新能源并網的無功優化方法
【技術領域】
[0001] 本發明涉及一種新能源并網的無功優化方法。
【背景技術】
[0002] 風能、光能等可再生能源因其清潔、經濟、可持續性在中國得到了快速發展，當越 來越多的新能源并網之后，輸出功率的隨機性給電網造成嚴重影響，充足的無功可使電網 盡可能多的接納新能源發電，然而在電力市場環境下各發電公司都追求自己的經濟效益， 發電廠作為無功輔助服務的提供者，多發無功會造成發電機的損耗并增加發電機的運行維 護費用，甚至影響到發電機的有功出力從而減少有功收入。為了提高無功投資的積極性， 激勵各無功源提供充足的無功服務，需要給發電廠一個合適的無功價格進行補償，補償發 電公司的利潤損失，從而提高全網的經濟性和電壓質量，同時實現增加電網對新能源的接 納能力。因此，在新能源并網和電力市場的背景下，電力系統的無功功率優化調度問題成為 電力系統的重要研究課題之一。然而由于風電、光伏發電出力的隨機性，這些新能源的并網 會給電網的優化運行帶來顯著影響。由于風能、光能的變化頻繁，目前很難得到精確的預測 值。在一種確定出力情況下得到的優化解，在其他場景下不一定適用，因此傳統的模型和方 法不完全有效。風電功率輸出主要受自然因素影響，具有不確定性、間歇性。為了應對風能 出力的不確定性，傳統的解決辦法是留有足夠的備用容量保證系統的安全性，該方法簡單 有效，但經濟性往往得不到保證。

【發明內容】

[0003] 針對目前不能精準預測風能及光能，采用一種確定出力情況下不同的場景不一定 適用，經濟性得不到保證的問題，本發明提供一種新能源并網的無功優化方法，它可以較好 的處理風力發電廠的隨機性問題，在滿足物理和運行約束的條件下使電網綜合成本費用最 小。
[0004] 本發明解決上述技術問題所采取的技術方案是：一種新能源并網的無功優化方 法，其特征在于，包括以下步驟：
[0005] a、場景生成，其包括以下步驟：
[0006] al、假設新能源電站隨機變量X (功率）的累積分布函數為F(X)，將累積分布函數 等分成采樣個數N份，每個區間的寬度為1/N;在每個區間內部進行隨機采樣，第i個區間 采樣的累積概率值為
其中U是[0, 1]區間內的一個隨機數；當任意一個子區 間參與隨機采樣后，則不再參與以后的隨機采樣；
[0007] a2、根據分布函數的反函數計算出實際采樣值Xn= F 1 (Un);
[0008] a3、重新選擇區間采樣，直到所有區間完成采樣，即生成場景；
[0009] b、對每個場景指定一個發生的概率ps(s = 1，...，N)即ps>0,且滿足
設 Ps= 1/N ;用集合S表示最初始的場景集，集合DS表示需要消除的場景集，D U表示場景i 和場景j之間的距離，PDli,表示場景i和場景j之間的概率距離；進行場景消減，場景消減 包括以下步驟：
[0010] bl、設置DS為空，計算各個場景之間的距離DiJ= D(s i, s.j);
[0011] b2、對于場景k，找出與場景k距離最短的場景r，即
[0012] Dk (r) = D (sk, sr) i e S, k ^ s ；
[0013] b3、計算概率距離^\&) =pk*Dk(r)，ke S，在k中找出使得概率距離最小的場景 索引 d，使得 PDd= minPD k，k e S ;
[0014] b4、令 S = S_eu8mubt，DS = DS+k0tqmot，且 pr= p r+pd;
[0015] b5、重復步驟b2到b4,直到剩余的場景數目達到消減要求為止；
[0016] c、建立無功優化模型：
[0017] 以無功輔助服務成本和電網有功網損的期望值最小為目標函數，以常規 能源電廠和新能源電廠無功出力為優化變量，建立無功優化模型，其目標函數為：
[0018] 式中Pk為場景k發生的概率，為場景k的總網損，丨）為場景k下j發電機 的無功成本；
[0019] 其中，約束條件包括：
[0020] cl、各節點有功功率和無功功率平衡約束
[0023] 式中葦、：6、淼、_&分別為場景S下節點i處的有功發電和有功負荷、無功發 電和無功負荷和K分別是場景s下節點i和節點j的電壓幅值為場景s下節點i 和節點j之間的電壓相角差；Glj和B ^分別為系統導納矩陣的實部和虛部；
[0024] c2、各發電機/同步補償及無功出力上下界約束
[0026] 式中Qci,_和Q 分別是節點i無功出力的最小值和最大值；
[0027] c3、各節點電壓幅值上下界約束
[0029] 式中和V ^ax分別是節點i的電壓幅值下限和上限；
[0030] C4、各支路傳輸功率約束
[0031]
