一种追求分散式风电高效消纳的配电网优化运行方法技术

本发明专利技术公开了一种追求分散式风电高效消纳的配电网优化运行方法，充分利用分散式风电的功率调节能力，提高了配电网对分散式风力发电的消纳能力，节省了无功补偿设备的投入；与现有普遍以经济性为目标的主动配电系统优化调度模型相比，以分散式风电高效消纳为优化目标代替系统运行经济性目标，并加入了电压质量提升目标，建立了多目标的优化调度模型。

【技术实现步骤摘要】
一种追求分散式风电高效消纳的配电网优化运行方法
本专利技术属于配系统的运行控制方法
，具体涉及一种追求分散式风电高效消纳的配电网优化运行方法。
技术介绍
近年来，受到化石能源短缺、环境污染等社会问题的驱使，绿色清洁、可再生的风电资源得到了迅速发展。而我国风电属于资源导向型，远离负荷中心，且具有大规模、少业主、高度分散的缺陷，因此分散式风电的作用日益突出。分散式风电场接入配电网后，传统配电网转变为含多DWP的有源网络[1]，风能的波动性、不确定性将会给配电网中潮流分布、电压稳定以及网络损耗等产生较大的影响，可能给电网经济、安全运行造成不利影响。为此，有必要在保证配电网安全运行的前提下，充分提高分散式风电消纳能力。分散式风电场接入配电网后，传统配电网转变为含多DWP的有源网络，风能的波动性、不确定性将会给配电网中潮流分布、电压稳定以及网络损耗等产生较大的影响，可能给电网经济、安全运行造成不利影响。为此，有必要在保证配电网安全运行的前提下，充分提高分散式风电消纳能力。近年来，有学者陆续对分散式风电接入配电网进行了研究，提出了很多分散式风电并网后的配电网优化方法。。这些研究内容大多涉及含DWP的配电网无功优化控制。其中，有专家以复仿射区间潮流为基础，建立了有源配电网区间多目标无功优化的数学模型。部分学者建立了以风电消纳电量最大和系统运行成本最小为目标的源荷协调多目标优化模型，并采用多目标差分算法进行求解。还有学者采用拉丁超立方采样产生多个场景，利用Cholesky分解排序法对生成的场景进行排序，获得计及多个风电机组出力相关性的多个场景，并以有功网损的期望值最小作为优化目标，以节点电压、支路功率以及电容器投切组数作为约束条件，建立基于多场景分析法的含多个风电机组的配电网无功优化模型。随着各类可再生能源发电的大力发展和配电网网架结构的增强，接入配电网的分散式电源趋向多元化发展，已有学者开始了面向各类分散式电源并网的最优潮流和优化调度的研究。这些研究中的优化目标包括运行成本目标、网络损耗目标以及负荷满意度目标等，求解优化数学模型的方法也多种多样，传统的线性规划法、非线性规划法、牛顿法和内点法等算法对求解含有离散变量、多目标问题存在一定的局限性，近年来，遗传算法、粒子群优化算法、禁忌搜索算法等智能优化算法的出现弥补了这一缺点，并在分散式风电优化领域中得到了广泛运用。上述研究从不同的角度和方法提出了分散式风电接入配电网的优化运行策略，取得了显著的效果。然而，多数研究仅考虑了对无功功率进行调控，并未考虑分散式风电的消纳问题，而且其中一些研究并没有充分利用风机自身的无功功率。因此，研究一种考虑分散式风电并网点电压质量的数学模型，实现了风电资源的高效消纳具有重要意义。
技术实现思路
本专利技术的目的在于提供一种追求分散式风电高效消纳的配电网优化运行方法，能够充分利用分散式风电自身的无功功率以及分散式风电消纳能力不足的缺点。