一种下垂控制型孤岛微电网的无功优化配置方法与流程

本发明属于电力系统优化规划
技术领域：
，具体涉及一种下垂控制型孤岛微电网的无功优化配置方法。
背景技术：
：安装无功补偿装置有利于提高配电电压质量和降低网损，因此无功补偿装置的优化规划问题长期以来备受关注。随着风力发电、光伏等间歇性分布式电源(distributedgeneration,dg)的大量接入，安装无功补偿装置一方面可以减小dg出力的随机波动性对电压产生的不利影响，另一方面也可通过无功补偿装置与dg功率因数配合调节以提高清洁能源的利用率。微电网作为一种灵活高效利用分布式能源的形式，有并网和孤岛运行两种形式。孤岛微电网(islandedmicrogrid,img)的规模较小，间歇性电源出力与负荷波动对其产生的冲击相对更大，对其进行无功补偿可改善电压质量，提高电压稳定性。img有主从控制和对等控制两种结构。主从控制结构的微电网内有主电源提供电压频率支撑，其运行机理与传统电网类似，而对等控制结构中，由多个可控型分布式电源共同参与电压、频率调节和控制，这些dg通常采用下垂控制方法，系统的运行机理与传统电网有明显区别。因此，有必要结合下垂控制的特点对此类img的无功优化规划问题进行研究。关于无功优化规划问题，国内外学者分别从配电线路上的并联电容器优化规划、配电网低压侧无功补偿优化规划、同时考虑中压配电线路和配电网低压侧的无功补偿优化配置、农村配电网的无功补偿优化配置、交直流系统的无功优化、含光伏或者风力发电机组等dg的配电网的无功优化配置等方面做了研究，建立了优化规划模型；并提出了非线性规划法、智能优化算法、鲁棒优化等求解方法。但目前尚未有对于下垂控制型微源组网的孤岛微电网的无功优化规划的研究。技术实现要素：本发明的目的是提供一种下垂控制型孤岛微电网的无功优化配置方法，解决了现有技术中存在的对含下垂控制型分布式电源的孤岛微电网进行无功补偿装置的优化规划难以实施的问题。本发明所采用的技术方案是，一种下垂控制型孤岛微电网的无功优化配置方法，具体按照以下步骤实施：步骤1、根据风速或光照强度的概率分布，采用蒙特卡罗法对其进行抽样，得到ns个风电机组或光伏发电单元出力的样本集，并基于后向削减技术对抽样样本进行场景削减得到ns个场景样本；步骤2、建立下垂控制型dg组网的img潮流模型；步骤3、采用牛顿-拉夫逊法对img潮流模型进行求解；步骤4、对img潮流方程收敛时的雅可比矩阵进行奇异值分解，得到最小奇异值及其对应的左右奇异向量，进而得到系统无功补偿节点；步骤5、建立补偿容量优化配置模型；步骤6、调用ipopt优化工具包进行优化求解，得到优化配置方案。本发明的特点还在于，步骤1中设样本的初始场景集合为ω，削减后的目标场景集合为ω*，场景削减算法如下：步骤1.1、对于初始场景集合内的任意两个场景计算其场景距离kd，建立场景距离矩阵，记为kdm；步骤1.2、对任一场景ξi，找到与之距离最近的场景ξj，记为min{kd(ξi,ξj)}，并在kdm矩阵中标记此场景；步骤1.3、对步骤1.2中每一对场景，计算pkdi＝min{kd(ξi,ξj)}×p(ξi)，其中p(ξi)为所评估场景的概率，然后找到kdm中所有场景对的pkd中的最小值，记为pkds，对pkds对应的场景对，将ξi和ξj两者中与其它场景更近，概率更小的一个去掉，比如削减掉ξi；步骤1.4、削减掉ξi后，构建新的kdm，并更新场景概率p(ξj)＝p(ξi)+p(ξj)；步骤1.5、重复步骤1.2～步骤1.4，直到削减到目标场景数为止。