新能源接入下电力系统最优潮流分析讲解.docx
- 文档编号:14686788
- 上传时间:2023-06-26
- 格式:DOCX
- 页数:16
- 大小:32.49KB
新能源接入下电力系统最优潮流分析讲解.docx
《新能源接入下电力系统最优潮流分析讲解.docx》由会员分享,可在线阅读,更多相关《新能源接入下电力系统最优潮流分析讲解.docx(16页珍藏版)》请在冰点文库上搜索。
新能源接入下电力系统最优潮流分析讲解
新能源接入下电力系统最优潮流分析
摘要1
Abstract1
第一章电力系统最优潮流概述2
1.1最优潮流的研究意义3
1.2最优潮流的概念3
1.3最优潮流与潮流计算的区别4
第二章最优潮流的数学模型5
2.1最优潮流的数学模型5
2.2最优潮流的常用目标函数5
第三章最优潮流的优化方法6
3.1传统优化算法6
3.2最优潮流的智能优化方法7
第四章智能电网8
4.1智能电网的概述8
4.2电力电子器件在智能电网中应用8
第五章含分布式电源的最优潮流研究9
5.1分布式电源简述9
5.2含分布式电源的最优潮流研究9
5.2.1含风电系统的最优潮流9
5.2.2智能电网配电网的最优潮流11
参考文献12
摘要
最优潮流是一种电力系统分析和优化的有效工具,在系统的安全运行、经济调度、可靠性分析、能量管理以及电力定价等方面得到了广泛的应用。
本文介绍了电力系统最优潮流的基本概念和最优潮流的优化方法。
同时,结合智能电网阐述了含分布式电源的电力系统最优潮流的研究。
本文可以对电力系统最优潮流进行基本认识。
关键词:
最优潮流;智能电网;优化方法;分布式电源
Abstract
Theoptimalpowerflow(OPF),consideringthesystemeconomicalefficiencyandsecurity,hasbeencommonlyusedasanefficientmethodinthepowersystemanalysisandoptimization.Itisappliedwidelyinpowersystemsafetyoperation,theeconomicoperation,reliabilityanalysis,energyandpowermanagementandelectricityprice,etc.Thisarticleintroducestheconceptionandmethodsofoptimalpowerflow.Atthesametime,westatesthestudyontheoptimalpowerflowwithdistributedsources,connectedthesmartgrid.Thearticleishelpfultoacknowledgetheoptimalpowerflowtosomeextent.
Keywords:
OPF;thesmartgrid;optimizationmethod;distributedsources
第一章电力系统最优潮流概述
1.1最优潮流的研究意义
电力系统是由发电机、升压变压器、输电线路、降压变压器和负荷端组成,承担着向用户输送、分配电能的任务,而配电网位于电力系统的末端,直接为用户提供电能,故其安全性、可靠性和经济性直接影响着电力系统的整体效益同时也影响着国家的国计民生。
电力系统是现代社会中最重要的系统工程之一,为社会生产和人民生活提供了绝大部分能量。
由于我国国情的特殊性,我国发电的主要方式主要是火力发电,电能的生产需要耗费大量的燃料,而目前电能在输送、分配和消费过程中存在着大量的损耗。
因此如何采取适当措施节约能源,比如采用新能源等,提高整个电力系统的运行效率,优化系统的运行方式,是国内外许多学者一直关注与研究的热点[1]。
