含 的配电网动态无功优化方法
- 格式:docx
- 大小:23.95 KB
- 文档页数:3
配电网无功优化及无功补偿技术摘要:无功电源如同有功电源一样,是保证电力系统的电压质量、降低网络损耗以及系统安全经济运行必不可少的重要组成部分。
网络元件及负载所需要的无功功率来源于网络中的某个地方,如果要网络所需的无功功率都由发电机提供并跨过各个电压等级系统长距离传输显然是不合理的,不符合科学规律也很难做。
科学合理的方法应该是在有无功功率需求的地方产生相适应的无功功率,即我们所说的无功补偿。
在电力系统中,解决好无功补偿问题,对提高系统电能质量、保证安全经济运行、降损节能等方面都有着极为重要的意义。
该文主要针对电力系统无功补偿的原则、方式、容量确定以及经济效益等做出论述和分析。
关键词:无功补偿方式容量效益1无功补偿的作用及无功补偿原则1.1电网中的无功电源1.1.1同步发电机同步发电机既是有功电功率电源,同样也是电网无功功率的来源,额定功率因数一般为0.8。
1.1.2同步调相机同步调相机是连接在电力系统中的同步电动机。
它的主要用途是产生无功功率,提高电力系统功率因数,提高电能质量和系统运行的稳定性。
1.1.3输电线路充电电容高压输电线路不仅产生电感,消耗无功,同时具有相线对地电容,产生无功。
1.1.4电容器静止电容器按照连接方式分为并联电容器补偿和串联电容补偿,采用电容器进行无功补偿是系统中广泛采用的一种方式。
1.2无功补偿的作用(1)在系统中三相负载不平衡的情况下(如电气化铁道等),应进行适当的无功补偿,这样可以平衡三项的负载。
(2)稳定受电端及电网的电压,提高供电质量。
为了提高输电系统的稳定性和输电能力,输电线路应适当设置动态无功补偿装置;(3)提高电力系统及其负载的功率因数,降低设备容量,减少设备功率损耗;1.3配电网无功补偿的原则(1)无功补偿的方式有以下几种:高压补偿与低压补偿相结合,以低压补偿为主;集中补偿与分散补偿相结合,以分散补偿为主;调压与降损相结合,以降损为主。
(2)无功补偿应合理布局,统一规划,分级补偿,就地平衡。
含风力发电的配电网分时段动态无功优化
凌峰;史静
【期刊名称】《电测与仪表》
【年(卷),期】2014(000)024
【摘要】风电场出力具有随机性,将其接入配电网会引起无功补偿设备的动作频繁。
为此,提出一种先对风电场有功输出曲线进行分段,再对各个时段进行整体动态无功优化的方法。
针对直接对24 h风力发电曲线采用整体动态无功优化会引起维数灾导致算法难以收敛的问题,采用基于谱系聚类思想的风电场出力曲线的分段法。
针对传统粒子群算法收敛到全局寻优能力较差且易陷入局部最优解的确定,采用云模型对粒子群算法的权值进行动态调整。
最后,将上述算法运用于改进的IEEE 33节点系统,仿真结果表明提出的动态优化方法大大缩小了优化的时间,并减少了控制设备的动作次数,从而延长了设备的寿命。
【总页数】7页(P16-21,43)
【作者】凌峰;史静
【作者单位】国网江苏省电力公司经济技术研究院,南京210008;国网江苏省电力公司经济技术研究院,南京210008
【正文语种】中文
【中图分类】TM761
【相关文献】
1.含光伏发电的配电网动态无功优化研究 [J], 初壮;李晗;唐丽媛;任振宇
2.基于时段解耦的含特殊负荷的配电网动态无功优化 [J], 欧阳森;杨家豪;安晓华;陈欣晖
3.计及风力发电的配电网动态无功优化研究 [J], 薛培; 黄卫华; 陈方俊
4.风力发电的配电网动态无功优化探究 [J], 徐伟
5.含分布式电源的配电网动态无功优化调度方法探究 [J], 姚鹏
因版权原因,仅展示原文概要,查看原文内容请购买。
“配电网无功优化”文件文集目录一、含有风电分布式电源的配电网无功优化研究二、基于模拟退火算法的配电网无功优化的研究三、基于AGMOPSO的含风电配电网无功优化四、包含分布式电源的配电网无功优化五、含光伏电站配电网无功优化的研究六、含新能源和电动汽车充电站并网的主动配电网无功优化模型含有风电分布式电源的配电网无功优化研究随着可再生能源的快速发展,风电分布式电源在配电网中的应用越来越广泛。
风电分布式电源具有不连续、不稳定的特性,对配电网的无功优化带来了新的挑战。
无功优化可以提高配电网的电能质量,降低线损,提高电网的稳定性。
因此,研究风电分布式电源的配电网无功优化具有重要的实际意义。
风电分布式电源是指将风力发电机组分散布置在配电网中,以实现就地消纳和利用风能的目标。
传输技术是实现风电分布式电源应用的关键,包括电力电子技术和柔性交流输电技术等。
控制策略是保证风电分布式电源安全、稳定运行的重要手段,包括功率控制、电压控制等。
配电网无功优化是提高电能质量、降低线损的重要手段。
无功补偿装置可以改善配电网的功率因数,提高电压质量,减小线损。
电压优化通过调节配电网的电压等级和运行方式,实现优化运行。
停电恢复是针对配电网故障后的恢复策略,通过快速定位和隔离故障,尽快恢复供电。
风电分布式电源对配电网无功优化具有重要影响。
风电分布式电源的不稳定特性会增加配电网的谐波污染和电压波动。
风电分布式电源的调节能力可以为配电网提供无功支持,提高配电网的稳定性。
风电分布式电源的并网运行也会增加配电网的停电风险。
针对配电网无功优化的控制策略是关键技术之一。
电压调整是通过调节变压器的分接头或无功补偿装置,实现电压稳定。
负荷跟踪是通过实时监测负荷的变化,调整电源的输出,实现负荷的平衡。
静态优化是通过优化无功补偿装置和变压器的投切,实现静态无功补偿。
本文研究了含有风电分布式电源的配电网无功优化问题。