本专利技术的技术方案为，一种追求分散式风电高效消纳的配电网优化运行方法，具体按照以下步骤实施：步骤1、设计并网点电压质量提升目标函数、风电高效消纳目标函数，构建双目标配电网优化运行模型，通过带权极小模评价函数组合两个目标函数，转化为单目标函数，即为最优目标函数值；步骤2、改进基本粒子群算法；步骤3、根据初始化个体公式生成N个初始个体，将每个个体当做一个粒子群，初始化粒子群算法中各参数，包括最大迭代次数、粒子速度范围、学习因子；步骤4、对初始粒子群进行潮流计算，求解初始粒子群中每个粒子的最优目标函数值，通过比较得出所有粒子中的最优的最优目标函数值，并将最优目标函数值所在粒子信息赋值给局部最优pbest；步骤5、更新粒子的速度和位置；步骤6、对更新后的粒子群进行潮流计算，得到最优目标函数值，比较最优目标函数值与局部最优pbest，选出最优pbest；步骤7、判断是否当更新达到最大迭代次数时，未达到最大迭代次数时，执行步骤5，达到最大迭代次数时，输出最优pbest，将最优pbest对应粒子位置赋值给gbest，即各风场有功出力值P和无功出力值Q，此即为分散式风电场的最优运行方案。步骤1并网点电压质量提升目标函数为：式(1)中，F1即为ΔUMCC，表示基于MCC的电压质量指标；N为主动配电系统节点数；k表示调度周期可划分的单位调度阶段数；ΔUi表示第i个节点的电压偏差；dU表示最大允许电压偏差量；Gσ表示MCC的核函数；σ表示核函数的核宽度，通常取为常数1；函数g由式(2)计算：风电高效消纳目标函数为：在风电高效消纳目标函数式(3)中，Pg为第g个分散式风电场输出的有功出力，ωk为有功出力系数，Δt为单位阶段的时间。步骤1双目标配电网优化运行模型包括潮流约束、节点电压约束、风电场有功功率和无功功率调节范围；潮流约束方程为：式(4)中，Pi、Qi分别为节点i注入的有功、无功功率；Ui、Uj为节点i和j的电压幅值；Gij、Bij为节点导纳矩阵的实部和虚部；θij为线路ij两端的相角差；节点电压约束方程为：Ui表示节点i处的电压幅值，和分别表示节点i处电压的最小值和最大值；风电场有功功率和无功功率调节范围：式(6)中，Pg(t)、Qg(t)分别表示t时刻第i个风电场的有功和无功功率；分别表示第i个风电场所能提供的有功功率的范围；分别表示第i个风电场无功调节的范围。步骤1带权极小模评价函数为：式(7)中，ω1和ω2分别为优化模型中电压质量和风电消纳子目标的权重，且满足ω1+ω2＝1；F1*和F2*分别为两个优化子目标的理想点。步骤2改进基本粒子群算法包括改进权重系数ω和加入扰动量；改进权重系数ω过程为：设定在t时刻，第k次迭代的惯性权重系数改进公式为：式(8)中，kmax表示最大迭代次数；k表示当前迭代次数；ωmin表示初始惯性权重；ωmax代表终止惯性权重；加入扰动量对粒子群算法进行改进公式如下：式(9)中，Pg分别是加入扰动量前后粒子群所处位置；η为服从标准正态分布的随机变量。步骤3初始化个体公式为：式(10)中，表示第i个个体中第d维控制变量；xd.max和xd.min分别表示第d维控制变量的上下限；random(0,1)表示(0,1)之间的随机数。步骤5更新粒子的速度公式为:更新粒子的位置公式为：i为粒子数，k是迭代次数，是当前粒子的位置，是当前迭代次数中i粒子的速度，c1和c2分别是学习因子，Pi是粒子群的个体极值。步骤6具体过程为：对更新后的粒子群进行潮流计算，得到最优目标函数值，比较最优目标函数值与局部最优pbest；若最优目标函数值优于局部最优pbest，则用最优目标函数值赋予最优pbest；若最优目标函数值不优于局部最优pbest，执行步骤7。本专利技术的有益效果是，1)充分利用分散式风电的功率调节能力，提高了配电网对分散式风力发电的消纳能力，节省了无功补偿设备的投入；2)与现有普遍以经济性为目标的主动配电系统优化调度模型相比，以分散式风电高效消纳为优化目标代替系统运行经济性目标，并加入了电压质量提升目标，建立了多目标的优化调度模型。附图说明图1是本专利技术一种追求分散式风电高效消纳的配电网优化运行方法流程图；图2是本专利技术方法用于实例的配电系统示意图；图3是本专利技术方法所使用的三个风场的原始出力曲线图；图4是本本文档来自技高网...

