基于双馈风电机组风机拓扑结构的海上风电场无功优化配置方法与流程

文档序号:13449394
基于双馈风电机组风机拓扑结构的海上风电场无功优化配置方法与流程
本发明涉及一种基于双馈风电机组风机拓扑结构的海上风电场无功优化配置方法,是一种基于双馈风电机组(DFIG)(doublyfedinductiongenerator)风机机群拓扑结构并且充分计及其无功调节,并考虑海缆对地电容与匝间电容的无功补偿配置方法。属于电力系统无功补偿技术领域。

背景技术:
由于海上风资源丰富,具有高风速、低风切变、低湍流、高产出等显著优点,对环境影响小,不占用陆地面积,而且海上风电不会对人类居住环境造成噪声污染,因此近年来风电开发呈现从陆上向海上转移的趋势。海上风电设备故障修复大多依靠维修船出海作业完成,运行维护成本比陆上风电高。因此,对海上风电系统可靠性要求非常高。其中,无功补偿方案设计尤为关键。但由于海底电缆的对地电容与匝间电容较大,海上风电场的动态无功分布及其补偿需求与陆上风电场有较大区别,因而陆上风电场无功补偿方案不适用于海上风电场。早期风电场主流机型为笼型风力发电机组,由于笼型机组没有调节无功功率输出的能力,因此研究的方向主要集中在如何为风电场配置电容器等无功补偿装置上。随着风电机组制造和控制技术的不断发展,风能转化率更高的双馈风电机组成为风电主力机型。双馈感应电机(简称DFIG)具有PQ解耦控制能力,采用双馈感应电机(简称DFIG)的风电场能够动态连续调节无功功率输出,为电网提供电压支撑,因此可以作为风电场内的无功功率源。目前的研究主要集中在如何确定双馈风电机组的无功调节能力和利用双馈机组参与风电场无功功率补偿策略研究上。且随着风电场并网容量的不断增大,近年来国内外在无功优化方面进行了大量研究:一些文献利用人工智能及一些优化方法,如遗传算法、粒子群算法、神经网络算法等都取得了一定成果;还有一些文献目前的研究主要集中在如何确定双馈风电机组的无功调节能力和利用双馈机组参与风电场无功功率补偿策略研究上。但按照该“利用双馈机组参与风电场无功功率补偿策略”的方法,仍然存在无功补偿点的补偿容量大、离散设备成本支出高、系统运行不稳定、安全性差和运行成本高等问题。

技术实现要素:
本发明的目的,为了解决现有双馈机组参与风电场无功功率补偿存在无功补偿点的无功补偿容量大、离散设备调节成本支出高、系统运行不稳定、安全性差和运行成本高等问题,提供一种基于双馈风电机组风机拓扑结构的海上风电场无功优化配置方法。具有无功补偿点的无功补偿容量小、离散设备调节成本支出低、系统运行稳定、安全性高差和运行成本低等特点。本发明的目的可以通过以下技术方案实现:基于双馈风电机组风机拓扑结构的海上风电场无功优化配置方法,其特征在于:1)通过计算海上风电场双馈风电机组的无功极限,控制双馈风电机组的换流器进行无功调节,将双馈风电机组作为风电场连续无功源;2)通过海上风电场无功的控制变量选择为发电机节点的双馈风电机组无功出力,以及海上升压站低压侧及陆上集控中心两个无功补偿点无功补偿设备的容量设置,将风电机组等效为电流可控的恒压功率源,并基于实际风电场与等效风电场的功率传输特性相同的原则,建立海上风电系统的风电场等值模型,为海上风电场无功优化建立前提条件;3)在考虑双馈风电机组风机拓扑结构与海缆对地电容、匝间电容影响的基础上,应用CMO算法对海上风电场双馈风电机组的风机集群进行无功补偿。本发明的目的还可以通过以下技术方案实现:进一步地,第1)点中将双馈风电机组作为风电场连续无功源时,所述双馈风电机组的定子侧与电网直接相连,转子侧与电网通过网侧换流器和机侧换流器相连,由此实现转子侧功率的双向流动,进而实现双馈风机的变速恒频运行。