介绍了风电分布式电源和配电网无功优化的背景和意义,明确了研究问题。
简析电力系统动态无功优化方法及其实现【摘要】随着国民经济的快速发展,全国各地的用电量不断的增加,对电力系统的无功优化提出了更高的要求。
电力系统实现动态无功功率的优化调节和控制,能够有效的改善减少电能传输中的损耗,提高电力系统的供电质量,使多个指标能够达到相应的最优状态。
因此,动态无功优化方法在电力系统中的应用势在必行。
【关键词】电力系统;动态无功优化方法;实现前言电力系统动态无功优化问题属于OPF的一个组成部分,一个不确定性、多约束、多目标、动态的规划问题,涉及到发电机机端电压的配合、变压器分接头的调节、无功补偿容量的确定、无功补偿地点的选择等内容。
电力系统动态无功优化方法,通过建立数学模型,结合相应的计算方法,能够检测电力系统是否处于最优状态,然后通过一定的优化方式,对电力系统进行一定的优化调整,保证电力系统的各项指标都处于最优的状态。
1 电力系统动态无功优化方法电力系统动态无功优化的数据模型。
将全天等分为24个时段,假设系统有n个节点、m台可调发电机、u台有载调压变压器,有r个节点安装了可投切电容器组,因此该电力系统全天的电能损耗最小目标的动态无功优化数据模型表示为:;s.t.g(x1(t),x2(t),x3(t))=0;x1(t)min≤x1(t)≤x1(t)max;x2(t)min≤x(t)2≤x2(t)max;;其中,x1(t)表示的为第t时段的离散有约束变量列向量;x2(t)表示的为第t时段内连续有约束变量列向量;x3(t)表示的为第t时段内的无约束变量列向量,;f(x1(t),x2(t),x3(t))表示的为第t时段内,电力系统的有功功率损耗;g(x1(t),x2(t),x3(t))=0表示的为第t时段内的节点功率平衡方程;Cx1为控制设备动作次数约束列向量,元素分别对应有载调压变压器和可投切电容器组分接头的全天最大允许动作次数;Sx1为控制设备调节步长对角矩阵,对角元素包括变压器分接头和电容器组无功出力的调节步长。
科技成果——配电网全网无功优化及协调控制技术适用范围电力行业县级供电企业(110kV及以下电网无功协调控制)行业现状国外主要提出了基于大电网的电压三级控制,没有涉及110kV及以下的配电网电压无功协调控制,与我国电网尤其是农网方式相差甚远,没有太大可比性和借鉴性。
该技术在设计过程中贯穿的主题思想是首先通过对电网运行数据采集,然后经过优化计算,生成并执行协调控制策略或分析出电压不合格主要原因,最终确保优化对象即关键节点电压合格。
配电网全网电压无功优化协调控制系统主要通过采集终端用户运行数据、配变运行数据、10kV线路无功补偿设备运行数据、10kV 馈线调压器运行数据、变电站运行数据,从全局角度出发,经过优化分析计算,生成并执行对主变档位调整、变电站无功补偿设备投切、10kV馈线调压器档位调整、10kV线路无功补偿设备投切、配变无功补偿设备投切、配变档位调整综合协调控制策略,完成对变电站、线路、配变电压无功设备的集中管理、分级监视和协调控制,实现配网全网电压无功闭环控制,最大程度改善关键节点电压、关口无功功率因数。
目前仅有约15%左右变频调速运行。
目前该技术可实现节能量2万tce/a,减排约5万tCO2/a。
成果简介1、技术原理通过用户用电信息采集系统、10kV配变无功补偿设备运行监控主站系统(基于GPRS无线通讯通道)10kV线路调压器运行监控主站系统(基于GPRS无线通讯通道)、10kV线路无功补偿设备运行监控主站系统(基于GPRS无线通讯通道)、县调度自动化系统(SCADA)系统采集县网各节点遥测遥信量等实时数据,进行无功优化计算,并根据计算结果形成对有载调压变压器分接开关的调节、无功补偿设备投切等控制指令,各台配变分级头控制器、线路无功补偿设备控制器、线路调压器控制器、主变电压无功综合控制器接收主站发来的“遥控”指令,实现相应的动作,从而实现对配网内各公配变、无功补偿设备、主变的集中管理、分级监视和分布式控制,实现配电网电压无功的优化运行和闭环控制。
配电网无功优化算法研究及其软件实现摘要电力系统无功优化是保证系统安全经济运行的有效手段是提高电力系统电压质量的重要措施之一多年来我国高压输电网络的无功优化很受重视有了较多的研究也取得了成果并在实践当中得以应用效果明显而配电网的研究一直没有得到应有的重视尽管国家实施两网改造工程以来众多配网自动化系统设备装置应运而生但都仅限于提高供电可靠性方面对于如何利用和配置无功资源进一步降低配网损失提高电压合格率提高配网运行经济性的研究无论从运行实际还是研究现状都表现出很强的迫切性本文以遗传算法为主要数学工具对配电网无功优化问题进行了深入研究实现了适合配电网特点的潮流计算方法以及在此基础上的遗传算法在配电网无功优化问题中的应用并讨论了相应应用软件的开发原理过程以算例验证了该理论的有效性和实用性基于支路电流的前推回代法适合配电网潮流计算具有速度快精度高的优点遗传算法具有寻优能力强优化效果好能方便处理离散变量的特点本文将二者结合起来并且针对配电网特点对遗传算法进行改进提出如下的改进遗传算法在适应度函数中采用动态罚函数系数根据变压器分接头和电容器的投切档位均为整数量采用十进制整数编码减小计算量增加实用性在选择初始种群时采用定制的初始种群的形成方法使初始种群分布于整个解空间选择方法采用竞争法避免早熟现象采用动态交叉率和变异率进行交叉和变异加快收敛速度和精度变异时采用邻域变异的原则以满足设备的实际操作要求计算结果表明本算法收敛速度和全局收敛性均很好能快速准确的确定变压器档位和电容器容量的配置问题使系统网损和电压合格率均得到优化可以节约能源减小系统运行成本提高供电质量在当前来说是非常具有实际意义的本文编制了应用上述优化算法的配电网无功优化系统软件具有功能强大实用性好操作直观方便易于扩充功能等特点并可与SCADA平台交互提高电网无功优化的自动化程度同时为调度人员提供良好的辅助决策信息在系统规模越来越大要求越来越高的情况下为提高电力系统自动化水平做了有益的尝试关键词配电网无功优化支路电流法遗传算法软件系统STUDY