新能源并網(wǎng)的無功優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種新能源并網(wǎng)的無功優(yōu)化方法。
【背景技術(shù)】
[0002] 風能、光能等可再生能源因其清潔、經(jīng)濟、可持續(xù)性在中國得到了快速發(fā)展,當越 來越多的新能源并網(wǎng)之后,輸出功率的隨機性給電網(wǎng)造成嚴重影響,充足的無功可使電網(wǎng) 盡可能多的接納新能源發(fā)電,然而在電力市場環(huán)境下各發(fā)電公司都追求自己的經(jīng)濟效益, 發(fā)電廠作為無功輔助服務(wù)的提供者,多發(fā)無功會造成發(fā)電機的損耗并增加發(fā)電機的運行維 護費用,甚至影響到發(fā)電機的有功出力從而減少有功收入。為了提高無功投資的積極性, 激勵各無功源提供充足的無功服務(wù),需要給發(fā)電廠一個合適的無功價格進行補償,補償發(fā) 電公司的利潤損失,從而提高全網(wǎng)的經(jīng)濟性和電壓質(zhì)量,同時實現(xiàn)增加電網(wǎng)對新能源的接 納能力。因此,在新能源并網(wǎng)和電力市場的背景下,電力系統(tǒng)的無功功率優(yōu)化調(diào)度問題成為 電力系統(tǒng)的重要研究課題之一。然而由于風電、光伏發(fā)電出力的隨機性,這些新能源的并網(wǎng) 會給電網(wǎng)的優(yōu)化運行帶來顯著影響。由于風能、光能的變化頻繁,目前很難得到精確的預(yù)測 值。在一種確定出力情況下得到的優(yōu)化解,在其他場景下不一定適用,因此傳統(tǒng)的模型和方 法不完全有效。風電功率輸出主要受自然因素影響,具有不確定性、間歇性。為了應(yīng)對風能 出力的不確定性,傳統(tǒng)的解決辦法是留有足夠的備用容量保證系統(tǒng)的安全性,該方法簡單 有效,但經(jīng)濟性往往得不到保證。
【發(fā)明內(nèi)容】
[0003] 針對目前不能精準預(yù)測風能及光能,采用一種確定出力情況下不同的場景不一定 適用,經(jīng)濟性得不到保證的問題,本發(fā)明提供一種新能源并網(wǎng)的無功優(yōu)化方法,它可以較好 的處理風力發(fā)電廠的隨機性問題,在滿足物理和運行約束的條件下使電網(wǎng)綜合成本費用最 小。
[0004] 本發(fā)明解決上述技術(shù)問題所采取的技術(shù)方案是:一種新能源并網(wǎng)的無功優(yōu)化方 法,其特征在于,包括以下步驟:
[0005] a、場景生成,其包括以下步驟:
[0006] al、假設(shè)新能源電站隨機變量X (功率)的累積分布函數(shù)為F(X),將累積分布函數(shù) 等分成采樣個數(shù)N份,每個區(qū)間的寬度為1/N;在每個區(qū)間內(nèi)部進行隨機采樣,第i個區(qū)間 采樣的累積概率值為
其中U是[0, 1]區(qū)間內(nèi)的一個隨機數(shù);當任意一個子區(qū) 間參與隨機采樣后,則不再參與以后的隨機采樣;
[0007] a2、根據(jù)分布函數(shù)的反函數(shù)計算出實際采樣值Xn= F 1 (Un);
[0008] a3、重新選擇區(qū)間采樣,直到所有區(qū)間完成采樣,即生成場景;
[0009] b、對每個場景指定一個發(fā)生的概率ps(s = 1,...,N)即ps>0,且滿足
設(shè) Ps= 1/N ;用集合S表示最初始的場景集,集合DS表示需要消除的場景集,D U表示場景i 和場景j之間的距離,PDli,表示場景i和場景j之間的概率距離;進行場景消減,場景消減 包括以下步驟:
[0010] bl、設(shè)置DS為空,計算各個場景之間的距離DiJ= D(s i, s.j);
