[发明专利]一种求解含风电场无功优化模型的方法及系统

说明书

本发明提供一种求解含风电场无功优化模型的方法及系统，该方法步骤：S1、建立风力发电机模型；S2、建立含风电场的无功优化模型；S3、固定无功优化模型涉及的离散控制变量，采用内点法求解连续无功优化模型并计算每个场景下的变量越限次数，获得最优场景下对应的最优连续控制变量；S4、固定无功优化模型涉及的连续控制变量，减少无功优化模型在每个场景下的变量越限次数和系统平均网损，得到最优离散控制变量；S5、利用蒙特卡洛模拟和潮流计算检验最优连续控制变量和最优离散控制变量。本发明保证了电网在不确定性风电并网的条件下电网电压的安全，既避免了随机规划法中耗时的蒙特卡洛模拟，又克服了鲁棒规划法无法利用风电概率分布信息的缺点。

技术领域

本发明涉及电力技术领域，尤其涉及一种求解含风电场无功优化模型的方法及系统。

背景技术

风电作为一类新型的可再生能源，在环境保护和解决能源危机方面发挥着至关重要的作用。但风电的不确定性会造成电网电压的波动，对电网的安全运行构成威胁。因此，需建立含风电场的无功优化模型来获得相应的电压控制策略，以保证风电接入后电网电压的安全。

含风电的无功优化模型是一个含不确定性参数的非线性规划问题，常规的求解方法主要有随机规划法和鲁棒优化法。随机规划法需采用蒙特卡洛法模拟约束条件，算法效率较低；鲁棒优化法采用不确定集对风电建模，忽略了风电的概率分布信息，优化结果比较保守，且对非线性约束的凸化处理会产生误差。

含风电的无功优化模型在数学上是一个含不确定性参数的非线性规划问题。目前，主要有两种处理无功优化模型中风电波动的方法，即随机规划和鲁棒规划。随机规划法又包含机会约束规划法和场景分析法方法。利用机会约束规划法求解配电网中多目标无功规划问题，采用基于随机抽样的蒙特卡洛方法模拟来提高约束检验的效率。优化结果表明该方法可大大降低电压越限的风险，但机会约束规划需要提前知道风速的概率分布信息，并且蒙特卡洛模拟过程使得算法非常耗时，因此它主要适用于求解周期较长的无功规划模型。概率场景分析法是采用不确定性因素的典型场景代替其所有可能发生的场景，利用典型场景发生概率计算目标函数期望值，建立不确定性无功优化的期望值模型，寻找满足典型场景下物理约束和安全运行约束的无功电压控制方案。对风电机组出力场景进行探讨，构建了不同场景下的确定性无功优化模型，采用不同的优化算法对各个场景下的模型分别求解，得到不同场景下无功补偿装置投切方案。同时在全场景下建立了以网损和静态电压稳定性为目标函数的多目标无功优化模型，通过改进差分法获取模型的Pareto前沿面。算例分析表明全场景是能协调各种场景下无功资源的整体最优方案，而某种场景下的最优无功电压方案不一定能满足其它场景下的安全约束。概率场景分析法可以在一定程度上解决机会约束规划法计算时间长的问题，但对不确定性信息的概率分布没有进行充分利用，模型精度不够。

鲁棒优化法无需假设不确定性数据的概率分布函数，只需给定其不确定集 (主要包括盒式、锥式和椭球不确定集)，寻求能满足不确定集内所有场景下约束条件的优化方案。由于鲁棒优化法更适用于线性(凸)系统，而无功优化模型中含非线性非凸潮流方程，因此鲁棒优化法无法直接用于求含风电的无功优化模型。一些研究者先将无功优化模型中的潮流方程线性化和凸化，进而利用鲁棒优化法求解含风电的无功优化模型。将恒功率因数控制的发电机作为风电场模型，并将输出风电功率采用盒式不确定集表示，同时将潮流方程线性化处理，建立含风电的鲁棒无功优化模型以获得相应的鲁棒最优解。测试结果表明，所获得的无功电压控制方案可保证电压在正常范围内波动。虽然鲁棒优化方法在建模和求解上更简单，但鲁棒优化方法忽略了风电的概率分布信息，总是获得经济性较差的保守解，同时对潮流方程的线性化和凸化处理会带来近似误差，因此鲁棒优化方法目前尚处于探究阶段。

综上，求解含风电场的无功优化模型的方法存在以下2个问题：①随机规划法需采用蒙特卡洛法模拟约束条件，算法效率较低；②鲁棒优化法采用不确定集对风电建模，忽略了风电的概率分布信息，优化结果比较保守，且对非线性约束的凸化处理会产生误差。

发明内容