进一步地,第1)点中控制双馈风电机组的换流器进行无功调节,是指所述双馈风电机组通过对换流器控制实现有功和无功解耦控制,使得双馈风电机组具有动态调节无功能力。进一步地,第1)点中控制双馈风电机组的换流器进行无功调节时,当网侧换流器不发出无功,双馈风电机组发出的无功等于定子侧发出的无功功率QS,QT=QS(3-1)双馈风电机组DFIG的最优功率追踪曲线公式可用式(3-2)表示:PT=Kopt(1-s)3(3-2)式中:PT为双馈风电机组DFIG发出有功功率;Kopt为最佳转速时的比例常数;s为转差率,双馈风电机组DFIG无功极限QT受定子电流Is和转子电流Ir的影响如下:式中:Us为定子电压;xs为定子电抗;xm为励磁电抗。进一步地,在建立海上风电系统的风电场等值模型中,主要考虑海上风电场无功优化和有功出力和无功出力的目标函数和满足的约束条件;所述目标风函数是以电场无功优化以降低内部有功网损、均衡风电场内部节点电压,减少购买离散设备的成本支出为目标,其计算方式是:minF=n1Ploss+n2||ΔVG||2+n3fcost(3-5)其中:为系统的有功损耗,Ni为支路数;gk为支路k的电导;ui,uj为负荷节点的电压幅值;θij为负荷节点i、j之间电压的相位角差,||ΔVG||2=∑ΔVGi2=∑(VGi-1)2为节点电压偏差量,VGi为节点电压的标幺值,fcost=S1ΔC1+S2ΔC2为离散设备调节的成本支出,S1,ΔC1为购买单位电容器的成本和调节变化量;S2,ΔC2为购买单位SVC(SVC为静止无功补偿器)的调节成本和调节变化量;n1,n2,n3分别为目标函数中有功损耗指标、中枢节点电压偏差指标和离散设备调节指标的权重系数,权重系数由层次分析法(analytichierarchyprocess,AHP)计算得出;所述有功出力和无功出力的约束条件需满足以下等式:式中:PGi,QGi分别为发电机i的有功出力和无功出力;PDi,QDi分别为负荷节点i的有功负荷功率和无功负荷功率;QC为无功补偿量;Gij,Bij,θij分别为节点i、j之间的电导、电纳和电压相角差;N为节点总数;为了保证电力系统安全运行,还要满足以下不等式约束条件:控制变量的不等式约束条件:QC,imin,QC,imax分别表示无功补偿容量的上下限值,Nc为无功补偿点的集合,QG,imin,QG,imax分别表示发电机i发出无功功率的上下限值;NG为发电机节点集合,状态变量的不等式约束条件:Uimin≤Ui≤Uimax,i∈NL(3-8)Uimin,Uimax分别表示节点i电压的上下限,NL表示系统节点集合。进一步地,应用CMO算法对海上风电集群进行无功补偿方法是:该CMO算法为细胞膜优化算法,具体算法如下:1)设置初始计算参数,初始化物质群,物质解的每一维分别表示电力系统中风机发出的无功及无功补偿点的补偿容量;2)对物质群里每个物质进行潮流计算,判断是否满足无功优化的不等式约束条件,筛选出使得目标函数最小的物质记为Xbest并记录其值与所在代数;3)对物质群进行浓度划分,根据浓度划分系数成高浓度脂溶性物质(FS)、高浓度非脂溶性物质(NS)、低浓度物质(LS);计算出每个物质所在位置的浓度,将物质浓度从小到大排序,排在前50%的物质为LS,排在后50%的物质为HS,接着将HS中排在奇数位的物质为FS,排在偶数位的物质为NS;物质Y浓度的计算公式:式中:n表示Xi(i=1,...,m)中到Y的距离满足式的个数,m表示物质总数,r为半径系数,通常取0.4~0.6,Xi表示第i个物质解,Y表示需要求解的浓度的物质解;4)高浓度脂溶性物质群的每个物质自由扩散运