[0032] 式中Pljiniax是節點i、j之間的線路有功潮流的最大值，p 1'表示每種場景對應的概 率。
[0033] 本發明的有益效果是：
[0034] 1、本發明采用場景生成思想，用可能出現的場景來近似模擬隨機變量，采樣可利 用較少的采樣次數反應隨機變量的整體分布，保證采樣點分布在所有的采樣區域；采樣過 程中可避免抽取已經出現的樣本，在小概率區域也可以保證有采樣點。
[0035] 2、場景消減步驟在保證問題求解精度的前提下，盡可能減少計算隨機問題需要的 場景數目，提高了計算的速度。
[0036] 3、本發明將新能源的不確定性用場景進行模擬，通過場景生成和場景消除得到計 算場景，并采用聯合優化計算模型獲得各場景的無功輸出值Q k，在滿足物理和運行約束的 條件下達到各場景無功費用和網損最小。
[0037] 4、為了分析提出的無功綜合效益優化目標函數的有效性，分別以無功運行成本最 優目標、有功網損最優目標和綜合優化目標進行無功優化。不同優化目標下的結果如下表 1所示：
[0038] 表1 IEEE 14節點系統在不同目標下的優化結果
[0040] 從上表所示的結果來看，以有功網損為目標函數得到的結果無功成本較大，減小 網損是以高無功費用為代價的；而減少無功費用會使電網有功網損增加。單獨以無功運行 成本最優或單獨以有功損耗最優不一定是電網的最佳選擇，采用綜合優化目標可以使無功 運行成本和有功網損同時都達到一個比較適中和理想的值。
【附圖說明】
[0041] 圖1為本發明的流程圖；
[0042] 圖2為本發明在IEEEl 18節點系統各場景下風機出力值。
【具體實施方式】
[0043] 下面結合附圖1和附圖2對本發明的具體實施例做詳細描述：
[0044] 本實施例假定風電場出力的預測誤差符合均值為0,標準差為〇w的正態分布。場 景生成技術是通過大量的采樣，用可能出現的場景來近似模擬隨機變量。
[0045] 1、場景生成過程為：假設新能源電站的隨機變量X(功率）的累積分布函數為 F (X)，采樣過程如下：
[0046] 首先將分布函數等分成采樣個數N份，每個區間的寬度為1/N。在每個區間內部進 行隨機采樣，第i個區間采樣的累積概率值為
[0047] 其中U是[0, 1]區間內的一個隨機數。當任意一個子區間參與隨機采樣后，則不 再參與以后的隨機采樣。然后根據分布函數的反函數可以計算出實際采樣值X n= F 1OJj13 重新選擇區間采樣，直到所有區間完成采樣。
[0048] 2、場景消減：針對基于場景的隨機規劃問題，場景的數目在很大程度上決定了求 解的計算量。場景數目越多，對隨機變量的分布擬合效果越好，但是問題規模增大，計算的 困難度也相應增大；如果場景數目過少，就不能保證隨機變量的真實情況，模擬效果變差， 不能保證問題的計算精度。為了解決這一問題，就需要對初始生成的場景進行消減，在保證 問題求解精度的前提下，盡可能減少計算隨機問題需要的場景數目。本實施例生成1000個 初始場景，然后利用下述步驟消減為10個場景作為下一步的計算場景。
[0049] 消減步驟如下：
[0050] 首先對每個場景指定一個發生的概率？；3(8 = 1，. . .，N)即ps> 0,且滿足
Sps= 1/N。集合S表示最初始的場景集，集合DS表示需要消除的場景集，Dlij表示場景i 和場景j之間的距離，PDli,表示場景i和場景j之間的概率距離。
[0051] 第一步：首先設置DS為空，計算各個場景之間的距離D1^= D(s D S])。
[0052] 第二步：對于場景k，找出與場景k距離最短的場景r，即Dk (r) = D (sk, S1O i G S, k 辛 S0
[0053] 第三步：計算概率距離^\&) = pk*Dk(r)，k e S，在k中找出使得概率距離最小的 場景索引 d，使得 F1Dd= min F1D k, k e S。
[0054] 第四步：令 S = S_4x5rcym, DS = DS+i1iadzu,且 pr= p r+pd。
[0055] 第五步：重復步驟二到四，直到剩余的場景數目達到消減要求為止。
[0056] 3、基于多場景的聯合無功優化：
[0057] 除了無功成本以外，電網的網損也是無功優化中很重要的經濟指標。本文以無功 輔助服務成本和電網有功網損的期望值最小為目標函數，以常規能源電廠和新能源電廠無 功出力為優化變量，建立了無功優化模型。其目標函數如下：
[0059] 式中Pk為場景k發生的概率，為場景k的總網損，>為場景k下j發電機 的無功成本。
[0060] 約束條件包括系統的潮流平衡約束、發電機無功的出力上下限約束、節點電壓約 束、線路的熱極限約束等。
[0061] (1