[go: up one dir, main page]

CN117937502B - 一种配电网的无功控制方法及系统 - Google Patents

一种配电网的无功控制方法及系统 Download PDF

Info

Publication number
CN117937502B
CN117937502B CN202410096244.8A CN202410096244A CN117937502B CN 117937502 B CN117937502 B CN 117937502B CN 202410096244 A CN202410096244 A CN 202410096244A CN 117937502 B CN117937502 B CN 117937502B
Authority
CN
China
Prior art keywords
photovoltaic
output
predicted
predict
reactive
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202410096244.8A
Other languages
English (en)
Other versions
CN117937502A (zh
Inventor
张峻诚
吴海勇
林琳
孙晶
徐艳
陈志强
赵勇
潘凯岩
成江东
唐军沛
张传佳
李培霞
王飞
高天亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongfang Electronics Co Ltd
Original Assignee
Dongfang Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dongfang Electronics Co Ltd filed Critical Dongfang Electronics Co Ltd
Priority to CN202410096244.8A priority Critical patent/CN117937502B/zh
Publication of CN117937502A publication Critical patent/CN117937502A/zh
Application granted granted Critical
Publication of CN117937502B publication Critical patent/CN117937502B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
    • H02J3/0014—
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/50—Controlling the sharing of the out-of-phase component
    • H02J2101/24—
    • H02J2103/30—
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/30—Reactive power compensation

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明属于配电网无功控制领域，尤其涉及一种配电网的无功控制方法及系统。所述方法包括：构建光伏出力预测模型其包括构建判定函数，并基于判定函数构建光伏出力预测模型的目标函数；利用改进后的粒子群算法对所述光伏出力预测模型求解，得到预测的光伏有功出力区间；根据所述预测的光伏有功出力区间，计算预测的光伏无功出力区间；判断预测的光伏无功出力区间是否满足预测条件，若满足条件，将光伏逆变器作为配电网无功调节手段进行配电网无功调节。通过改进的粒子群算法，避免了现有技术中多种算法相结合进行光伏出力预测，简化了算法的计算复杂度，同时保证光伏逆变器可以作为可靠的无功调节手段参与配电网无功调节。

