一种基于混合智能算法的含分布式电源配网无功规划方法技术

本发明专利技术公开了一种基于混合智能算法的含分布式电源配网无功规划方法，首先建立分布式电源的随机功率输出模型，引入随机变量来表示风速，将含分布式电源无功优化规划问题作为不确定规划问题进行研究，建立了基于机会约束规划的含分布式电源配网无功规划模型。然后，利用支持向量机良好的回归泛化能力、人工鱼群算法全局寻优特点、粒子群算法局部寻优能力，将支持向量机、粒子群算法和人工鱼群算法有机结合，构造混合智能算法，并利用随机模拟技术，对基于机会约束规划的含分布式电源配网无功规划模型进行有效、快速求解。本发明专利技术将支持向量机、粒子群算法和人工鱼群算法有效结合起来，在满足决策精度的前提下减少系统潮流计算次数，提高求解速度。

A reactive power planning method of distribution network with distributed generation based on hybrid intelligent algorithm

【技术实现步骤摘要】
一种基于混合智能算法的含分布式电源配网无功规划方法
本专利技术涉及一种配电网无功规划方法，具体涉及一种基于混合智能算法的含分布式电源配网无功规划方法。
技术介绍
近年来，由于传统能源形式所凸显的弊端越来越明显，风能作为一种绿色的循环能源，具有较好的环保性跟经济性，以风力发电为代表的间歇性分布式电源在中国得到了迅速发展。与此同时，当分布式电源并网后，由于受到随机因素的影响容易引起系统潮流大小及方向的变化，影响了原有配电网设备的正常运行，造成电压不稳定，给包括无功优化规划在内的传统电力系统优化控制带来了新的问题和挑战。由于配电网无功优化规划问题本身就是一个非线性、离散化的优化问题，并入分布式电源之后，该问题就难以用常规的数学方法进行分析了，主要原因便是风力发电机的出力具有很强间歇性和随机性，因此在某一种确定出力条件下得到的无功优化方案，在另外的出力状态下不一定最佳，有时甚至还会起到恶化作用，确定性规划对于处理随机变化的风电出力并不合适。在配电网无功优化规划问题上，国内外学者已有了一定的研究。文献[1]考虑了静止无功补偿器作为补偿设备，综合有功网损和补偿设备的安装及生产费用作为目标函数，建立无功优化模型，但由于SVC设备昂贵，实际中还未广泛投入使用。文献[2]采用遗传算法对分布式电源无功优化问题进行求解，但仅仅考虑风力发电机在某一场景下的情况，在其他场景下未必最优。文献[3]提出了一种基于场景发生概率的无功优化综合指标，考虑了网损和静态电压稳态裕度，采用自适应权重的遗传算法求解问题，但其采用的自适应权重遗传算法在决策精度以及求解时间方面仍有不足之处，较难满足目前求解含分布式电源配网无功规划的需要。文献[1]，陈琳，钟金，倪以信，含分布式发电的配电网无功优化，电力系统自动化，2006，30(14)：20-24.文献[2]，李晶，王素华，谷彩连，基于遗传算法的含分布式发电的配电网无功优化控制研究，电力系统保护与控制，2010，38(6)：60-63.文献[3]，陈海焱，陈金富，段献忠，含风电机组的配网无功优化，中国电机工程学报，2008，28(7)：40-45.
技术实现思路
为解决上述问题，提供一种基于混合智能算法的含分布式电源配网无功规划方法，将支持向量机、粒子群算法和人工鱼群算法有效结合起来，在满足决策精度的前提下减少系统潮流计算次数以提高求解速度。为实现上述目的，本专利技术采取的技术方案为：基于混合智能算法的含分布式电源配网无功规划方法，包括以下步骤：S1、建立分布式电源的随机功率输出模型S2、引入随机变量来表示风速，将含分布式电源无功优化规划问题作为不确定规划问题进行研究，建立了基于机会约束规划的含分布式电源配网无功规划模型。S3、将支持向量机、粒子群算法和人工鱼群算法有机结合，构造混合智能算法，并利用随机模拟技术，对基于机会约束规划的含分布式电源配网无功规划模型进行有效、快速求解。进一步地，所述步骤S1具体包括如下步骤：S11、建立风机有功输出与风速的函数关系根据随机变量概率密度函数，在模拟次数足够大时，得到风速变量的统计数据。