ON THE ALGORITHM FOR REACTIVEPOWER OPTIMIZATION OF DISTRIBUTIONNETWORK AND ITS SOFTWARE REALIZATIONABSTRACTReactive power optimization is a powerful technique to maintain network stability, improve voltage quality and reduce power loss. In China, the reactive power optimization of transmission network has been put attention to for many years. There’s been a great deal of research in this field and the transmission network condition has been greatly optimized. In the meantime, the reactive power optimization of distribution network doesn’t receive enough emphasis although many DA(distribution automation) systems and devices occurred to enhance the system reliability with the two-network-update project. Now there’s much necessity about how to make the best use of reactive power sources to improve voltage quality and reduce power loss for the economic operation of distribution network.In this thesis, reactive power optimization is detailedly researched based on Genetic Algorithm. A practical power flow algorithm for distribution network is realized and Genetic Algorithm is applied in the reactive power optimization of distribution network based on this power flow algorithm. The theory and application of the development of a reactive power optimization software system is discussed in detail. The validation and application of this optimization algorithm is testified with a 33-node distribution system.The back-and-forth method based on branch current is valid for the power flowcalculation in distribution network. It’s efficient and accurate. Genetic Algorithm is efficient in global optimization. It can deal with discrete variable conveniently. In this thesis the two algorithms are combined and improved according to the characteristics of distribution network. An Improved Genetic Algorithm is given as follows: a dynamic retribution factor is employed in the fitness function; a decimal coding method is used for the adjustable transformer ratio and parallel capacitors; the initial population is customized to spread in the whole solution space; a competition algorithm is used for selection to avoid ‘premature’; dynamic