电力系统的经济调度优化是电力系统经济运行的基础,该模型是在保证电力系统安全和满足用电需求条件下,在考虑机组本身物理约束的基础上,合理安排各类发电机组的启停调度以及各发电机的有功出力,使电力系统运行的发电费用或燃料总的消耗量达到最小,以取得最好的经济和社会效益,节能调度优化还要保证更少的污染物排放量和较高的能源利用效率。
电力系统供电网络优化运营是指当系统的网络拓扑结构和负荷需求为已知的前提下,通过调整控制变量、调整网络中潮流的分布从而实现系统的运营成本最小化目标,也称之为最优潮流问题。
该问题能够能将安全运行和最优经济运行等问题综合考虑,统一用数学模型来描述,从而将电力系统对于经济性、安全性以及电能质量三方面的要求完美地统一起来。
最初关于电力系统优化运行的研究仅局限于系统的经济性,称为电力系统经济运行或经济调度,随着世界上几次大的电力系统事故后,由于一次大面积停电事故造成的经济损失,可能超过几十年经济调度的收益,因此系统的优化运行首先应该满足系统安全性的要求,在经典的经济调度方法中全面考虑各种安全性约束,而最优潮流作为解决这一问题的理想工具被提出并受到重视。
二十世纪年代,随着电力工业重组,电力市场化进程展开,电力工业逐渐解除管制,原先垂直一体化的电力系统被分割为互不隶属、相互独立的经济实体。
在电力市场环境驱动下,降低电价、提高运行效率成为人们对电力系统的迫切要求,因此电力系统最优潮流得到进一步发展。
世界范围内的电力工业市场化改革给最优潮流的研究注入了强劲的动力。
电力市场的基本原则是公平和公开,最优潮流不仅能为电力市场运营者提供最优决策,而且使这一决策过程更透明、更公平,因此最优潮流在电力市场的阻塞管理、负荷管理,以及实时电价、无功定价、输电定价和可用传输能力等方面得到了广泛应用[2]。
1.2最优潮流的概念
电力系统的最优化运行是指在确保电力系统安全运行、满足用户用电需求的前提下,如何通过调度系统中各发电机组或发电厂的运行,从而使系统发电所需的总费用或所消耗的总燃料达到最小的运筹决策问题[3]。
数学上可将此问题描述为非线性规划或混合非线性规划问题。
最优潮流问题是指在满足必须的系统运行和安全约束条件下,通过调整系统中可利用控制手段实现预定目标最优的系统稳定运行状态[4]。
将电力系统的可靠性与电能质量量化成相应的经济指标,通过一些数学方法最终达到优化资源配置、降低成本、提高服务质量的目的就是最优潮流要实现的目的。
所谓的最优潮流就是当系统的结构和参数以及负荷情况给定时,通过优选控制变量所找到的能满足所有指定的约束条件,并使系统的某一性能指标或目标函数达到最优时的潮流分布[5]。
1.3最优潮流与潮流计算的区别
潮流计算式电力系统中最基本的研究课题,无论是进行电力系统的分析、运行还是控制,系统潮流分布都是最基本的考虑因素。
基本潮流计算的控制变量是事先给定,其各个支路或是节点的电流电压满足电力系统电压、电流约束即可,即其计算就是求解非线性代数方程组,其解一般是唯一的。
最优潮流计算中的控制变量是可变的而且待优选的变量,其数学方程中给出了满足基本约束之外要满足于运行限制有关的大量的不等式约束条件;对于最优潮流的数学模型是非线性规划问题,其求解需要采用最优化方法来解决;由于最优潮流可以自动优选控制变量,因此还可以根据不同或是特定的目标函数来求解问题,对于系统的优化调整具有指导意义。
不同的目标函数会有不同的最优解与之配合,因此最优化潮流的潮流计算往往是多解的。
显然其不同之处主要体现在以下两个方面:
一方面,通过最优潮流计算可指导系统调度员的操作,保证系统在经济、安全、可靠的状态下运行。
具体表现为:
第一,将所求问题以目标函数和约束函数形式固定下来后,就一定可以求出唯一最优解,并且该结果不受人为因素的影响;第二,最优潮流的寻优过程可以自动识别界约束,在解慢慢趋于最优的过程中可得到网络传输瓶颈信息,这样可以用来对电网的新型规划进行指导;第三,通过在最优点比较最优条件及相关数学模型,可以获得一些重要的灵敏度信息,如改变一些控制变量或松弛一些约束条件对解性能的影响程度,虽然这些信息只是在最优解的附近有效,但仍然能够揭示网络参数之间的一些关系;第四,最优潮流建模时保留了一定的冗余量,若在物理条件不可行的情况下找到解,这将有助于识别造成不可行解的冲突约束,并可为提高物理网络的运行可行性提供解决方案[6]。
另一方面,由于电力市场化进程的不断深入,如何获得综合的最优的经济价值,最优潮流为此提出了新的思路。
最优潮流可使电力系统处于最优运行环境下,从而使系统更加安全、稳定、可靠。
在约束条件较多的情况下,最优潮流可以通过模糊等一些数学方法把它们整合到同一个价值标准下来进行协调。
这不仅满足了电力系统运行经济性、安全性的基本要求,而且可以降低发电成本,协调电厂与电网、电网与用户之间的冲突。
第二章最优潮流的数学模型
2.1最优潮流的数学模型
同电力系统无功优化、配电网故障恢复一样,电力系统中最优潮流问题同样也可以用数学公式表达,其数学模型可以表示为:
minf=fu,x
s.t.g(u,x)=O,(式2-1)
h(u,x)兰0”
式2-1中:
fu,x为目标函数;
gu,x=0为节点平衡方程;
hu,x<0为不等式约束条件;
u为控制变量,X为控制变量的因变量,包括待求的节点电压。
从上式可以看出,电力系统最优潮流计算是一个典型的多约束的问题,综合
了目标函数和约束函数的非线性规划问题。
通过采用不同的目标函数和选择不同的控制变量,再与相应的约束条件相结合就可以构成适合不同求解目标的最优潮流问题。
2.2最优潮流的常用目标函数
对于多目标、非线性的最优潮流问题,其最优潮流有多种目标函数,最常用的目标函数有两种:
(1)全系统火电机组发电燃料总费用
NG
minf二'Fi%(式2-2)
iA
式中:
NG为发电机的总数,其中包括平衡节点的发电机组;Fi(PGi)为第i
台发电机组的耗量特性;PGi为发电机组i的有功发电功率。
其中机组的耗量特性通常用二次函数表示:
FiPGi二aiP;biPGiCi(式2-3)
式中:
ai,bi,ci为系数。
(2)有功网损
minf=送(Rj+耳)(式2-4)
i,j乎NL
式中:
NL表示所有支路的集合。
或同文献[7]—样采用系统有功发电功率之和:
第三章最优潮流的优化方法
同其它非线性、多目标、多约束的问题一样,最优潮流的求解算法同样也在不断求新,由传统的经典优化算法逐渐面向人工智能优化算法。
3.1传统优化算法
传统的优化算法包括梯度类算法、牛顿法和内点法,正如文献[8]所指的传统的运筹学优化方法一样,这是最优潮流的经典算法,这类算法都是基于导数的优化方法。
(1)简化梯度法
文献[4]最早提出了运用简化梯度法来计算最优潮流问题。
简化梯度算法主要利用极坐标形式的牛顿拉夫逊潮流程序,采用梯度法沿着控制变量的负梯度方向进行寻优,再用拉格朗日乘子处理等式约束,用KuhnTucker罚函数处理越限的不等式约束。
简化梯度计算法具有一阶收敛性,该方法程序编制简便只要在常规的极坐标牛顿潮流中稍作扩充就可以得到,因此需要的存储量小。
它对初始点无特殊要求。
但是由于梯度法前后两次的搜索方向总是互相垂直,因此迭代点在向最优点接近的过程中,收敛速度非常慢;另外,由于要采用罚函数处理不等式约束,其中罚因子的选择对算法的收敛性影响也很大,取得过小不利于消除越界的影响,取得过大则收敛性容易变差。
(2)牛顿法
牛顿算法并不区分状态变量和控制变量,而是利用电力网络的物理特征和稀疏矩阵技术[10],同时直接对拉格朗日函数条件进行牛顿法迭代求解。
