風電并網(wǎng)電力系統(tǒng)電壓無功控制的概率決策方法研究.pdf

1、大規(guī)模風電的集中接入給電力系統(tǒng)的自動電壓控制(Automatic Voltage Control， AVC)帶來了深遠影響，傳統(tǒng)以確定性優(yōu)化為基礎(chǔ)的AVC面臨著嚴峻挑戰(zhàn)。如何應(yīng)對風電注入功率的隨機性與間歇性，實現(xiàn)各層級電壓控制間的相對解耦，各類調(diào)壓設(shè)備之間的時空協(xié)調(diào)，成為保障電力系統(tǒng)安全經(jīng)濟運行的關(guān)鍵。本文提出風電并網(wǎng)電力系統(tǒng)電壓無功控制的概率決策方法。針對電壓控制中所涉及的關(guān)鍵技術(shù)：主導節(jié)點選擇，控制區(qū)域劃分以及隨機無功優(yōu)化方法進行深

2、入研究，其主要研究內(nèi)容如下：
　　為考慮風電注入功率與系統(tǒng)負荷的隨機性對主導節(jié)點選擇的影響，提出一種考慮源荷隨機性的主導節(jié)點選擇優(yōu)化方法。在模型的隨機性方面，負荷功率采用典型時段的預(yù)測值加正態(tài)分布的預(yù)測誤差表征，風電功率采用服從Weibull分布的風速模型轉(zhuǎn)換確定。模型的目標函數(shù)為源荷功率隨機擾動下維持主導節(jié)點電壓恒定時的負荷節(jié)點電壓偏差平方和期望最小，其中的節(jié)點電壓偏差采用考慮一級電壓控制作用的靈敏度確定。模型采用結(jié)合場景法的免

3、疫遺傳算法求解，其中的源荷功率均采用三個場景表征，負荷功率的場景對應(yīng)峰、腰和谷荷狀態(tài)。IEEE39節(jié)點系統(tǒng)的仿真計算和已有文獻的對比分析驗證了該方法的有效性。
　　傳統(tǒng)的主導節(jié)點選擇方法和無功控制分區(qū)方法往往只考慮了一個負荷水平，并且忽略了兩者的相互影響。為此，提出一種考慮負荷隨機性的主導節(jié)點選擇和無功控制分區(qū)的協(xié)調(diào)優(yōu)化方法。其中，負荷功率的隨機性采用典型時段的預(yù)測值加正態(tài)分布的預(yù)測誤差表征。目標函數(shù)有三個：(1)電源對主導節(jié)點的

4、可控性最強，其可控性由分區(qū)內(nèi)電源對主導節(jié)點的短路阻抗表征；(2)主導節(jié)點對本區(qū)域負荷節(jié)點的可控性最強，其可控性由考慮二級電壓控制作用的電壓控制靈敏度表征；(3)主導節(jié)點對其他區(qū)域負荷節(jié)點的影響最小。約束條件為各無功控制分區(qū)滿足負荷功率隨機擾動下的靜態(tài)無功平衡要求。模型采用結(jié)合場景法的多目標免疫遺傳算法求解。IEEE39和IEEE118節(jié)點系統(tǒng)的仿真分析論證了該方法的有效性。
　　現(xiàn)有隨機靜態(tài)無功優(yōu)化方法沒有區(qū)分調(diào)壓設(shè)備的離散與連續(xù)

5、調(diào)節(jié)特性，難以適應(yīng) AVC的控制決策要求。為此，提出一種考慮離散設(shè)備 AVC控制決策要求的隨機靜態(tài)無功優(yōu)化方法。其中，源荷功率的隨機性由預(yù)測值加正態(tài)分布的預(yù)測誤差表征。模型的目標函數(shù)為離散設(shè)備的調(diào)節(jié)代價與優(yōu)化周期內(nèi)能量損耗費用的期望值之和最小，約束條件為源荷功率隨機擾動下節(jié)點電壓幅值安全限制要求。模型的離散控制變量為確定性決策變量，其在源荷功率隨機變化中維持恒定，而連續(xù)控制變量為隨機性決策變量，其隨源荷功率的隨機變化而變化。模型采用結(jié)合

6、點估計法的混合智能算法求解，其中混合智能算法采用基于嵌套預(yù)測-校正原對偶內(nèi)點法的并行免疫遺傳算法實現(xiàn)。以實測風電場以及系統(tǒng)負荷數(shù)據(jù)作為輸入數(shù)據(jù)，對IEEE14節(jié)點和IEEE118節(jié)點系統(tǒng)進行仿真分析，驗證了所提方法的有效性。
　　現(xiàn)有考慮離散設(shè)備調(diào)節(jié)代價的隨機動態(tài)無功優(yōu)化方法，將隨機動態(tài)無功優(yōu)化問題降階為24時段獨立的隨機靜態(tài)無功優(yōu)化問題進行求解，割裂了各個時段之間的耦合關(guān)系，可能導致離散設(shè)備的頻繁動作。為此，提出一種結(jié)合源荷功率

7、時序曲線分段的隨機動態(tài)無功優(yōu)化方法。其中，曲線分段以各個分段內(nèi)的源荷功率波動差異程度最小為目標，采用 Fisher最優(yōu)分割法對負荷曲線以及風電注入功率曲線統(tǒng)一分段。源荷功率的隨機性由288個時間斷面的預(yù)測值加正態(tài)分布的預(yù)測誤差表征。模型的目標函數(shù)為各個時段的綜合調(diào)節(jié)代價之和最小，約束條件為源荷功率隨機擾動下節(jié)點電壓幅值安全限制要求。模型采用結(jié)合點估計法的混合智能算法求解，其中混合智能算法采用基于嵌套預(yù)測-校正原對偶內(nèi)點法的并行免疫遺傳算