一种风电汇集区的UPFC配置方法与流程

本公开涉及电气技术领域，具体而言，是一种风电汇集区的upfc(unifiedpowerflowcontroller，统一潮流控制器)配置方法。

背景技术：

大规模风电集中汇集外送并网时，风电汇集区母线易出现重载现象，甚至在n-2故障下线路过载，导致暂态低电压。灵活交流输电(flexibleactransmissionsystem，facts)技术能够迅速调整系统无功，快速灵活控制电压，有效提高风电汇集区域系统输电能力。常用facts设备中，统一潮流控制器(unifiedpowerflowcontroller，upfc)结合了串联型和并联型facts设备的优势，能够分别或同时进行串补和并补，可以改善线路潮流分布，稳定电压、降低系统网损。合理配置upfc，能够有效提高风电汇集区系统运行安全性、经济性。目前优化配置研究均是分析参数灵敏度，确定补偿地点，在选址确定基础上开展容量优化，由于未考虑选址与定容环节综合优化效果，容易陷入局部最优，也难以充分分析接入upfc设备后，系统安全性和经济性。

因此，需要提供一种或多种至少能够解决上述技术问题的技术方案。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现要素：

本公开的目的在于提供一种风电汇集区的upfc配置方法中一种风电汇集区的upfc配置方法，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本公开的一个方面，提供一种风电汇集区的upfc配置方法，包括：

建立目标函数，确定装设统一潮流控制器upfc前后负载率、电压、网损的变化量，其中，所述目标函数中负载率、电压、网损的权重系数满足预设条件；

按照预设算法进行定容计算，得到预设函数的候选解；

根据kent混沌搜索策略在候选解附近挖掘出第一最优解，并对第一最优解进行混沌优化处理，挖掘出第二最优解；

在迭代处理n次后，根据得到的第n最优解确定全局最佳点信息，根据所述全局最佳点信息配置upfc选址。

进一步地，所述方法还包括：

将upfc的稳态计算模型等效为向线路两端注入等效功率，数学模型为：

其中：gij+jbij＝yij，θij＝θi-θj，θji＝θj-θigij为节点i和节点j间的电导；bij为节点i和节点j间的电纳；yij为节点i和节点j间的导纳；ui和uj分别是节点i和节点j的节点电压；θi和θj分别是节点i和节点j的电压角度；θij为节点i和节点j的节点电压相角差；use和θse是等效注入的串联电压源电压与角度；pij和qij分别是upfc的串联支路的有功潮流和无功潮流，以流出节点i的方向为正；pji和qji分别是upfc的串联支路的有功潮流和无功潮流，以流出节点j的方向为正。

进一步地，所述建立目标函数，确定装设统一潮流控制器upfc前后负载率、电压、网损的变化量包括：

采用归一化方式建立目标函数：

有功损耗计算公式为：

装设upfc前后负载率的变化量公式为：

装设upfc前后电压的变化量公式为：

装设upfc前后网损的变化量公式为：

其中：kij和kij′分别为线路ij装设upfc前后的线路负载率；un和un′为装设设备前后节点i的电压大小；ploss和ploss′为装设设备前、后的有功损耗大小；nl为系统支路的条数。

进一步地，建立目标函数，确定装设统一潮流控制器upfc前后负载率、电压、网损的变化量，包括：

根据网格法进行权重寻优，通过不同权重组合下的最优方案目标函数值，确定最优权重组合；

根据最优权重组合设置负载率、电压、网损的权重系数。

进一步地，所述目标函数中负载率、电压、网损的权重系数满足的预设条件为：

ω1+ω2+ω3＝1。

进一步地，确定装设统一潮流控制器upfc前后负载率、电压、网损的变化量后，所述方法还包括：

用装设upfc设备后的潮流方程作为等式约束，以状态变量和控制变量作为不等式约束，确定机组出力约束、电压约束、补偿容量约束：

其中：pg,i和qg,i分别为发电机组i的有功功率与无功功率；pl,i和ql,i分别为负荷的有功功率与无功功率；pu,ij和qu,ij为upfc设备提供的补偿量；下标min与max分别代表下限和上限。

