基于改进微分进化算法的含风电场电力系统无功补偿方法

文档序号:7358285阅读:274来源:国知局
基于改进微分进化算法的含风电场电力系统无功补偿方法
【专利摘要】本发明涉及一种基于改进微分进化算法的含风电场电力系统无功补偿方法,进行潮流计算,选择系统中无功裕度数值最小的、占总节点数设定比例的节点,以及电压低于设定值Ulimit的节点为待补偿节点;建立目标函数,生成初始种群;应用进化算法,对初始种群中个体进行变异、交叉、选择操作,直到达到迭代次数或者更新后代种群中个体适应度值达到设定的最优目标函数值。本发明能够合理确定无功补偿点和无功补偿容量,实现补偿效果和电压稳定的综合最优,进而促进含风电场的电力系统安全稳定运行。
【专利说明】基于改进微分进化算法的含风电场电力系统无功补偿方法

【技术领域】
[0001] 本发明涉及一种基于改进微分进化算法的含风电场电力系统无功补偿方法。

【背景技术】
[0002] 随着风力发电技术的日益进步、风机制造水平的不断提高,在国家"建设大基地、 融入大电网"风电发展战略的指导下,我国风电在电网中的比重不断提高,且正在由分散、 小规模开发、就地消纳,向大规模、高集中开发,远距离、高电压输送方向发展。甘肃酒泉、新 疆哈密、内蒙、吉林、山东等八个千万kW级的风电基地已相继获得批复和开工建设,到2020 年,我国将陆续建成若干个"风电三峡"。
[0003] 与之相对应的是,大规模风电并网给电力系统安全、稳定运行带来重大的影响,其 中最突出的一个问题是风电场并网运行会引起电力系统无功的变化,进而影响系统电压, 严重情况下甚至导致电压崩溃。
[0004] 因此,在风电并网容量持续快速增加、风电场与电力系统间的交互耦合影响愈发 突出的背景下,如何结合大规模风电场接入对系统电压的影响,建立合理的无功优化补偿 方案已成为当前迫切需要解决的现实问题之一。


【发明内容】

[0005] 本发明的目的是提供一种基于改进微分进化算法的风电并网电力系统无功补偿 方法,用以解决大规模风电场接入电网时的无功补偿问题。
[0006] 为实现上述目的,本发明的方案包括:
[0007] 基于改进微分进化算法的含风电场电力系统无功补偿方法,包括如下步骤:
[0008] 1)进行潮流计算,选择系统中无功裕度数值最小的、占总节点数设定比例的节点, 以及电压低于设定值U limit的节点为待补偿节点;
[0009] 2)以式(1)为目标函数,在设定的补偿容量于都条件下,生成初始种群;

【权利要求】
1. 基于改进微分进化算法的含风电场电力系统无功补偿方法,其特征在于,包括如下 步骤: 1) 进行潮流计算,选择系统中无功裕度数值最小的、占总节点数设定比例的节点,以及 电压低于设定值ulimit的节点为待补偿节点; 2) 以式(1)为目标函数,在设定的补偿容量于都条件下,生成初始种群;
(1) %为节点额定电压,即%=1,A为节点i的实际电压,η为系统中的节点个数; 3) 应用进化算法,对初始种群中个体进行变异、交叉、选择操作,直到达到迭代次数或 者更新后代种群中个体适应度值达到设定的最优目标函数值。
2. 根据权利要求1所述的基于改进微分进化算法的含风电场电力系统无功补偿方法, 其特征在于,按式(2)生成初始种群;
(2) 式中:

为第j个变量的上下界;je [1,D],D为设定维数;rand(l)为介于[0, 1]之间均匀分布的随机数。
3. 根据权利要求1所述的基于改进微分进化算法的含风电场电力系统无功补偿方法, 其特征在于,对种群中的个体按式(3)改进变异操作,按式(4)进行交叉操作,按式(5)进行 选择操作;
(3) 式中,
为目标个体V对应的变异个体;F为缩放因子;
表示当前(第G代)种 群中的最优个体;为随机选择的个体;为变异方向记录参数;
(4) ,…,uiD)为变异操作形成的新向量;CRe [〇,1],称为交叉概率,其值越大发 生交叉的概论越大;rand」e [〇, 1]是针对第j维分量随机选取的控制参数;rnbri是从[1, D]中随机选则的一个整数,它是来保证υ^+1至少要有一个分量从Xie中获得;
^5) 如果U,1的适应度值比的适应度值好,那么U,1将会取代进入到下一代群体中, 否则V仍旧保留到下一代。
4. 根据权利要求2所述的基于改进微分进化算法的含风电场电力系统无功补偿方法, 其特征在于,新个体的适应度值比原目标个体更好时,则将其保留到下一代群体中,否则原 目标个体仍然作为下一代的复向量进行计算。
5. 根据权利要求4所述的基于改进微分进化算法的含风电场电力系统无功补偿方法, 其特征在于,所述步骤3)中,按式(6)、式(7)对新种群中最优个体以外的部分个体按局部 增强算子进行重新赋值;
式中,&8+1为引入增强算子后的新个体,xb<g+1为种群中的当前最优个体,x riig+1、kg+1 是从种群中随机选取的不同个体,gen为算法迭代次数。
(7) 式中,Pi为概率选择参数;η为群体大小,Fi为个体i的适应度。
【文档编号】H02J3/18GK104143826SQ201310544619
【公开日】2014年11月12日 申请日期:2013年11月5日 优先权日:2013年11月5日
【发明者】王世谦, 于琳琳, 张丽华, 田春筝, 黄景慧 申请人:国家电网公司, 国网河南省电力公司经济技术研究院
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