从而实现对风速的统计规律的研究，确定风速v服从Weibull分布：其中，f(v)指的是Weibull分布函数，c和k分别为尺度参数和形状参数，需根据现场实测风速的历史数据采用最小二乘法辨识。风电机组发出的有功功率与风速的关系为：Pe＝0.5ACpρv3其中，A为扫风面积，Cp是效率因数(根据贝兹准则，一般风电机的效率系数Cp不超过0.59)，ρ是空气密度值。风电发电机输出功率与PWPG与风速v之间的函数关系可近似描述为：其中，Pr为风电机的额定输出功率，vr，vci和vco分别为额定风速、切入风速和切出风速。S12、建立风机电路模型根据等效电路，得到：其中，xk＝X1+X2，X1和X2是定子和转子侧的绕组电抗；r2是等效到定子侧的电阻，s为转差率，r2/s上流过的电流为Ik，r2/s上功率就是注入电网的功率Pe，U为机端电压；由于这里考虑的为异步发电机，则有s＜0,根据上式解得：同时根据电路关系，求得功率因数角和转差率的关系是：其中，Xm是励磁电抗；则异步发电机吸收的无功功率和发出的有功功率有：在给定异步发电机的机组参数条件下，根据实际风速v计算出异步发电机发出的有功功率Pe，并确定发电机的机端电压U，从而计算发电机组的转差率s以及机组吸收的无功功率Qe，然后，把风场节点当作PQ节点进行常规的潮流迭代计算。进一步地，所述步骤S2中通过以下步骤建立基于机会约束规划的含分布式电源配网无功规划模型：1)建立随机机会约束规划模型随机机会约束规划允许所作决策在一定程度上不满足约束条件，只要求该决策使约束条件成立的概率不小于某一置信水平。随机机会约束规划模型为：其中，x,ξ分别是决策、随机向量，Pr{}是事件的概率，α，β是决策者预先给定的置信水平，是目标函数f(x,ξ)在置信水平至少为β时所取的最小值。2)确定目标函数针对分布式电源并网后对配电网的影响，考虑有功网损、电容器以及分布式电源的经济性，以并联电容补偿容量的投运组数和电容器补偿的安装位置作为控制变量来建立综合目标函数模型，同时将无功补偿设备的投资费用转换为等年值，确定优化目标为：其中，Δpi为系统有功网损，常数K为单位能耗费用，n为系统总节点数，τmax为负荷运行小时数，ei为0-1变量，决定各节点是否安装并联补偿电容器组，ri为节点i安装单位补偿电容器组的费用(包括购买、安装费用)，Qci为节点i的补偿电容容量，为贴现率，m为补偿设备的使用年限。3)确定约束条件a.潮流等式约束其中，PWPGi，QWPGi为节点i所接风力发电机的有功、无功输出；PLi，QLi为节点i处的负载功率；Vi为节点i的电压幅值，Bij为支路电导，θij为支路电纳,Gij为节点i与节点j电压相角差。b.电压上下限约束为：Vmin≤Vi≤Vmaxc.可调变压器变比的上下限约束：Kmin≤KX≤Kmaxd.补偿点i的无功补偿容量约束：0≤Qci≤Qimax其中，Vmin,Vmax分别为节点i电压的上下限；K为可调变压器变比，Kmin,Kmax分别为可调变压器变比的上下限。Qimax为节点i电容补偿量的上限。进一步地，所述步骤S3中，所述随机模拟技术依据概率分布对随机变量进行抽样，从而为系统决策提供依据或对系统决策进行检验；对于电压水平机会约束条件Pr{Vmin≤Vi≤Vmax}≥α，具体实现步骤如下：a.设n′＝0；b.根据weibull分布生成一个风速样本，并计算该风速场景下的风机功率输出；c.计算配电网潮流，如果对于系统每个节点都有Vmin≤Vi≤Vmax，则n′＝n′+1；d.重复步骤(b)～(c)n次；e.当n足够大，Pr{Vmin≤Vi≤Vmax}≈n′/n，当n′/n≥α时则说明电压约束条件可以满足。进一步地，所述步骤S3中构造的混合智能算法，在对无功规划问题进行寻优时，为克服基本粒子群算法(PSO)容易陷入局部优解问题，将人工鱼群算法(AFSA)和粒子群优化算法结合起来，利用人工鱼群可跳出局部极值、并行搜索、参数设置不敏感和易实现等特点，先以AFSA算法在全局寻找满意的解域，再以PSO算法在这些解域中进行快速的局部搜索获得精确解，以提高寻优本文档来自技高网...

