风储联合多目标无功优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114123230A(43)申请公布日2022.03.01(21)申请号202111475505.X(22)申请日2021.12.06(71)申请人湘潭大学地址411105湖南省湘潭市雨湖区湘潭大学(72)发明人李利娟欧阳文昭徐洁辉刘红良姚特殊李泽宇(51)Int.Cl.H02J3/18(2006.01)H02J3/50(2006.01)H02J3/06(2006.01)H02J3/24(2006.01)权利要求书4页说明书6页附图4页(54)发明名称风储联合多目标无功优化方法(57)摘要本发明是针对风电爬坡事件的电力系统风储联合多目标无功优化方法；该方法通过建立包含储能系统目标函数和无功优化目标函数的风储联合无功优化模型，同时考虑储能系统约束条件、潮流约束条件、控制变量约束条件及状态变量约束条件，利用Pareto档案多目标粒子群算法和小生境技术对上述模型进行求解。本发明提供的方法经储能系统优化后的各项爬坡平抑评价指标均优于爬坡平抑之前的评价指标，能有效降低电力系统的有功网损和电压偏移，在保障电力系统运行的经济性与安全性方面更有优势。CN114123230ACN114123230A权利要求书1/4页1.一种风储联合多目标无功优化方法，其特征在于，所述方法包括：1‑1：建立包含储能系统目标函数和无功优化目标函数两个目标函数的无功优化模型，并考虑储能系统约束条件、潮流约束条件、控制变量约束条件及状态变量约束条件；1‑2：利用Pareto档案多目标粒子群优化算法和小生境技术算法对上述模型进行求解，优化算法的具体步骤如下：步骤1：把种群粒子代入Pareto最优算法计算函数值，将搜索到的非支配解加入外部档案，进行非支配排序；步骤2：利用小生境技术进行拥挤度计算来寻找个体极值与群体极值；步骤3：更新所有粒子的速度与位置，重新进行函数值和小生境技拥挤度计算，调整个体极值；步骤4：利用维护外部档案的新的非劣解取群体极值；步骤5：如果达到迭代次数则结束运行，否则重新进行函数值和拥挤度计算。2.根据权利要求1所述的风储联合多目标无功优化方法，特征在于，所述风储联合多目标无功优化模型包括两个目标函数和四个约束条件：2‑1：目标函数包括储能系统目标函数以及无功优化目标函数：2‑1‑1：储能系统目标函数是使风电功率的标准差最小的函数，其中，以风电功率标准差来表示储能系统跟踪风电功率波动偏差的大小可以有效地反映风电功率波动的平稳程度，若风电功率的标准差越小，表明风电功率的高峰与低谷之间的落差也越小，降低了风电功率的爬坡率，进而达到了风电爬坡平抑的效果；风电功率标准差F1最小的函数表达式如下式(1)、式(2)、式(3)、式(4)所示：Pi,z(t)＝Pi,w(t)+Pi,b(t)(2)Pi,b(t)＝Pi,ch(t)Di,ch(t)+Pi,dis(t)Di,dis(t)(3)式中，Pi,w(t)为t时刻节点i注入的风电功率，Pi,b(t)为t时刻节点i中储能系统的充放电功率，Pi,z(t)为t时刻节点i风储联合系统总的功率，Pi,a(t)为储能系统充电或者放电后得到平均风电功率，T为调节周期，Pi,ch(t)为储能系统的充电功率，Pi,dis(t)为储能系统的放电功率，当储能系统充电时，恒存在Pi,ch(t)＜0，当储能系统放电时，恒存在Pi,dis(t)＞0，当Pi,ch(t)＝0且Pi,dis(t)＝0时，表明储能系统处于停运状态，Di,ch(t)、Di,dis(t)为t时刻节点i的充电或者放电的状态，二者只取0或1，两者之和小于等于1表示t时刻节点i处所接储能系统不能同时给系统充电和放电；2‑1‑2：无功优化目标函数：以费用的形式表达有功网损与电压偏移，即有功网损乘以电价，越界的状态变量ΔUi乘以惩罚成本系数并将二者相加，这样即统一了二者量纲，又将电网的有功网损和电压偏移量加一起转换成综合费用；综合费用F2的函数表达式如下式(5)、式(6)、式(7)、式(8)所示：2CN114123230A权利要求书2/4页式中，n为网络节点总数，Ui(t)与Uj(t)分别表示为t时刻节点i与节点j间的电压，UN(t)为t时刻节点i的电压的额定值，Gij与Bij分别为节点i与j间的电导与电纳，θij(t)为节点i与j间的相角差，ΔP为有功网损，ΔU为电压偏移，为电价，β为越限电压惩罚成本系数，Ui，max＝1.05，Ui，min＝0.95；2‑1‑3：综合函数F的表达式如式(9)所示：2‑2：约束条件包括储能系统约束条件、潮流约束条件、控制变量约束条件和状态变量约束条件，约束条件是目标函数取得最优值时变量的范围约束，具体为:2‑2‑1:储能系统约束条件储能系统最大充放电功率约束，如式(10