一种有源配电网鲁棒无功优化运行方法技术

本发明专利技术公开了一种有源配电网鲁棒无功优化运行方法。在仅知道风电概率分布的二阶矩信息时，得到概率分布函数的不确定集合，并使无功优化策略对于不确定集合中的任意情况，均满足安全运行的约束，同时最小化配网网损。为此将传统的无功优化机会约束规划模型转化为概率分布鲁棒机会约束模型，分离随机变量并带入不等式约束中，再综合运用最坏情况下CVaR估计和对偶优化消去该优化模型中的随机变量，并转为仅包含二阶矩信息的矩阵不等式的形式，进而采用基于线性矩阵不等式的免疫粒子群算法进行求解。本发明专利技术符合实际有源配电网中风电预测技术有限，无法获取准确的风电概率分布函数的情况，该鲁棒无功优化运行方法符合有源配电网实际需求。

【技术实现步骤摘要】
一种有源配电网鲁棒无功优化运行方法
本专利技术涉及一种有源网鲁棒优化运行方法，具体涉及一种包含风电且仅需要风电概率分布分布函数的二阶矩的配电网鲁棒无功优化运行方法。
技术介绍
随着能源与环境问题的日益突出，以风能为代表的可再生能源能有效缓解能源危机。然而，风能的部分可预测性、不确定性和间歇性给其并网造成较大的困难和挑战，造成配网潮流和电压频繁变化，将不利于配电网稳定经济运行。含风电的配电网无功优化运行是指在风速或风电功率预测的基础上，以网损最小为目标，实现对发电机、变压器分接头及电容器等无功补偿设备运行位置的优化决策。为解决无功优化过程中的风电的不确定性，在传统的配电网无功优化模型中需以新的思路分析和处理风电概率分布的不确定性对配网无功优化的影响，制定稳健而经济的无功优化策略。传统含风电的配电网无功优化模型和算法假设风速或风电出力概率分布已知，采用场景分析法或概率分布法处理风电分布不确定性对配电网无功优化的影响。已有的研究，通常假设风电输出服从正态分布、贝塔分布、拉普拉斯分布以及柯西分布，然而，在实际的电力系统中，风机的发电量是不可控的随机变量，其随机性主要取决于风力发电机的安装地点的风速随机性，一般只能获得风电不确定性概率分布的部分信息。因此，用于描述风电不确定性的概率分布本身就是不确定量，已有的研究并未考虑概率分布随机变量的不确定性，因此无法从根本上保证其所提的无功优化方案的有效性。无功优化的求解方法有基于数学特性的确定性方法和基于智能计算的随机算法，因为电力系统无功优化问题包含复杂约束条件，其非凸的特性造成普通的粒子群算法、遗传算法和禁忌搜索等很容易陷入局部最优。含风电机组的配电网无功优化问题，其关键在于如何处理风电概率分布本身的不确定性。鲁棒优化方法只需要风电概率分布的部分信息，通过将不确定性所有可能的实现事先划定在某一集合中，寻找对集合中的每种情况都有效的最优解，满足含风电的配电网无功优化的实际情况。
技术实现思路
本专利技术所要解决的技术问题是针对
技术介绍
中所涉及到的缺陷，提供一种有源配电网鲁棒无功优化运行方法，以配网网损最小且满足系统安全运行约束为无功优化目标，采用概率分布鲁棒机会约束优化模型描述该无功优化问题。本专利技术为解决上述技术问题采用以下技术方案：一种有源配电网鲁棒无功优化运行方法，包括如下步骤：步骤1)，采用概率分布鲁棒机会约束模型对配电网无功优化进行建模，目标函数为通过对变压器分接头及电容器等无功补偿设备运行位置的优化决策，最小化配电网网损，约束条件包括潮流平衡方程、发电容量约束、节点电压机会约束和支路功率幅值机会约束；步骤2)，利用最坏情况下CVaR估计和对偶优化方法消去节点电压和支路功率概率分布鲁棒机会约束中的随机向量，从而将概率性约束转化为不含随机变量的确定性约束进行求解；步骤3)，针对所述的确定性无功优化模型，开始进行免疫粒子群优化迭代。作为本专利技术一种有源配电网鲁棒无功优化运行方法进一步的优化方案，步骤1)中所述支路功率幅值机会约束为：其中，Mk1为包含支路功率幅值机会约束全部对偶变量的对称矩阵，Sk+1表示k+1维的矩阵，ε为支路功率过负荷程度，Tr(·)为迹运算，矩阵Q＝[Γ+μμT,μ；μT,1]，其中μ＝[μ1,...,μm]T为风电功率向量PW的期望向量，PW的取值范其中向量PN的每个元素为相应风电场的最大输出功率，Γ为协方差矩阵，矩阵Qc是无功补偿电容，T是变压器档位，Rn表示实数集，PLmax表示支路所允许的传输功率上限，F1(Qc,T)＝[-(ST)-1(ST)-1·(PD)]，PD为负荷有功，风电功率z1＝[PW1]T，ε＝1-β，β为设置的机会约束规划置信水平，矩阵其第(1,1)个元素是1，第(1,k+1)和(k+1,1)个元素为-PN,1/2，其余元素为0，m为风电场个数，PN,1为第1个风电场的最大输出功率，k、τk0,l，τi,l均为非负自然数，下标l对应各个风电场的下标。作为本专利技术一种有源配电网鲁棒无功优化运行方法进一步的优化方案，步骤1)中所述节点电压机会约束的可行解为：其中，Mk2为包含节点电压机会约束全部对偶变量的对称矩阵，J为收缩的雅各比矩阵，QL为支路无功潮流，QD为无功负荷，ST为节点支路关联矩阵的转置，和分别表示节点i电压下限和上限，风电功率z2＝[QW1]T，QW为风电无功功率向量。作为本专利技术一种有源配电网鲁棒无功优化运行方法进一步的优化方案，步骤3)中，结合免疫系统抗体多样性、免疫自我调节以及免疫记忆特性进行免疫粒子群优化迭代。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：本专利技术设计的配电网无功优化运行方法，符合实际电力系统中风电概率分布函数不能准确预测，已知的仅仅是风电概率分布函数的二阶矩，提出了考虑风电概率分布不确定性的配电网无功优化方法。将所有期望值和方差矩阵设定为不确定集合，对于不确定集合内的任意情况，均满足系统安全经济运行的要求。通过运用最坏情况下CVaR估计和对偶优化理论消去无功优化模型中的随机变量，优化后的模型仅需要风电功率的二阶矩，将不确定问题转化为含有矩阵不等式的确定性模型，再采用基于线性矩阵不等式的免疫粒子群算法进行求解。算例仿真分析结果表明，本文提出的概率分布鲁棒机会约束规划模型在仅仅知道风电概率分布函数的部分信息的情况下，使系统满足配网节点电压和支路功率约束，有效降低包含风电的无功优化模型的难度。附图说明图1为本专利技术设计的考虑风电概率分布函数不确定性的可用配电能力评估方案的流程图；图2IEEE33节点系统接线图；图3概率分布鲁棒法和传统机会约束无功优化最优方案有功网损；图4不同均值下配电网网损(MW)，Γ＝10；图5不同方差风电接入下配电网有功网损,μ＝600KW。具体实施方式下面结合附图对本专利技术的技术方案做进一步的详细说明：如图1所示，本专利技术设计一种有源配电网鲁棒无功优化运行方法，针对在实际电力系统中，难以准确而有效地刻画风电的概率分布函数，本文提出了考虑风电概率分布不确定性的配电网无功优化策略，采用概率分布鲁棒机会约束规划模型描述含风电场的无功优化模型，有效地减少了传统机会约束规划模型中，利用MonteCarlo取样时所需的时间，并使优化结果在概率分布不确定集合中的任意一种场景下，均满足系统节点电压和支路功率的安全约束。通过使用最坏情况下CVaR和对偶优化方法有效地消除无功规划模型中的随机变量，优化后的模型仅需要随机变量的二阶矩，将不确定问题转化为含有矩阵不等式的确定性模型，再采用基于线性矩阵不等式的免疫粒子群算法进行求解。算例仿真分析结果表明，本文提出的概率分布鲁棒机会约束规划模型在仅仅知道风电概率分布函数的部分信息的情况下，使系统满足配网节点电压和支路功率约束，有效降低包含风电的无功优化模型的难度。本专利技术设计的一种有源配电网鲁棒无功优化运行方法，基于上述设计技术方案的基础之上，具体设计采用如下技术方案：仿真采用MATLABR2010a，电脑为Corei53.20Ghz,，4GRAM，在实际应用过程当中，具体设计采用以下步骤：步骤001：采用概率分布鲁棒机会约束规划模型如下对配电网无功优化进行建模，风电场接入配电网的基于机会约束规划的无功优化目标函数为：minPloss(1)式(1)本文档来自技高网...