crossover factor and dynamic mutation factor are employed to increase convergence accuracy and speed; mutation is carried out near the current value to satisfy the device restriction. The calculation results show that the algorithm has a good performance in convergence speed and global optimization. It can solve the configuration of transformer ratio and capacitor volume quickly to optimize power loss and voltage quality. It’s valuable and applicable for current distribution network.A software system for reactive power optimization of distribution network is developed. It can interact with SCADA platform to improve the automation of distribution network. It’s a valuable attempt for reactive power optimization.KEYWORDS distribution network, reactive power optimization, branch current algorithm, Genetic Algorithm, software system上海交通大学学位论文原创性声明本人郑重声明所呈交的学位论文是本人在导师的指导下独立进行研究工作所取得的成果除文中已经注明引用的内容外本论文不包含任何其他个人或集体已经发表或撰写过的作品成果对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明本人完全意识到本声明的法律结果由本人承担学位论文作者签名张宏刚日期2004年3月15日上海交通大学硕士学位论文配电网无功优化算法研究及其软件实现第一章绪论1.1配电网无功优化算法研究以及软件研制的意义近十年来我国电力装机容量以每年超过10GW的速度递增大大缓解了供电紧张的局面但伴随着供电量增加的同时电网建设的速度明显滞后网络损耗问题日益突出国家电力公司和省市电业局都开始重视这一问题降低网损是供电部门减小供电成本的重要突破口也是今后增加供电量的重要手段据估计通过降损来提高供电量成本仅为兴建电厂成本的1/4~1/5是非常可行的电力系统无功优化便是解决这一问题的一种有效方法电力系统对无功的合理优化不仅可以降低系统的有功网损和无功网损对提高电力系统的运行经济性起着重要的作用可显著提高电力系统运行的经济效益而且可以提高系统运行的电压水平简而言之电力系统无功优化是保证系统安全经济运行的有效手段是提高电力系统电压质量的重要措施之一所谓无功优化就是当系统的结构参数及负荷情况给定时通过对某些控制变量的优化所能找到的在满足所有指定约束条件的前提下使系统的某一个或多个性能指标达到最优时的无功调节手段通过合理有效的无功补偿可以减少网损和提高电压质量改善系统的运行性能加强系统稳定性获得可观的经济效益而配电网的无功优化更是电力系统无功优化的重要组成部分多年来我国高压输电网络的无功优化很受重视有了较多的研究也取得了成果并在实践当中得以应用效果明显而配电网的研究一直没有得到应有的重视尽管国家实施两网改造工程以来众多配网自动化系统设备装置应运而生但都仅限于提高供电可靠性方面对于如何利用和配置无功资源进一步降低配网损失提高电压合格率提高配网运行经济性的研究无论从运行实际还是研究现状都表现出很强的迫切性上海交通大学硕士学位论文配电网无功优化算法研究及其软件实现配电系统一般是指直接向用户供用电的部分由于各个国家及城市用电水平及系统的结构不同所以很难有明确划分的定义一般是指电压等级较低的城市规模的供用电而言[1] 在我国配电系统则一般是指从110KV/10KV或35KV/10KV降压变电站的10KV配电网络至用户端范围的那一部分电力系统[2]当前我国的电力网损可分为3个等级220KV级以上电压等级网损110KV及35KV网损10KV网损这三部分网损量的比例大致为 1.5:1.1:2.5其中10KV配网的降损潜力是最大的[3]另外目前国内无功优化方面的应用软件还很不成熟采用的算法还是传统的数学方法这就制约了无功优化软件的应用而许多电力部门对此却非常感兴趣因此综上所述对配电网无功优化算法进行研究开发出应用于整个电力系统的无功优化软件就显得极具意义上海交通大学硕士学位论文配电网无功优化算法研究及其软件实现1.2配电网无功优化问题研究现状1.2.1目标函数形式和约束处理配电网无功优化的目标函数是多种多样的除最小网损外有最小运行费用综合经济效益最大电压水平最好控制量的变化量最小调节次数最少或投切次数最少多目标整体最优等一个恰当的目标函数对优化过程有很重要的作用因为配电网无功优化是以数学规划作为基本模式的所以在约束处理能力上是很强的大量的研究几乎涉及到可行性和安全性方面的所有约束从约束的物理特性可分为可行性约束和安全性约束而从约束的时空特性可分为静态约