计及风电与负荷不确定性的电力系统无功随机优化调度
发布时间：2021-06-30 15:22
随着风电渗透率的不断增大,风电的不确定性给电力系统安全稳定运行带来了严重影响。含风电电力系统无功优化调度为非线性混合整数规划问题,在满足多个约束的同时,确定了电力系统无功控制参数的最优值,以优化特定的目标函数。建立了计及风电与负荷不确定性的电力系统多目标无功随机优化调度模型,设置了两个目标函数:有功功率损耗最小化、电压稳定指标最小化。采用ε约束优化方法求解多目标优化模型,利用模糊满意度方法选择最优折衷解。设计了两种不同案例在IEEE-57节点系统上进行仿真。仿真结果表明所提模型及方法可有效解决含风电电力系统无功优化调度问题,显著降低有功损耗,提高系统电压稳定性。
【文章来源】：电力系统保护与控制. 2020,48(19)北大核心CSCD
【文章页数】：8 页
【部分图文】：
风电场在25个场景下有功/无功功率输出Fig.4Activeandreactivepoweroutputofwind
-140-电力系统保护与控制图4风电场在25个场景下有功/无功功率输出Fig.4Activeandreactivepoweroutputofwindfarmin25scenarios图5节点18、25、53在25个场景下无功补偿量Fig.5Reactivepowercompensationofbuses18,25and53in25scenarios衡节点1在25个场景下有功功率输出。图4所示为风电场在25个场景下有功/无功功率输出。图5所示为节点18、25、53在25个场景下无功补偿量最优值。6结论本文研究了计及风电与负荷不确定性的电力系统多目标无功随机优化调度问题，建立了两阶段随机优化模型，包含有功功率损失最孝电压稳定指标最小两个目标函数，利用约束方法进行模型求解。为了验证所提模型及方法的有效性，在IEEE-57节点系统中进行仿真，设计了两个案例进行对比分析。仿真结果表明：含风电系统无功优化调度必须计及风电及负荷不确定性，利用本文所提模型及方法，可显著降低系统有功功率损失期望值、电压稳定指标期望值，同时得到平衡节点有功、无功补偿最优值，并对风电有功、无功输出进行了优化调整。参考文献[1]肖浩,裴玮,董佐民,等.基于元模型全局最优化方法的含分布式电源配电网无功优化[J].中国电机工程学报,2018,38(19):5751-5762.XAIOHao,PEIWei,DONGZuomin,etal.Reactivepoweroptimizationofdistributionnetworkwithdistributedgenerationusingmetamodel-basedglobaloptimizationmethod[J].ProceedingsoftheCSEE,2018,38(19):5751-5762.[2]段贵钟,秦文萍,逯瑞鹏,等.考虑风电接入与负荷不确定性的静态电压稳定性分析[J].电力系统保护与控制,2018,46(12):108-114.DUANG
杨明，等计及风电与负荷不确定性的电力系统无功随机优化调度-139-图1案例1帕累托最优前沿Fig.1Paretooptimalfrontforcase15.2案例2仿真结果分析案例2同时考虑风电与负荷的不确定性，表6所示为案例2帕累托最优解，由表6可以看出#1帕累托解对应EPL值最低21.5119MW，#20帕累托解对应maxEL值最低0.2069。按照最小-最大化方法选取#5帕累托解为最优折衷解，对应EPL值、maxEL值分别为22.4864MW、0.2188；与案例1最优折衷解对应PL值、maxL值分别下降10.1%、4.6%。表6案例2帕累托最优解Table6Case2Paretooptimalsolution#EPL/MWELmax12Min(1,2)121.51190.25501.00000.00000.0000221.75550.222730.94740.57470.5747321.99910.22360.89470.65320.6532422.24270.22090.84210.70780.7078522.48640.21880.78950.75220.7522622.73000.21710.73680.78670.7368722.97360.21570.68420.81580.6842823.21720.21450.63160.84160.6316923.46080.21340.57890.86460.57891023.70440.21240.52630.88530.52631123.94810.21150.47370.90400.47