一种考虑源荷不确定性的风电场无功优化配置方法技术

本发明专利技术属于风力发电技术领域，公开了一种考虑源荷不确定性的风电场无功优化配置方法，方法包括：将多种参数输入到预先建立的交直流概率潮流模型；根据交直流概率潮流模型计算系统初始潮流和L指数；将静态无功补偿器模型设置在具有最高L指数的母线处，并将电容器组设置于连接陆上风力发电机组的母线处；在风力发电场景、光伏发电场景和电动汽车并网场景对无功配置优化模型进行迭代，得到风电场无功优化配置方案。有益效果：将风电场无功配置问题中的负载因素考虑为不确定性量参与规划，可以提高系统的稳定性；考虑风力发电、光伏发电和电动汽车等不确定性对风电场无功配置的影响方便后续布置无功补偿装置以应对未来无功需求增加。增加。增加。

【技术实现步骤摘要】
一种考虑源荷不确定性的风电场无功优化配置方法


[0001]本专利技术涉及风力发电
，特别是涉及一种考虑源荷不确定性的风电场无功优化配置方法。

技术介绍

[0002]由于风能、光伏系统和电动汽车充电负载的快速增加，电力系统面临着可变性和不确定性的巨大挑战。与陆上风电场相比，海上风电场具有风速高、风向稳、不占用土地等优势，正在蓬勃发展中。为了解决海上风电场的可再生能源整合问题，对于交流电网与海上风电场的连接，高压直流可以提供具有成本效益的解决方案，并具有更高的操作灵活性、更高的可靠性，且支持缓解交流系统拥堵。由于基于电力电子的设备数量增加，无功功率需求随之增大，这将导致电力系统在其极限范围内运行，因此有必要提高现有资产的利用率和对输电能力的大量投资。电力系统运营商使用许多无功功率控制设备来将电压保持在电力系统安全经济运行的限制范围内，其中控制设备及其最优值是通过最优无功配置获得的。
[0003]现有的研究中，存在一些无功配置方法但大多数无功功率规划问题中的负载都被认为是确定性的。很多研究中都提到静态无功补偿器等灵活交流输电系统设备可以通过提高现有基础设施对用户的潮流可控性来支持网络的经济可靠运行。但这些研究均未考虑光伏发电和电动汽车等其他不确定性，也未考虑后续布置无功补偿装置以应对未来无功需求增加的情况。
[0004]近年来，由于清洁能源的快速发展，大规模风电、光电及电动汽车的接入可能会引起系统电压不稳定甚至电压崩溃，亟需采用一种高效的策略来寻找适宜的静态无功补偿器和电容器的额定值，以为电力系统的安全经济运行提供恰当的无功支撑。

