含风电机组的配电网动态无功优化研究

摘要

配电网无功优化是改善电压质量和降低网损的有效手段之一，其在满足各运行约束条件的前提下，通过对无功控制设备的合理配置，实现降损稳压的目的。风电机组广泛地接入配电网对缓解我国用电紧张、实现“节能减排”的目标发挥了重要作用。但是风电机组的输出功率随风速波动而随机变化，这给传统配电网无功优化带来了更多的不确定性，因此，有必要研究含风电机组的配电网无功优化。同时，因传统的静态无功优化是针对某个时间断面进行的无功优化，它不仅没有考虑到负荷的动态变化特性，也没有考虑各控制设备的动作次数约束条件，不符合现实情况。因此，进行配电网动态无功优化的研究具有重要的现实意义。
　　 在了解配电网无功优化原理的基础上，引入场景分析法和自适应变异粒子群(AdaptiveMutationParticleSwarmOptimization，AMPSO)算法对含风电机组的配电网静态无功优化问题进行了讨论。首先介绍了AMPSO算法及其变异操作，算法中通过变异操作有效地增强了粒子跳出局部最优解的能力;随后详细介绍了配电网潮流计算中对于风电机组的处理及风电输出随机特性的刻画手段。本文用3个确定性的场景有效地描述了风电机组随机性对无功优化的影响。利用Matlab7.10对PG&E69节点配电网系统进行含风电机组的配电网静态无功优化，算例结果表明:采用AMPSO算法可有效的求解风电机组的配电网静态无功优化问题;基于场景发生概率的优化方案对风电机组输出功率的随机变化具有较好的适应性，通过将风电机组输出的不确定性转化为3个比较容易求解的确定性场景来处理，在保证运行约束和网损最小的前提下，有效地降低了含风电机组的配电网无功优化模型的建模及求解难度。
　　 采用最小二乘支持向量机进行电力系统短期负荷预测。在分析最小二乘支持向量机方法及短期负荷特性的基础上，综合考虑将温度、湿度、日类型及历史负荷数据作为训练样本，进行基于最小二乘支持向量机的短期负荷预测，采用四川某地区的实际数据作为算例进行分析，预测结果表明，最小二乘支持向量机具有良好的负荷预测效果。
　　 在得到负荷预测曲线的基础上进行含风电机组的配电网动态无功优化问题求解。首先将未来一天的负荷预测曲线自然分段为24个时段，风电机组接入时仅考虑其额定输出场景，对每一时段利用AMPSO算法进行对应的静态无功优化求解，得到各时段的控制设备动作值;再在文献研究基础上提出综合考虑各时段控制设备动作变化大小与对应负荷变化量乘积值的启发式规则生成每个控制设备的预动作时刻表;最后通过分阶段的优化，考虑运行过程中各控制设备的相关性，对控制设备动作时刻表进行动态调整。算例测试结果表明，该动态无功优化方法在求解动态无功优化上有较好的适应性和现实指导意义。

目录

声明

摘要

第1章 绪论

1．1 本文的研究背景及意义

1．2 课题研究的国内外现状分析

1．2．1 含风电机组的配电网静态无功优化现状分析

1．2．2 含风电机组的配电网动态无功优化现状分析

1．3 本文的主要工作

第2章 含风电机组的配电网静态无功优化

2．1 引言

2．2 粒子群算法及改进算法

2．2．1 基本粒子群算法

2．2．2 自适应变异粒子群算法

2．3 风机并网后的配电网潮流计算

2．3．1 风电机组在潮流计算中的计算模型处理

2．3．2 含风电机组的配电网潮流计算流程

2．4 含风电机组的配电网无功优化场景分析

2．4．1 场景决策法

2．4．2 风电机组输出功率的多场景分析

2．4．3 无功优化指标

2．5 AMPSO算法求解含风电机组的配电网静态无功优化

2．5．1 单个场景下含风电机组的无功优化数学模型

2．5．2 基于AMPSO算法的求解流程

2．6 算例分析

2．7 本章小结

第3章 用于动态无功优化的短期负荷预测

3．1 引言

3．2 最小二乘支持向量机

3．2．1 支持向量机的理论概述

3．2．2 支持向量机的回归原理

3．2．3 最小二乘支持向量机

3．3 负荷预测数据预处理

3．3．1 短期负荷特性

3．3．2 负荷数据的预处理

3．4 基于最小二乘支持向量机的短期负荷预测流程

3．5 算例分析

3．6 本章小结

第4章 基于短期负荷预测的配电网动态无功优化

4．1 引言

4．2 动态无功优化

4．2．1 负荷曲线分段

4．2．2 动态无功优化的数学模型

4．2．3 动态无功优化求解方法

4．3 AMPSO算法求解含风电机组的配电网动态无功优化步骤

4．4 算例分析

4．5 本章小结

结论

致谢

参考文献

攻读硕士学位期间发表的学术论文

附录