考慮不確定性因素的電力系統(tǒng)電壓穩(wěn)定與無(wú)功優(yōu)化問(wèn)題研究.pdf

1、作為電力系統(tǒng)分析領(lǐng)域兩個(gè)重要的問(wèn)題,電壓穩(wěn)定與無(wú)功優(yōu)化的研究經(jīng)歷了多年的發(fā)展,分別取得了豐碩的成果。傳統(tǒng)研究中所采用的數(shù)學(xué)模型和求解方法大多屬于確定性分析的范疇,所獲得的結(jié)論對(duì)于提高系統(tǒng)電壓穩(wěn)定性與優(yōu)化無(wú)功資源配置均具有重要的指導(dǎo)意義。然而,電力系統(tǒng)本質(zhì)上是一個(gè)含有諸多不確定性因素的大型系統(tǒng)。當(dāng)前可再生能源發(fā)電大規(guī)模并網(wǎng)的新形勢(shì)下,越來(lái)越多的隨機(jī)因素不斷涌現(xiàn),電壓穩(wěn)定與無(wú)功優(yōu)化研究中更為深入地考察電網(wǎng)不確定性因素帶來(lái)的影響顯得尤為必要。

2、針對(duì)不確定性因素的分析思路、建模方法及求解策略將進(jìn)一步完善電壓穩(wěn)定與無(wú)功優(yōu)化研究的理論體系,產(chǎn)生更多具有參考價(jià)值和實(shí)用意義的成果。鑒于此,本文以考慮不確定性因素的電壓穩(wěn)定與無(wú)功優(yōu)化問(wèn)題為研究重點(diǎn),內(nèi)容涉及風(fēng)速相關(guān)性對(duì)電壓失穩(wěn)鞍結(jié)分岔的影響分析、計(jì)及注入功率不確定性的電壓穩(wěn)定概率評(píng)估、多目標(biāo)進(jìn)化算法求解無(wú)功優(yōu)化的比較分析與改進(jìn)方法、計(jì)及負(fù)荷不確定性的魯棒多目標(biāo)無(wú)功優(yōu)化策略等四個(gè)部分。本文工作和取得的主要成果歸納如下:
　　分析了鄰近

3、風(fēng)電場(chǎng)風(fēng)速相關(guān)性對(duì)電壓失穩(wěn)鞍結(jié)分岔的影響。采用Nataf變換技術(shù)建立多風(fēng)電場(chǎng)相關(guān)風(fēng)速隨機(jī)變量概率分布模型,結(jié)合鞍結(jié)分岔特征方程和蒙特卡羅仿真,獲得不同相關(guān)強(qiáng)度的風(fēng)速下電壓穩(wěn)定裕度的概率分布。此外,通過(guò)定義兩種風(fēng)險(xiǎn)指標(biāo),對(duì)風(fēng)速相關(guān)性引起電壓失穩(wěn)的風(fēng)險(xiǎn)予以量化分析,為精確判斷系統(tǒng)電壓穩(wěn)定性提供了一種輔助手段。算例分析表明,風(fēng)速?gòu)?qiáng)相關(guān)引起系統(tǒng)在較低的負(fù)荷增長(zhǎng)水平下發(fā)生鞍結(jié)分岔的概率明顯增加,不利于電網(wǎng)的安全穩(wěn)定。
　　提出了一種可以處理

4、風(fēng)速、負(fù)荷等輸入隨機(jī)變量相關(guān)性的電壓穩(wěn)定概率評(píng)估方法。根據(jù)輸入隨機(jī)變量的邊緣累積分布,通過(guò)拉丁超立方采樣生成風(fēng)速和負(fù)荷樣本用于蒙特卡羅仿真,在保證計(jì)算精度的前提下有效地提高了計(jì)算效率;將其和Nataf變換結(jié)合,使得所提出的方法能夠方便地計(jì)及臨近風(fēng)電場(chǎng)風(fēng)速之間及節(jié)點(diǎn)負(fù)荷之間的相關(guān)性因素。在考慮風(fēng)電和負(fù)荷注入功率不確定性的條件下,通過(guò)IEEE118節(jié)點(diǎn)標(biāo)準(zhǔn)系統(tǒng)的仿真計(jì)算,驗(yàn)證了所提出方法的有效性和準(zhǔn)確性。
　　比較研究了基于不同算法框

5、架的典型多目標(biāo)進(jìn)化算法應(yīng)用于無(wú)功優(yōu)化的性能特點(diǎn)。以IEEE30節(jié)點(diǎn)標(biāo)準(zhǔn)系統(tǒng)的多目標(biāo)無(wú)功優(yōu)化計(jì)算為例,從非支配解集質(zhì)量和多樣性、帕累托前沿分布廣闊性和均勻性及收斂速度等多個(gè)方面,比較算法的尋優(yōu)性能,分析其優(yōu)勢(shì)或不足,在評(píng)估各種算法計(jì)算性能的基礎(chǔ)上提出了進(jìn)一步改進(jìn)的思路。
　　提出了一種基于多種進(jìn)化算法自適應(yīng)選擇(multipleevolutionaryalgorithmswithadaptiveselectionstrategies

6、,MEAASS)的多目標(biāo)無(wú)功優(yōu)化方法。根據(jù)該領(lǐng)域研究現(xiàn)狀,分析已有算法全局搜索能力、局部搜索能力、收斂速度、計(jì)算結(jié)果一致性及跳出局部最優(yōu)能力等方面的特征;在考慮協(xié)調(diào)性與互補(bǔ)性的基礎(chǔ)上,建立包含4類(lèi)算法的備選池;在進(jìn)化過(guò)程不同階段根據(jù)尋優(yōu)性能自適應(yīng)地確定備選算法的使用比例,鼓勵(lì)尋優(yōu)性能更高的算法產(chǎn)生更多子代個(gè)體;所提出的方法綜合了多種算法的性能優(yōu)勢(shì),提高整體尋優(yōu)效率。
　　提出了能夠計(jì)及節(jié)點(diǎn)負(fù)荷隨機(jī)性及其相關(guān)性的魯棒多目標(biāo)無(wú)功優(yōu)化策