【技术保护点】
1.基于混合智能算法的含分布式电源配网无功规划方法，其特征在于：包括以下步骤：S1、建立分布式电源的随机功率输出模型；S2、引入随机变量来表示风速，将含分布式电源无功优化规划问题作为不确定规划问题进行研究，建立基于机会约束规划的含分布式电源配网无功规划模型；S3、将支持向量机、粒子群算法和人工鱼群算法有机结合，构造混合智能算法，并利用随机模拟技术，对基于机会约束规划的含分布式电源配网无功规划模型进行有效、快速求解。

【技术特征摘要】
1.基于混合智能算法的含分布式电源配网无功规划方法，其特征在于：包括以下步骤：S1、建立分布式电源的随机功率输出模型；S2、引入随机变量来表示风速，将含分布式电源无功优化规划问题作为不确定规划问题进行研究，建立基于机会约束规划的含分布式电源配网无功规划模型；S3、将支持向量机、粒子群算法和人工鱼群算法有机结合，构造混合智能算法，并利用随机模拟技术，对基于机会约束规划的含分布式电源配网无功规划模型进行有效、快速求解。2.如权利要求1所述的基于混合智能算法的含分布式电源配网无功规划方法，其特征在于：所述步骤S1具体包括如下步骤：S11、建立风机有功输出与风速的函数关系根据随机变量概率密度函数，在模拟次数足够大时，得到风速的统计数据，确定风速v服从Weibull分布：其中，f(v)指的是Weibull分布函数，c和k分别为尺度参数和形状参数，需根据现场实测风速的历史数据采用最小二乘法辨识；风电机组发出的有功功率与风速的关系为：Pe＝0.5ACpρv3其中，A为扫风面积，Cp是效率因数，ρ是空气密度值；风电发电机输出功率与PWPG与风速v之间的函数关系可近似描述为：其中，Pr为风电机的额定输出功率，vr，vci和vco分别为额定风速、切入风速和切出风速；S12、建立风机电路模型根据等效电路，得到：其中，xk＝X1+X2，X1和X2是定子和转子侧的绕组电抗；r2是等效到定子侧的电阻，s为转差率，r2/s上流过的电流为Ik，r2/s上功率就是注入电网的功率Pe，U为机端电压；由于这里考虑的为异步发电机，则有s＜0,根据上式解得：同时根据电路关系，求得功率因数角和转差率的关系是：其中，Xm是励磁电抗；则异步发电机吸收的无功功率和发出的有功功率有：在给定异步发电机的机组参数条件下，根据实际风速v计算出异步发电机发出的有功功率Pe，并确定发电机的机端电压U，从而计算发电机组的转差率s以及机组吸收的无功功率Qe，然后，把风电场节点当作PQ节点进行常规的潮流迭代计算。3.如权利要求1所述的基于混合智能算法的含分布式电源配网无功规划方法，其特征在于：所述步骤S2中通过以下步骤建立基于机会约束规划的含分布式电源配网无功规划模型：1)建立随机机会约束规划模型随机机会约束规划模型为：其中，x,ξ分别是决策、随机向量，Pr{}是事件的概率，α，β是决策者预先给定的置信水平，是目标函数f(x,ξ)在置信水平至少为β时所取的最小值；2)确定目标函数针对分布式电源并网后对配电网的影响，考虑有功网损、电容器以及分布式电源的经济性，以并联电容补偿容量的投运组数和电容器补偿的安装位置作为控制变量来建立综合目标函数模型，同时将无功补偿设备的投资费用转换为等年值，确定优化目标为：其中，Δpi为系统有功网损；常数K为单位能耗费用；n为系统总节点数；τmax为负荷运行小时数；ei为0-1变量，决定各节点是否安装并联补偿电容器组；ri为节点i安装单位补偿电容器组的费用，包括购买、安装费用；Qci为节点i的补偿电容容量，为贴现率；m为补偿设备的使用年限；3)确定约束条件a.潮流等式约束其中，PWPGi，QWPGi为节点i所接风力发电机的有功、无功输出；PLi，QLi为节点i处的负载功率；Vi为节点i的电压幅值；Bij为支路电导；θij为支路电纳；Gij为节点i与节点j电压相角差；b.电压上下限约束为：Vmin≤Vi≤Vmaxc.可调变压器变比的上下限约束：Kmin≤...

【专利技术属性】
技术研发人员：陈皓勇，
申请(专利权)人：广东博慎智库能源科技发展有限公司，
类型：发明
国别省市：广东,44