[發(fā)明專利]一種下垂控制型孤島微電網(wǎng)的無功優(yōu)化配置方法

有效

• 申請?zhí)枺?/td>: 201711354355.0
• 申請日: 2017-12-15
• 公開（公告）號: CN107947192B
• 公開（公告）日: 2022-03-04
• 發(fā)明（設(shè)計）人: 潘忠美;陳魯鵬;王飛;王家梁;何宏偉
• 申請（專利權(quán)）人: 西安理工大學(xué)
• 主分類號: H02J3/18
• 分類號: H02J3/18;H02J3/50;H02J3/06
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 韓玙

1.一種下垂控制型孤島微電網(wǎng)的無功優(yōu)化配置方法，其特征在于，具體按照以下步驟實施：

步驟1、根據(jù)風(fēng)速或光照強度的概率分布，采用蒙特卡羅法對其進行抽樣，得到Ns個風(fēng)電機組或光伏發(fā)電單元出力的樣本集，并基于后向削減技術(shù)對抽樣樣本進行場景削減得到ns個場景樣本；

步驟2、建立下垂控制型DG組網(wǎng)的IMG潮流模型，IMG為孤島微電網(wǎng)；

步驟3、采用牛頓-拉夫遜法對IMG潮流模型進行求解；

步驟4、對IMG潮流方程收斂時的雅可比矩陣進行奇異值分解，得到最小奇異值及其對應(yīng)的左右奇異向量，進而得到系統(tǒng)無功補償節(jié)點；

步驟5、建立補償容量優(yōu)化配置模型；

步驟6、調(diào)用IPOPT優(yōu)化工具包進行優(yōu)化求解，得到優(yōu)化配置方案；

所述步驟1中設(shè)樣本的初始場景集合為ω，削減后的目標(biāo)場景集合為ω*，場景削減算法如下：

步驟1.1、對于初始場景集合內(nèi)的任意兩個場景計算其場景距離KD，建立場景距離矩陣，記為KDM；

步驟1.2、對任一場景ξⁱ，找到與之距離最近的場景ξ^j，記為min{KD(ξⁱ,ξ^j)}，并在KDM矩陣中標(biāo)記此場景；

步驟1.3、對步驟1.2中每一對場景，計算P_KDi＝min{KD(ξⁱ,ξ^j)}×P(ξⁱ)，其中P(ξⁱ)為所評估場景的概率，然后找到KDM中所有場景對的P_KD中的最小值，記為P_KDs，對P_KDs對應(yīng)的場景對，將ξⁱ和ξ^j兩者中與其它場景更近，概率更小的一個去掉，比如削減掉ξⁱ；

步驟1.4、削減掉ξⁱ后，構(gòu)建新的KDM，并更新場景概率

P(ξ^j)＝P(ξⁱ)+P(ξ^j)；

步驟1.5、重復(fù)步驟1.2～步驟1.4，直到削減到目標(biāo)場景數(shù)為止；

所述步驟2建立下垂控制型DG組網(wǎng)的IMG潮流模型，如下式所示：

其中，P_Gi、Q_Gi分別為電源的有功功率和無功功率；P_Li、Q_Li分別為負荷的有功功率和無功功率；U_i和U_k分別為節(jié)點i和節(jié)點k的電壓；Y_ik和θ_ik分別為節(jié)點導(dǎo)納矩陣元素的幅值和相角；δ_i和δ_k分別為節(jié)點i和節(jié)點k的電壓相角；B為所有節(jié)點集合；

負荷的有功功率P_Li和無功功率Q_Li計算如下式所示：

式中，P_Li0和Q_Li0分別為節(jié)點i初始負荷的有功功率和無功功率；U_i0為節(jié)點i的電壓的初始值；ω為系統(tǒng)的角頻率，ω₀為角頻率的初值；A_pi、B_pi和C_pi分別是負荷有功功率靜態(tài)電壓特性系數(shù)，A_qi、B_qi和C_qi分別是負荷無功功率靜態(tài)電壓特性系數(shù)，k_Pfi和k_Qfi分別是負荷有功功率和無功功率的靜態(tài)頻率特性系數(shù)；

對于電源的有功功率和無功功率P_Gi、Q_Gi來說，由下式計算：

式中，P_Droopi和Q_Droopi分別為節(jié)點i所接入下垂控制型微源的有功功率和無功功率，P_WTGi和Q_WTGi分別為節(jié)點i所接入風(fēng)力發(fā)電機組的有功功率和無功功率，P_PVi和Q_PVi分別為節(jié)點i所接入光伏單元的有功功率和無功功率；

若接有風(fēng)電機組或光伏單元，則P_WTGi或P_PVi按實際有功功率代入，否則取值為零；

若為恒功率因數(shù)控制，則Q_WTGi或Q_PVi按實際無功功率代入；

若為恒電壓控制，則i為PV節(jié)點，其無功功率為未知量，對應(yīng)平衡方程暫不列入潮流方程組；

若無下垂控制型微源接入，則P_Droopi和Q_Droopi取值均為零；對于接有下垂控制型微源的節(jié)點，稱為Droop節(jié)點，則P_Droopi和Q_Droopi按下式計算：

