制方法，其特征在于：步骤(2)中目标函数的计算公式如下：式中，为t时段的网损，为t时段所有变压器和电容器总调节代价，为t时段所有储能装置的总调节代价，其计算公式分别如下：上述式中，nE为配电网中储能装置的总个数；Vit和分别是t时段节点i和节点j的电压；Gij和Bij为通过电网参数求得的节点导纳矩阵元素；δij为节点电压角度差；CT、CQ分别为变压器、电容器的单位调节代价，单位：kW/次；Tit为t时段第i台变压器抽头所处档位；为t时段第j台电容器投入组数；Tit-1为t-1时段第i台变压器抽头所处档位；为t-1时段第j台电容器投入组数；nT、nQ别为网络中有载调压变压器的数量和电容器组安装点的数量；COMB,i为第i台储能装置维护成本系数，单位：元/kW；分别为第i个储能装置在t时刻充、放电功率以及放电状态，其中1表示放电，0表示充电或静置；τ为电能单价，单位：元/kWh；CDep,i为第i个储能装置折旧成本，计算公式如下：式中，ηDep为折旧成本系数；PN,i、EN,i为第i个储能装置的额定功率和额定容量；Cp为储能装置单位功率安装成本的现值，单位：元/kW；CE为储能装置单位容量安装成本的现值，单位：元/kWh；Ni为第i个储能装置的使用循环次数。3.根据权利要求1所述的一种基于时段解耦的含光储配电网有功无功动态优化方法，其特征在于：步骤(2)中控制变量的约束具体如下：1λmin≤λPVi≤λmaxi∈ΩPV(8)其中，ΩC为电容器安装节点集合；ΩT为变压器节点集合；ΩPV为光伏系统节点集合；ΩE为储能节点集合；为第i个电容器组在t时段的补偿容量；为第i个变压器在t时段的档位；为第i个光伏在t时段的功率因素；为第i个储能在t时段的有功出力；QCi.min、QCi.max分别为第i个电容器组的最小、最大补偿容量；TKi.min、TKi.max为有载调压变压器的最大档位、λmin为光伏功率因素下限值，λmax为光伏功率因素上限值；分别是第i个储能在t时段有功出力的上下限值，其表达式如下

【专利技术属性】
技术研发人员：黄伟，张勇军，王武，陈家超，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44