动,由细胞膜的高浓度侧转移到低浓度侧,整个过程既不需要载体也不需要能量,首先在低浓度物质群LS中随机选取一个物质LSrandi作为扩散目标,计算出扩散的单位方向向量:接着,高浓度物质FSi按向量F的方向进行扩散,得到新的物质newFSi:式(3-11)中对每个FS进行运动,rand()表示随机移动步长取值范围为[0,1],Fk表示向量F的第k维,经过此运动过程后,由原来的物质群FS,转变为新的物质群newFS,对新解进行潮流计算,判断无功优化约束条件;与原物质解结果进行对比,如果新物质解目标函数小于原物质解目标函数则用新解替代原解,否则保留原解,运动locn次,取其中最优作为FS的最终位置;5)高浓度非脂溶性物质群的每个物质通过协助扩散,由细胞膜的高浓度侧转移到低浓度侧,整个过程过程需要载体,不需要能量,为了对高浓度非脂溶性物质的运动形式进行限制,算法引入载体因子cfi的概念:若载体因子cfi大于[0,1]内的某随机数rand(),则该物质可以协助扩散,否则,向当前最优解方向运动;当高浓度非脂溶性物质NSi满足载体条件时,高浓度侧运动到低浓度侧扩散locn次,并选取最好的扩散位置作为最终的结果,首先在低浓度物质群LS中随机选取一个物质LSrandi作为扩散目标,计算出扩散的单位方向向量:接着,高浓度非脂溶性物质NSi按向量F的方向进行扩散,得到新的物质newNSi:当高浓度非脂溶性物质NSi不满足载体条件时,其向当前最优物质Xbest方向扩散locn次,并选取最好的扩散位置作为最终的结果:6)低浓度物质通过主动运输从细胞膜的低浓度侧转移到高浓度侧,整个过程既需要载体,也需要能量,为了对低浓度物质的运动形式进行限制,算法引入能量因子efi和载体因子cfi的概念:若能量因子efi大于[0,1]内的某随机数rand(),则该物质满足能量条件,若载体因子cfi大于[0,1]内的某随机数rand(),则该物质满足载体条件,对于某低浓度物质LSi,首先判断其是否满足能量条件,再判断其是否满足载体条件;当低浓度物质LSi不满足能量条件时,将在物质的搜索域内随机运动locn次,选取最好的位置作为该物质的最终结果:当低浓度物质LSi既满足能量条件也满足载体条件时,此时可以进行主动运输,其向高浓度物质HS(即高浓度脂溶性物质FS和高浓度非脂溶性物质NS的总和)方向运动locn次,并选取最好的位置作为其最终的结果;首先,在高浓度物质群HS中随机选取一个物质HSrandi作为扩散目标,计算扩散的单位方向向量:其次,低浓度物质LSi按向量F的方向进行扩散,得到新的物质newLSi:若低浓度物质LSi满足能量条件而不满足载体条件,则令其向当前最优物质Xbest方向扩散locn次,并选取最好的位置作为最终的结果:7)将所有物质解进行更新替换,判断是否满足迭代次数要求,若满足则输出最优物质解,并将各代最优物质解目标函数及最优解运动轨迹的图形输出;若不满足,则从第二步继续迭代。本发明具有以下突出的实质性特点和显著的进步:1、本发明通过计算双馈风电机组的无功极限,控制双馈风电机组的换流器进行无功调节,将双馈风电机组作为风电场连续无功源;通过风电场无功的控制变量选择为发电机节点的双馈风电机组无功出力,以及海上升压站低压侧及陆上集控中心无功补偿设备的容量设置,基于拓扑结构的海上风电集群的基础上,应用CMO算法(即细胞膜算法CellMembraneOptimization)对海上风电集群进行无功补偿;因此能够现有双馈机组参与风电场无功功率补偿存在无功补偿点的无功补偿容量大、离散设备调节成本支出高、系统运行不稳定、安全性差和运行成本高等问题,具有无功补偿点的无功补偿容量小、离散设备调节成本支出低、系统运行稳定、安全性高差和运行成本低等特点和有益效果。