其中，m_pi、n_qi分別為節(jié)點i的下垂控制微源的有功功率和無功功率的下垂系數(shù)；ω₀為角頻率的初值，U₀為電壓的初始值；B_Droop為Droop節(jié)點的集合；

所述步驟3具體如下：

采用牛頓-拉夫遜法對IMG潮流模型進行求解，其修正方程形式如下：

其中，ΔP和ΔQ分別為節(jié)點有功功率和無功功率不平衡量；Δθ和ΔU分別為電壓相角和幅值修正量；Δω為頻率的修正量；J為雅可比矩陣；

所述步驟4具體如下：

對IMG潮流方程收斂時的雅可比矩陣J進行奇異值分解下式所示，得到最小奇異值δ_2n-m及其對應(yīng)的左右奇異向量M_2n-m和N_2n-m：

其中，M_i和N_i分別是系統(tǒng)奇異值的左右奇異向量；Σ為以按從大到小排列的正實奇異值為對角元素的對角矩陣；m為PV節(jié)點數(shù)，n為微電網(wǎng)的節(jié)點總數(shù)；

最小奇異值的右奇異向量的最大元素指示出最靈敏的節(jié)點電壓，因此，選擇右奇異向量中較大的幾個指標(biāo)值作為系統(tǒng)無功補償節(jié)點：

其中，Δθ和ΔU分別為電壓相角和幅值修正量；Δω為頻率的修正量；

所述步驟5具體如下：

對于削減得到的場景集合，以所有場景下經(jīng)濟性目標(biāo)的期望為目標(biāo)函數(shù)，以各場景下的潮流等式和安全不等式為約束，建立補償容量優(yōu)化配置模型，具體如下：

步驟5.1、設(shè)定目標(biāo)函數(shù)：

采用電容器作為微電網(wǎng)無功補償設(shè)備，考慮到微電網(wǎng)中風(fēng)電機組出力的隨機性，以加裝電容器帶來的經(jīng)濟效益最大化為無功規(guī)劃的目標(biāo)函數(shù)，在此采用凈現(xiàn)值準(zhǔn)則評價微電網(wǎng)安裝補償電容器所帶來的經(jīng)濟效益，目標(biāo)函數(shù)表示為

式中，d為折現(xiàn)率；L為工程周期；C_I為加裝補償電容器的投資成本；C_O和C’_O分別表示加裝補償電容前后的微電網(wǎng)有功損耗年均費用，其中，

式中，σ_E為電能價格；和分別為無功優(yōu)化前后微電網(wǎng)第s個場景的網(wǎng)損期望值；ρ_s為微電網(wǎng)第s個場景的概率；

補償電容的投資成本為

式中，n_C為電容器補償點數(shù)；Q_Cj為第j個補償點處的電容器安裝容量；p_Cj為第j個補償點安裝的電容器單價；

步驟5.2、設(shè)定約束條件：

步驟5.2.1、潮流等式約束：

根據(jù)公式(1)～(4)，對應(yīng)任一場景s，s＝1,2…ns，都有下垂控制型DG組網(wǎng)的IMG的潮流等式約束表示為：

式中，和分別為第s個場景下的節(jié)點i及節(jié)點j的電壓幅值和相角差；ω^s為第s個場景下系統(tǒng)角頻率；和分別為第s個場景下節(jié)點i所接的風(fēng)電機組及光伏的有功功率和負荷有功功率；和分別為第s個場景下節(jié)點i的風(fēng)電機組及光伏的無功功率、無功補償電容器組的無功功率和負荷無功功率；

步驟5.2.2、設(shè)定下垂控制型微源容量不等式約束：

對接入節(jié)點i的下垂控制的DG的功率需滿足容量限制不等式約束：

其中，和分別為第s個場景下節(jié)點i所接下垂控制DG的有功功率和無功功率；和分別為下垂控制型DG的容量上下限值；

對于無功補償電容器組：

0≤Q_Ci≤Q_Cimax (14)

其中，Q_Ci為第i個補償點處的電容器安裝容量，Q_Cimax為第i個補償點處接入電容器的最大容許安裝容量；

步驟5.2.3、設(shè)定系統(tǒng)安全運行不等式約束：

為保證系統(tǒng)正常運行，需滿足節(jié)點電壓安全限制約束和支路功率安全約束，另外系統(tǒng)頻率也是變量之一，優(yōu)化過程中也需要考慮其安全約束：

式中，和分別為節(jié)點i電壓幅值上下限；為支路ij允許流過的電流幅值上限值；ω^max和ω^min分別為系統(tǒng)角頻率的上下限；為第s個場景下支路ij的電流幅值。