考虑微电网配电网动态无功优化.doc

考虑微电网配电网动态无功优化 　　摘要：微电网集中了分布式发电、负荷和储能，其并网接入必然对配电网的无功优化产生影响。提出了考虑微电网的配电网动态无功优化模型，在模型中考虑微电网运行特性对于动态无功优化的影响。利用基于混沌邻域有哪些信誉好的足球投注网站的改进粒子群算法进行无功优化求解，通过IEEE33节点配电网系统的仿真算例验证了本文计算的合理性和有效性。 关键词：动态无功优化；配电网；微电网；运行特性 1 引言 电压是电能质量的重要指标，电压质量对电网稳定运行以及降低线路损耗等都有直接的影响。电力系统无功电压的控制与调度是提高电网电压水平的主要措施，通过调节各种无功装置（发电机、变压器和并联补偿装置），达到无功潮流的最优分配从而实现改善电压水平和降低损耗的目的[1-4]。 随着分布式发电（Distributed Generation，DG）包括风力发电[5]、光伏发电技术[6]的不断成熟，分布式发电已经成为传统电力系统的有力补充。但是分布式发电具有发电随机的特点，其输出功率随环境的变化具有波动性，由此大大限制了分布式发电的接入方式[6]。为了解决分布式发电接入带来的问题，近年来，微电网作为分布式发电高效利用的网络组织形式被提出来，微电网实质上是以独立小电网集分布式发电、负荷和储能与一体，其可以独立运行也可以并网运行[7-9]。正常情况下微电网并网运行，和配电网之间有功率交换，故障情况下，微电网和配电网脱离，相互不干扰。 当微电网接入配电网时，配电网无功优化将变得更加复杂，如何根据配电网负荷情况和微电网运行特性来分配控制设备动作是配电网无功优化需要解决的问题。文献[10]研究了双馈风力发电接入配电网时的无功优化问题，结合配网运行特性和风速变化情况，通过调节又载调压变压器分接头和并联电容器实现了无功电压的协调控制。文献[11]讨论了风电场接入系统后的电压稳定问题。文献[6]针对光伏发电出力的随机性，提出了一种考虑光伏电站随机出力的配电网无功优化问题，通过建立随机潮流模型，对电压进行机会约束，通过无功优化，有效降低了系统网损。 本文通过分析微电网运行特性和负荷时变特性，建立包含微电网的配电网动态无功优化模型，在模型中充分考虑微电网一天运行特性对配电网无功优化的影响，并结合系统负荷日功率曲线进行时段划分。利用粒子群算法协调无功控制设备一天内的投切时刻和投切容量。通过对改进的IEEE33节电系统的仿真计算验证了本文方法的合理性和准确性。 2 配电网无功优化模型 配电网无功优化模型包括目标函数和约束条件，本文建立以系统有功功率损耗最小为目标函数，约束条件主要包含控制变量、状态变量的等式约束和不等式约束。 2.1 目标函数 （1） 其中， 为一天网络有功损耗， 为网络第 时段的有功损耗， 为第 时段电容器投切容量。 2.2 约束条件 变量的约束条件包括等式约束和不等式约束，等式约束为节点有功 和无功 的潮流等式约束方程；不等式约束包括状态变量和控制变量的不等式约束。 （1）等式约束： （2） （2）不等式约束 （3） 等式约束为一天内每一时段的潮流平衡方程；不等式约束包括节点电压、支路电流、电容器投切容量和电容器总动作次数。 2.3 包含微电网的配电网潮流计算 微电网作为一独立单元接入配电网，其和配电网之间的功率交换在一较短时间内相对比较恒定。配电网和微电网的功率交换可能是正的，表示微电网从微电网吸收功率，也有可能是负的，说明微电网向配电网注入功率。因此，在潮流计算时，针对微电网的运行特性，将微电网定义为一般的 节点，也就是功率恒定。 3 粒子群算法及其改进 3.1 基本粒子群算法 粒子群算法是一种基于种群的启发式优化算法，算法的本质是仿生鸟类觅食过程中的迁徙和群集行为[12-13]。粒子群算法根据粒子个体最优解和全局最优解来改变粒子的飞行速度，从而改变粒子的位置。 （4） 其中， 表示第 个粒子，粒子的维数为 维， 表示为第 个粒子的飞行速度， 为每一个粒子个体最优解， 为所有粒子经历过的最佳位置定义为全局最优解； 为飞行速度的惯性权重； ， ， ， 为随机数分别取值为（0～1），（0～1），（0～2），（0～2）， 为迭代次数。 3.2 基于混沌变异的粒子群算法改进 与其他启发式算法相比，粒子群算法突出的优点是算法流程容易实现，算法对于优化参数的灵敏度较低，因此，针对多变量的优化问题，粒子群算法比较合适。但是标准粒子群算法由于其随机性较大，算法容易陷入局部最优解。本文利用基于混沌[14-15]的变邻域有哪些信誉好的足球投注网站以提高算法的全局有哪些信誉好的足球投注网站能力。 3.2.1 全局最优解的变邻域有哪些信誉好的足球投注网站 选择一定的停滞迭代