一种基于新能源及电动汽车接入配电网的无功优化方法

技术领域

本发明涉及配电网的无功功率调控技术领域，尤其涉及一种基于新能源及电动汽车接入配电网的无功优化方法。

背景技术

可再生能源具有可回收性、清洁性和无限性的特点，在当今世界的配电网中得到越来越广泛的应用。为了促进能源结构的转变，新能源驱动的电动汽车在我国许多城市的利用率也在不断地提高。然而，随着新能源以及电车充换电站高比例接入配电网络，日益增多的电力电子设备的存在使得配电变得困难，且配电网的电压偏差、电压波动等电能质量受到的负面影响必然会大大增强。如若仅依赖传统的无功补偿手段，如在线路上加设无功补偿装置、调整变压器的分接头等，已难以满足现代规模扩大的配电网络的无功调控需要。为此，深度挖掘新能源及电车的无功调控潜力已是燃眉之急，使其在降低配电网络无功优化调控压力的同时也能提高电压的质量。

对于最原始的配电网，即不考虑新能源和电车接入的模型，湖南省多电源地区电网运行与控制重点实验室的团队提出了一种改进的粒子群优化算法，以计算最小化无功补偿设备的功耗和投资成本之和。重庆邮电大学的研究成员也曾把基于多目标维数的飞蛾算法运用到优化电力系统的功率损耗、排放和成本的问题中去，基本得到了能够指导电网参数变化的较优实验结果。近些年来，国外专家对此类问题的研究也颇有讲究，如苏伦德拉工程与管理学院电气工程系的Joy和加里亚尼政府工程学院电气工程系的Provas在原始配电网模型引入了新能源设备，在此基础上提出了一个称为混合多目标蛾子火焰优化技术的高效优化方法，以解决电力系统中的建立的多目标问题（Multi-objective optimizationproblems, MOPs）。考虑风能与太阳能的接入情况下，伊斯兰阿扎德大学电气工程系的Armin团队为了寻求最小化电压偏差和网络功率损耗模型的最优解，提出了一种元启发式算法。然而，归根结底，对于新能源及电车接入配网的MOPs还是处在较为空白的阶段。

上述现有技术主要存在以下缺点：

1、在实际的配电网络中，存在大量的新能源及电动汽车进行能量传输，如若仅仅考虑单一的配电网模型则远远达不到实际情况的复杂度。

2、即使有部分研究考虑了新能源接入配电网络的模型，但并没有合理利用新能源的无功调控潜力，间接地影响了配电网的电能质量。

3、对于MOPs，最为传统的方法即是内点法或牛顿法求解。这些方法的思想都可以归结为将多目标问题转化为分别带权重的单目标优化问题。正因如此，对于多目标的配电网无功优化问题，传统方法并不能给出最优的多目标调控方案。

4、在比较不同算法对于该问题的契合度时，许多常见的方法都过于生硬，只考虑单一情况，对于不同环境下的配电网络并不能给出很好的无功调控策略。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于新能源及电动汽车接入配电网的无功优化方法。可综合多种能源及电车、不同环境影响下的优化过程，从而提高解的质量。

为了解决上述技术问题，本发明实施例提供了一种基于新能源及电动汽车接入配电网的无功优化方法，包括以下步骤：

S1：收集并计算当前风速下，风力发电机的输出有功功率

S2：计算得风机的当前可输出无功调控范围[

S3：计算光伏设备当前可以输出的有功功率

S4：计算光伏设备当前可输出的无功功率范围[

S5：计算当前电车对配电网输出的有功功率

S6：计算电车当前可进行无功功率调控的范围[

S7：将风力发电机、光伏设备、电车无功功率上下限合并成为一个范围矩阵；然后进行初始化决策变量，每个决策变量不同维度的数值都需要分别保证在范围矩阵设定的上下限内；

S8：设定一个多目标函数以及对于此函数所提出的约束条件，而后需要应用S7中得到的多个决策变量代入目标函数计算不同目标函数值;

S9：计算目标函数值的优化步骤。

其中，所述风力发电机的输出有功功率

其中

其中，所述S2通过以下公式计算：

其中，

其中，所述S3通过下式计算光伏设备当前可以输出的有功功率

式中

其中，所述S4通过以下公式计算：

式中

其中，所述S5通过下式计算当前电车对配电网输出的有功功率

式中

其中，所述S6通过以下公式计算：

式中

其中，所述S9具体包括：使用优化算法c-DPEA进行优化，对种群1使用自适应惩罚函数进行优化，对于种群2直接使用面向可行性的方法进行优化。

实施本发明实施例，具有如下有益效果：本发明可以概括为两大优点，其一是充分考虑了现实情况，即考虑了新能源及电动汽车对于配电网的影响，并从中提取了它们对整个配电网络无功调控的潜力，最终生成优质配电网络的无功调控策略。这种方法在现有的研究和应用中少之又少。