步骤2建立下垂控制型dg组网的img潮流模型，如下式所示：其中，pgi、qgi分别为电源的功率有功功率和无功功率；pli、qli分别为负荷的有功功率和无功功率；ui和uk分别为节点i和节点k的电压；yik和θik分别为节点导纳矩阵元素的幅值和相角；δi和δk分别为节点i和节点k的电压相角；b为所有节点集合；负荷的有功功率pli和无功功率qli计算如下式所示：式中，pli0和qli0分别为节点i初始负荷的有功功率和无功功率；ui0为节点i的电压的初始值；ω为系统的角频率，ω0为角频率的初值；api、bpi和cpi分别是负荷有功功率静态电压特性系数，aqi、bqi和cqi分别是负荷无功功率静态电压特性系数，kpfi和kqfi分别是负荷有功功率和无功功率的静态频率特性系数；对于电源的有功功率和无功功率pgi、qgi来说，由下式计算：式中，pdroopi和qdroopi分别为节点i所接入下垂控制型微源的有功功率和无功功率，pwtgi和qwtgi分别为节点i所接入风力发电机组的有功功率和无功功率，ppvi和qpvi分别为节点i所接入光伏单元的有功功率和无功功率；若接有风电机组或光伏单元，则pwtgi或ppvi按实际有功功率代入，否则取值为零；若为恒功率因数控制，则qwtgi或qpvi按实际无功功率代入；若为恒电压控制，则i为pv节点，其无功功率为未知量，对应平衡方程暂不列入潮流方程组；若无下垂控制型微源接入，则pdroopi和qdroopi取值均为零；对于接有下垂控制型微源的节点，通常称为droop节点，则pdroopi和qdroopi按下式计算：其中，mpi、nqi分别为节点i的下垂控制微源的有功功率和无功功率的下垂系数；ω0为角频率的初值，u0为电压的初始值；bdroop为droop节点的集合。步骤3具体如下：采用牛顿-拉夫逊法对img潮流模型进行求解，其修正方程形式如下：其中，δp和δq分别为节点有功功率和无功功率不平衡量；δθ和δu分别为电压相角和幅值修正量；δω为频率的修正量；j为雅可比矩阵。步骤4具体如下：对img潮流方程收敛时的雅可比矩阵j进行奇异值分解下式所示，得到最小奇异值δ2n-m及其对应的左右奇异向量m2n-m和n2n-m：其中，mi和ni分别是系统奇异值的左右奇异向量；σ为以按从大到小排列的正实奇异值为对角元素的对角矩阵；m为pv节点数，n为微电网的节点总数；最小奇异值的右奇异向量的最大元素指示出最灵敏的节点电压，因此，选择右奇异向量中较大的几个指标值作为系统无功补偿节点：其中，δθ和δu分别为电压相角和幅值修正量；δω为频率的修正量。步骤5具体如下：对于削减得到的场景集合，以所有场景下经济性目标的期望为目标函数，以各场景下的潮流等式和安全不等式为约束，建立补偿容量优化配置模型，具体如下：步骤5.1、设定目标函数：采用电容器作为微电网无功补偿设备，考虑到微电网中风电机组出力的随机性，以加装电容器带来的经济效益最大化为无功规划的目标函数，在此采用净现值准则评价微电网安装补偿电容器所带来的经济效益，目标函数表示为式中，d为折现率；l为工程周期；ci为加装补偿电容器的投资成本；co和c’o分别表示加装补偿电容前后的微电网有功损耗年均费用，其中，式中，σe为电能价格；和分别为无功优化前后微电网第s个场景的网损期望值；ρs为微电网第s个场景的概率；补偿电容的投资成本为式中，nc为电容器补偿点数；qcj为第j个补偿点处的电容器安装容量；pcj为第j个补偿点安装的电容器单价；步骤5.2、设定约束条件：步骤5.2.1、潮流等式约束：根据公式(1)～(4)，对应任一场景s，s＝1,2…ns，都有下垂控制型dg组网的img的潮流等式约束表示为：(12)式中，和分别为第s个场景下的节点i及节点j的电压幅值和相角差；ωs为第s个场景下系统角频率；和分别为第s个场景下节点i所接的风电机组及光伏的有功功率和负荷有功功率；和分别为第s个场景下节点i的风电机组及光伏的无功功率、无功补偿电容器组的无功功率和负荷无功功率；步骤5.2.2、设定下垂控制型微源容量不等式约束：对接入节点i的下垂控制的dg的功率需满足容量限制不等式约束：其中，和分别为第s个场景下节点i所接下垂控制dg的