牛顿法的优点在于利用了目标函数的二阶导数信息,具有二阶收敛速度,收
敛速度要明显快于简化梯度法。
由于海森矩阵是稀疏矩阵,,因此可以充分应用稀疏技术,适合于大规模网络计算。
但是却难以有效的确定约束集,同时编程实现也较为困难。
对应控制变量的海森阵对角元易出现小值或零值,造成矩阵奇异;
引人的拉格朗日乘子的初值对迭代计算的稳定性影响大。
(3)内点法
内点法的思想是给定一个可行的内点,使其沿着可行方向出发,求出使目标函数值下降的后继内点,沿另一个可行方向求出使目标函数值下降的新内点,如此重复直至得到最优解。
内点法的迭代次数和系统规模无关,其计算速度和处理不等式约束的能力均超过了求解非线性规划模型的牛顿算法。
内点法不需要试验迭代,因此该方法编程要简单,易于实现,在可行域内部向最优解逼近时,无需估计起作用的约束集的困难。
对于广泛应用的原一对偶内点算法其收敛迅速,鲁棒性强,初值的选择
不敏感。
但是其缺点在于对偶变量和障碍参数的确定需要根据人为经验给出,并
且迭代步长的控制也比较复杂。
3.2最优潮流的智能优化方法
经典数学优化方法依赖于精确的数学模型,但精确的数学模型比较复杂,难以适应实时控制要求,而粗略的数学模型又存在较大误差。
因此,研究人员开始关注近年来出现的基于对自然界和人类本身的有效类比而获得启示的智能优化方法,其中以遗传算法、模拟退火方法和粒子群算法等为代表。
(1)遗传算法遗传算法是一种模仿生物界自然选择原理和自然遗传机制的随机搜索寻优算法,其机理源于自然界中生物进化的选择和遗传,通过选择、杂交和变异等核心操作,实现“优胜劣汰”。
遗传算法应用于最优潮流时,其基本步骤是;首先对控制变量进行编码,并对该码串随机赋一组初值,然后通过目标函数适应度值评价其优劣,通过遗传操作—选择、杂交和变异,使其重新组合,评价值低的被淘汰,只有评价值高的才有机会生存下来,最终生存的码串所对应的解即为最优解。
遗传算法用于最优潮流的优点在于其基本思想简单,运行方式和实现步骤规范,便于具体使用;直接处理的对象是决策变量的编码集而不是决策变量实际值本身,搜索过程既不受优化函数的连续性约束,也没有优化函数导数必须存在的要求;遗传算法采用多点搜索,具有很高的隐含并行性;遗传算法是一种自适应搜索技术,其选择、交叉、变异等运算都是以一种概率方式来进行,从而增加了搜索过程的灵活性,具有较好的全局优化求解能力,但是不足在于容易陷入局部最优,群体中所有的个体都陷人于同一极值而停止进化,或者接近最优解的个体总是被淘汰,进化过程不收敛。
(2)模拟退火法模拟退火法的物理背景是固体退火过程的物理图像和统计性质。
该算法模拟了金属溶液冷却或退火的过程,即退火过程中能量逐渐减小,而退火结束后,金属的能量最小。
该算法是一种随机的启发式搜索方法,适用于处理非线性规划问题,能以较大概率(理论证明能够以概率收敛到全局最优)求得优化问题的全局最优解。
虽然模拟退火法寻优结束时能得到优化问题的最小值,但其参数的选取比较杂;同时为了使最终解尽可能接近全局最优,退火过程不能太快,又使得算法的计算时间过。
(3)粒子群算法粒子群算法是一种模拟鸟群觅食过程中的迁徙和群集行为时提出的一种基于群体能的演化计算技术。
该方法具有深刻的智能背景,既适合科学研究,又已经在函数优化、神经网络设计、信号处理等应用领域取得了成功。
粒子群算法的优点表现在实现非常简单,收敛速度快,并且可以并行处理,具有较好的鲁棒性和全局寻优能力。
其不足之处在于:
与比较鲜明的生物社会背景相比,目前粒子群算法的数学基础还比较薄弱,对其数学基础的研究待加强,当然算法本身的收敛性分析、抗局部极值能力和不同的参数影响等也需要加强。
对于单一人工智能算法具有的不足之处可以通过多个智能算法或是传统算法与智能算法想结合来克服。