束和动态约束静态约束是指空间上的如节点电压的上下限变压器分接头的位置限制等1.2.2优化方法综述配电网无功优化问题涉及无功补偿容量的确定变压器分接头的调节等是一个多约束的混合整数非线性规划问题也是电力系统分析中的一个难题目前所用方法大致可分为两类一类为传统的数学优化方法一类为人工智能的优化方法[4]传统数学优化方法包括有线性规划非线性规划整数规划二次规划动态规划等其研究已经比较成熟并取得了较好的效果但是这些方法也有明显的局限性首先现代电力系统规模越来越大控制量越来越多其解空间是多维复杂的这些方法不容易实现全局最优只能找到局部最优解其次无功优化问题是离散线性问题传统方法一般要求可微或线性化用于含离散变量的无功优化问题可能有较大误差此外一些传统方法对求解过程加以简化虽然使复杂的优化过程变得简单易行但也使得结果是否最优变得值得怀疑另外配网数据的不完整也限制了传统数学方法的应用近年来基于对自然界和人类自身的有效类比而获得启示的智能方法主要包括专家系统神经网络模糊集理论遗传算法模拟退火算法Tabu搜索方法粗糙集理论已受到了研究人员的广泛注意而以遗传算法模拟退火算法Tabu搜索方法等为代表的智能搜索算法由于对于搜索空间基本上不需要什么限制性假设具有全局寻优能力弥补了传统数学规划方法的不足所以在电力系统无功优化中得到了成功的应用以下对几种常用方法进行简要综述1)线性规划方法线性规划算法的关键是把非线性的求极值问题转化为线性问题进行处理用数学上的泰勒展开理论将目标函数及约束条件进行转化进而沿某一方向线性逼近真解寻优线性规划法的优点是计算迅速收敛可靠便于处理各种约束能满足实时调度对计算速度的要求但优化精度较差处理整数时误差较大[5] Mamandur 等人提出了利用网损的线性灵敏度与状态变量对控制变量的灵敏度算法[6]文献[7]用全面敏感度分析方法建立了无功综合优化配置的线性逼近模型首次提出了求灵敏度矩阵的控制变量摄动法并分析了摄动量与线性逼近的关系文献[8]采用潮流雅可比变换方法用矩阵变换经过一次计算即可求取相对灵敏度系数矩阵和损耗灵敏度系数提高了计算速度特别在较大规模系统的优化中显示了其优点文献[9]运用内点法的原对偶路径跟踪法求解无功优化非标准形式的线性规划模型2)非线性规划方法如不考虑决策变量的离散特性配电网的无功优化问题是典型的非线性规划问题引入非线性规划可提高模型的精度H.W Dommel和W.F Tinney提出了最优潮流计算的简化梯度法[10] 后人在此基础上提出了共轭梯度法及拟牛顿法[11] D.I Sun等人于1984年提出用牛顿法求解最优潮流的思想[12]对海森矩阵的结构特点进行了深入分析充分利用了海森矩阵和雅可比矩阵高度的稀疏性实现了牛顿法最优潮流它具有二阶敛速被公认为是最优潮流算法实用化方面的一个飞跃基于上述模型文献[13]提出基于牛顿法二次罚函数及有效约束集合的优化方法作者用二次罚函数法处理安全约束同时用有效约束集合处理不等式约束使之收敛迅速且具有较高精度文献[14]采用二次规划法进行电力系统无功功率综合优化目标函数采用网损的二次表达式通过迭代求解二次规划利用状态变量与控制变量之间的灵敏度关系和潮流方程逼近非线性规划的无功优化问题尽管非线性规划法在无功优化模型上具有较高的精确性但常会遇到搜索方向不对迭代不收敛逼近速度慢计算量很大等问题3)混合整数规划方法混合整数规划Mixed Integer Programming法能够有效地解决优化计算中变量的离散性问题该方法是通过分支定界法不断定界以缩小可行域逐步逼近全局最优解由于配电系统中的可投切电容器组和可调节变压器分接头都是整数变量所以混合整数规划法被用于配电网的无功优化中混合整数规划法在工程应用中更趋于合理性但计算时间较长且其解的结果与初值的选取有关K. Aoki用改进的混合整数规划法[15]有效处理了优化计算中变量的离散性问题文献[16]提出了求解计及整型控制变量的电压无功混合整数优化方法上述方法都存在可能无法找到全局最优解的缺点只有初始点离全局最优点较近时才可能达到真正的最优,否则产生的解只能是次优解甚至是不可行解为了解决这些问题研究人员逐渐把人工智能方法运用于无功优化这一领域4)动态规划方法线性规划和非线性规划等都是对于静态问题而言目标函数和约束条件都与时间无关动态规划法(Dynamic Programming)是数学规划的一个分支由于能够处理非线性问题并且能反映过程在工程中得到应用其基本特点是从动态过程的总体上寻优将问题分阶段求解每个阶段包含一个变量尤其适合于多变量方程动态规划法较多应用于有功优化问题在无功优化中也有运用文献[17] 应用动态规划法求取了配电系统的无功优化问题作者在给出最优有载调压变压器分接头配电站电容器和馈线电容器的控制方案的同时出于维护设备的考虑加上了限制调节次数的约束为了减少计算量此处采用启发式简化算法文献[18]提出了一种配电网无功优化的分时段控制策略该算法对于每一负荷时段可得出该段的最优运行方式计算一天所有负荷段即得出次日电容器投切和调压变压器变比调节的运行表该模型易于满足电容器投切和变压器调节次数的限制5)遗传算法由Holland创建的遗传算法(Genetic