有功功率和无功功率；和分别为下垂控制型dg的容量上下限值；对于无功补偿电容器组：0≤qci≤qcimax(14)其中，qci为第i个补偿点处的电容器安装容量，qcimax为第i个补偿点处接入电容器的最大容许安装容量；步骤5.2.3、设定系统安全运行不等式约束：为保证系统正常运行，需满足节点电压安全限制约束和支路功率安全约束，另外系统频率也是变量之一，优化过程中也需要考虑其安全约束：式中，和分别为节点i电压幅值上下限；为支路ij允许流过的电流幅值上限值；ωmax和ωmin分别为系统角频率的上下限；为第s个场景下支路ij的电流幅值。步骤6优化求解方法可采用内点法、遗传算法、粒子群优化算法替代。本发明的有益效果是，一种下垂控制型孤岛微电网的无功优化配置方法，适用于对下垂控制型分布式电源组网的孤岛微电网进行无功补偿装置的优化规划；通过奇异值分解法确定无功补偿装置的安装位置，一方面提高优化问题的求解效率，另一方面也有助于提高系统静态电压稳定性。附图说明图1是本发明一种下垂控制型孤岛微电网的无功优化配置方法流程图；图2是本发明一种下垂控制型孤岛微电网的无功优化配置方法中方案1-3补偿前后的节点平均电压曲线；图3是本发明一种下垂控制型孤岛微电网的无功优化配置方法中不同场景时对应节点电压的右奇异向量元素图；图4是本发明一种下垂控制型孤岛微电网的无功优化配置方法中补偿前后的节点电压图；具体实施方式下面结合附图和具体实施方式对本发明进行详细说明。本发明一种下垂控制型孤岛微电网的无功优化配置方法，流程图如图1所示，具体按照以下步骤实施：步骤1、根据风速或光照强度的概率分布，采用蒙特卡罗法对其进行抽样，得到ns个风电机组或光伏发电单元出力的样本集，并基于后向削减技术对抽样样本进行场景削减得到ns个场景样本，设样本的初始场景集合为ω，削减后的目标场景集合为ω*，场景削减算法如下：步骤1.1、对于初始场景集合内的任意两个场景计算其场景距离kd，建立场景距离矩阵，记为kdm；步骤1.2、对任一场景ξi，找到与之距离最近的场景ξj，记为min{kd(ξi,ξj)}，并在kdm矩阵中标记此场景；步骤1.3、对步骤1.2中每一对场景，计算pkdi＝min{kd(ξi,ξj)}×p(ξi)，其中p(ξi)为所评估场景的概率，然后找到kdm中所有场景对的pkd中的最小值，记为pkds，对pkds对应的场景对，将ξi和ξj两者中与其它场景更近，概率更小的一个去掉，比如削减掉ξi；步骤1.4、削减掉ξi后，构建新的kdm，并更新场景概率p(ξj)＝p(ξi)+p(ξj)；步骤1.5、重复步骤1.2～步骤1.4，直到削减到目标场景数为止；步骤2、建立下垂控制型dg组网的img潮流模型，如下式所示：其中，pgi、qgi分别为电源的功率有功功率和无功功率；pli、qli分别为负荷的有功功率和无功功率；ui和uk分别为节点i和节点k的电压；yik和θik分别为节点导纳矩阵元素的幅值和相角；δi和δk分别为节点i和节点k的电压相角；b为所有节点集合；负荷的有功功率pli和无功功率qli计算如下式所示：式中，pli0和qli0分别为节点i初始负荷的有功功率和无功功率；ui0为节点i的电压的初始值；ω为系统的角频率，ω0为角频率的初值；api、bpi和cpi分别是负荷有功功率静态电压特性系数，aqi、bqi和cqi分别是负荷无功功率静态电压特性系数，kpfi和kqfi分别是负荷有功功率和无功功率的静态频率特性系数；对于电源的有功功率和无功功率pgi、qgi来说，由下式计算：式中，pdroopi和qdroopi分别为节点i所接入下垂控制型微源的有功功率和无功功率，pwtgi和qwtgi分别为节点i所接入风力发电机组的有功功率和无功功率，ppvi和qpvi分别为节点i所接入光伏单元的有功功率和无功功率；若接有风电机组或光伏单元，则pwtgi或ppvi按实