[发明专利]一种追求分散式风电高效消纳的配电网优化运行方法

说明书

本发明公开了一种追求分散式风电高效消纳的配电网优化运行方法，充分利用分散式风电的功率调节能力，提高了配电网对分散式风力发电的消纳能力，节省了无功补偿设备的投入；与现有普遍以经济性为目标的主动配电系统优化调度模型相比，以分散式风电高效消纳为优化目标代替系统运行经济性目标，并加入了电压质量提升目标，建立了多目标的优化调度模型。

技术领域

本发明属于配系统的运行控制方法技术领域，具体涉及一种追求分散式风电高效消纳的配电网优化运行方法。

背景技术

近年来，受到化石能源短缺、环境污染等社会问题的驱使，绿色清洁、可再生的风电资源得到了迅速发展。而我国风电属于资源导向型，远离负荷中心，且具有大规模、少业主、高度分散的缺陷，因此分散式风电的作用日益突出。分散式风电场接入配电网后，传统配电网转变为含多DWP的有源网络^[1]，风能的波动性、不确定性将会给配电网中潮流分布、电压稳定以及网络损耗等产生较大的影响，可能给电网经济、安全运行造成不利影响。为此，有必要在保证配电网安全运行的前提下，充分提高分散式风电消纳能力。

分散式风电场接入配电网后，传统配电网转变为含多DWP的有源网络，风能的波动性、不确定性将会给配电网中潮流分布、电压稳定以及网络损耗等产生较大的影响，可能给电网经济、安全运行造成不利影响。为此，有必要在保证配电网安全运行的前提下，充分提高分散式风电消纳能力。

近年来，有学者陆续对分散式风电接入配电网进行了研究，提出了很多分散式风电并网后的配电网优化方法。。这些研究内容大多涉及含DWP的配电网无功优化控制。其中，有专家以复仿射区间潮流为基础，建立了有源配电网区间多目标无功优化的数学模型。部分学者建立了以风电消纳电量最大和系统运行成本最小为目标的源荷协调多目标优化模型，并采用多目标差分算法进行求解。还有学者采用拉丁超立方采样产生多个场景，利用Cholesky分解排序法对生成的场景进行排序，获得计及多个风电机组出力相关性的多个场景，并以有功网损的期望值最小作为优化目标，以节点电压、支路功率以及电容器投切组数作为约束条件，建立基于多场景分析法的含多个风电机组的配电网无功优化模型。

随着各类可再生能源发电的大力发展和配电网网架结构的增强，接入配电网的分散式电源趋向多元化发展，已有学者开始了面向各类分散式电源并网的最优潮流和优化调度的研究。这些研究中的优化目标包括运行成本目标、网络损耗目标以及负荷满意度目标等，求解优化数学模型的方法也多种多样，传统的线性规划法、非线性规划法、牛顿法和内点法等算法对求解含有离散变量、多目标问题存在一定的局限性，近年来，遗传算法、粒子群优化算法、禁忌搜索算法等智能优化算法的出现弥补了这一缺点，并在分散式风电优化领域中得到了广泛运用。

上述研究从不同的角度和方法提出了分散式风电接入配电网的优化运行策略，取得了显著的效果。然而，多数研究仅考虑了对无功功率进行调控，并未考虑分散式风电的消纳问题，而且其中一些研究并没有充分利用风机自身的无功功率。因此，研究一种考虑分散式风电并网点电压质量的数学模型，实现了风电资源的高效消纳具有重要意义。

发明内容

本发明的目的在于提供一种追求分散式风电高效消纳的配电网优化运行方法，能够充分利用分散式风电自身的无功功率以及分散式风电消纳能力不足的缺点。

本发明的技术方案为，一种追求分散式风电高效消纳的配电网优化运行方法，具体按照以下步骤实施：

步骤1、设计并网点电压质量提升目标函数、风电高效消纳目标函数，构建双目标配电网优化运行模型，通过带权极小模评价函数组合两个目标函数，转化为单目标函数，即为最优目标函数值；

步骤2、改进基本粒子群算法；

步骤3、根据初始化个体公式生成N个初始个体，将每个个体当做一个粒子群，初始化粒子群算法中各参数，包括最大迭代次数、粒子速度范围、学习因子；