技术实现思路

[0005]本专利技术的目的是：提供一种考虑源荷不确定性的风电场无功优化配置方法寻找适宜的静态无功补偿器和电容器的额定值，以为电力系统的安全经济运行提供恰当的无功支撑。
[0006]为了实现上述目的，本专利技术提供了一种考虑源荷不确定性的风电场无功优化配置方法，包括：
[0007]将获取的风力发电机运行参数、光伏发电机运行参数、电动汽车运行参数、风电场风速及分布、光照强度及分布、风电场负荷情况和风电场系统情况输入到预先建立的综合考虑风力发电、光伏发电和电动汽车并网和计及负荷不确定性的交直流概率潮流模型；
[0008]根据交直流概率潮流模型计算系统初始潮流，根据系统初始潮流获取L指数；
[0009]将静态无功补偿器模型设置在具有最高L指数的母线处，并将电容器组设置于连接陆上风力发电机组的母线处；
[0010]根据获取的风力发电机运行参数、光伏发电机运行参数、电动汽车运行参数、风电场风速及分布、光照强度及分布、风电场负荷情况和风电场系统情况构建风力发电场景、光
伏发电场景和电动汽车并网场景，在风力发电场景、光伏发电场景和电动汽车并网场景对无功配置优化模型进行迭代，得到风电场无功优化配置方案。
[0011]进一步的，包括：所述在风力发电场景、光伏发电场景和电动汽车并网场景对无功配置优化模型进行迭代，得到风电场无功优化配置方案，具体为：
[0012]分别在风力发电场景、光伏发电场景和电动汽车并网场景对无功配置优化模型进行第一次数的迭代，迭代完成后选取三个场景中无功配置优化模型输出的静态无功补偿器的最大、最小值及电容器组的最大值最为无功优化配置方案。
[0013]进一步的，所述交直流概率潮流模型的建立方法为：
[0014]根据高斯正交的交直流概率潮流模型、母线复功率公式、控制交流系统模型、母线之间流动的有功功率和无功功率公式、包括转换器交流母线的功率失配方程、整流器和逆变器控制高压直流系统的基本方程和控制整流器和逆变器之间的互联关系方程联立得到交直流概率潮流模型。
[0015]进一步的，所述交直流概率潮流的计算过程包括：
[0016]将x
l
(l＝1，2，...n)作为有功和无功功率负载，得到点x
l，k
和权重 w
l，k
；
[0017]以x
l，k
为第k个有功和无功负载点，μ
xl
为第1个随机变量的均值，将x
l，k
和μ
xl
输入矩阵表示为：
[0018][0019]其中，k＝1，...，m；m＝3表示三点正交；
[0020]对每行X
k
执行确定性潮流，同时求解直流系统模型；
[0021]所述直流系统模型包括：
[0022]获取直流系统方程、获取初始的E
ti
和E
tr
，根据直流系统方程得到注入功率
[0023]将注入功率输入到交流系统方程，再次求解交流系统方程以找到 E
ti
和E
tr
的更新值；
[0024]交流和直流系统方程迭代求解，直到达到收敛。
[0025]进一步的，其特征在于，风力发电场景的确定方法包括：
[0026]获取给定风速V
w
下风力涡轮机发电系统的有功功率输出：
[0027][0028]其中，P
R
是发电机的额定功率，而V
c
、V
R
和V
F
分别是涡轮机的切入速度、额定速度和切出速度；
[0029]根据感应发电机模型，获取风力涡轮机发电系统消耗的无功功率。
[0030]进一步的，光伏发电场景的确定方法包括：
[0031]获取太阳能光伏组件的输出功率，
[0032]P
pv
(s)＝FF
×
V(s)
×
I(s)
[0033][0034]I(s)＝s
a
×
[I
sc
+K
i
(T
c
‑
25)][0035][0036]其中，s
a
是太阳辐照度，FF为填充因子，V
MPP
和I
MPP
为最大功率点电压和电流，V
oc
为开路电压，I
sc
为短路电流，K
i
、K
v
为电流和电压温度系数，T
c
是电池温度，T
A
是环境温度，N
OT
是光伏电池的标称工作温度。
[0037]进一步的，电动汽车并网场景中电动汽车充电负载模型的确定方法包括：
[0038]对于充电量为n台电动汽车的充电站，其充电功率的离散分布为：
[0039][0040]其中，是每台服务器的占用率；c为同时服务的顾客数的最大值；n
EV
为能够同时充电的电动汽车数；
[0041]平均充电电流可由下式确定：
[0042][0043]其中，