Description

一种配电网的无功控制方法及系统
技术领域
本发明属于配电网无功控制领域，尤其涉及一种配电网的无功控制方法及系统。
背景技术
光伏发电以其安全、无噪音、无污染等优点，已经成为应对能源危机的主要措施之一。近年来，通过调节光伏逆变器输出电流的相位和幅值来调节系统的功率因数，即利用光伏逆变器进行配电网无功调节和控制已经越来越成为配电网调节无功的重要手段。
传统的无功调节手段主要包括利用无功补偿设备和调节变压器有载分接开关，然而，光伏发电的特性决定了光伏出力具有随机性和波动性，如果直接将光伏逆变器投入配电网无功调节中，可能会造成无功电源不足，影响配电网系统线路电压水平，提高线损和设备损耗，此时还需要利用无功补偿装置或者调节有载分接开关来进行无功补偿，额外增加了系统控制成本和运行成本。
文献“光伏发电出力预测技术研究综述”中针对光伏出力随机性和波动性，提出了诸多预测方法，包括超短期预测、短期预测、中长期预测等不同时间尺度的预测方法，包括直接预测和间接预测等不同预测过程的预测方法等等，其往往依赖人工智能、机器学习等复杂算法的结合实现上述预测，除了算法本身晦涩复杂外，预测精度和算法难度存在互相矛盾的问题，如何简化光伏出力的预测计算，并将其应用于新能源发电协同参与的配电网无功调节中是目前需要解决的技术问题。
发明内容
为了克服现有技术中的问题，本发明提出了一种配电网的无功控制方法及系统。
本发明解决上述技术问题的技术方案如下：
第一方面，本发明提供了一种配电网的无功控制方法，包括以下步骤：
步骤100.构建光伏出力预测模型；其包括构建判定函数，并基于判定函数构建光伏出力预测模型的目标函数；
步骤200.利用改进后的粒子群算法对所述光伏出力预测模型求解，得到预测的光伏有功出力区间；
步骤300.根据所述预测的光伏有功出力区间，计算预测的光伏无功出力区间；
步骤400.判断预测的光伏无功出力区间是否满足预测条件，若满足条件，将光伏逆变器作为配电网无功调节手段进行配电网无功调节。
进一步地，所述步骤100中判定函数包括判定函数G1、判定函数G2、判定函数G3及判定函数G4；其中，判定函数G1表示预测区间覆盖率，即光伏出力实际值位于该预测区间的概率；判定函数G2表示预测区间宽度；判定函数G3表示预测精确度；判定函数G4表示预测偏差程度：
判定函数具体公式如下：
上式中，N表示样本总数，αn、Em为中间变量，xt+1为实际光伏有功出力；[PV-PREDICT-L(INt+1),PV-PREDICT-H(INt+1)]表示光伏有功出力区间，PV-PREDICT-L(INt+1)表示光伏有功出力区间的下限，PV-PREDICT-H(INt+1)表示光伏有功出力区间的上限；INt+1表示输入的原始变量；Nerror表示预测偏差样本总数，xm为预测偏差时的实际光伏有功出力的随机抽样样本，n为预测次数，t+1表示当前预测次数对应的时刻，m表示预测偏差次数，INm表示第m次预测偏差时输入的原始变量；PV-PREDICT-H(INm)表示第m次预测偏差时的光伏出力上限；PV-PREDICT-L(INm)表示第m次预测偏差时的光伏出力下限。
进一步地，所述步骤100中光伏出力预测模型的目标函数T具体为：
T＝max(G)
G＝k1G1+k2G2+k3G3+k4G4
其中，G为预测变量，G1、G2、G3、G4分别为预测变量G的判定函数；k1、k2、k3、k4分别为判定函数G1、G2、G3、G4的权重，权重满足k1：k2：k3：k4＝10:1:0.5:0.5。
进一步地，所述步骤200中改进后的粒子群算法改进之处在于对粒子群位置进行更新的过程，具体为：
其中，w、c1、c2、r1、r2均为算法参数，其中，c1和c2为学习因子，c1、c2取0到2之间的随机数；r1和r2为[0,2]区间内的随机数；w表示惯性权数，设为随时间变化的线性函数，具体为ω＝aTt+b，Tt为时间变量，a和b取大于零的常数；为第d次迭代的个体最优解，为第d次迭代的群体最优解，为第d次迭代速度，为当前迭代位置，为第d+1次迭代速度，为d+1次迭代后的更新位置。
进一步地，所述步骤300中根据如下公式计算预测的光伏无功出力区间[QV-PREDICT-L(t+1),QV-PREDICT-H(t+1)]：
上式中，QV-PREDICT-L(INt+1)表示光伏无功出力区间的下限，QV-PREDICT-H(INt+1)表示光伏无功出力区间的上限；S为光伏逆变器的额定容量；PV-PREDICT-L(INt+1)表示光伏有功出力区间的下限，PV-PREDICT-H(INt+1)表示光伏有功出力区间的上限。
