一种风电场内机组优化调度方法及调度装置的制造方法

文档序号:8458718阅读:301来源:国知局
一种风电场内机组优化调度方法及调度装置的制造方法
【技术领域】
[0001] 本发明涉及风力发电,特别涉及一种风电场内机组优化调度方法及调度装置。
【背景技术】
[0002] 风能是太阳能的转化形式,是自然界中没有污染的可再生能源。随着国内外风电 的发展,风力发电机组的装机容量逐渐的增大,MW级风力发电机组成为主流机组,风电场规 模也随之不断增大。大规模的风电场地域广、机组台数多,风电场内部的机械损耗、线路损 耗等问题会更加明显。
[0003] 目前电力系统的风电调度管理只是针对风电场侧或大型风电场群与系统并网点, 而风电场内部的优化调度还处于研宄阶段。电力系统中最优潮流是60年代初期法国学者 Carpentien提出的,把电力系统调度和潮流计算有机的融合在一起,即以潮流计算为基础, 进行有功和无功的全面优化。最优潮流问题可以描述为在满足潮流等式约束和不等式约束 的条件下,求得一组控制变量和状态变量的值,使系统的目标函数最优。风电场内优化调度 是通过最优潮流计算优化风电场内机组的有功与无功功率,这不仅能使风电场内部的损耗 最小,风力发电机组得到延寿,整个风电场经济运行;还可以通过对风电场内功率分配的研 宄,分析内部功率损耗,为风电场经济性评价提供依据。

【发明内容】

[0004] 基于上述现有技术,本发明提供一种风电场内机组优化调度方法及调度装置。
[0005] 本发明的技术方案是:
[0006] 1. 一种风电场内机组优化调度方法,包括步骤:
[0007] Sl、建立目标函数;
[0008] S2、设定目标函数的约束条件;
[0009] S3、优化算法,包括粒子群优化算法和遗传-粒子群优化算法。
[0010] 优选的,所述目标函数如下:设某风电场有η台机组运行,每台机组输出有功功率 和无功功率为P ei和Qei,风电场的有功损耗和无功损耗为PltjsJP Q 1()SS,则风电场输出的总的 有功功率和无功功率分别为:
【主权项】
1. 一种风电场内机组优化调度方法,其特征在于,包括步骤: 51、 建立目标函数; 52、 设定目标函数的约束条件; 53、 优化算法,包括粒子群优化算法和遗传-粒子群优化算法。
2. 根据权利要求1所述的风电场内机组优化调度方法,其特征在于,所述目标函数如 下:设某风电场有n台机组运行,每台机组输出有功功率和无功功率为PM和Qu,风电场的 有功损耗和无功损耗SP1()SdPQ1()SS,则风电场输出的总的有功功率和无功功率分别为:
风力发电机组的功率因数为:
功率损耗为目标函数:
3. 根据权利要求2所述的风电场内机组优化调度方法,其特征在于,所述约束条件包 括有功功率约束条件和无功功率约束条件;所述有功功率约束条件包括机组出力上下限约 束、负荷调度约束和最大功率变化率约束;所述无功功率约束条件包括转子电流约束、定子 电流约束和稳定约束。
4. 根据权利要求3所述的风电场内机组优化调度方法,其特征在于,所述约束条件还 包括节点电压约束条件和电压相位差约束条件。
5. 根据权利要求3所述的所述的风电场内机组优化调度方法,其特征在于,所述有功 功率约束条件包括: 机组出力上下限约束:
式中为第i台机组的功率预测值,为第i台机组的最小和最大出力; 负荷调度约束:
式中为第j时间段风电场规划的负荷出力,满足电网中调负荷指令; 最大功率变化率约束: 在风电场并网、机组正常停机以及风速增长过程中,风电场功率变化率应满足以下要 求。
6. 根据权利要求5所述的所述的风电场内机组优化调度方法,其特征在于,所述无功 功率约束条件包括: 转子电流约束: 双馈风力发电机组有功功率与无功功率的关系满足P-Q曲线,是一个
半径的功率圆;
;为转子绕组最大电流,取值为转子电流的峰值山_"和1^为定子的 互感和自感,Us为定子的电压,取值为电压峰值;《s为定子转速; 定子电流约束:
7. 根据权利要求4所述的所述的风电场内机组优化调度方法,其特征在于,所述节点 电压约束条件为:所有节点电压幅值必须满足其运行在额定电压附近,即: Uifflin^U^Uifflax (14); 所述电压相位差约束条件为:节点之间电压的相位差应该满足: 0 1-0JKI (15)。
8. 根据权利要求1所述的所述的风电场内机组优化调度方法,其特征在于,所述粒子 群优化算法具体步骤为: (1) 结合风电功率预测数据,随机列出调度周期内各种可能的机组启停组合,运行状态 表示为1,停机状态表示为〇,并以矩阵的形式表示; (2) 计算步骤(1)中各种机组状态组合下整个风电场的最大输出功率,与电力系统负 荷限定值相比较,得到满足电力系统负荷约束条件的机组组合; (3) 将满足电力系统负荷条件的机组组合解传递给粒子群算法,得到局部最优粒子和 全局最优粒子,进行潮流计算,得到对应的线路损耗,然后更新粒子,筛选出其中线路有功 损耗之和最小的组合; (4) 重复上述步骤,在经过多代进化之后,选出整个调度周期内线路损耗值最小的机组 状态组合计划。
9. 根据权利要求1所述的所述的风电场内机组优化调度方法,其特征在于,遗传-粒子 群优化算法具体步骤如下: (1) 结合风电功率预测数据,随机列出调度周期内各种可能的机组启停组合,运行状态 表示为1,停机状态表示为〇,并以矩阵的形式表示; (2) 计算步骤(1)中各种机组状态组合下整个风电场的最大输出功率,与电力系统负 荷限定值相比较,得到满足电力系统负荷约束条件的机组组合; (3) 将满足电力系统负荷条件的机组组合解传递给粒子群算法,得到局部最优粒子和 全局最优粒子,进行潮流计算,得到对应的线路损耗,然后更新粒子,筛选出其中线路有功 损耗之和最小的组合; (4) 将每个群体计算得到的最优粒子传递到遗传算法中进行选择、交叉、变异的操作, 得到群体中最优的粒子数; (5) 重复上述步骤,在经过多代进化之后,选出整个调度周期内线路损耗值最小的机组 状态组合计划。
10. -种风电场内机组优化调度装置,其特征在于,所述风电场内集电系统布置形式为 放射形布局,包括共33台风力发电机组,形成4串支路,8台风力发电机组一串的3串,最后 9台风力发电机组一串,共形成64个节点,其中包括一个平衡节点,一个PV节点,其余节点 都是为PQ节点。
【专利摘要】本发明公开了一种风电场内机组优化调度方法和风电场内机组优化调度装置,所述调度方法包括步骤:S1、建立目标函数;S2、设定目标函数的约束条件;S3、优化算法,包括粒子群优化算法和遗传-粒子群优化算法。本发明通过最优潮流计算优化风电场内机组的有功与无功出力,这不仅能使风电场内部的损耗最小,风力发电机组得到延寿,整个风电场经济运行;还可以通过对风电场内功率分配的研究,分析内部功率损耗,为风电场经济性评价提供依据。
【IPC分类】G06Q10-04, G06Q50-06, H02J3-38
【公开号】CN104779638
【申请号】CN201510062240
【发明人】张晋华, 程鹏, 刘雪枫, 王强, 曹永梅, 周晓明, 曹群士
【申请人】华北水利水电大学
【公开日】2015年7月15日
【申请日】2015年2月6日
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