[0044][0045]其中，I
cmax
为最大充电电流；V
c
为充电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑源荷不确定性的风电场无功优化配置方法，其特征在于，包括：将获取的风力发电机运行参数、光伏发电机运行参数、电动汽车运行参数、风电场风速及分布、光照强度及分布、风电场负荷情况和风电场系统情况输入到预先建立的综合考虑风力发电、光伏发电和电动汽车并网和计及负荷不确定性的交直流概率潮流模型；根据交直流概率潮流模型计算系统初始潮流，根据系统初始潮流获取L指数；将静态无功补偿器模型设置在具有最高L指数的母线处，并将电容器组设置于连接陆上风力发电机组的母线处；根据获取的风力发电机运行参数、光伏发电机运行参数、电动汽车运行参数、风电场风速及分布、光照强度及分布、风电场负荷情况和风电场系统情况构建风力发电场景、光伏发电场景和电动汽车并网场景，在风力发电场景、光伏发电场景和电动汽车并网场景对无功配置优化模型进行迭代，得到风电场无功优化配置方案。2.根据权利要求1所述的一种考虑源荷不确定性的风电场无功优化配置方法，其特征在于，所述在风力发电场景、光伏发电场景和电动汽车并网场景对无功配置优化模型进行迭代，得到风电场无功优化配置方案，具体为：分别在风力发电场景、光伏发电场景和电动汽车并网场景对无功配置优化模型进行第一次数的迭代，迭代完成后选取三个场景中无功配置优化模型输出的静态无功补偿器的最大、最小值及电容器组的最大值最为无功优化配置方案。3.根据权利要求1所述的一种考虑源荷不确定性的风电场无功优化配置方法，其特征在于，所述交直流概率潮流模型的建立方法为：根据高斯正交的交直流概率潮流模型、母线复功率公式、控制交流系统模型、母线之间流动的有功功率和无功功率公式、包括转换器交流母线的功率失配方程、整流器和逆变器控制高压直流系统的基本方程和控制整流器和逆变器之间的互联关系方程联立得到交直流概率潮流模型。4.根据权利要求1所述的一种考虑源荷不确定性的风电场无功优化配置方法，其特征在于，所述交直流概率潮流的计算过程包括：将x
l
(l＝1，2，...n)作为有功和无功功率负载，得到点x
l,k
和权重w
l,k
；以x
l,k
为第k个有功和无功负载点，μ
xl
为第l个随机变量的均值，将x
l,k
和μ
xl
输入矩阵表示为：其中，k＝1，...，m；m＝3表示三点正交；对每行X
k
执行确定性潮流，同时求解直流系统模型；所述直流系统模型包括：获取直流系统方程、获取初始的E
ti
和E
tr
，根据直流系统方程得到注入功率
将注入功率输入到交流系统方程，再次求解交流系统方程以找到E
ti
和E
tr
的更新值；交流和直流系统方程迭代求解，直到达到收敛。5.根据权利要求1所述的一种考虑源荷不确定性的风电场无功优化配置方法，其特征在于，风力发电场景的确定方法包括：获取给定风速V
w
下风力涡轮机发电系统的有功功率输出：其中，P
R
是发电机的额定功率，而V
c
、V
R
和V
F
分别是涡轮机的切入速度、额定速度和切出速度；根据感应发电机模型，获取风力涡轮机发电系统消耗的无功功率。6.根据权利要求1所述的一种考虑源荷不确定性的风电场无功优化配置方法，其特征在于，光伏发电场景的确定方法包括：获取太阳能光伏组件的输出功率，P
pv
(s)＝FF
×
V(s)
×
I(s)I(s)＝s
a
×
[I
sc
+K
i
(T
c
‑
25)]其中，s
a
是太阳辐照度，FF为填充因子，V
MPP
和I
MPP
为最大功率点电压和电流，V
oc
为开路电压，I
sc
为短路电流，K
i
、K
v
为电流和电压温度系数，T
c
是电池温度，T
A
是环境温度，N
OT
是光伏电池的标称工作温度。7.如权利要求1所述的一种考虑源荷不确定性的风电场无功优化配置方法，其特征在于，电动汽车并网场景中电动汽车充电负载模型的确定方法包括：对于充电量为n台电动汽车的充电站，其充电功率的离散分布为：其中，是每台服务器的占用率；c为同时服务的顾客数的最大值；n
EV
为能够同时充电的电动汽车数；平均充电电流可由下式...

【专利技术属性】
技术研发人员：张振，汤翔，丁志勇，贾锐，许一泽，陈永延，邓鸿明，
申请(专利权)人：中国能源建设集团广东省电力设计研究院有限公司，
类型：发明
国别省市：