2、本发明可确定海上风电场额定功率运行时双馈风电机组(DFIG)的无功出力及无功补偿点的补偿容量。其算法的物质运动方向具有交互性,物质解集扁平化,因此可有效地避免现有的电力系统存在无功补偿容量大、离散设备调节成本支出高、系统运行不稳定,安全性差等技术问题,实现运行成本低,运行更加经济、运行稳定等突出的实质特点。3、本发明结合电场无功优化对算法的需求,细胞膜算法(CellMembraneOptimization)进行计算海上风电集群的无功补偿,形成一种具有良好性能的智能算法,以解决无功优化问题,本算法物质运动方向具有交互性,物质解集扁平化,提高了全局寻优能力,同时对最优物质解进行逐维循环寻优,并继承上代最优解,提高了收敛速度,算法具有良好的并行性,降低了陷入局部最优解的风险。4、本发明在充分考虑到双馈风电机组(DFIG)机群拓扑结构、无功调节能力以及海缆对地电容与匝间电容影响的基础上,建立海上风电场无功优化模型,以降低风电场有功损耗、均衡风电场内发电机组节点电压、减少离散设备调节成本支出为目标,通过CMO算法对模型求解,确定海上风电场无功补偿容量,将CMO算法应用于海上风电场无功优化,由此更好地确定海上风电场最大运行方式下的无功补偿容量,提高电力系统运行的稳定性、安全性。附图说明图1为本发明的双馈风电机组结构图。图2为本发明考虑双馈风电机组(DFIG)最大功率追踪后双馈风电机组(DFIG)的P-Q曲线图。图3为本发明基于CMO算法的无功优化流程图。图4为本发明的CMO算法的目标函数收敛曲线图。图5为本发明的海上风电场结构。图6为本发明的双馈风电机组(DFIG)各机组无功出力表。发明内容以下结合附图对本发明作进一步的详细说明。基于双馈风电机组风机拓扑结构的海上风电场无功优化配置方法,1)通过计算海上风电场双馈风电机组的无功极限,控制双馈风电机组的换流器进行无功调节,将双馈风电机组作为风电场连续无功源;2)通过海上风电场无功的控制变量选择为发电机节点的双馈风电机组无功出力,以及海上升压站低压侧及陆上集控中心两个无功补偿点无功补偿设备的容量设置,将风电机组等效为电流可控的恒压功率源,并基于实际风电场与等效风电场的功率传输特性相同的原则,建立海上风电系统的风电场等值模型,为海上风电场无功优化建立前提条件;3)在考虑双馈风电机组风机拓扑结构与海缆对地电容、匝间电容影响的基础上,应用CMO算法对海上风电场双馈风电机组的风机集群进行无功补偿。实施例中,如图1所示,第1)点中将双馈风电机组作为风电场连续无功源时,所述双馈风电机组的定子侧与电网直接相连,转子侧与电网通过网侧换流器和机侧换流器相连,由此实现转子侧功率的双向流动,进而实现双馈风机的变速恒频运行;其中控制双馈风电机组的换流器进行无功调节,是指所述双馈风电机组通过对换流器控制实现有功和无功解耦控制,使得双馈风电机组具有动态调节无功能力。方法中,中控制双馈风电机组的换流器进行无功调节时,当网侧换流器不发出无功,双馈风电机组发出的无功等于定子侧发出的无功功率QS,QT=QS(3-1)双馈风电机组(DFIG)的最优功率追踪曲线公式近似可用式(3-2)表示:PT=Kopt(1-s)3(3-2)式中:PT为双馈风电机组(DFIG)发出有功功率;Kopt为最佳转速时的比例常数;s为转差率,双馈风电机组(DFIG)无功极限QT受定子电流Is和转子电流Ir的影响如下:式中:Us为定子电压;xs为定子电抗;xm为励磁电抗。