文献[11]对电力系统最优潮流计算的问题提出了一种基于梯度蜂群混合算法。
利用梯度算法的快速寻优特性得到某一局部极值,然后采用蜂群算法的全局寻优能力跳出该局部极值,并经过反复交替迭代最终找到
问题的最优解。
该方法通过对IEEE5节点系统的计算结果表明了改进后的人工蜂群算法可较好的处理最优潮流约束条件,有效提高了基本蜂群算法的全局寻优能力和收敛精度,在处理最优潮流问题上具有一定的有效性和优越性。
文献[12]将矢量距理论的免疫算法应用于最优潮流计算,并在计算中引进自适应交叉和变异算子,根据抗体个体的适应度大小来动态调整交叉率和变异率,很大程度上保护了每代中的较优个体。
这种运用浮点数编码方法,无需解码,计算简单的方法对于最优潮流具有很高的求解价值。
第四章智能电网
4.1智能电网的概述
随着市场化改革的推进、气候变化的加剧,环境监管日益严格,可再生能源等分布式发电资源数量不断增加,智能电网的概念应运而生[13]。
智能电网的目标是利用现代测量、通信、计算机、自动化等先进技术,允许各种分布式电源接入电网,提高电力系统的能源转换和传输效率,同时可以确保电力系统运行更可靠、更灵活、更经济,以便为用户提供更高的供电质量和更优质的服务。
其与传统电网的区别在于:
一方面,从智能电网与传统电网管理运行模式相比,它是一个完整的企业级信息框架和基础设施体系,可以实现对电力客户、资产及运营的持续监视,提高管理水平、工作效率、电网可靠性和服务水平。
传统电网的电力资源没有被合理配置,造成能源和财富的损失。
另一方面,智能电网进一步优化各级电网控制,构建结构扁平化、功能模块化、系统组态化的柔性体系结构,通过集中与分散相结合,灵活变换网络结构、智能重组系统结构、最佳配置系统效能、优化电网服务质量,实现与传统电网截然不同的电网构成理念和体系。
智能电网的特点有自愈性、互动性、高电能质量、优化电网兼容性等。
自愈是指实时掌握电网运行状态,预测电网运行趋势,及时发现、快速诊断故障隐患和预防故障发生;故障发生时,在没有或少量人工干预下,能够快速隔离故障、自我恢复,避免大面积停电的发生。
兼容是指电网能够同时适应集中式发电和分布式发电模式,实现与负荷侧的交互,支持各种清洁、绿色、可再生能源的接入,满足电网与自然环境的谐调发展。
优化是指优化发电、输电、配电与用电等各个环节,提高能源的利用效率,降低运行、维护和投资成本。
互动是指实现与用户的智能互动,有效开展电力交易,实现资源的优化配置,提供最佳的电能质量和供电可靠性。
集成是指实现监测、控制、保护、维护、调度和电力市场管理等数字化信息系统的全面集成,形成全面的辅助决策体系[14]。
4.2电力电子器件在智能电网中应用
智能电网的发展离不开电力电子器件在其中的使用。
无论是用作柔性交流输电还是用于新能源发电,电力电子技术都发挥着举足轻重的作用。
电力电子技术主要为处理大容量、高电压电能,对电磁兼容特性及电能质量提出了较高要求。
因此,级联技术得到快速发展。
实现高压大容量的级联技术可分为3类:
(1)基
于器件的直接串联方式;
(2)多电平方式;(3)变压器多重化方式。
由于静态与动态均压问题,基于器件的直接串联方式一直未得到很好应用。
目前,特高压直流输电技术的发展,为大量功率器件的串联提供了技术支持,随着动态均压技术的发展,器件串联方式也将以其结构简单、控制方便、造价较低的特点获得广泛应用。
基于变压器的多重化技术具有使电力电子设备与电网间隔离的作用,易于有效提高设备容量,但存在多重变压器占地大、成本高、磁非线性导致的过电压和过电流问题,因此,使其应用受到限制。
多电平方式又分为二极管钳位型多电平、飞跨电容型、H桥级联型及DC/DC模块级联型等多种方式。
其中H桥级联方式基于相同的单元电路设计,易于实现模块化,已经在中压变频驱动等领域获得应用,也必将在智能电网控制设备中发挥作用[14]。