【技术保护点】
一种有源配电网鲁棒无功优化运行方法，其特征在于，包括如下步骤：步骤1)，采用概率分布鲁棒机会约束模型对配电网无功优化进行建模，目标函数为通过对变压器分接头及电容器等无功补偿设备运行位置的优化决策，最小化配电网网损，约束条件包括潮流平衡方程、发电容量约束、节点电压机会约束和支路功率幅值机会约束；步骤2)，利用最坏情况下CVaR估计和对偶优化方法消去节点电压和支路功率概率分布鲁棒机会约束中的随机向量，从而将概率性约束转化为不含随机变量的确定性约束进行求解；步骤3)，针对所述的确定性无功优化模型，开始进行免疫粒子群优化迭代。

【技术特征摘要】
1.一种有源配电网鲁棒无功优化运行方法，其特征在于，包括如下步骤：步骤1)，采用概率分布鲁棒机会约束模型对配电网无功优化进行建模，目标函数为通过对无功补偿设备运行位置的优化决策，最小化配电网网损，约束条件包括潮流平衡方程、发电容量约束、节点电压机会约束和支路功率幅值机会约束；步骤2)，首先应用CVaR风险计量技术，基于CVaR对支路功率幅值机会约束和节点电压机会约束建模，其中，支路功率幅值机会约束表示为:式中，sup表示上确界，即对不确定集合ΦΞ(μ,Γ)的所有最坏条件风险值构成的集合，F1(Qc，T)＝[-(ST)-1(ST)-1·(PD)]，PD为负荷有功，ε＝1-β，β为设置的机会约束规划置信水平，T是变压器档位，Prφ为在φ下得到的概率，PLmax为支路所允许的传输功率上限，Qc为无功补偿电容，γ表示当无功补偿电容的无功补偿值为Qc、变压器变比为T时损失所对应的VaR数值，ST为节点支路关联矩阵的转置，PW为风电功率向量；节点电压表示为：式中，J为收缩的雅各比矩阵，QL为支路无功潮流，QD为无功负荷，z2＝[QW1]T，QW为风电无功功率向量，Umin和Umax分别表示节点电压下限和上限；然后根据对偶优化以及Shur补，消去支路功率约束和节点电压CVaR模型中的随机变量z1和z2,从而将概率性约束转化为不含随机变量的确定性约束进行求解；步骤3)，针对所述的确定性无功优化模型，开始进行免疫粒子群优化迭代。2.根据权利1所述的有源配电网鲁棒...

【专利技术属性】
技术研发人员：岳东，王璐，谢俊，黄崇鑫，王珂，李亚平，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32