含风电电力系统的无功分区和基于场景缩减技术的无功优化

摘要

随着电力系统规模的不断扩大，以及风电等间歇式新能源的接入，电网的不确定因素和复杂性不断增加，电力系统的无功优化和电压控制也越来越复杂。因此研究含风电电力系统的无功电压分区和无功优化具有重要意义。 针对已有的电力系统无功电压分区方法没有考虑电压调节策略的问题，本文提出一种计及分区调压过程结束后区域内无功总储备和PQ节点最大电压偏差影响的无功裕度指标，以及计算该指标的优化模型和算法。基于提出的无功裕度指标和计算方法，提出一种两阶段无功电压分区方法。该方法运用拉丁超立方抽样对风速和负荷进行抽样以计及风电和负荷的不确定性；在第一阶段无功电压分区中运用无功潮流追踪方法确定无功源-荷之间的供需对应关系将负荷节点合并到向其提供无功功率最大的无功电源的分区中；在第二阶段无功电压分区中基于得到的预分区方案，以提出的无功裕度作为目标函数，用遗传算法求解无功电压预分区的合并方案。运用提出的分区方法对用IEEE39节点系统和IEEE118节点系统进行计算，验证所提方法的可行性和有效性。 在已有含风电电力系统的无功优化方法中，对反映风电和负荷不确定性的多场景主要是通过优化前进行场景削减。本文提出一种在含风电电力系统的无功优化时利用解相似性进行场景聚类的方法以减少场景的计算。基于无功电压分区方案，在现有电力系统无功优化模型中引入区域联络线无功介数和区域无功平衡度两个目标函数建立模型。在用遗传算法求解该模型的过程中，通过遗传算法每一代的染色体分析风电出力场景，基于K-means聚类算法根据不同风电场景的目标函数分布的差异性对目标函数进行聚类，并在遗传进化过程中进行场景的聚类和释放。以IEEE39节点系统为仿真算例。计算结果表明基于解相似性的场景聚类方法在一定程度上可以节省计算时间和处理计算效率与拟合精度的矛盾。

目录

第一个书签之前