Algorithms)是一种借鉴生物界自然选择和自然遗传机制的高度并行随机自适应搜索方法遗传算法采用随机优化技术通过遗传操作处理离散变量以较大的概率求得全局最优解同时可为实际工程问题提供一系列的最优次优解以便选择此算法用于无功优化就是在电力系统环境下的一组初始解受各种约束条件限制通过适应值评估函数评价其优劣适应值低的解被抛弃适应值高的才有机会将其特性迭代到下一轮解最后趋向于最优解遗传算法利用某种编码技术作用于称为染色体的字符串其基本思想是模拟由这些字符串组成的群体的进化过程核心操作是选择杂交和变异在当前电力系统中基于遗传算法的无功优化研究也是一个热门课题文献[19]对控制变量进行二进制编码对优化编码和变异概率两个方面进行了研究用IEEE30节点系统予以验证指出该算法在处理非连续的和非平滑的函数寻优方面优于传统寻优方法作者提出了用专家系统辅助进行变异操作的方案加快了算法的收敛性文献[5]以一个简单系统为例进行无功优化结论是收敛性优于传统非线性方法可以达到全局最优文献[20]采用一种修正的遗传算法求解无功优化问题算法借助Benders分解将原问题分解为投资子问题和运行问题其中运行问题用逐次线性规划法求解而投资子问题用遗传算法求解简单遗传算法并不比其它搜索方法有更多优越性因此出现了多种改进遗传算法以及将遗传算法与其它智能算法结合的混合遗传算法基于遗传算法的无功优化方法有许多优良特性能可靠地找到近似全局最优的计算结果但是该算法迭代次数多计算时间长很难满足实际运行优化的需要欲达到实时应用很困难因而实现遗传算法的实用化是需要进一步解决的问题6)模拟退火算法模拟退火算法Simulated Anneal是一种随机的启发式搜索方法适用于处理非线性规划问题能以较大概率(理论证明能够以概率1收敛到全局最优) 求得优化问题的全局最优解该算法模拟了金属溶液冷却或退火的过程即退火过程中能量逐渐减小而退火结束后金属的能量最小该算法寻优结束时能得到优化问题的最小值但其参数的选取比较复杂为了使最终解尽可能接近全局最优退火过程不能太快但这又使算法的计算时间过长文献[21]用SA方法求解多状态的离散无功优化问题并给出了小规模系统上的算例7)禁忌搜索算法Tabu搜索方法(Tabu Search)是近年来受到普遍关注的一种高效率的启发式优化技术其基本思想是由Glover在 2 0世纪60年代末提出的在近几年中得到了很大发展它是一种限制性的搜索技术能通过记录搜索历史在搜索过程中获得知识并利用它可知后续的搜索方向以避开局部最优解在很多领域中TS方法已成功地应用于求解复杂的组合优化问题在无功优化问题的处理上技术处于积极的尝试中文献[22]将TS方法用于电力系统无功优化采用二进制和十进制编码两种方案结果表明TS法在跳出局部最优解方面有很大优势收敛特性好即S法具有很好的全局寻优能力且十进制编码的法比二进制编码的搜索效率高8)人工神经网络算法人工神经网络是一门新兴的学科它以高维性并行分布式信息处理性非线性以及自组织自学习等优良特性用于电力系统中但不足是如果缺乏十分有效的学习算法人工神经网络在训练过程中很易陷入局部极小点文献[23]提出了一种基于非线性规划人工神经网络模型的无功电源最优分布方法该方法运用改进的Hopfield连续模型直接利用有功损耗的非线性表达式因而保证了计算精度作者用1个 3 0节点系统验证了其可行性9 模糊优化算法模糊集理论(Fuzzy Set)诞生于20世纪60年代它的产生不仅拓宽了经典数学而且使计算机科学向人们的自然机理方面发展取得了重大突破模糊数学的独特特性可以处理电力系统优化问题中的参数不确定问题文献[24]采用模糊集表示多目标和软约束通过分段隶属函数把原优化问题转化为标准的线性规划新的目标函数给出原多目标软约束的满意解简化了复杂的计算文献[25] 在求解无功优化方面使用线性化灵敏度矩阵建立起目标函数和状态控制变量之间的关系给出无功优化问题的最大法优化模型和各目标函数的最优隶属函数从而求得多目标问题的满意解10 专家系统专家系统(Expert System)方法在结合其他方法的基础上根据专家经验设置初始值并不断调整控制参数的大小直到取得一个比较好的解将专家系统应用于无功优化的主要优点在于以常规算法为基础与运行人员的知识结合后功能增强已开发的系统大都是基于专家经验和数值计算程序的混合文献[18]介绍了一个基于专家知识和常规算法的混合型专家系统该方法利用调度员的启发式知识和无功电源调压的灵敏度因子以减少优化变量的数目和约束的数目从可能的控制手段中选出少数有效措施然后用线性整数规划的分支定界法求解11 各种方法比较上海交通大学硕士学位论文配电网无功优化算法研究及其软件实现表1-1无功优化方法比较Table.1-1 Contrast of reactive power optimization algorithms1.2.3无功优化系统的开发现状近几年计算机技术信息管理数据通讯技术以及智能化测控仪器都得到了迅速发展这就为电力系统实现自动化提供了良好契机目前基于Windows平台和面向对象技术的可视化软件正以其功能强大直观易用的特点逐步成为了软件开发的主流这些软件在电力系统运行与控制中也正得到着广泛的应用文献[27][28]详细讨论了面向对象建模技术面向对象方法学以及面向对象技术的优越性重点介绍了面向对象技术在潮流计算电力系统仿真电力系统安全分析与控制数据库人机界面人工智能调度员培训仿真中的应用文献[29]介绍了一种基于面向对象的程序设计技术开发配电网应用软件的方法给出了配电系统中元件类的定义并结合实际经验给出了一个潮流应用的实例实践证明将面向对象的程序设计思想应用于配电网应用软件开发中可以有效地缩短程序开发周期并且可以极大地减小程序移植的工作量适应配电系统多变的要求文献[30]分析了电力网配电网电能损耗理论计算方法针对电力网电能损耗理论计算的难点和问题采用面向对象方法建立电力网电能损耗计算模型并采用ORACLE数据库系统V6.0作为开发平台开发了电力网电能损耗理论计算系统但是国内无功优化方面的应用软件还很缺乏应用智能方法的无功优化软件就更是少之又少因此开发一个基于Windows平台的综合的无功优化软件包就显得格外有意义上海交通大学硕士学位论文配电网无功优化算法研究及其软件实现综合配网无功优化研究现状及无功优化软件包的开发现状可以看出由于配电网无功优化问题具有离散非线性等特点传统的数学方法很难在全局范围内寻得一个较优解人工智能的方法正日益成为解决该问题的主流方法80年代遗传算法的出现并应用到电力系统计算中有效解决了无功优化的离散变量问题实现了无功优化的全局寻优并且具有收敛性好适应性强的特点使高压输电网无功优化计算研究取得了迅速发展但配电网无功优化问题方面的研究很少从过去到现在几乎是一片空白而当今经济发展的形势以及电力企业的改革深化管理对此有着强烈的需求。