第二方面，本发明还提供了一种配电网的无功控制系统，所述系统包括光伏出力预测模块、光伏无功出力判断模块和控制信号产生模块；
所述光伏出力预测模块用于对光伏有功出力区间进行预测，并就预测结果发送给光伏无功出力判断模块；
所述光伏无功出力判断模块用于计算预测的光伏无功出力区间，并判断所述预测的光伏无功出力区间是否满足预设条件，若满足，则发送第一触发信号给控制信号产生模块，使控制信号产生模块输出第一控制信号，控制配电网利用变压器有载分接开关、无功补偿装置和光伏逆变器对配电网无功进行控制；若不满足，则发送第二触发信号给控制信号产生模块，使控制信号产生模块输出第二控制信号，控制配电网利用变压器有载分接开关和无功补偿装置对配电网无功进行控制。
进一步地，所述光伏出力预测模块具体包括：光伏出力预测模型构建子模块、光伏出力预测模型求解子模块及光伏无功出力区间计算子模块；
光伏出力预测模型构建子模块用于构建光伏出力预测模型；
光伏出力预测模型求解子模块用于利用改进后的粒子群算法对所述光伏出力预测模型求解，得到预测的光伏有功出力区间；
光伏无功出力区间计算子模块用于根据所述预测的光伏有功出力区间，计算预测的光伏无功出力区间。
与现有技术相比，本发明具有如下技术效果：
(1)本发明以四个预测变量的判定函数构建光伏出力预测模型的目标函数，对现有粒子群算法进行改进然后利用改进后的粒子群算法对上述目标函数进行寻优求解，得到预测的光伏无功出力区间，判断该光伏无功出力区间是否满足预设条件，从而决定是否将光伏逆变器作为配电网无功调节手段进行配电网无功调节。
(2)本发明针对光伏出力特性构建目标函数，减小光伏出力随机性和波动性影响，保证了预测区间的覆盖率；通过改进的粒子群算法，避免了现有技术中多种算法相结合进行光伏出力预测，简化了算法的计算复杂度，同时保证光伏逆变器可以作为可靠的无功调节手段参与配电网无功调节。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明的流程示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效，详细说明如下。一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。除非另有定义，本发明所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
参照图1，在本发明的一个实施例中，提供了一种配电网的无功控制方法，包括以下步骤：
步骤100.构建光伏出力预测模型。
所述步骤100具体包括以下子步骤：
步骤110.构建判定函数；
构建判定函数，所述判定函数包括判定函数G1、判定函数G2、判定函数G3及判定函数G4；其中，判定函数G1表示预测区间覆盖率，即光伏出力实际值位于该预测区间的概率；判定函数G2表示预测区间宽度；判定函数G3表示预测精确度，当光伏出力实际值正好位于预测区间的中点时认为精确度最高；判定函数G4表示预测偏差程度，例如虽然光伏出力实际值没有位于预测区间内，但其与预测区间之间的距离越小，认为预测偏差程度越低，则可以从侧面反映出基于目标函数的预测的准确度。
判定函数具体公式如下：
上式中，N表示样本总数，αn、Em为中间变量，xt+1为实际光伏有功出力；[PV-PREDICT-L(INt+1),PV-PREDICT-H(INt+1)]表示光伏有功出力区间，PV-PREDICT-L(INt+1)表示光伏有功出力区间的下限，PV-PREDICT-H(INt+1)表示光伏有功出力区间的上限；INt+1表示输入的原始变量，包括温度、辐照、云量和光伏故障概率；Nerror表示预测偏差样本总数，xm为预测偏差时的实际光伏有功出力的随机抽样样本，n为预测次数，t+1表示当前预测次数对应的时刻，m表示预测偏差次数，INm表示第m次预测偏差时输入的原始变量；PV-PREDICT-H(INm)表示第m次预测偏差时的光伏出力上限；PV-PREDICT-L(INm)表示第m次预测偏差时的光伏出力下限。
步骤120.基于判定函数，构建光伏出力预测模型的目标函数；
光伏出力预测模型的目标函数T具体为：
T＝max(G)
其中，G为预测变量，G＝k1G1+K2G2+k3G3+k4G4，G1、G2、G3、G4分别为预测变量G的判定函数；k1、k2、k3、k4分别为判定函数G1、G2、G3、G4的权重，权重满足k1：k2：k3：k4＝10:1:0.5:0.5，也就是可以取k1为20，k2为2，k3为1，k4为1，也可以取k1为5，k2为0.5，k3为0.25，k4为0.25，不拘泥于权重是整数还是小数，符合上述比例关系即可，这里需要说明的是，判断函数G1、G2之间近似呈反比关系，G2、G4之间近似呈反比关系。
