The invention provides a method and system for solving reactive power optimization model with wind farm. The steps of the method are: S1, establishing wind turbine model; S2, establishing reactive power optimization model with wind farm; S3, discrete control variables involved in fixed reactive power optimization model, solving continuous reactive power optimization model by interior point method and calculating the number of variables exceeding the limit in each scenario to obtain the optimal scenario. The optimal discrete control variables are obtained by reducing the number of variables exceeding the limit and the average network loss of the reactive power optimization model in each scenario. S5. The optimal continuous control variables and optimal discrete control variables are tested by Monte Carlo simulation and power flow calculation. The invention guarantees the safety of grid voltage under the condition of uncertain wind power grid connection, avoids the time-consuming Monte Carlo simulation in stochastic programming method, and overcomes the disadvantage that robust programming method can not utilize the probability distribution information of wind power.
【技术实现步骤摘要】
一种求解含风电场无功优化模型的方法及系统
本专利技术涉及电力
,尤其涉及一种求解含风电场无功优化模型的方法及系统。
技术介绍
风电作为一类新型的可再生能源,在环境保护和解决能源危机方面发挥着至关重要的作用。但风电的不确定性会造成电网电压的波动,对电网的安全运行构成威胁。因此,需建立含风电场的无功优化模型来获得相应的电压控制策略,以保证风电接入后电网电压的安全。含风电的无功优化模型是一个含不确定性参数的非线性规划问题,常规的求解方法主要有随机规划法和鲁棒优化法。随机规划法需采用蒙特卡洛法模拟约束条件,算法效率较低;鲁棒优化法采用不确定集对风电建模,忽略了风电的概率分布信息,优化结果比较保守,且对非线性约束的凸化处理会产生误差。含风电的无功优化模型在数学上是一个含不确定性参数的非线性规划问题。目前,主要有两种处理无功优化模型中风电波动的方法,即随机规划和鲁棒规划。随机规划法又包含机会约束规划法和场景分析法方法。利用机会约束规划法求解配电网中多目标无功规划问题,采用基于随机抽样的蒙特卡洛方法模拟来提高约束检验的效率。优化结果表明该方法可大大降低电压越限的风险,但机会约束规划需要提前知道风速的概率分布信息,并且蒙特卡洛模拟过程使得算法非常耗时,因此它主要适用于求解周期较长的无功规划模型。概率场景分析法是采用不确定性因素的典型场景代替其所有可能发生的场景,利用典型场景发生概率计算目标函数期望值,建立不确定性无功优化的期望值模型,寻找满足典型场景下物理约束和安全运行约束的无功电压控制方案。对风电机组出力场景进行探讨,构建了不同场景下的确定性无功优化模型,采用不同 ...
【技术保护点】
1.一种求解含风电场无功优化模型的方法,其特征在于,包括下述步骤:S1、建立风力发电机模型,所述风力发电机模型包括有功输出功率模型和无功功率控制模型;S2、根据所述风力发电机模型建立含风电场的无功优化模型;S3、固定无功优化模型涉及的离散控制变量,采用内点法求解连续无功优化模型并计算每个场景下的变量越限次数,统计得到最优场景,并获得最优场景下对应的最优连续控制变量;S4、固定无功优化模型涉及的连续控制变量,采用遗传算法减少无功优化模型在每个场景下的变量越限次数和系统平均网损,得到最优离散控制变量;S5、利用蒙特卡洛模拟和潮流计算检验所述最优连续控制变量和最优离散控制变量,计算出最优连续控制变量以及最优离散控制变量的越限次数和系统平均网损。
【技术特征摘要】
1.一种求解含风电场无功优化模型的方法,其特征在于,包括下述步骤:S1、建立风力发电机模型,所述风力发电机模型包括有功输出功率模型和无功功率控制模型;S2、根据所述风力发电机模型建立含风电场的无功优化模型;S3、固定无功优化模型涉及的离散控制变量,采用内点法求解连续无功优化模型并计算每个场景下的变量越限次数,统计得到最优场景,并获得最优场景下对应的最优连续控制变量;S4、固定无功优化模型涉及的连续控制变量,采用遗传算法减少无功优化模型在每个场景下的变量越限次数和系统平均网损,得到最优离散控制变量;S5、利用蒙特卡洛模拟和潮流计算检验所述最优连续控制变量和最优离散控制变量,计算出最优连续控制变量以及最优离散控制变量的越限次数和系统平均网损。2.根据权利要求1所述的求解含风电场无功优化模型的方法,其特征在于,所述有功输出功率输出模型中的风力发电机有功输出功率PW满足如下公式;式中,vci为风力发电机的切入风速、vco为切出风速,vr为额定风速,Pr为风力发电机额定输出功率,A0为常数项,A1为一次项系数,A2为二次项系数,可分别由如下公式给出:风速v的分布函数如下:式中,f(v)表示风速v的概率密度函数,c为分布函数的尺度参数,k为分布函数的形状参数,e为自然指数常数。3.根据权利要求1所述的求解含风电场无功优化模型的方法,其特征在于,所述无功功率控制模型包括:恒速恒频控制模型、恒功率因素控制模型、恒压控制模型;在所述恒速恒频控制模型中,风力发电机消耗的无功功率通过如下公式计算:式中,QW为风力发电机消耗的无功功率,V为与风力发电机连接节点的电压幅值,PW为风力发电机的有功输出功率,R为风力发电机转子电阻和定子电阻的总和,X是风力发电机转子和定子漏电抗的总和,Xm是励磁电抗,Xc为并联电容器的电容;在所述恒功率因素控制模型中,风力发电机消耗的无功功率通过如下公式计算:式中,是功率因数的角度。4.根据权利要求1所述的求解含风电场无功优化模型的方法,其特征在于,步骤S2具体包括下述步骤:建立无功优化模型,该无功优化模型的网损通过如下公式表示:式中,Ploss为无功优化模型的网损,S为无功优化模型所有节点的集合,Vi表示节点i的电压幅值,θij=θi-θj,θi是节点i的电压相角,所有相角值均以平衡节点的相角为参考,Gij为导纳矩阵第i行第j列元素Yij的实部,Y={Yij}为节点导纳矩阵;无功优化模型中的潮流方程通过如下公式表示:式中,PGi为节点i的风力发电机发出的有功输出功率,QGi节点i的风力发电机发出的无功功率,PLi为节点i的有功负荷,QLi节点i的无功负荷,QCi为节点i的电容无功补偿量,Gij为导纳矩阵第i行第j列元素Yij的实部,Bij为导纳矩阵第i行第j列元素Yij的虚部,Y={Yij}为节点导纳矩阵;无功优化模型的不等式约束通过如下公式表示:式中,SG表示无功优化模型系统中发电机节点组成的集合,SC为无功补偿电容组成的集合,ST变压器组合成的集合,QGi和分别为节点i的发电机无功出力QGi的下限和上限,QCi和分别为节点i的电容无功补偿QCi的下限和上限,Vi和分别为节点i的电压幅值Vi的下限和上限,Tl是变压器l的变比,为离散变量,Tl和分别为变压器变比的下限和上限,Tl隐含在导纳矩阵Y={Yij}中;含风电场的无功优化模型如下公式所示:式中,f(x,u)为无功优化模型的系统网损,h(x,u,ξ)=0是潮流平衡方程,是安全约束和系统运行约束,x=[P...
【专利技术属性】
技术研发人员:史军,林子钊,程韧俐,马伟哲,何晓峰,
申请(专利权)人:深圳供电局有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。