智能配电网中的无功补偿优化与控制方法研究智能配电网(Smart Grid)是一种通过现代化的信息技术来实现可持续、高效能的配电系统。
在智能配电网中,无功补偿是一个重要的技术手段,可以提高电力系统的稳定性、可靠性和效率。
随着大规模可再生能源的接入,无功补偿在智能配电网中的作用变得更加重要。
无功补偿是指通过对电网进行适当的电容器或电感器的接入,可以实时地调节无功功率的流动,以维持电力系统的功率平衡。
在传统的配电网中,无功补偿的控制通常是静态的,运行效果并不理想。
而在智能配电网中,通过运用先进的无功补偿优化与控制方法,可以实现对无功功率的动态调节和优化,提高电力系统的运行效率。
一种常见的无功补偿优化与控制方法是基于遗传算法(Genetic Algorithm,GA)的优化算法。
遗传算法是一种模拟自然界生物进化过程的优化算法,通过模拟自然选择、交叉和变异等进化操作,搜索最优解。
在无功补偿优化中,遗传算法可以用于确定最佳的无功补偿装置的容量、类型和位置,以最大限度地提高功率因数和优化电力系统的无功功率流动。
另一种常用的无功补偿技术是基于模糊控制(Fuzzy Control)的方法。
模糊控制是一种基于模糊逻辑的控制方法,在无法准确建立数学模型的情况下,可以实现灵活的控制。
在无功补偿中,模糊控制可以用于根据实时的电力系统运行状态和负荷变化,动态地调节无功功率的流动,以保持电力系统的稳定性和效率。
除了遗传算法和模糊控制,还有其他一些优化与控制方法可以应用于智能配电网的无功补偿中。
例如,基于人工神经网络(Artificial Neural Network,ANN)的方法可以通过训练神经网络来模拟电力系统的非线性特性,实现准确的无功功率调节。
另外,基于粒子群优化(Particle Swarm Optimization,PSO)的方法可以模拟小鸟觅食的集群行为,搜索最优解,优化无功补偿装置的配置和控制策略。
为了实现智能配电网中的无功补偿优化与控制,还需要考虑数据采集与通信、智能感知与决策等关键技术。
电力系统中的无功补偿策略优化无功补偿是电力系统中一项重要的技术手段,用于解决电力系统中的功率因数问题。
在电力系统中,无功功率是电力系统中的一个不可避免的问题,它由电感、电容等元素产生。
无功功率的存在会导致电力系统中的电压波动,降低设备的效率,甚至影响整个系统的稳定性。
因此,采取有效的无功补偿策略是非常必要的。
优化电力系统中的无功补偿策略,可以从多个方面考虑。
下面将介绍一些常见的无功补偿策略,并探讨其优化方法。
1. 静态无功补偿策略静态无功补偿是指通过在电力系统中添加无功补偿装置来解决无功功率的问题。
常见的静态无功补偿装置包括无功补偿电容器、电感器和STATCOM等。
静态无功补偿装置可以通过调整电压和电流的相位来实现无功功率的补偿。
在优化策略中,可以通过定期检测电力系统的无功功率情况,利用相应的算法进行优化调度,使无功补偿装置的运行更加高效。
2. 动态无功补偿策略动态无功补偿是指通过在电力系统中添加动态无功补偿装置来解决无功功率的问题。
常见的动态无功补偿装置包括SVC和STATCOM等。
动态无功补偿装置具有快速响应的特点,可以有效地调节无功功率,提高电力系统的稳定性。
在优化策略中,可以通过监测电力系统的频率和电压等参数,结合适当的控制算法,实现动态无功补偿装置的优化调度。
3. 调整无功功率曲线在电力系统中,负荷的变化会导致无功功率的波动。
通过调整无功功率曲线,可以使系统中的无功功率分布更加均衡,提高系统的稳定性。
在优化策略中,可以通过建立无功功率模型,并利用优化算法来调整无功功率曲线,使系统中的无功功率控制在设定范围内,达到最佳状态。
4. 多目标无功补偿策略在实际的电力系统中,无功补偿往往需要同时考虑多个目标,例如改善电力系统的功率因数、降低电能损耗、提高电力质量等。
因此,设计一种多目标无功补偿策略是非常有挑战性的。
在优化策略中,可以使用多目标优化算法,如遗传算法、粒子群优化等,寻找最优的无功补偿策略。
含风电机组的配电网动态概率无功优化文天舒; 马平; 董跃哲【期刊名称】《《电子设计工程》》【年(卷),期】2019(027)020【总页数】6页(P6-11)【关键词】随机性; 动态无功优化; 三点估计法; 概率潮流计算; 自适应粒子群算法【作者】文天舒; 马平; 董跃哲【作者单位】青岛大学电气工程学院山东青岛266071【正文语种】中文【中图分类】TN99无功优化通过对系统中并联电容器、有载调压变压器等控制变量进行优化配置,可以减小系统网络损耗,提高电能质量,以达到系统安全经济运行的目的。
配电网动态无功优化本质上是多时段、多目标、多约束、多变量的电力系统规划问题[1]。
无功优化从时间长短上可分为静态无功优化[1-5]和动态无功优化[6-9],静态优化只考虑某一时刻的风机出力和负荷值,动态无功优化则考虑较长时间内风机出力和负荷的动态变化过程,需要考虑无功补偿装置投切次数的限制。
