[发明专利]一种计及源荷不确定性的电网随机无功优化调度方法

说明书

一种计及源荷不确定性的电网随机无功优化调度方法，提出了一种针对负荷需求、风力发电和太阳能发电存在不确定性的随机最优无功调度问题的求解过程；考虑适当的概率密度函数来对随机负荷需求和可再生能源发电量进行建模；创建了许多由蒙特卡罗模拟的场景，并且运用了场景削减技术以处理场景数量。以电网中负载母线的实际功率损耗和稳态电压偏差为优化目标。采用基于成功历史的自适应差分进化算法作为基本搜索算法；将SHADE与约束处理技术——epsilon约束处理技术相结合，成功地解决了带有约束的ORPD问题。本发明为无功优化调度问题提供了更优的解决方案。

技术领域

本发明属于电力系统最优潮流研究范畴，具体涉及一种基于场景方法的考虑负荷需求和可再生能源不确定性的随机无功优化调度问题的求解方法。

背景技术

无功功率是维持电网正常工作的必要因素之一，对电网的安全运行起着至关重要的作用。优化电网无功潮流是系统研究的一个主要方面。为了实现最优无功调度，仅由传统热发电机组成的网络已经得到了广泛的研究。然而，随着能源短缺与环境污染问题日益严重，开发利用可再生能源已成为全球共识。在电力系统行业，大规模利用可再生能源发电已成为研究和发展的热点。丰富清洁的太阳能和风能正成为智能电网的重要组成部分。然而，可再生能源的随机性、间歇性、波动性等特点使得无功优化调度(optimal reactive powerdispatch，ORPD)问题的复杂性不断上升。因此，将风能和太阳能结合起来进行无功优化调度研究显得尤为重要。除了可再生能源的不确定性，同时考虑负荷需求的可变性能够为电网规划提供更为全面与科学的参考信息和决策信息，以增强电网系统的安全性、可靠性和经济性。

发明内容

为了克服只考虑负荷需求不确定性或可再生能源不确定性单一因素的缺陷，本发明提供了一种基于场景方法同时考虑随机负荷需求、风速和太阳辐照度不确定性因素的单目标ORPD问题的求解方法，同时运用epsilon(ε)约束(epsilon constraint，EC)处理技术和基于成功历史的自适应差分进化算法(success history based adaptivedifferential evolution algorithm，SHADE)，对具有约束条件的ORPD问题求解方法进行了更好的优化。

本发明的技术方案是：

一种计及源荷不确定性的电网随机无功优化调度方法，所述方法包括以下步骤：

S1，在求解ORPD问题前，选取适当的概率密度函数PDFs对随机负荷需求和可再生能源发电量进行建模，过程如下：

S11：利用具有已知均值μ_d和标准差σ_d的正态概率密度函数对负荷不确定性进行建模，负荷正态分布的概率密度函数Δ_d(P_d)由下式给出：

其中，P_d为负荷的有功功率；

S12：风速概率分布通常用韦伯概率密度函数表示，韦伯概率密度函数下的风速概率密度Δ_v(ν_w)表示为：

其中，ν_w是风速，α是比例参数，β是韦伯概率密度函数的形状参数；

S13：太阳辐照度采用对数正态分布建模，已知均值μ_s和标准差σ_s的太阳辐照度G_s对数正态概率密度函数Δ_G(G_s)表示为：

S2，使用蒙特卡罗方法生成表示不确定负荷需求、风能和太阳能的情景，采用场景削减方法以减少生成的大量场景，过程如下：