[发明专利]基于预测和粒子群算法的多目标电压无功滚动优化方法

说明书

技术领域

本发明涉及电气领域，尤其涉及一种基于预测和粒子群算法的多目标电压无功滚动优化方法。

背景技术

从上世纪70年代开始，世界各国开始研究风力发电技术。特别是最近几年，人们对化石能源的广泛使用导致的大量二氧化碳排放以及气候变化日益重视，具有显著减排效果的风力发电、太阳能发电、地热发电等可再生能源得到了迅速发展。其中，风力发电技术最为成熟，生产成本已经接近常规电源，因而得到了迅速发展。但是，由于自然环境下风速变动不定，具有随机性、间歇性的特点，导致风电场出力波动较大，风场不可调度，这与常规火电、水电机组差异巨大。特别是在快速风速(风功率)波动时，系统电压、频率、潮流等都会发生快速波动，从而影响系统的安全稳定运行。此外，很多风电机组并未配置有功-频率控制功能，为适应风功率波动，系统往往要额外安排备用，导致系统效率降低。电压水平的高低是衡量电网运行安全性和电能质量好坏的主要指标，必须时刻保证电压损耗在合理的范围内，即能够保证系统各节点的电压水平满足要求。

为适应风电接入并充分利用已建成风场的风资源，需要根据相应地区电网的不同负荷水平、不同风速下无功-电压特性分析，提出基于负荷预测和风电预测数据的地区电网电压无功滚动优化方法。

发明内容

本发明的目的就是为了解决上述问题，提供一种基于预测和粒子群算法的多目标电压无功滚动优化方法，充分的考虑了无功补偿投切、变压器分接头调节、风电场电压控制等约束，优化变压器分接头和并联电容器控制。

为了实现上述目的，本发明采用如下技术方案：

基于预测和粒子群算法的多目标电压无功滚动优化方法，包括以下步骤：

步骤一，设定滚动优化计算的时间集；

步骤二，在时间集内收集与处理地区电网的负荷预测数据和风电的实时预测数据，同时，获取地区电网的基本潮流计算数据；

步骤三，利用粒子群优化算法，构建地区电压无功优化的目标函数和约束条件，并进一步地求解；

步骤四，对优化后的结果进行校核，然后进入下一个滚动周期的电压无功优化计算流程。

所述风电的实时预测数据包括时间、地理信息数据、风速预测数据、风功率预测数据和风电总量预测。

利用粒子群优化算法进行求解的方法包括：

步骤3.1，初始化一群规模为n的m维粒子群，n和m都为不等于0的自然数，该粒子群中的每个粒子代表一种控制方案，该控制方案包括可投切电容器组数和变压器分接头的档位；

步骤3.2，计算每个粒子的适应值；

步骤3.3，对每个粒子i，将其适应值与个体所经历过最好位置时的适应值做比较，如果该粒子较好，则将其作为当前各个方案的个体极值；

步骤3.4，对每个粒子i，将其适应值与全局经历最好位置时的适应值作比较，得出当前全局最好值；

步骤3.5，根据速度方程和位置方程更新每一个粒子的速度和位置；

步骤3.6，判断是否达到最大迭代次数或适应值收敛到设定精度，如果都未满足，则返回所述步骤3.2，继续计算，否则输出结果，计算结束。

所述步骤3.1进行初始化的包括随机位置和速度。

在适应值的选择上，选择地区电网在一个小时内不同时段下的网损P_loss之和最小作为优化目标，系统各节点电压合格作为约束，约束条件为：

minΣk=16Plossk]]>

s.t.

g_k(x)＝0