近年来,由于全球化石能源持续减少、环境问题日益严峻,以风电为代表的可再生能源发电既改善了电网供电的可靠性和灵活性,又缓解了能源危机和环境污染,得到了迅速发展。
传统配网中负荷的随机性是影响无功优化结果的主要因素,随着风机的大量并网,其输出功率的随机性使配网中的不确定因素进一步增加[2],如何保证优化方案适应风机出力和负荷的随机变化是问题解决的关键。
因此研究含分布式电源的配电网动态无功优化问题具有重要的现实意义和理论价值。
针对配电网动态无功优化问题,文献[6]建立了配电网动态无功优化模型,但是未考虑分布式电源的接入和负荷的不确定性,优化精度不高。
文献[7]以系统有功损耗和投资效益为目标,建立了配电网多目标动态无功优化模型,通过半不变量法进行概率潮流计算,利用基于分布熵的粒子群算法进行优化计算。
文献[8]考虑了光伏发电出力的随机性,将一天进行分段,以系统有功损耗最小为目标,利用遗传算法分别对每个时段进行静态无功优化。
文献[9]提出了一种考虑分布式发电的动态无功优化模型及求解方法,利用负荷进行分段,确定控制设备的动作时段,在控制时段内对控制设备进行优化配置,达到系统的最优运行。
配电网无功优化研究摘要:在电力系统运行中,无功功率补偿一直是配电网安全、经济运行的重要因素。
在确保安全可靠的同时又要科学利用和优化配置系统资源,来降低运行损耗,提高供电电能质量。
本文介绍了配电网无功功率补偿原理、方法,以及无功功率特性,并针对一个10 kV配电系统,通过采用电力电容器对系统进行并联无功功率补偿。
关键词:无功优化;配电网;无功补偿1引言电力系统的无功优化是电力系统科学管理的重要手段和内容,是利用科学的方法计算出发电机、调相机、无功补偿装置(包括补偿电容和电抗器等)、可调变压器等无功电压的可利用资源的有效组合配置,寻求在其设备性能约束条件下的最佳运行点和最佳效益点,以实现最合理投资和运行状态,满足电网电压合格率最高,系统运行损耗最小的运行要求。
无功优化及规划也是提高电网运行水平和规划管理水平、指导管理人员工作的科学依据和不可缺少的工具之一。
2配电网无功功率优化补偿原理2.1 无功补偿的原理无功功率在电网中的流动,对电网的安全、经济运行了有着重要的影响。
要保证电网的安全、经济运行,降低电网损耗,总是希望电网的无功最好不流动,即所谓的理想状态,或者尽量少流动,特别要避免无功功率通过输电线路远距离流动,实现系统的无功平衡。
所谓无功平衡,就是指在电网运行的每一时刻,系统中各无功电源所发出的总无功功率要与系统所有的无功负荷及无功功率损耗相平衡。
具体用公式表示为无功补偿就是根据交流电路中,无功功率是由电压和电流间的相位差异产生的这一特点,利用电容和电感相反的相位特性进行补偿。
无功补偿分为感性补偿和容性补偿,感性补偿是利用并联电抗器等无功补偿装置,对容性负荷发出的无功功率加以吸收,一般在高电压或超高压输电网中采用,用以吸收输电线路产生的充电功率;容性补偿是利用并联电容器等无功补偿装置,提供感性负荷需要的无功功率,使由电源输送的无功功率减少.从而避免了无功补偿装置所发出的无功功率通过输电线路远距离输送。
含的配电网动态无功优化方法
随着电力系统的发展,含分布式能源的配电网已经成为了主流。
为了提高配电网的效率和稳定性,动态无功优化方法被广泛应用。
这篇报告将介绍含分布式能源的配电网动态无功优化方法的基本概念、目标和步骤,以及优化方法的应用和未来发展方向。
一、基本概念和目标
动态无功优化方法是一种具有可调性和可靠性的调度方法,可以通过调节无功功率来控制电压的波动范围,从而保证电网的稳定性。
动态无功优化方法的目标是将无功功率的分配调度在合适的时间、空间和配电设备上,以减小无功损失和提高电网的功率因数。
二、优化方法的步骤
动态无功优化方法的步骤包括以下几个方面:
1.收集数据:通过数据采集系统、传感器和监视器等设备收集
配电网的电量、电压和电流等数据,为后续的优化提供可靠的数据支持。
2. 建立模型:根据收集的数据,建立配电网的数学模型,包括线路拓扑结构、配电变压器和发电机等设备的参数,以及负荷和分布式能源的特性。
3. 评估当前状态:通过评估当前配电网的状态,包括无功功率的分配状况、电压波动范围和负荷水平等,找到需要优化的地方。
4. 制定优化策略:根据配电网的需求,制定无功功率的调度策略,包括调整无功功率输出的大小和方向、调整发电机的功率输出、调整变压器的抽头位置等。
5. 最优化调度:通过算法和模拟技术,实现最优化的无功功率调度方式,使配电网达到更好的功率因数和稳定性。
三、优化方法的应用
动态无功优化方法在含分布式能源的配电网中广泛应用。
例如,在大规模风电和光伏发电的场景下,动态无功优化方法可以实现对有功功率和无功功率的联合调度,以稳定电网电压,减少电网电压的波动范围,提高电网的可靠性和稳定性。
此外,在电力市场中,通过动态无功优化方法,可以优化无功功率的调度,达到最佳的电网经济效益。
四、未来发展方向
随着配电网技术的不断发展,动态无功优化方法也需要不断改进和创新。
未来的发展方向包括以下几个方面:
1. 制定更加精细的调度策略,提高无功功率的分配精度和效率。
2. 引入人工智能和机器学习等技术,优化无功功率调度算法和
模型。
3. 进一步研究风力和光伏发电等分布式能源的特性,为配电网的动态无功优化提供更加精准的数据支持。
总之,动态无功优化方法是提高配电网效率和稳定性的重要手段。
在分布式能源快速发展的背景下,动态无功优化方法将会得到更加广泛的应用和研究。