际有功功率代入，否则取值为零；若为恒功率因数控制，则qwtgi或qpvi按实际无功功率代入；若为恒电压控制，则i为pv节点，其无功功率为未知量，对应平衡方程暂不列入潮流方程组；若无下垂控制型微源接入，则pdroopi和qdroopi取值均为零；对于接有下垂控制型微源的节点，通常称为droop节点，则pdroopi和qdroopi按下式计算：其中，mpi、nqi分别为节点i的下垂控制微源的有功功率和无功功率的下垂系数；ω0为角频率的初值，u0为电压的初始值；bdroop为droop节点的集合；步骤3、采用牛顿-拉夫逊法对img潮流模型进行求解，具体如下：采用牛顿-拉夫逊法对img潮流模型进行求解，其修正方程形式如下：其中，δp和δq分别为节点有功功率和无功功率不平衡量；δθ和δu分别为电压相角和幅值修正量；δω为频率的修正量；j为雅可比矩阵；步骤4、对img潮流方程收敛时的雅可比矩阵进行奇异值分解，得到最小奇异值及其对应的左右奇异向量，进而得到系统无功补偿节点，具体如下：对img潮流方程收敛时的雅可比矩阵j进行奇异值分解下式所示，得到最小奇异值δ2n-m及其对应的左右奇异向量m2n-m和n2n-m：其中，mi和ni分别是系统奇异值的左右奇异向量；σ为以按从大到小排列的正实奇异值为对角元素的对角矩阵；m为pv节点数，n为微电网的节点总数；最小奇异值的右奇异向量的最大元素指示出最灵敏的节点电压，因此，选择右奇异向量中较大的几个指标值作为系统无功补偿节点：其中，δθ和δu分别为电压相角和幅值修正量；δω为频率的修正量；步骤5、建立补偿容量优化配置模型，具体如下：对于削减得到的场景集合，以所有场景下经济性目标的期望为目标函数，以各场景下的潮流等式和安全不等式为约束，建立补偿容量优化配置模型，具体如下：步骤5.1、设定目标函数：采用电容器作为微电网无功补偿设备，考虑到微电网中风电机组出力的随机性，以加装电容器带来的经济效益最大化为无功规划的目标函数，在此采用净现值准则评价微电网安装补偿电容器所带来的经济效益，目标函数表示为式中，d为折现率；l为工程周期；ci为加装补偿电容器的投资成本；co和c’o分别表示加装补偿电容前后的微电网有功损耗年均费用，其中，式中，σe为电能价格；和分别为无功优化前后微电网第s个场景的网损期望值；ρs为微电网第s个场景的概率；补偿电容的投资成本为式中，nc为电容器补偿点数；qcj为第j个补偿点处的电容器安装容量；pcj为第j个补偿点安装的电容器单价；步骤5.2、设定约束条件：步骤5.2.1、潮流等式约束：根据公式(1)～(4)，对应任一场景s，s＝1,2…ns，都有下垂控制型dg组网的img的潮流等式约束表示为：式中，和分别为第s个场景下的节点i及节点j的电压幅值和相角差；ωs为第s个场景下系统角频率；和分别为第s个场景下节点i所接的风电机组及光伏的有功功率和负荷有功功率；和分别为第s个场景下节点i的风电机组及光伏的无功功率、无功补偿电容器组的无功功率和负荷无功功率；步骤5.2.2、设定下垂控制型微源容量不等式约束：对接入节点i的下垂控制的dg的功率需满足容量限制不等式约束：其中，和分别为第s个场景下节点i所接下垂控制dg的有功功率和无功功率；和分别为下垂控制型dg的容量上下限值；对于无功补偿电容器组：0≤qci≤qcimax(14)其中，qci为第i个补偿点处的电容器安装容量，qcimax为第i个补偿点处接入电容器的最大容许安装容量；步骤5.2.3、设定系统安全运行不等式约束：为保证系统正常运行，需满足节点电压安全限制约束和支路功率安全约束，另外系统频率也是变量之一，优化过程中也需要考虑其安全约束：式中，和分别为节点i电压幅值上下限；为支路ij允许流过的电流幅值上限值；ωmax和ωmin分别为系统角频率的上下限；为第s个场景下支路ij的电流幅值；步骤6、调用ipopt优化工具包进行优化求解，得到优化配置方案，优化求解方法可采用内点法、遗传算法、粒子群优化算法替代。