进一步地，所述预设算法包括基于改进飞蛾火焰优化amfo算法，按照预设算法进行定容计算，包括：

将所设函数的候选解作为飞蛾个体，飞蛾在优化空间的位置代表设置权重系数后的负载率、电压、网损的比值，通过在优化空间中改变位置向量获取全局最佳点，其中，amfo算法的种群m由下列矩阵表征：

m＝[m1,m2,···,mn]^t

其中，n为飞蛾数量，即候选解个数，d为优化问题中不同指标值。

飞蛾个体适应度值存储在om矩阵中：

om＝[om1om2···omn]^t

确定最优位置矩阵f，其适应度值存放在of中：

f＝[f1,f2,···,fn]^t

其中fi＝[fi,1,fi,2,···,fi,d]^t

of＝[of1of2···ofn]^t

进一步地，根据kent混沌搜索策略在候选解附近挖掘出第一最优解的映射方程为：

其中：a为控制系数，a∈(0,1)，设为0.4，其概率密度函数在(0,1)内服从均匀分布，即ρ(z)＝1；

对第一最优解进行混沌优化处理，挖掘出第二最优解，包括：

解空间为[xmin,xmax]，在kent方程中生成混沌序列zk，再放大加载到待搜索的个体zk上，经混沌算子操作，更新第一最优解空间新的个体位置uk，计算适应度，并与第一最优解的适应度比较：

引入动态惯性权值ω：

其中：μ为第一次寻优过程的平均适应度值；f(j)为第j个飞蛾的适应度值；iter表示当前迭代次数。

进一步地，最优解更新公式为：

s(mi,fj)＝ωi,jdicos(2πt)e^bt+(1-ωi,j)fj

其中：s(mi,fj)为更新后的最优解，即更新后的飞蛾位置；b为与螺线形状相关的常量；t为随机数，取值区间为[-1,1]，t＝-1是最接近火焰，t＝1是离火焰最远的；di＝|fi-mi|为飞蛾mi到火焰fi的距离。

本公开示例性实施例中的风电汇集区的upfc配置方法，通过建立目标函数，确定装设upfc前后负载率、电压、网损的变化量，按照预设算法进行定容计算，得到预设函数的候选解，并对挖掘出的第一最优解进行混沌优化处理后挖掘出第二最优解，在迭代处理n次后，根据得到的第n最优解确定全局最佳点信息，根据所述全局最佳点信息配置upfc选址。一方面，解决在风电汇集区出现输电能力下降、线路重载问题，提高upfc优化配置效果；另一方面，通过预设算法，及引入kent混沌搜索策略对陷入局部最优的个体执行彻底搜索，增加其跳出局部最优的可能。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

通过参照附图来详细描述其示例实施例，本公开的上述和其它特征及优点将变得更加明显。

图1示出了根据本公开一示例性实施例的风电汇集区的upfc配置方法流程图；

图2示出了根据本公开一示例性实施例的的风电汇集区的upfc配置方法中风电场并网系统简化图；

图3示出了根据本公开一示例性实施例的风电汇集区的upfc配置方法中有无无功补偿下的p-v曲线图；

图4示意性示出了根据本公开一示例性实施例的风电汇集区的upfc配置方法中不同权重下的目标函数寻优结果三维曲面图。

具体实施方式

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

在本示例实施例中，提供了一种风电汇集区的upfc配置方法。参考图1中所示，该风电汇集区的upfc配置方法可以包括以下步骤：

步骤s101，建立目标函数，确定装设统一潮流控制器upfc前后负载率、电压、网损的变化量；

步骤s102，按照预设算法进行定容计算，得到预设函数的候选解；

步骤s103，根据kent混沌搜索策略在候选解附近挖掘出第一最优解，并对第一最优解进行混沌优化处理，挖掘出第二最优解；

步骤s104，在迭代处理n次后，根据得到的第n最优解确定全局最佳点信息，根据所述全局最佳点信息配置upfc选址。

本公开示例性实施例中的风电汇集区的upfc配置方法，通过建立目标函数，确定装设upfc前后负载率、电压、网损的变化量，按照预设算法进行定容计算，得到预设函数的候选解，并对挖掘出的第一最优解进行混沌优化处理后挖掘出第二最优解，在迭代处理n次后，根据得到的第n最优解确定全局最佳点信息，根据所述全局最佳点信息配置upfc选址。一方面，解决在风电汇集区出现输电能力下降、线路重载问题，提高upfc优化配置效果；另一方面，通过预设算法，及引入kent混沌搜索策略对陷入局部最优的个体执行彻底搜索，增加其跳出局部最优的可能。