371224.19170.21070.42110.92100.42111324.43530.21000.36840.93450.36841424.67890.20940.31580.94730.31581524.92250.20880.26320.95880.26321625.16610.20830.21050.96940.21051725.40970.20790.15790.97940.15791825.65340.20740.10530.98860.10531925.89700.20710.05260.99470.05262026.14060.20690.00001.00000.0000由案例1、2仿真结果对比分析可知，风电功率及负荷波动对系统功率损耗、电压稳定影响较大，无功优化调度建模如果忽略风电及负荷的不确定性
【参考文献】：
期刊论文
[1]以并网点电压和机端电压平稳性为目标的风电场无功电压协调控制[J]. 蔡游明,李征,蔡旭. 电力自动化设备. 2018(08)
[2]考虑风电接入与负荷不确定性的静态电压稳定性分析[J]. 段贵钟,秦文萍,逯瑞鹏,雷达,肖莹,许进. 电力系统保护与控制. 2018(12)
[3]基于分层聚类算法的地区风电出力典型场景选取方法[J]. 林俐,费宏运,刘汝琛,潘险险. 电力系统保护与控制. 2018(07)
[4]基于场景集的含风电电力系统旋转备用优化[J]. 艾小猛,塔伊尔江·巴合依,杨立滨,杨建华,方家琨,文劲宇. 电网技术. 2018(03)
[5]基于随机预测控制理论和功率波动相关性的风电集群优化调度[J]. 叶林,李智,孙舶皓,汤涌,蓝海波,吴林林,仲悟之,刘辉,张慈杭. 中国电机工程学报. 2018(11)
[6]基于元模型全局最优化方法的含分布式电源配电网无功优化[J]. 肖浩,裴玮,董佐民,蒲天骄,陈乃仕,孔力. 中国电机工程学报. 2018(19)
[7]大规模风电并网下多区域互联系统热电综合调度模型[J]. 张文韬,王秀丽,李言,钱涛. 电网技术. 2018(01)
[8]含风电接入多区域电力系统的分散式随机动态经济调度方法[J]. 赵文猛,刘明波,周保荣,金小明,姚文峰,卢斯煜,王彤. 中国电机工程学报. 2017(24)
[9]风电消纳目标下基于电量与功率滚动优化的荷源控制方法[J]. 朱丹丹,刘文颖,蔡万通,夏鹏,王维洲,梁琛. 电力系统自动化. 2018(05)
[10]计及风电—负荷耦合关系的含大规模风电系统调峰运行优化[J]. 吴耀武,汪昌霜,娄素华,刘宝林,王曦冉. 电力系统自动化. 2017(21)
本文编号：3257995
【文章来源】：电力系统保护与控制. 2020,48(19)北大核心CSCD
【文章页数】：8 页
【部分图文】：
风电场在25个场景下有功/无功功率输出Fig.4Activeandreactivepoweroutputofwind
-140-电力系统保护与控制图4风电场在25个场景下有功/无功功率输出Fig.4Activeandreactivepoweroutputofwindfarmin25scenarios图5节点18、25、53在25个场景下无功补偿量Fig.5Reactivepowercompensationofbuses18,25and53in25scenarios衡节点1在25个场景下有功功率输出。图4所示为风电场在25个场景下有功/无功功率输出。图5所示为节点18、25、53在25个场景下无功补偿量最优值。6结论本文研究了计及风电与负荷不确定性的电力系统多目标无功随机优化调度问题，建立了两阶段随机优化模型，包含有功功率损失最孝电压稳定指标最小两个目标函数，利用约束方法进行模型求解。为了验证所提模型及方法的有效性，在IEEE-57节点系统中进行仿真，设计了两个案例进行对比分析。仿真结果表明：含风电系统无功优化调度必须计及风电及负荷不确定性，利用本文所提模型及方法，可显著降低系统有功功率损失期望值、电压稳定指标期望值，同时得到平衡节点有功、无功补偿最优值，并对风电有功、无功输出进行了优化调整。参考文献[1]肖浩,裴玮,董佐民,等.基于元模型全局最优化方法的含分布式电源配电网无功优化[J].中国电机工程学报,2018,38(19):5751-5762.XAIOHao,PEIWei,DONGZuomin,etal.Reactivepoweroptimizationofdistributionnetworkwithdistributedgenerationusingmetamodel-basedglobaloptimizationmethod[J].ProceedingsoftheCSEE,2018,38(19):5751-5762.[2]段贵钟,秦文萍,逯瑞鹏,等.考虑风电接入与负荷不确定性的静态电压稳定性分析[J].电力系统保护与控制,2018,46(12):108-114.DUANG