【技术保护点】
1.一种追求分散式风电高效消纳的配电网优化运行方法，其特征在于，具体按照以下步骤实施：步骤1、设计并网点电压质量提升目标函数、风电高效消纳目标函数，构建双目标配电网优化运行模型，通过带权极小模评价函数组合两个目标函数，转化为单目标函数，即为最优目标函数；步骤2、改进基本粒子群算法；步骤3、根据初始化个体公式生成N个初始个体，将每个个体当做一个粒子群，初始化粒子群算法中各参数，包括最大迭代次数、粒子速度范围、学习因子；步骤4、对初始粒子群进行潮流计算，求解初始粒子群中每个粒子的最优目标函数值，通过比较得出所有粒子中的最优的最优目标函数值，并将最优目标函数值所在粒子信息赋值给局部最优pbest；步骤5、更新粒子的速度和位置；步骤6、对更新后的粒子群进行潮流计算，得到最优目标函数值，比较最优目标函数值与局部最优pbest，选出最优pbest；步骤7、判断是否当更新达到最大迭代次数时，未达到最大迭代次数时，执行步骤5，达到最大迭代次数时，输出最优pbest，将最优pbest对应粒子位置赋值给gbest，即各风场有功出力值P和无功出力值Q，此即为分散式风电场的最优运行方案。

【技术特征摘要】
1.一种追求分散式风电高效消纳的配电网优化运行方法，其特征在于，具体按照以下步骤实施：步骤1、设计并网点电压质量提升目标函数、风电高效消纳目标函数，构建双目标配电网优化运行模型，通过带权极小模评价函数组合两个目标函数，转化为单目标函数，即为最优目标函数；步骤2、改进基本粒子群算法；步骤3、根据初始化个体公式生成N个初始个体，将每个个体当做一个粒子群，初始化粒子群算法中各参数，包括最大迭代次数、粒子速度范围、学习因子；步骤4、对初始粒子群进行潮流计算，求解初始粒子群中每个粒子的最优目标函数值，通过比较得出所有粒子中的最优的最优目标函数值，并将最优目标函数值所在粒子信息赋值给局部最优pbest；步骤5、更新粒子的速度和位置；步骤6、对更新后的粒子群进行潮流计算，得到最优目标函数值，比较最优目标函数值与局部最优pbest，选出最优pbest；步骤7、判断是否当更新达到最大迭代次数时，未达到最大迭代次数时，执行步骤5，达到最大迭代次数时，输出最优pbest，将最优pbest对应粒子位置赋值给gbest，即各风场有功出力值P和无功出力值Q，此即为分散式风电场的最优运行方案。2.根据权利要求1所述一种追求分散式风电高效消纳的配电网优化运行方法，其特征在于，步骤1所述并网点电压质量提升目标函数为：式(1)中，F1即为ΔUMCC，表示基于MCC的电压质量指标；N为主动配电系统节点数；k表示调度周期可划分的单位调度阶段数；ΔUi表示第i个节点的电压偏差；dU表示最大允许电压偏差量；Gσ表示MCC的核函数；σ表示核函数的核宽度，通常取为常数1；函数g由式(2)计算：风电高效消纳目标函数为：在风电高效消纳目标函数式(3)中，Pg为第g个分散式风电场输出的有功出力，ωk为有功出力系数，Δt为单位阶段的时间。3.根据权利要求2所述一种追求分散式风电高效消纳的配电网优化运行方法，其特征在于，步骤1所述双目标配电网优化运行模型包括潮流约束、节点电压约束、风电场有功功率和无功功率调节范围；潮流约束方程为：式(4)中，Pi、Qi分别为节点i注入的有功、无功功率；Ui、Uj为节点i和j的电压幅值；Gij、Bij为节点导纳矩阵的实部和虚部；θij为线...

【专利技术属性】
技术研发人员：段建东，孙茜，陈鲁鹏，王静，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西,61