[0011] b2、對于場景k,找出與場景k距離最短的場景r,即
[0012] Dk (r) = D (sk, sr) i e S, k ^ s ;
[0013] b3、計算概率距離^\&) =pk*Dk(r),ke S,在k中找出使得概率距離最小的場景 索引 d,使得 PDd= minPD k,k e S ;
[0014] b4、令 S = S_3jivhmmexw,DS = DS+3jivhmmexw,且 pr= p r+pd;
[0015] b5、重復(fù)步驟b2到b4,直到剩余的場景數(shù)目達到消減要求為止;
[0016] c、建立無功優(yōu)化模型:
[0017] 以無功輔助服務(wù)成本和電網(wǎng)有功網(wǎng)損的期望值最小為目標函數(shù),以常規(guī) 能源電廠和新能源電廠無功出力為優(yōu)化變量,建立無功優(yōu)化模型,其目標函數(shù)為:
[0018] 式中Pk為場景k發(fā)生的概率,為場景k的總網(wǎng)損,丨)為場景k下j發(fā)電機 的無功成本;
[0019] 其中,約束條件包括:
[0020] cl、各節(jié)點有功功率和無功功率平衡約束
[0023] 式中葦、:6、淼、_&分別為場景S下節(jié)點i處的有功發(fā)電和有功負荷、無功發(fā) 電和無功負荷和K分別是場景s下節(jié)點i和節(jié)點j的電壓幅值為場景s下節(jié)點i 和節(jié)點j之間的電壓相角差;Glj和B ^分別為系統(tǒng)導(dǎo)納矩陣的實部和虛部;
[0024] c2、各發(fā)電機/同步補償及無功出力上下界約束
[0026] 式中Qci,_和Q 分別是節(jié)點i無功出力的最小值和最大值;
[0027] c3、各節(jié)點電壓幅值上下界約束
[0029] 式中和V ^ax分別是節(jié)點i的電壓幅值下限和上限;
[0030] C4、各支路傳輸功率約束
[0031]
[0032] 式中Pljiniax是節(jié)點i、j之間的線路有功潮流的最大值,p 1'表示每種場景對應(yīng)的概 率。
[0033] 本發(fā)明的有益效果是:
[0034] 1、本發(fā)明采用場景生成思想,用可能出現(xiàn)的場景來近似模擬隨機變量,采樣可利 用較少的采樣次數(shù)反應(yīng)隨機變量的整體分布,保證采樣點分布在所有的采樣區(qū)域;采樣過 程中可避免抽取已經(jīng)出現(xiàn)的樣本,在小概率區(qū)域也可以保證有采樣點。
[0035] 2、場景消減步驟在保證問題求解精度的前提下,盡可能減少計算隨機問題需要的 場景數(shù)目,提高了計算的速度。
[0036] 3、本發(fā)明將新能源的不確定性用場景進行模擬,通過場景生成和場景消除得到計 算場景,并采用聯(lián)合優(yōu)化計算模型獲得各場景的無功輸出值Q k,在滿足物理和運行約束的 條件下達到各場景無功費用和網(wǎng)損最小。
[0037] 4、為了分析提出的無功綜合效益優(yōu)化目標函數(shù)的有效性,分別以無功運行成本最 優(yōu)目標、有功網(wǎng)損最優(yōu)目標和綜合優(yōu)化目標進行無功優(yōu)化。不同優(yōu)化目標下的結(jié)果如下表 1所示:
[0038] 表1 IEEE 14節(jié)點系統(tǒng)在不同目標下的優(yōu)化結(jié)果
[0040] 從上表所示的結(jié)果來看,以有功網(wǎng)損為目標函數(shù)得到的結(jié)果無功成本較大,減小 網(wǎng)損是以高無功費用為代價的;而減少無功費用會使電網(wǎng)有功網(wǎng)損增加。單獨以無功運行 成本最優(yōu)或單獨以有功損耗最優(yōu)不一定是電網(wǎng)的最佳選擇,采用綜合優(yōu)化目標可以使無功 運行成本和有功網(wǎng)損同時都達到一個比較適中和理想的值。
