基于Kriging模型优化算法的含分布式电源配电网多目标无功优化研究
2020-07-13石佩玉田晓军路文梅李彤坤
河北省科学院学报 2020年2期
石佩玉,田晓军,路文梅,李 燕,高 波,李彤坤
(1.河北水利电力学院 电气工程学院,河北 沧州 061001;2.沧州市工业机械手控制与可靠性技术创新中心,河北 沧州 061001;3.河北工业大学,天津 300130)
分布式能源包括风能、太阳能光伏、储能系统等。大规模分布式电源并网势必改变配电网的潮流分布,使电网中的无功潮流改变,若某个节点无功不足或过剩,则会降低电压质量[1]。在实际运行中,由于分布式电源 DG和大部分负荷都具有较强的随机性,通过直驱式风电机组和光伏系统逆变器可以对并网功率实现有功功率和无功功率独立调节。因此,研究考虑源荷不确定性的含DG配电网的多目标无功优化策略十分重要。
1 含DG配电网多目标无功优化模型
1.1 源荷不确定性的描述
风力发电机的有功输出和风速有关,风速一般服从威布尔分布[2],威布尔分布的形状、尺度参数由风速24h观测均值和方差计算得出,则风电发电机组有功功率输出与额定风功率出力及额定、切入和切出风速有关。太阳光照强度beta分布模拟[2], beta分布的形状参数由光照的平均值和方差计算,有功功率输出与方阵面积和转换效率等有关。负荷功率概率分布采用正态分布进行模拟。本文考虑的储能装置(ESS)为电化学储能,设其在控制周期内的充放电过程以恒功率进行。
由于分布式电源和负荷均具有随机性,储能装置作为可控负荷和电源,对削谷填峰改善电压有积极作用。对于随机性源荷,本文采用拉丁超立方采样,具体方法为:对每个随机变量的累积概率分布曲线的纵轴等概率分成N个空间,有P个随机变量,则通过采样后得到一个N×P的采样矩阵,通过迭代计算,最后形成N个采样场景,场景集合为SC。……
登录APP查看全文