在建立海上风电系统的风电场等值模型中,主要考虑海上风电场潮流、状态变量和控制变量的约束条件;所述风电场无功优化以降低内部有功网损、均衡风电场内部节点电压,减少购买离散设备的成本支出为目标,其计算方式是:minF=n1Ploss+n2||ΔVG||2+n3fcost(3-5)其中:为系统的有功损耗,Ni为支路数;gk为支路k的电导;ui,uj为负荷节点的电压幅值;θij为负荷节点i,j之间电压的相位角差,||ΔVG||2=ΣΔVGi2=Σ(VGi-1)2为节点电压偏差量,VGi为节点电压的标幺值,fcost=S1ΔC1+S2ΔC2为离散设备调节的成本支出,S1,ΔC1为购买单位电容器的成本和调节变化量;S2,ΔC2为购买单位SVC(SVC为静止无功补偿器)的调节成本和调节变化量;n1,n2,n3分别为目标函数中有功损耗指标、中枢节点电压偏差指标和离散设备调节指标的权重系数,权重系数由层次分析法(analytichierarchyprocess,AHP)计算得出;所述有功出力和无功出力的约束条件需满足以下等式:式中:PGi,QGi分别为发电机i的有功出力和无功出力;PDi,QDi分别为负荷节点i的有功负荷功率和无功负荷功率;QC为无功补偿量;Gij,Bij,θij分别为节点i、j之间的电导、电纳和电压相角差;N为节点总数;为了保证电力系统安全运行,还要满足以下不等式约束条件:控制变量的不等式约束条件:QC,imin,QC,imax分别表示无功补偿容量的上下限值,Nc为无功补偿点的集合,QG,imin,QG,imax分别表示发电机i发出无功功率的上下限值;NG为发电机节点集合,状态变量的不等式约束条件:Uimin≤Ui≤Uimax,i∈NL(3-8)Uimin,Uimax分别表示节点i电压的上下限,NL表示系统节点集合。应用CMO算法对海上风电集群进行无功补偿方法是:该CMO算法为细胞膜优化算法,具体算法如下,如图3所示:1)设置初始计算参数,初始化物质群,物质解的每一维分别表示电力系统中风机发出的无功及无功补偿点的补偿容量;2)对物质群里每个物质进行潮流计算,判断是否满足无功优化的不等式约束条件,筛选出使得目标函数最小的物质记为Xbest并记录其值与所在代数;3)对物质群进行浓度划分,根据浓度划分系数成高浓度脂溶性物质(FS)、高浓度非脂溶性物质(NS)、低浓度物质(LS);计算出每个物质所在位置的浓度,将物质浓度从小到大排序,排在前50%的物质为LS,排在后50%的物质为HS,接着将HS中排在奇数位的物质为FS,排在偶数位的物质为NS;物质Y浓度的计算公式:式中:n表示Xi(i=1,...,m)中到Y的距离满足式的个数,m表示物质总数,r为半径系数,通常取0.4~0.6,Xi表示第i个物质解,Y表示需要求解的浓度的物质解;4)高浓度脂溶性物质群的每个物质自由扩散运动,由细胞膜的高浓度侧转移到低浓度侧,整个过程既不需要载体也不需要能量,首先在低浓度物质群LS中随机选取一个物质LSrandi作为扩散目标,计算出扩散的单位方向向量:接着,高浓度物质FSi按向量F的方向进行扩散,得到新的物质newFSi:式(3-11)中对每个FS进行运动,rand()表示随机移动步长取值范围为[0,1],Fk表示向量F的第k维,经过此运动过程后,由原来的物质群FS,转变为新的物质群newFS,对新解进行潮流计算,判断无功优化约束条件;与原物质解结果进行对比,如果新物质解目标函数小于原物质解目标函数则用新解替代原解,否则保留原解,运动locn次,取其中最优作为FS的最终位置;5)高浓度非脂溶性物质群的每个物质通过协助扩散,由细胞膜的高浓度侧转移到低浓度侧,整个过程过程需要载体,不需要能量,为了对高浓度非脂溶性物质的运动形式进行限制,算法引入载体因子cfi的概念:若载体因子cfi大于[0,1]内的某随