[发明专利]一种考虑源荷不确定性的风电场无功优化配置方法

权利要求书

1.一种考虑源荷不确定性的风电场无功优化配置方法,其特征在于，包括：

将获取的风力发电机运行参数、光伏发电机运行参数、电动汽车运行参数、风电场风速及分布、光照强度及分布、风电场负荷情况和风电场系统情况输入到预先建立的综合考虑风力发电、光伏发电和电动汽车并网和计及负荷不确定性的交直流概率潮流模型；

根据交直流概率潮流模型计算系统初始潮流，根据系统初始潮流获取L指数；

将静态无功补偿器模型设置在具有最高L指数的母线处，并将电容器组设置于连接陆上风力发电机组的母线处；

根据获取的风力发电机运行参数、光伏发电机运行参数、电动汽车运行参数、风电场风速及分布、光照强度及分布、风电场负荷情况和风电场系统情况构建风力发电场景、光伏发电场景和电动汽车并网场景，分别在风力发电场景、光伏发电场景和电动汽车并网场景对无功配置优化模型进行第一次数的迭代，迭代完成后选取三个场景中无功配置优化模型输出的静态无功补偿器的最大、最小值及电容器组的最大值最为无功优化配置方案；

其中，所述交直流概率潮流模型的建立方法为：

根据高斯正交的交直流概率潮流模型、母线复功率公式、控制交流系统模型、母线之间流动的有功功率和无功功率公式、包括转换器交流母线的功率失配方程、整流器和逆变器控制高压直流系统的基本方程和控制整流器和逆变器之间的互联关系方程联立得到交直流概率潮流模型；

所述交直流概率潮流的计算过程包括：

将和权重；其中，；

以为第k个有功和无功负载点，为第l个随机变量的均值，将和输入矩阵表示为：

其中，k=1,...,m；m=3表示三点正交；

对每行执行确定性潮流，同时求解直流系统模型；

所述直流系统模型包括：

获取直流系统方程、获取初始的和，根据直流系统方程得到注入功率、、、；其中，所述和分别为逆变侧和整流侧的端电压；

将注入功率输入到交流系统方程，再次求解交流系统方程以找到和的更新值；

交流和直流系统方程迭代求解，直到达到收敛；

所述风力发电场景的确定方法包括：

获取给定风速下风力涡轮机发电系统的有功功率输出：

其中，是发电机的额定功率，而、和分别是涡轮机的切入速度、额定速度和切出速度；

根据感应发电机模型，获取风力涡轮机发电系统消耗的无功功率；

所述光伏发电场景的确定方法包括：

获取太阳能光伏组件的输出功率，

；

其中，是太阳辐照度，为填充因子，和为最大功率点电压和电流，为开路电压，为短路电流，、为电流和电压温度系数，是电池温度，是环境温度，是光伏电池的标称工作温；

所述电动汽车并网场景中电动汽车充电负载模型的确定方法包括：

对于充电量为n台电动汽车的充电站，其充电功率的离散分布为：

；

其中，是每台服务器的占用率；c为同时服务的顾客数的最大值；为能够同时充电的电动汽车数；

平均充电电流可由下式确定：

；

其中，

；

其中，为最大充电电流；为充电电压；T为充电时间；为电动汽车的最大行驶距离；为每日可行驶里程；为每英里能耗；为电池总容量；是电动汽车从每日行驶里程、每英里能耗和总电池容量中获得的每日充电能量；

在充电量为n_EV的电动汽车充电站，总充电需求P_char由下式确定：

；

其中，为充电电压；为平均充电电流；

所述L指数的计算方法包括：

将L指数用作电压崩溃指数，公式为：

其中，n是母线的总数，1,2,...,g为发电机母线，g+1,g+2,...,n为负载母线,j=g+1,...,n，可以从Y母线矩阵获得为：

；

其中，、、和是发电机和负载节点的电流和电压；

L指数的确定方法公式为：

；

其中，L指数的较高值表示最关键的母线，而L指数的最大值表示系统接近电压崩溃；

所述无功补偿器模型的确定方法包括：

静态无功补偿器被视为无功功率注入FACTS装置，第i个节点的无功功率注入由下式确定：

；

其中，和是容性和感性额定值；、分别是电压的最大值和最小值；是端电压；是下垂常数；

所述无功配置优化模型的确定方法包括：

通过无功补偿器模型和电容器组选择适当的值来优化风电场全年的利润，其目标函数可由下式确定：

；

约束条件如下：

；

其中，，为第i条母线所需的无功；nG为已连接陆上风电场的母线数量；，是第i条总线所需的无功；nSVC是安装了SVC的母线数量；是能源成本；是电容器的资本成本；是 SVC的资本成本；是风力发电机系统中总功率损耗的平均值和控制变量的基值；具有风力发电机的系统中计算出的总功率损耗的平均值和控制变量的优化值；为第k条母线的电压；为第g条同步发电机的无功功率；是第l条线电流；是第i个控制变量；和分别是母线电压的最小值和最大值；和分别是第g台同步发电机无功功率的规定最小值和最大值；是第l条线路电流的额定值；和是规定的第i个控制变量的指定最小值和最大值；pr()表示括号内给出的事件的概率；和分别表示系统中的行数和控制变量。