在步骤s101中，建立目标函数，确定装设统一潮流控制器upfc前后负载率、电压、网损的变化量。

由于upfc内部损耗相对于整个电力系统比重很小，忽略其自身损耗能大大降低模型的复杂度，因此可以合理简化upfc的功率注入模型有助于潮流计算的进行。如图3所示，可以将upfc的稳态计算模型等效为向线路两端注入等效功率，其数学模型为：

其中：gij+jbij＝yij，θij＝θi-θj，θji＝θj-θi

gij为节点i和节点j间的电导；bij为节点i和节点j间的电纳；yij为节点i和节点j间的导纳；ui和uj分别是节点i和节点j的节点电压；θi和θj分别是节点i和节点j的电压角度；θij为节点i和节点j的节点电压相角差；use和θse是等效注入的串联电压源电压与角度；pij和qij分别是upfc的串联支路的有功潮流和无功潮流，以流出节点i的方向为正；pji和qji分别是upfc的串联支路的有功潮流和无功潮流，以流出节点j的方向为正。

本公开示例性实施例为了解决在风电汇集区出现输电能力下降、线路重载问题，对影响风电汇集地区输电能力因素无功补偿设备容量以及负载率分别进行分析。

风电场并网系统简化图如图2所示，uw和ue分别为风电场并网点电压和此条输电线的末端电压，p和q是风电场并网，向电网输出的有功功率和无功功率，x为风电场并网线路电抗。无功补偿设备的静态补偿容量可以近似看作是电容值为c的电容器的补偿容量。图3为有无无功补偿下的p-v曲线图，当系统无功量为定值时，并网点电压随着风功率加大而逐渐降低，随着有功功率一直增加到静态稳定极限时，导致电网电压崩溃。而增加无功补偿后，可明显看出p-v曲线范围将变大，相同风功率下，并网点电压更高。因此，相同电压下，配置upfc后系统所允许风电出力更多。但无功补偿必须适当，若补偿不足，风电在接近静稳极限时仍将导致电压下降越限；而过补偿则将导致电压上升失稳，风机跳闸。补偿方式不当，会影响地区电压质量，降低系统稳定性。因此，在汇集区域何处、装设多少容量的补偿设备至关重要。

另外，为准确、直接、有效地表示出电力系统中线路的备用容量，一般可采用负载率反馈当前线路的负载程度，即当前线路最大负荷与线路载容量的比值。负载率值适当，表示线路能满足未来新增风电发电输送需要和系统调度需要；相反，如果负载率的值过大(如0.75以上)，则表示线路负载较多，不能够满足风电大发时，外送输电需求。其数学表达式如下：

其中：kij为线路ij的当前负载率；pij为线路ij的当前负荷量；pij,max为线路ij的最大负荷量。

本公开示例性实施例中，针对风电汇集区域易发生电压降低、线路负载率过高的问题，通过合理配置upfc的地点与容量，以改善潮流分布、抬升电压、降低网损，并以降低负载率与网损、提高系统电压为目标，建立目标函数，采用归一化的方法，消除量纲间的影响。采用归一化方式建立目标函数为：

所述目标函数中负载率、电压、网损的权重系数满足的预设条件为：ω1+ω2+ω3＝1；

有功损耗计算公式为：

装设upfc前后负载率的变化量公式为：

装设upfc前后电压的变化量公式为：

装设upfc前后网损的变化量公式为：

其中：kij和kij′分别为线路ij装设upfc前后的线路负载率；un和un′为装设设备前后节点i的电压大小；ploss和ploss′为装设设备前、后的有功损耗大小；nl为系统支路的条数。

本公开示例性实施例中，为避免权重组合对优化配置结果的影响，权重寻优时可根据网格法进行，通过不同权重组合下的最优方案目标函数值，确定最优权重组合；根据最优权重组合设置负载率、电压、网损的权重系数。

参考图4所示，权重寻优过程中，各权重值以0.01为单位变换，每个目标权重最小值为0.1，通过不同权重组合下的最优方案目标函数值，确定最优权重组合与全局最优upfc配置方案，将不同权重寻优结果拟合成三维曲面，以体现寻优过程。图4能够清晰反映不同权重组合下优化函数结果，最优目标函数值出现在图中箭头所指位置，该位置对应优化配置方案，即为最终优化结论。由图4可知，当负载率权重从0.33开始增大时，使得目标函数值升高速度加快；当电压权重与负载率权重均在0.33以下时，网损权重较大，故使得目标函数升高。图中所标五角星位置对应目标函数取最小值时的权重比例，此时电压权重为0.45、负载率权重为0.15、网损权重为0.4。