光伏出力曲线虽然总体上呈倒U型，但其受辐照、温度、云量、光伏板老化或部分损坏、表面覆尘等因素影响，出力的随机性和波动性较大，因此上述权重k1、k2、k3、k4的设置中取k1的量级最重，k2次之，k3和k4最小，主要保证预测区间的覆盖率以减小光伏出力的随机性和波动性对无功控制的影响，兼顾预测区间的宽度，而相对弱化预测区间精确度和预测偏差度，从而确保光伏逆变器的无功出力，使其能够作为无调节手段参与配电网的无功控制。
步骤200.利用改进后的粒子群算法对所述光伏出力预测模型求解，得到预测的光伏有功出力区间。
粒子群算法的流程如下：
设定算法的参数，包括粒子群规模、学习因子c1和c2、惯性权数w、最大迭代次数；
随机生成粒子的位置矢量和速度矢量，初始化个体最优解和群体最优解；
设置适应度函数；对种群内的每个粒子计算适应度；
根据个体最优解和群体最优解，对粒子群位置进行更新，对粒子群速度进行更新；
判断算法是否收敛或判断是否迭代到最大迭代次数，若是则输出最优解，若否则重复迭代步骤。
本实施例中基于粒子群算法，改进之处在于对粒子群位置进行更新的过程，改进粒子群算法基于如下公式更新粒子信息，具体为：
其中，w、c1、c2、r1、r2均为算法参数，其中，c1和c2为学习因子，c1、c2取0到2之间的随机数；r1和r2为[0,2]区间内的随机数；w表示惯性权数，设为随时间变化的线性函数，具体为ω＝aTt+b，Tt为时间变量，a和b取大于零的常数；为第d次迭代的个体最优解，为第d次迭代的群体最优解，为第d次迭代速度，为当前迭代位置，为第d+1次迭代速度，为d+1次迭代后的更新位置。
本发明对粒子群算法的主要改进在于对算法参数w赋值为随时间变化的线性比例函数，通过重新定义算法参数w，可以平衡粒子群算法固有的个体最优解和群体最优解之间的矛盾，拓宽粒子搜索范围，同时可以保证在有限次迭代后即可找到群体最优解，降低迭代次数，减少计算时间和压力。通过上述改进，本发明可以仅使用改进后的粒子群算法对目标函数进行寻优，而不需要结合诸如相关向量机、长短期记忆神经网络等复杂算法，简化了算法的计算复杂度，节约了计算资源。
步骤300.根据所述预测的光伏有功出力区间，计算预测的光伏无功出力区间。
根据如下公式计算预测的光伏无功出力区间[QV-PREDICT-L(t+1),QV-PREDICT-H(t+1)]：
上式中，QV-PREDICT-L(INt+1)表示光伏无功出力区间的下限，QV-PREDICT-H(INt+1)表示光伏无功出力区间的上限；S为光伏逆变器的额定容量；PV-PREDICT-L(INt+1)表示光伏有功出力区间的下限，PV-PREDICT-H(INt+1)表示光伏有功出力区间的上限。
步骤400.判断预测的光伏无功出力区间是否满足预测条件，若满足条件，将光伏逆变器作为配电网无功调节手段进行配电网无功调节。
预设条件为光伏无功出力区间 其中A为预设光伏无功出力参考区间，也就是说当预测的光伏无功出力区间[QV-PREDICT-L(INt+1),QV-PREDICT-H(INt+1)]完全被包含于预设光伏无功出力参考区间A时，才将光伏逆变器作为无功调节的手段，与有载分接开关(OLTC，On Load Tap Changer)、无功补偿装置一起作为无功调节手段；否则仅采用传统的无功补偿装置和有载分接开关进行无功调节。
本发明针对光伏出力特性，以四个预测变量的判定函数为基础构建光伏出力预测模型的目标函数，减小光伏出力随机性和波动性影响，保证了预测区间的覆盖率；对现有粒子群算法进行改进然后利用改进后的粒子群算法对上述目标函数进行寻优求解得到预测的光伏无功出力，避免了现有技术中多种算法相结合进行光伏出力预测，简化了算法的复杂度，同时保证光伏逆变器可以作为可靠的无功调节手段参与配电网无功调节。
基于同样的发明构思，本发明实施例还提供了一种用于实现上述所涉及的一种配电网的无功控制方法的一种配电网的无功控制系统。该系统所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个系统实施例中的具体限定可以参见上文中对于一种配电网的无功控制方法的限定，在此不再赘述。
在另一实施例中公开了一种配电网的无功控制系统，所述系统包括光伏出力预测模块、光伏无功出力判断模块和控制信号产生模块；