杨明，等计及风电与负荷不确定性的电力系统无功随机优化调度-139-图1案例1帕累托最优前沿Fig.1Paretooptimalfrontforcase15.2案例2仿真结果分析案例2同时考虑风电与负荷的不确定性，表6所示为案例2帕累托最优解，由表6可以看出#1帕累托解对应EPL值最低21.5119MW，#20帕累托解对应maxEL值最低0.2069。按照最小-最大化方法选取#5帕累托解为最优折衷解，对应EPL值、maxEL值分别为22.4864MW、0.2188；与案例1最优折衷解对应PL值、maxL值分别下降10.1%、4.6%。表6案例2帕累托最优解Table6Case2Paretooptimalsolution#EPL/MWELmax12Min(1,2)121.51190.25501.00000.00000.0000221.75550.222730.94740.57470.5747321.99910.22360.89470.65320.6532422.24270.22090.84210.70780.7078522.48640.21880.78950.75220.7522622.73000.21710.73680.78670.7368722.97360.21570.68420.81580.6842823.21720.21450.63160.84160.6316923.46080.21340.57890.86460.57891023.70440.21240.52630.88530.52631123.94810.21150.47370.90400.47371224.19170.21070.42110.92100.42111324.43530.21000.36840.93450.36841424.67890.20940.31580.94730.31581524.92250.20880.26320.95880.26321625.16610.20830.21050.96940.21051725.40970.20790.15790.97940.15791825.65340.20740.10530.98860.10531925.89700.20710.05260.99470.05262026.14060.20690.00001.00000.0000由案例1、2仿真结果对比分析可知，风电功率及负荷波动对系统功率损耗、电压稳定影响较大，无功优化调度建模如果忽略风电及负荷的不确定性
【参考文献】：
期刊论文
[1]以并网点电压和机端电压平稳性为目标的风电场无功电压协调控制[J]. 蔡游明,李征,蔡旭. 电力自动化设备. 2018(08)
[2]考虑风电接入与负荷不确定性的静态电压稳定性分析[J]. 段贵钟,秦文萍,逯瑞鹏,雷达,肖莹,许进. 电力系统保护与控制. 2018(12)
[3]基于分层聚类算法的地区风电出力典型场景选取方法[J]. 林俐,费宏运,刘汝琛,潘险险. 电力系统保护与控制. 2018(07)
[4]基于场景集的含风电电力系统旋转备用优化[J]. 艾小猛,塔伊尔江·巴合依,杨立滨,杨建华,方家琨,文劲宇. 电网技术. 2018(03)
[5]基于随机预测控制理论和功率波动相关性的风电集群优化调度[J]. 叶林,李智,孙舶皓,汤涌,蓝海波,吴林林,仲悟之,刘辉,张慈杭. 中国电机工程学报. 2018(11)
[6]基于元模型全局最优化方法的含分布式电源配电网无功优化[J]. 肖浩,裴玮,董佐民,蒲天骄,陈乃仕,孔力. 中国电机工程学报. 2018(19)
[7]大规模风电并网下多区域互联系统热电综合调度模型[J]. 张文韬,王秀丽,李言,钱涛. 电网技术. 2018(01)
[8]含风电接入多区域电力系统的分散式随机动态经济调度方法[J]. 赵文猛,刘明波,周保荣,金小明,姚文峰,卢斯煜,王彤. 中国电机工程学报. 2017(24)
[9]风电消纳目标下基于电量与功率滚动优化的荷源控制方法[J]. 朱丹丹,刘文颖,蔡万通,夏鹏,王维洲,梁琛. 电力系统自动化. 2018(05)
[10]计及风电—负荷耦合关系的含大规模风电系统调峰运行优化[J]. 吴耀武,汪昌霜,娄素华,刘宝林,王曦冉. 电力系统自动化. 2017(21)
本文编号：3257995
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/3257995.html
教材专著
