含风力发电机组的配电网重构研究

发布时间：2017-09-14 16:15

  本文关键词：含风力发电机组的配电网重构研究

  更多相关文章： 配电网重构 风力发电 改进粒子群算法 拓扑放射性约束 瓦瑟斯坦距离

【摘要】：为了满足特定用户的需求、保证配电网的经济稳定运行,作为分布式发电的风力发电技术在电力系统中得到了日益广泛的应用。但是由于风力发电易受地域、天气和风速等客观条件影响随机性较大,有功出力不稳定会造成配电网潮流倒流和电压越限等问题。因此,为了降低整个网络的线路损耗、消除过载以及改善电压质量,对考虑风电随机性的配电网进行重构研究是非常有必要的。论文首先介绍了配电网重构的现状和各种分布式电源,以发电技术较为成熟的风力发电为研究对象,选择基于支路电流的前推回代法计算重构过程中潮流变化,建立数学模型,深入分析风电机组的接入位置和容量对配电网网损和电压的影响。然后针对重构过程中拓扑结构放射性判断繁琐复杂,论文提出了一种基于“最优树”的放射性约束方法,能够在拓扑结构放射性判断模块简化计算过程,快速有效地进行配电网重构。该方法首先删除复杂网络中的无效支路且合并等效支路得到简化结构,然后在简化结构中定义“最优树”,由于树支开断导致出现分离子树,通过有向树的遍历寻找是否存在闭合连支与其相连来判断拓扑结构能否满足放射性,把全局遍历过程转化为一个有向树与一个较小规模的无向图的遍历,将该过程应用到改进粒子群算法中,基于此建立新的网络重构模型。最后考虑到风电出力的随机性使得含风电的配电网重构难以利用传统模型来描述,论文采用瓦瑟斯坦(Wasserstein)距离最优场景技术,通过其距离指标求取风电功率的渐近最优场景,将风电功率随机模型转化为最优场景进行分析,对含风电机组的配电网进行有效模拟,将基于“最优树”的放射性约束与改进粒子群算法应用于考虑风电随机性的配电网重构中,并与通用代数建模系统的仿真结果进行比较。论文通过节点数目较多的IEEE69节点系统进行仿真,结果表明基于“最优树”的放射性约束与改进粒子群算法在优化目标函数的同时可以提高重构计算速度,验证了该方法在配电网重构中的可行性;再将其应用到基于Wasserstein距离的风电功率最优场景的配电网重构中,通过算例分析,以上结合方法可以有效降低网损,改善电压,与其它群智算法比较,虽然进化代数较多,但计算时间大大减少,证明了算法的有效性和稳定性。
【关键词】：配电网重构 风力发电 改进粒子群算法 拓扑放射性约束 瓦瑟斯坦距离
【学位授予单位】：长沙理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM315;TM711
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-18
• 1.1 研究背景和意义10-11
• 1.2 分布式发电技术概述11-12
• 1.2.1 分布式电源的定义和分类11
• 1.2.2 DG并网对配电网的影响11-12
• 1.3 国内外研究现状12-16
• 1.3.1 配电网潮流计算的研究现状12-14
• 1.3.2 配电网重构的研究现状14-15
• 1.3.3 含风力发电的配电网重构研究现状15-16
• 1.4 论文的主要工作16-18
• 第二章 风电机组接入对配电网网损和电压的影响18-28
• 2.1 引言18
• 2.2 风力发电等值电路模型18-21
• 2.2.1 风力发电有功模型18-19
• 2.2.2 风力发电无功模型19-21
• 2.3 配电网潮流计算方法21-23
• 2.3.1 前推回代潮流计算21-22
• 2.3.2 基于支路电流法的前推回代22-23
• 2.3.3 分布式电源对潮流计算的影响23
• 2.4 含风电机组的潮流计算数学模型23-24
• 2.5 算例分析24-27
• 2.6 本章小结27-28
• 第三章 基于“最优树”的放射性约束与改进粒子群算法的配电网重构28-43
• 3.1 基本粒子群算法28-30
• 3.1.1 粒子群算法原理28-29
• 3.1.2 粒子群算法实现步骤29-30
• 3.2 改进粒子群算法30-31
• 3.3 简化网络形成的原理及过程31-37
• 3.3.1 拓扑结构特点32
• 3.3.2 配电网络满足放射性的必要条件32-34
• 3.3.3 基于放射性约束条件的简化网络形成过程34-36
• 3.3.4 对应于简化网络的重构解得到过程36-37
• 3.4 简化网络的拓扑放射性判断37-39
• 3.4.1“最优树”的提出及拓扑放射性判断原理37
• 3.4.2 基于“最优树”的拓扑结构放射性判断步骤37-39
• 3.5 基于“最优树”的放射性约束与改进粒子群算法的配电网重构39-42
• 3.5.1 配电网重构数学模型39
• 3.5.2 算例分析39-42
• 3.6 本章小结42-43
• 第四章 考虑风力发电随机性的配电网重构43-58
• 4.1 基于瓦瑟斯坦（WASSERSTEIN）距离的最优场景技术43-45
• 4.1.1 Wasserstein距离的基本指标43-44
• 4.1.2 最优场景求取44-45
• 4.2 WASSERSTEIN距离在风电功率最优场景中的应用45-47
• 4.2.1 风电功率概率密度函数的推导45-46
• 4.2.2 风电功率最优场景的推导46-47
• 4.3 基于WASSERSTEIN距离最优场景的含风电配电网重构47-52
• 4.3.1 含风电机的配电网重构优化模型47-49
• 4.3.2 基于Wasserstein距离最优场景的含风电配电网重构流程49-52
• 4.4 算例分析52-57
• 4.4.1 风电功率的最优场景求解52
• 4.4.2 在风电功率最优场景下的配电网重构52-57
• 4.5 本章小结57-58
• 结论与展望58-61
• 参考文献61-65
• 致谢65-66
• 附录A 攻读学位期间发表论文66-67
• 附录B 标准算例数据67-69
• 附录C 技术参数69

【参考文献】

中国期刊全文数据库 前10条

1 杨雄;卫志农;孙国强;孙永辉;丁孝华;许晓慧;;变压器支路处理新方法与配电网三相潮流计算[J];电力系统自动化;2014年18期

2 陈春;汪l，

本文编号：851003