所述光伏出力预测模块对光伏有功出力区间进行预测，并就预测结果发送给光伏无功出力判断模块；
所述光伏无功出力判断模块计算预测的光伏无功出力区间，并判断所述预测的光伏无功出力区间是否满足预设条件，若满足，则发送第一触发信号给控制信号产生模块，使控制信号产生模块输出第一控制信号，控制配电网利用变压器有载分接开关、无功补偿装置和光伏逆变器对配电网无功进行控制；若不满足，则发送第二触发信号给控制信号产生模块，使控制信号产生模块输出第二控制信号，控制配电网利用变压器有载分接开关和无功补偿装置对配电网无功进行控制。
在具体实施例中，所述光伏出力预测模块具体包括：光伏出力预测模型构建子模块、光伏出力预测模型求解子模块及光伏无功出力区间计算子模块；光伏出力预测模型构建子模块用于构建光伏出力预测模型；光伏出力预测模型求解子模块用于利用改进后的粒子群算法对所述光伏出力预测模型求解，得到预测的光伏有功出力区间；光伏无功出力区间计算子模块用于根据所述预测的光伏有功出力区间，计算预测的光伏无功出力区间。
具体的，光伏出力预测模型构建子模块包括：构建判定函数及目标函数：
判定函数包括判定函数G1、判定函数G2、判定函数G3及判定函数G4；其中，判定函数G1表示预测区间覆盖率，即光伏出力实际值位于该预测区间的概率；判定函数G2表示预测区间宽度；判定函数G3表示预测精确度；判定函数G4表示预测偏差程度：判定函数具体公式如下：
上式中，N表示样本总数，αn、Em为中间变量，xt+1为实际光伏有功出力；[PV-PREDICT-L(INt+1),PV-PREDICT-H(INt+1)]表示光伏有功出力区间，PV-PREDICT-L(INt+1)表示光伏有功出力区间的下限，PV-PREDICT-H(INt+1)表示光伏有功出力区间的上限；INt+1表示输入的原始变量；Nerror表示预测偏差样本总数，xm为预测偏差时的实际光伏有功出力的随机抽样样本，n为预测次数，t+1表示当前预测次数对应的时刻，m表示预测偏差次数，INm表示第m次预测偏差时输入的原始变量；PV-PREDICT-H(INm)表示第m次预测偏差时的光伏出力上限；PV-PREDICT-L(INm)表示第m次预测偏差时的光伏出力下限。
光伏出力预测模型的目标函数T具体为：
T＝max(G)
G＝k1G1+k2G2+k3G3+k4G4
其中，G为预测变量，G1、G2、G3、G4分别为预测变量G的判定函数；k1、k2、k3、k4分别为判定函数G1、G2、G3、G4的权重，权重满足k1：k2：k3：k4＝10:1:0.5:0.5。
光伏出力预测模型求解子模块，利用改进后的粒子群算法对所述光伏出力预测模型求解，改进之处在于对粒子群位置进行更新的过程，改进粒子群算法基于如下公式更新粒子信息，具体为：
其中，w、c1、c2、r1、r2均为算法参数，其中，c1和c2为学习因子，c1、c2取0到2之间的随机数；r1和r2为[0,2]区间内的随机数；w表示惯性权数，设为随时间变化的线性函数，具体为ω＝aTt+b，Tt为时间变量，a和b取大于零的常数；为第d次迭代的个体最优解，为第d次迭代的群体最优解，为第d次迭代速度，为当前迭代位置，为第d+1次迭代速度，为d+1次迭代后的更新位置。
光伏无功出力区间计算子模块用于根据所述预测的光伏有功出力区间，计算预测的光伏无功出力区间；根据如下公式计算预测的光伏无功出力区间[QV-PREDICT-L(t+1),QV-PREDICT-H(t+1)]：
上式中，QV-PREDICT-L(INt+1)表示光伏无功出力区间的下限，QV-PREDICT-H(INt+1)表示光伏无功出力区间的上限；S为光伏逆变器的额定容量；PV-PREDICT-L(INt+1)表示光伏有功出力区间的下限，PV-PREDICT-H(INt+1)表示光伏有功出力区间的上限。
本发明以四个预测变量的判定函数构建光伏出力预测模型的目标函数，对现有粒子群算法进行改进然后利用改进后的粒子群算法对上述目标函数进行寻优求解，得到预测的光伏无功出力区间，判断该光伏无功出力区间是否满足预设条件，从而决定是否将光伏逆变器作为配电网无功调节手段进行配电网无功调节。本发明针对光伏出力特性构建目标函数，减小光伏出力随机性和波动性影响，保证了预测区间的覆盖率；通过改进的粒子群算法，避免了现有技术中多种算法相结合进行光伏出力预测，简化了算法的计算复杂度，同时保证光伏逆变器可以作为可靠的无功调节手段参与配电网无功调节。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (2)

