基于相邻经验粒子群算法的风电场集群无功电压分层控制策略

发布时间：2018-03-27 17:39

  本文选题：双馈型风机　切入点：风电场集群　出处：《电网技术》2017年06期

【摘要】：针对风电场集群的运行特点,提出了一种适用于风电场集群的无功电压分层控制策略。该策略分为2层:整定层根据风电场集群并网点电压确定所需无功功率;分配层利用风场各支路中节点电压确定参与无功功率分配的风机数量,计算风机和补偿设备的无功功率。分配层降低了优化算法的输入量,提高了收敛速度。同时提出了一种基于上述控制策略特点的改进粒子群算法-相邻经验粒子群算法,该算法通过在速度更新公式中加入相邻风机支路的优化结果,进一步提高算法的收敛速度。算例分析表明,该策略在提高优化算法收敛速度的基础上,能够对风电场集群内的节点电压及网损进行优化。
[Abstract]:According to the operation characteristics of wind farm cluster, a reactive power and voltage stratified control strategy suitable for wind farm cluster is proposed. The strategy is divided into two layers: the setting layer determines the required reactive power according to the wind farm cluster and node voltage; The distribution layer determines the number of fans participating in reactive power allocation by using the node voltage in each branch of wind field, and calculates the reactive power of fan and compensation equipment. The allocation layer reduces the input of the optimization algorithm. The convergence rate is improved. An improved particle swarm optimization algorithm (PSO), which is based on the characteristics of the above control strategy, is proposed. The optimization result of the adjacent fan branch is added to the velocity updating formula. The example analysis shows that the strategy can optimize the node voltage and network loss in wind farm cluster on the basis of improving the convergence speed of the optimization algorithm.
【作者单位】： 东北大学信息科学与工程学院;国网辽宁省电力有限公司沈阳供电公司;许继集团有限公司;
【基金】：中央高校基本科研业务费专项资金(N160404010)~~
【分类号】：TM614

【相似文献】

相关期刊论文 前10条

1 张亮;吕林;;利用粒子群算法解决电网优化购入电量[J];电力系统保护与控制;2009年22期

2 赵菲;焦彦军;;基于粒子群算法的输电线路参数辨识[J];陕西电力;2011年09期

3 徐余法;高洁;陈国初;;一种改进粒子群算法及其在风电场中的应用[J];华东理工大学学报(自然科学版);2012年03期

4 仲晓春;彭春华;陈佳琰;;基于改进粒子群算法的机组经济运行的博弈[J];华东交通大学学报;2008年03期

5 马立新;屈娜娜;单冠华;王守征;;电力系统无功优化的柯西粒子群算法[J];控制工程;2011年05期

6 王道军;孙俊;须文波;;量子粒子群算法在电力系统经济调度中的应用[J];计算机工程与设计;2008年19期

7 黄燕燕;彭春华;;改进粒子群算法在电力系统经济调度中的应用[J];电力科学与工程;2011年04期

8 周宣;;基于随机自适应粒子群算法的电力系统无功优化[J];计算机与现代化;2011年12期

9 郑禹;汪萍;;基于粒子群算法的稀布阵雷达防雷优化设计分析[J];电脑知识与技术;2013年08期

10 林国汉;章兢;刘朝华;赵葵银;;改进粒子群算法优化扩展卡尔曼滤波器电机转速估计[J];计算机应用研究;2013年07期

相关会议论文 前6条

1 刘文许;林礼清;温步瀛;;电力市场下基于改进粒子群算法的AGC机组选择[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

2 王征;刘大宝;王家林;王永骥;;基于离散粒子群算法的船舶电力系统重构研究[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

3 马飞;陈雪波;李小华;;改进的粒子群算法在电力系统AGC中的应用[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

4 刘畅;李渝曾;李海英;;基于遗传算法与粒子群算法的机组开停机规划[A];2008中国电力系统保护与控制学术研讨会论文集[C];2008年

5 曹蕴;盛四清;姚煜;;基于混沌粒子群算法的配电网规化[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

6 于腾凯;李燕青;谢庆;;基于改进粒子群算法的配电网分段开关优化研究[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

相关博士学位论文 前3条

1 李庆伟;粒子群算法及电厂若干问题的研究[D];东南大学;2016年

2 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

3 张震;骨干粒子群算法及其在电力变压器设计中的应用[D];浙江大学;2014年

相关硕士学位论文 前10条

1 陈百霞;考虑风电场并网的电力系统无功优化[D];山东大学;2015年

2 付燕杰;独立型风/光/储发电系统容量配置的优化研究[D];内蒙古工业大学;2015年

3 肖海波;基于改进粒子群算法的水—火发电系统联合调度[D];华北电力大学;2015年

4 杨三根;风电与水电联合调度问题研究[D];电子科技大学;2015年

5 赵毅薇;直觉模糊粒子群算法在发电机组启动策略中的应用[D];电子科技大学;2014年

6 周东瑞;基于粒子群算法的配电局域网无功优化研究[D];山东大学;2015年

7 朱良;基于云计算和优化KMeans的电力不良数据辨识[D];华北电力大学;2015年

8 甄真;包头地区含风电场电力系统的无功优化研究[D];华北电力大学;2015年

9 侯硕楠;改进的粒子群算法及其在电力系统无功优化中的应用[D];东北大学;2014年

10 黄知伟;基于云粒子群算法的含DG配电网故障定位[D];湖北工业大学;2016年

，

本文编号：1672578