机数rand(),则该物质可以协助扩散,否则,向当前最优解方向运动;当高浓度非脂溶性物质NSi满足载体条件时,高浓度侧运动到低浓度侧扩散locn次,并选取最好的扩散位置作为最终的结果,首先在低浓度物质群LS中随机选取一个物质LSrandi作为扩散目标,计算出扩散的单位方向向量:接着,高浓度非脂溶性物质NSi按向量F的方向进行扩散,得到新的物质newNSi:当高浓度非脂溶性物质NSi不满足载体条件时,其向当前最优物质Xbest方向扩散locn次,并选取最好的扩散位置作为最终的结果:6)低浓度物质通过主动运输从细胞膜的低浓度侧转移到高浓度侧,整个过程既需要载体,也需要能量,为了对低浓度物质的运动形式进行限制,算法引入能量因子efi和载体因子cfi的概念:若能量因子efi大于[0,1]内的某随机数rand(),则该物质满足能量条件,若载体因子cfi大于[0,1]内的某随机数rand(),则该物质满足载体条件,对于某低浓度物质LSi,首先判断其是否满足能量条件,再判断其是否满足载体条件;当低浓度物质LSi不满足能量条件时,将在物质的搜索域内随机运动locn次,选取最好的位置作为该物质的最终结果:当低浓度物质LSi既满足能量条件也满足载体条件时,此时可以进行主动运输,其向高浓度物质HS(即高浓度脂溶性物质FS和高浓度非脂溶性物质NS的总和)方向运动locn次,并选取最好的位置作为其最终的结果;首先,在高浓度物质群HS中随机选取一个物质HSrandi作为扩散目标,计算扩散的单位方向向量:其次,低浓度物质LSi按向量F的方向进行扩散,得到新的物质newLSi:若低浓度物质LSi满足能量条件而不满足载体条件,则令其向当前最优物质Xbest方向扩散locn次,并选取最好的位置作为最终的结果:7)将所有物质解进行更新替换,判断是否满足迭代次数要求,若满足则输出最优物质解,并将各代最优物质解目标函数图形(如图4所示)输出;若不满足,则从第二步继续迭代。以下以仿真计算简明介绍本发明的技术方法:如图5所示,将CMO算法用于海上风电场中,风电场装机容量为每台3MVA,共12台,每台间隔0.5km,风机间距至少大于风机的高度,集电系统电压等级35kV,经海上升压站升至110kV。线路参数如下附表1所示。无功补偿装置位置设在25、27节点处,经计算可得各双馈风电机组(DFIG)的无功出力(见图6所示)以及在25、27节处无功补偿容量分别为1.8672MVar、0MVar。附表1网络参数本发明方法创新点及效益主要有以下三点:1.考虑风电机组拓扑分布对风电场无功优化的影响,研究风电机组机群无功需求在风电机组间的分配问题,通过计算双馈风电机组的无功极限,充分记及双馈风电机组(DFIG)无功调节能力,将双馈风电机组(DFIG)作为风电场连续无功源,减少无功补偿点的补偿容量,减少离散设备调节成本支出。2.充分借鉴陆上风电场等值建模研究思路,将风电组等效为电流可控的恒压功率源,在此基础上,基于实际风电场与等效风电场的功率传输特性相同的原则,建立海上风电系统的无功优化模型,为海上风电场无功优化建立了前提条件。3.考虑风机拓扑结构与海缆影响的基础上应用CMO算法对海上风电集群进行无功补偿。该算法物质运动方向具有交互性,物质解集扁平化,提高全局寻优能力;同时对最优物质解进行逐维循环寻优,并继承上代最优解,提高了收敛速度;算法具有良好的并行性,降低了陷入局部最优解的风险。通过该算法计算双馈风电机组(DFIG)的无功出力及无功补偿点的补偿容量,保证系统运行的安全性、可靠性及经济性。...
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1