1.一种配电网的无功控制方法，其特征在于，包括以下步骤：
步骤100.构建光伏出力预测模型；其包括构建判定函数，并基于判定函数构建光伏出力预测模型的目标函数；
步骤200.利用改进后的粒子群算法对所述光伏出力预测模型求解，得到预测的光伏有功出力区间；
步骤300.根据所述预测的光伏有功出力区间，计算预测的光伏无功出力区间；
步骤400.判断预测的光伏无功出力区间是否满足预测条件，若满足条件，将光伏逆变器作为配电网无功调节手段进行配电网无功调节；
所述步骤100中判定函数包括判定函数G1、判定函数G2、判定函数G3及判定函数G4；其中，判定函数G1表示预测区间覆盖率，即光伏出力实际值位于该预测区间的概率；判定函数G2表示预测区间宽度；判定函数G3表示预测精确度；判定函数G4表示预测偏差程度；
判定函数具体公式如下：
上式中，N表示样本总数，、Em为中间变量，xt+1为实际光伏有功出力；[PV-PREDICT-L（INt+1）,PV-PREDICT-H（INt+1）]表示光伏有功出力区间，PV-PREDICT-L（INt+1）表示光伏有功出力区间的下限，PV-PREDICT-H（INt+1）表示光伏有功出力区间的上限；INt+1表示输入的原始变量；Nerror表示预测偏差样本总数，xm为预测偏差时的实际光伏有功出力的随机抽样样本，n为预测次数，t+1表示当前预测次数对应的时刻，m表示预测偏差次数，INm表示第m次预测偏差时输入的原始变量；PV-PREDICT-H（INm）表示第m次预测偏差时的光伏出力上限；PV-PREDICT-L（INm）表示第m次预测偏差时的光伏出力下限；
所述步骤100中光伏出力预测模型的目标函数T具体为：
其中，G为预测变量，G1、G2、G3、G4分别为预测变量G的判定函数；k1、k2、k3、k4分别为判定函数G1、G2、G3、G4的权重，权重满足k1：k2：k3：k4=10:1:0.5:0.5；
所述步骤200中改进后的粒子群算法改进之处在于对粒子群位置进行更新的过程，具体为：
其中，w、 、、、均为算法参数，其中，和为学习因子，、取0到2之间的随机数；和为[0,2]区间内的随机数；w表示惯性权数，设为随时间变化的线性函数，具体为，Tt为时间变量，a和b取大于零的常数；为第d次迭代的个体最优解，为第d次迭代的群体最优解，为第d次迭代速度，为当前迭代位置，为第d+1次迭代速度，为d+1次迭代后的更新位置；
所述步骤300中根据如下公式计算预测的光伏无功出力区间[QV-PREDICT-L（t+1）,QV-PREDICT-H（t+1）]：
上式中，QV-PREDICT-L（INt+1）表示光伏无功出力区间的下限，QV-PREDICT-H（INt+1）表示光伏无功出力区间的上限；S为光伏逆变器的额定容量；PV-PREDICT-L（INt+1）表示光伏有功出力区间的下限，PV-PREDICT-H（INt+1）表示光伏有功出力区间的上限。
2.一种配电网的无功控制系统，其特征在于，所述系统包括光伏出力预测模块、光伏无功出力判断模块和控制信号产生模块；
所述光伏出力预测模块用于对光伏有功出力区间进行预测，并就预测结果发送给光伏无功出力判断模块；
所述光伏无功出力判断模块用于计算预测的光伏无功出力区间，并判断所述预测的光伏无功出力区间是否满足预设条件，若满足，则发送第一触发信号给控制信号产生模块，使控制信号产生模块输出第一控制信号，控制配电网利用变压器有载分接开关、无功补偿装置和光伏逆变器对配电网无功进行控制；若不满足，则发送第二触发信号给控制信号产生模块，使控制信号产生模块输出第二控制信号，控制配电网利用变压器有载分接开关和无功补偿装置对配电网无功进行控制；