电力电子技术在智能电网中应用示涵盖电能产生、传输、分配与应用的各个领域。
特别需要指出的是,可再生能源发电中的电能变换装置主要是电力电子技术的应用,因此,正如文献[15]所说可再生能源发电并网性能的好坏在很大程度上取决于电力电子换流装置及其控制策略。
第五章含分布式电源的最优潮流研究
5.1分布式电源简述
电力电子技术的进步推动着各种新能源并网的实现,推动着分布式发电的进步。
分布式发电(DistributedGeneration,简称DG),通常是指发电功率在几千瓦至数百兆瓦(也有的建议限制在30〜50兆瓦以下)的小型模块化、分散式、布置在用户附近的高效、可靠的发电单元。
主要包括:
以液体或气体为燃料的内燃机、微型燃气轮机、太阳能发电(光伏电池、光热发电)、风力发电、生物质能发电等[16]。
各种各样的分布式电源与负荷组成了微电网,是它可同时提供电能和热能;其内部的电源主要由电力电子器件负责能量转换,并提供必需的控制;其相对于外部大电网表现为单一的受控单元,并可同时满足用户对电能质量和供电安全等的要求。
如图文献[17]所说一样微电网具有以下主要特征:
包含光伏、燃料电池等分布式电源;配备能量管理系统,通过对大量电力电子器件的控制,解决潮流、保护等问题;要求既可与大电网联网运行,又可在电网故障或需要时与主网断开单独运行,同时要对各种分布式电源进行有效控制。
越来越多的研究者开始致力于研究分布式电网中的经济运行部分,最优潮流部分。
5.2含分布式电源的最优潮流研究
5.2.1含风电系统的最优潮流
随着风电和光伏发电等间歇式分布式能源在电网中比重的加大,其出力的随机波动性给电网安全运行带来了很大风险,需要从电网优化调度以及网络优化、规划等多方面研究以缓解分布式能源发电对电网安全可靠运行带来的巨大挑战。
考虑分布式能源的电力系统优化运营问题是一个大规模、多目标、多约束、非线性的优化问题,其控制变量具有离散性与连续性相混合的特点,因此,分布式电网的优化运营问题的建模与求解算法就成了十分重要的研究课题。
几乎所有的分布式电网的研究者都知道最优潮流和负荷预测对于调度运营的重要性。
文献[18]中通过对短期负荷预测模型、考虑分布式能源的电力系统优化运营问题,包括对闭环经济调度问题,考虑风电接入的网络潮流优化问题和考虑分布式能源的网络规划问题进行研究。
其问题求解采用了自适应调整的粒子群算法对模型进行优化求解。
建立了一种基于变权预测校正内点法的分布式网络规划模型,对不同类型的可再生分布式发电机组进行优化配置,以网络损耗最小为优化目标,同时考虑了所有分布式发电机组可能的运行方式。
为了提高求解效率,模型采用了直角坐标潮流方程和约束条件。
对上述问题的建模与求解不仅可以实现电力系统运行安全性、经济性、环保性等要求,还可以降低发电、输电成本,协调电厂与电网、电网与用户之间的冲突,因此,对考虑分布式能源的电力系统优化运营问题和最优潮流问题进行研究具有重要的理论价值和现实意义。
最优潮流是当前电力系统调度运行中最重要的工具之一。
目前,风电场越来越多的以大规模、集中式并入电网。
为了提高风电利用率、降低系统的运行成本,满足电力系统运行的经济性和安全性要求,有必要对最优潮流问题进行深入研究。
在传统的电力系统最优潮流中,发电机组的输出功率可调,且具有确定性,风电并网后使得电力系统运行中的不确定性因素增多,这对电力系统的经济、安全运行提出了新的挑战。
因此,研究大规模风电接入下最优潮流问题是现代电力系统运行的一项重要内容,对保证系统的安全、经济运行具有十分重要的意义。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 新能源 接入 电力系统 最优 潮流 分析 讲解