实施例参照图2，由ieee33节点系统配置微源并孤岛运行。步骤1、设定负荷模型中api＝aqi＝0.3，bpi＝bqi＝0.3，cpi＝cqi＝0.4；负荷静态频率特性系数，klpi＝2、klqi＝-2，将三个下垂控制的微源接入系统构成微网，与主网断开作为孤岛运行，并在节点1接入0.06+j0.03的负荷，各微源接入位置及标幺值(额定容量sb＝1mva)表示的参数，如表1所示：表1、可控微源接入位置及参数dg#节点额定容量u0ω0mpinqi143.01.051.0040.00330.06672221.51.051.0040.00670.13333251.01.051.0040.01000.2000步骤2、设在节点3、节点16各接入一相同风力发电机组，参数为：切入风速、额定风速和切出风速分别为3m/s、14m/s和25m/s，最大输出功率均为0.8mw，功率因数为0.95。采用中国西北某分散接入风电场采集的风速数据进行计算，首先利用极大似然估计得到两台分布式风力发电机组的输入风速的weibull分布的参数，k＝[6.7578；6.6702]，尺度参数c＝[1.7828；1.8100]。对风速进行随机抽样3000次，并分别进行场景削减得到的10个典型场景，各场景下的风电机组出力pwtg3、pwtg16及概率ρs如表2所示：表2、削减后的典型场景场景spwtg3pwtg16ρs10.00000.00000.29720.06570.01170.06530.12290.07800.07440.18890.14440.15050.24690.22950.05560.29330.26580.08070.38100.37080.10580.45460.46280.07690.63520.70460.054100.74270.80000.044步骤3、根据公式(1)～公式(4)建立img潮流模型，并采用牛顿-拉夫逊法对进行求解，得到潮流收敛时的雅可比矩阵j；步骤4、根据公式(6)对雅可比矩阵j进行奇异值分解，分别计算10个场景下的右奇异向量n2n-m，为方便显示，图3给出其中第奇数个场景(分别记为s1、s3、s5、s7和s9)下各节点电压对应元素曲线，可见各场景下各节点电压对应右奇异向量的元素的相对大小规律基本一致；根据右奇异向量确定补偿点，考虑到同一条线路上安装并联电容器的数量不宜过多，选择右奇异向量元素较大的节点集合{12、17、30、32}作为补偿点。为对比说明根据右奇异向量大小选择补偿点的有效性，同时选择次之的集合{9、14、26、29}和较小的节点{1、18、21、24}作为待选补偿点，分别记为方案1、方案2和方案3，分别进行优化规划；步骤5、根据公式(8)～公式(15)建立规划模型，并采用ipopt工具包求解，得到各方案的补偿规划结果如表3所示，分析其经济效益如表4所示，图2中给出了方案1-3补偿前后的节点平均电压曲线：表3、各方案下的补偿结果表4不同无功补偿方案的经济效益分析步骤6、算法效率有效性分析：由表3、表4及图4可以看出，方案1的补偿电容器总组数为25，方案2为28，方案3为15，方案3安装成本较少，但从表4可以看出其降损效果明显比较差，从图4可以看出其对电压水平的改善效果也明显较差，无补偿时img的电压水平明显偏低，经过方案3的补偿仍有部分节点电压低于0.93，可得方案3的补偿效果很不理想；对方案1和方案2来说，安装成本方案1优于方案2，降损效果方案1也略优于方案2，故总经济效益也是方案1更优，而从图4可见，两种方案补偿后电压均在0.93以上，二者对电压水平都有令人满意的改善效果。由此可以得出，通过右奇异向量对应元素的大小确定补偿点可以减小无功优化规划中的搜索空间，提高优化规划计算效率。当前第1页12