所述光伏出力预测模块具体包括：光伏出力预测模型构建子模块、光伏出力预测模型求解子模块及光伏无功出力区间计算子模块；
所述光伏出力预测模型构建子模块用于构建光伏出力预测模型包括：构建判定函数及目标函数：
判定函数包括判定函数G1、判定函数G2、判定函数G3及判定函数G4；其中，判定函数G1表示预测区间覆盖率，即光伏出力实际值位于该预测区间的概率；判定函数G2表示预测区间宽度；判定函数G3表示预测精确度；判定函数G4表示预测偏差程度；
判定函数具体公式如下：
上式中，N表示样本总数，、Em为中间变量，xt+1为实际光伏有功出力；[PV-PREDICT-L（INt+1）,PV-PREDICT-H（INt+1）]表示光伏有功出力区间，PV-PREDICT-L（INt+1）表示光伏有功出力区间的下限，PV-PREDICT-H（INt+1）表示光伏有功出力区间的上限；INt+1表示输入的原始变量；Nerror表示预测偏差样本总数，xm为预测偏差时的实际光伏有功出力的随机抽样样本，n为预测次数，t+1表示当前预测次数对应的时刻，m表示预测偏差次数，INm表示第m次预测偏差时输入的原始变量；PV-PREDICT-H（INm）表示第m次预测偏差时的光伏出力上限；PV-PREDICT-L（INm）表示第m次预测偏差时的光伏出力下限；
光伏出力预测模型的目标函数T具体为：
其中，G为预测变量，G1、G2、G3、G4分别为预测变量G的判定函数；k1、k2、k3、k4分别为判定函数G1、G2、G3、G4的权重，权重满足k1：k2：k3：k4=10:1:0.5:0.5；
所述光伏出力预测模型求解子模块用于利用改进后的粒子群算法对所述光伏出力预测模型求解，得到预测的光伏有功出力区间；改进后的粒子群算法改进之处在于对粒子群位置进行更新的过程，具体为：
其中，w、 、、、均为算法参数，其中，和为学习因子，、取0到2之间的随机数；和为[0,2]区间内的随机数；w表示惯性权数，设为随时间变化的线性函数，具体为，Tt为时间变量，a和b取大于零的常数；为第d次迭代的个体最优解，为第d次迭代的群体最优解，为第d次迭代速度，为当前迭代位置，为第d+1次迭代速度，为d+1次迭代后的更新位置；
所述光伏无功出力区间计算子模块用于根据所述预测的光伏有功出力区间，计算预测的光伏无功出力区间；根据如下公式计算预测的光伏无功出力区间[QV-PREDICT-L（t+1）,QV-PREDICT-H（t+1）]：
上式中，QV-PREDICT-L（INt+1）表示光伏无功出力区间的下限，QV-PREDICT-H（INt+1）表示光伏无功出力区间的上限；S为光伏逆变器的额定容量；PV-PREDICT-L（INt+1）表示光伏有功出力区间的下限，PV-PREDICT-H（INt+1）表示光伏有功出力区间的上限。
CN202410096244.8A 2024-01-23 2024-01-23 一种配电网的无功控制方法及系统 Active CN117937502B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410096244.8A CN117937502B (zh) 2024-01-23 2024-01-23 一种配电网的无功控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410096244.8A CN117937502B (zh) 2024-01-23 2024-01-23 一种配电网的无功控制方法及系统