本公开示例性实施例中，用在装设upfc设备后的潮流方程作为等式约束，同时要确保电网安全可靠的运行，用装设upfc设备后的潮流方程作为等式约束，以状态变量和控制变量作为不等式约束，确定机组出力约束、电压约束、补偿容量约束，即分别为机组出力约束、电压约束、补偿容量约束：

其中：pg,i和qg,i分别为发电机组i的有功功率与无功功率；pl,i和ql,i分别为负荷的有功功率与无功功率；pu,ij和qu,ij为upfc设备提供的补偿量；下标min与max分别代表下限和上限。

在步骤s102中，按照预设算法进行定容计算，得到预设函数的候选解；

选址定容过程中易陷入局部最优，为此采用基于改进飞蛾火焰优化(ameliorativemothflameoptimizationalgorithm，amfo)算法进行定容计算。在飞蛾火焰优化算法(mothflameoptimizationalgorithm，mfo)中飞蛾个体为所设函数的候选解，飞蛾在优化空间的位置代表考虑各种权重下的负载率、电压、网损的比值，通过在优化空间中改变位置向量来向全局最佳点靠拢，amfo算法的种群m由下列矩阵描述。

本公开示例性实施例中，所述预设算法包括飞蛾火焰优化amfo算法，按照预设算法进行定容计算，包括：将所设函数的候选解作为飞蛾个体，飞蛾在优化空间的位置代表设置权重系数后的负载率、电压、网损的比值，通过在优化空间中改变位置向量获取全局最佳点，其中，amfo算法的种群m由下列矩阵表征：

m＝[m1,m2,···,mn]^t

其中，n为飞蛾数量，即候选解个数，d为优化问题中不同指标值。

飞蛾个体适应度值存储在om矩阵中：

om＝[om1om2···omn]^t

确定最优位置矩阵f，其适应度值存放在of中：

f＝[f1,f2,···,fn]^t

其中fi＝[fi,1,fi,2,···,fi,d]^t

of＝[of1of2···ofn]^t

在步骤s103中，根据kent混沌搜索策略在候选解附近挖掘出第一最优解，并对第一最优解进行混沌优化处理，挖掘出第二最优解；

根据kent混沌搜索策略在候选解附近挖掘出第一最优解的映射方程为：

其中：a为控制系数，a∈(0,1)，设为0.4，其概率密度函数在(0,1)内服从均匀分布，即ρ(z)＝1；

对第一最优解进行混沌优化处理，挖掘出第二最优解，包括：

对当前最优解(第二最优解)进行混沌优化，优化问题的解空间为[xmin,xmax]，在kent方程中生成混沌序列zk，再放大加载到待搜索的个体zk上，经混沌算子操作，更新第一最优解空间新的个体位置uk，计算适应度，并与第一最优解的适应度比较：

引入动态惯性权值ω：

其中：μ为第一次寻优过程的平均适应度值；f(j)为第j个飞蛾的适应度值；iter表示当前迭代次数。

在步骤s104中，在迭代处理n次后，根据得到的第n最优解确定全局最佳点信息，根据所述全局最佳点信息配置upfc选址。

在根据步骤s103迭代处理n次后，根据得到的第n最优解(即更新后的飞蛾位置)，确定全局最佳点信息。最优解更新公式为：

s(mi,fj)＝ωi,jdicos(2πt)e^bt+(1-ωi,j)fj

其中：s(mi,fj)为更新后的最优解，即更新后的飞蛾位置；b为与螺线形状相关的常量；t为随机数，取值区间为[-1,1]，t＝-1是最接近火焰，t＝1是离火焰最远的；di＝|fi-mi|为飞蛾mi到火焰fi的距离。

更新后的最优解即全局最佳点，获取全局最佳点信息，全局最佳点信息包括负载率、电压、网损信息，根据所述全局最佳点信息配置upfc选址。

本公开采用amfo算法计算upfc的选址定容问题，并在引入kent混沌搜索策略后，能够在迭代次数较少的情况下实现快速收敛，且能够解决陷入局部最优的问题，可以在较短时间内获得最优解，解决upfc的选址定容问题。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。