【附圖說明】
[0041] 圖1為本發(fā)明的流程圖;
[0042] 圖2為本發(fā)明在IEEEl 18節(jié)點系統(tǒng)各場景下風機出力值。
【具體實施方式】
[0043] 下面結(jié)合附圖1和附圖2對本發(fā)明的具體實施例做詳細描述:
[0044] 本實施例假定風電場出力的預(yù)測誤差符合均值為0,標準差為〇w的正態(tài)分布。場 景生成技術(shù)是通過大量的采樣,用可能出現(xiàn)的場景來近似模擬隨機變量。
[0045] 1、場景生成過程為:假設(shè)新能源電站的隨機變量X(功率)的累積分布函數(shù)為 F (X),采樣過程如下:
[0046] 首先將分布函數(shù)等分成采樣個數(shù)N份,每個區(qū)間的寬度為1/N。在每個區(qū)間內(nèi)部進 行隨機采樣,第i個區(qū)間采樣的累積概率值為
[0047] 其中U是[0, 1]區(qū)間內(nèi)的一個隨機數(shù)。當任意一個子區(qū)間參與隨機采樣后,則不 再參與以后的隨機采樣。然后根據(jù)分布函數(shù)的反函數(shù)可以計算出實際采樣值X n= F 1OJj13 重新選擇區(qū)間采樣,直到所有區(qū)間完成采樣。
[0048] 2、場景消減:針對基于場景的隨機規(guī)劃問題,場景的數(shù)目在很大程度上決定了求 解的計算量。場景數(shù)目越多,對隨機變量的分布擬合效果越好,但是問題規(guī)模增大,計算的 困難度也相應(yīng)增大;如果場景數(shù)目過少,就不能保證隨機變量的真實情況,模擬效果變差, 不能保證問題的計算精度。為了解決這一問題,就需要對初始生成的場景進行消減,在保證 問題求解精度的前提下,盡可能減少計算隨機問題需要的場景數(shù)目。本實施例生成1000個 初始場景,然后利用下述步驟消減為10個場景作為下一步的計算場景。
[0049] 消減步驟如下:
[0050] 首先對每個場景指定一個發(fā)生的概率?;3(8 = 1,. . .,N)即ps> 0,且滿足
Sps= 1/N。集合S表示最初始的場景集,集合DS表示需要消除的場景集,Dlij表示場景i 和場景j之間的距離,PDli,表示場景i和場景j之間的概率距離。
[0051] 第一步:首先設(shè)置DS為空,計算各個場景之間的距離D1^= D(s D S])。
[0052] 第二步:對于場景k,找出與場景k距離最短的場景r,即Dk (r) = D (sk, S1O i G S, k 辛 S0
[0053] 第三步:計算概率距離^\&) = pk*Dk(r),k e S,在k中找出使得概率距離最小的 場景索引 d,使得 F1Dd= min F1D k, k e S。
[0054] 第四步:令 S = S_3jivhmmexw, DS = DS+3jivhmmexw,且 pr= p r+pd。
[0055] 第五步:重復(fù)步驟二到四,直到剩余的場景數(shù)目達到消減要求為止。
[0056] 3、基于多場景的聯(lián)合無功優(yōu)化:
[0057] 除了無功成本以外,電網(wǎng)的網(wǎng)損也是無功優(yōu)化中很重要的經(jīng)濟指標。本文以無功 輔助服務(wù)成本和電網(wǎng)有功網(wǎng)損的期望值最小為目標函數(shù),以常規(guī)能源電廠和新能源電廠無 功出力為優(yōu)化變量,建立了無功優(yōu)化模型。其目標函數(shù)如下:
[0059] 式中Pk為場景k發(fā)生的概率,為場景k的總網(wǎng)損,>為場景k下j發(fā)電機 的無功成本。
[0060] 約束條件包括系統(tǒng)的潮流平衡約束、發(fā)電機無功的出力上下限約束、節(jié)點電壓約 束、線路的熱極限約束等。
[0061] (1