Publications (2)

Publication Number Publication Date
CN117937502A CN117937502A (zh) 2024-04-26
CN117937502B true CN117937502B (zh) 2024-08-20

Family

ID=90766216

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410096244.8A Active CN117937502B (zh) 2024-01-23 2024-01-23 一种配电网的无功控制方法及系统

Country Status (1)

Country Link
CN (1) CN117937502B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112018808A (zh) * 2020-08-12 2020-12-01 广东电网有限责任公司广州供电局 一种基于多逆变器通信的光伏电压协同控制方法
CN115133541A (zh) * 2022-07-27 2022-09-30 国网山东省电力公司枣庄供电公司 基于改进粒子群算法的光伏发电系统无功补偿方法及系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6412822B2 (ja) * 2015-04-22 2018-10-24 株式会社日立製作所 電力系統電圧無効電力監視制御装置及び方法
CN105207274B (zh) * 2015-10-29 2017-12-08 许继集团有限公司 一种自适应调节无功输出的分布式光伏发电控制方法
JP6876406B2 (ja) * 2016-10-20 2021-05-26 株式会社日立製作所 電圧無効電力運用支援装置および支援方法、並びに電圧無効電力運用監視制御装置および監視制御方法
CN114221340B (zh) * 2022-02-21 2022-06-03 深圳江行联加智能科技有限公司 基于源网荷储分布式能源配网方法、装置、设备及介质
CN115411743B (zh) * 2022-09-20 2024-11-26 武汉大学 一种分布式光伏参与配网无功优化的多阶段电压控制方法
CN115603368B (zh) * 2022-10-19 2025-08-05 国网天津市电力公司 一种考虑光伏接入的站-线-变多级无功协调优化方法
CN116683471B (zh) * 2023-04-28 2024-06-11 国网河北省电力有限公司电力科学研究院 无功功率补偿资源的配置方法、装置以及设备
CN117039912A (zh) * 2023-05-10 2023-11-10 国网四川省电力公司电力科学研究院 一种基于功率预测的风电集群无功电压控制方法
CN116799867B (zh) * 2023-05-17 2024-04-16 国网信息通信产业集团有限公司 基于群内预自治的分布式光伏协同控制方法、系统及设备
CN117220357A (zh) * 2023-09-19 2023-12-12 国网河北省电力有限公司电力科学研究院 配电网无功电压优化方法、装置、电子设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112018808A (zh) * 2020-08-12 2020-12-01 广东电网有限责任公司广州供电局 一种基于多逆变器通信的光伏电压协同控制方法
CN115133541A (zh) * 2022-07-27 2022-09-30 国网山东省电力公司枣庄供电公司 基于改进粒子群算法的光伏发电系统无功补偿方法及系统

Also Published As

Publication number Publication date
CN117937502A (zh) 2024-04-26

Similar Documents

Publication Publication Date Title
Wang et al. Real-time coordination of dynamic network reconfiguration and volt-VAR control in active distribution network: A graph-aware deep reinforcement learning approach
CN113872213A (zh) 一种配电网电压自主优化控制方法及装置
CN114937999B (zh) 基于机器学习的同步发电机提高电压暂稳的稳态无功优化方法
CN119965886B (zh) 一种高光伏渗透率的配电网电压控制方法及系统
CN118971138A (zh) 基于负荷预测的微电网孤岛运行控制方法及系统
CN119726744A (zh) 基于源荷预测的氢电耦合系统调度优化方法
CN119134386A (zh) 一种弱电网的无功补偿控制方法及装置
Li et al. Two‐stage voltage control strategy in distribution networks with coordinated multimode operation of PV inverters
CN117937502B (zh) 一种配电网的无功控制方法及系统
CN117060337A (zh) 一种配电变压器紧急过载故障的分级处理方法及系统
JPH11289664A (ja) 配電系統制御システム
Deepa et al. A Fuzzy GA based STATCOM for power quality improvement
Li et al. Performance based linear control system design by genetic evolution with simulated annealing
CN108363302B (zh) 一种基于和声搜索的船舶动力定位底层推进器控制方法
CN119209561B (zh) 基于深度强化学习的多时间尺度电压调节方法及系统
CN120300816A (zh) 一种基于isca-helm的配电网无功优化控制方法、系统
CN120377226A (zh) 一种基于gapso算法的蓄电站负荷跟踪方法
CN120016499A (zh) 一种基于多智能体策略梯度的配电网电压调控方法及系统
CN120090165A (zh) 一种自适应配电网故障离网运行微电网灵活资源协调调度优化方法
CN116581766B (zh) 一种考虑下垂特性的虚拟电厂强化在线电压控制方法
CN119051070A (zh) 一种储能辅助火电机组深度强化学习负荷频率控制方法
CN118783450A (zh) 多时间尺度配电网电压优化控制方法、装置、介质和设备
CN118100211A (zh) 地铁主变电站无功补偿方案评估方法
CN117521906A (zh) 基于决策树集成的配电网在线无功优化决策方法及系统
CN114971419A (zh) 一种高维度电力系统环境经济调度方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant