计及风电场的地区电网无功优化

论文摘要

风力发电是当前世界上技术较成熟、成本较低且发展迅速的可再生能源技术之一。我国幅员辽阔、海岸线长,风能资源非常丰富,现探明可利用风能资源至少约为10亿个kW,相当于40多个三峡水电站的装机容量之和。一方面,与传统化石能源相比,风电清洁无污染且具有取之不尽用之不竭的特点,发展前景广阔。另一方面,风电的大规模集中并网也对传统电网在安全、稳定、经济运行和电能质量等方面带来了诸多新的挑战。特别当大容量风电接入电力系统时,风电出力的随机性、波动性可能会引起电网潮流大小、方向的频繁改变,使得原有的无功优化方法不再适合现有情况,为此需要研究能够考虑风电特点的发电和运行计划方法。实际系统运行中,负荷的变化具有一定的规律性,且在一定的时间内波动较小；但风速的变化则规律性较弱,甚至可能会在较短时间内出现剧烈变化。而一天中可调变压器分接头及电容器组的允许动作次数有限,因此不能只根据某一时刻的负荷及风速水平来对这些设备进行静态无功优化,而应综合考虑未来一定时间尺度内负荷及风速变化情况下的优化效果。本文采用分时段策略来处理风速的随机性和波动性问题,根据风速预测信息,进行合理的时段划分后,求取各时段风速的期望值用于优化计算。电力系统无功优化是一个十分复杂的非线性混合整数规划问题,优化对象既有可调变压器分接头和电容器组这种离散变量,又有发电机无功出力这种连续变量。目前国内外学者已经提出多种方法求解此类问题,可归纳为传统算法和人工智能算法,每种算法都有其各自优缺点,分析各种优化算法自身的特点,寻求多种算法相结合的混合优化算法是当前无功优化一个新的发展方向。本文将传统算法与人工智能算法相结合用于问题的求解,将原问题分解为离散优化和连续优化两个子问题。先用粒子群算法实现对变压器和电容器组的优化；然后保持离散变量不变,采用内点法实现对发电机无功出力的优化,再返回离散优化阶段。如此通过迭代完成离散变量和连续变量分别优化的过程,直至程序收敛,充分发挥了传统算法和人工智能算法各自的优点。混合语言编程作为一种新的软件开发方法,可以充分利用不同计算机语言各自的优势,提高开发效率,增加语言运用的灵活性。采用粒子群一内点混合算法对上述基于分时段策略建立的动态无功优化数学模型进行求解。通过Python和Matlab混合编程,并调用PSS/E软件分别对IEEE30节点算例以及东营北部地区电网进行了仿真计算,结果表明,该方法有效可行,适合求解含风电的地区电网无功优化问题,优化结果良好,具有一定的实用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 风能利用发展史及发展现状
• 1.3 风力发电相关技术
• 1.3.1 风力发电技术概述
• 1.3.2 风电出力对电网的影响
• 1.4 无功优化研究现状
• 1.4.1 无功优化数学模型
• 1.4.2 无功优化算法
• 1.5 本文主要工作
• 第二章 含风场的无功优化模型
• 2.1 风场出力模型
• 2.2 风电机组在潮流计算中的处理方法
• 2.3 应对风速随机性问题的方法
• 2.4 含风力发电的无功优化数学模型
• 2.4.1 目标函数
• 2.4.2 约束条件
• 2.5 本章小结
• 第三章 基于粒子群—内点混合算法的无功优化
• 3.1 基于粒子群算法的无功优化研究
• 3.1.1 粒子群算法的理论基础
• 3.1.2 粒子群算法在无功优化中的应用
• 3.1.3 粒子群算法求解无功优化问题的特点
• 3.2 基于内点法的无功优化研究
• 3.2.1 跟踪中心轨迹内点法的理论基础
• 3.2.2 内点法在无功优化中的应用
• 3.2.3 跟踪中心轨迹内点法求解无功优化问题的特点
• 3.3 基于粒子群—内点混合算法的无功优化研究
• 3.3.1. 基于混合算法的静态无功优化
• 3.3.2. 基于混合算法的含风电场的动态无功优化
• 3.3.3. 对传统算法与人工智能算法的比较
• 3.4 IEEE30节点算例分析
• 3.4.1 原始数据
• 3.4.2 混合算法与纯粒子群算法及纯内点法的比较
• 3.4.3 风场接入后的优化结果
• 3.5 本章小结
• 第四章 实际算例分析
• 4.1 东营风电概况
• 4.2 东营电网优化结果及分析
• 4.3 本章小结
• 第五章 结论与展望
• 5.1 论文主要工作及总结
• 5.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间取得的成果
• 学位论文评阅及答辩情况表