另外，对于不同状态下的配电网络，如何挑选契合于该变化模型的算法也显得极为重要。改进的TOPSIS方法即可应用于这个问题上，它能根据环境因素变化而发生变化，从而在多种算法中取得优化程度最好的一个。

附图说明

图1是本发明的流程示意图；

图2是不同目标下不同算法得到的前沿对比示意图；

图3是有无无功补偿设备情形下的优化前沿对比示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。

本例子在建模步骤上需要采集风电、光伏及电车的数据作为原始值，而后应用于以下计算步骤和优化过程。图1展示了这种基于高比例新能源及电车(ElectricalVehicle,EV)接入配电网的无功优化方法全流程，应用于电力系统配电网的无功调控及调度问题。

步骤S1，高比例新能源及电车接入配电网络会导致配电网络无功功率Q的分布发生很大的改变，与无功功率Q挂钩的网络节点电压V会发生一定程度上的偏差和波动，因此电能质量受到极大的负面影响。故以下步骤需要计算并优化新能源及EV对于配电网络的无功功率调控能力，即计算得到新能源和EV当前应该输出的无功功率值，使配电网络电压分布达到相对平衡的水平。

步骤S2，此步骤需要收集并计算当前风速下，风力发电机的输出有功功率

其中

步骤S3，对于S2得到当前风速下风机输出的有功功率

其中，

步骤S4，此步骤开始计算光伏(Photovoltaic, PV)设备当前可以输出的有功功率

式中

步骤S5,对于S4中得到的PV当前输出有功功率

式中

步骤S6，当EV作为源端时为配电网输送功率，因此此步骤可以计算当前EV对配电网输出的有功功率

式中

步骤S7,根据S6得到的EV输入到电网的有功功率

式中

步骤S8，首先需要把S1-S7得到的风电、PV、EV无功功率上下限合并成为一个范围矩阵；然后进行初始化决策变量，每个决策变量不同维度的数值都需要分别保证在范围矩阵设定的上下限内。

步骤S9，此步骤需要设定一个多目标函数（如线路损耗、电压偏差及静态电压稳定裕度等）以及对于此函数所提出的约束条件，而后需要应用S8中得到的多个决策变量代入目标函数计算不同目标函数值。

步骤S10，此步骤为计算目标函数值的优化过程。S8步骤可以获取许多满足约束条件的初始化变量，这些变量即为风电、PV、EV的无功功率输出值，以它们作为初始值通过多次迭代找到它们在S8中范围内使得目标函数最优的值作为最终解，如图2、3所示。以优化算法c-DPEA(Dual-Population-Based Evolutionary Algorithm for Constrained Multi-objective Algorithm,c-DPEA)为例：该算法利用两个种群对问题进行协同进化，以不同的方式处理不可行解。对于种群1，该算法提出了一种新的自适应惩罚函数（称为saPF）,其主要功能是为后续的适应度函数惩罚项提供惩罚系数，该函数可以保持具有良好目标函数值但约束违反率较低的解，它的计算方法如下式所示：

是种群1优化过程中得到的不可行解；

所以种群1的目标向量可以如下式所示：

和

相反，种群2直接使用面向可行性的方法，使可行解比不可行解更具优势。其目标向量计算方法如下：

其中，

因此，具有不同优化方向的两个种群将相互提供互补能力。其中，种群1可以更方便、快速地在不可行区域中找到更好的点，而种群2的优化过程可以更快地逼近帕累托前沿。这种协同进化将获得双赢的结果。同时，两个种群的后代可以通过交换信息进行合作。因此，形成了一个良性循环，使后代能够利用另一个群体的有效信息来获得更好的后代并继续传播。

此外，为了更好地计算出每个个体的适应度，c-DPEA基于两个种群提出了自适应适应度函数bCAD，它的具体原理如下。为了在收敛性和多样性之间实现更好的平衡，bCAD在两个种群中都设置了两个权重——

其中t和T分别是当前代数和最大代数；

步骤S11，此步骤用于区分优化过程中不同算法对于该问题的合适程度，因此引入一个名词“贴合度”。在此步骤中，首先要取得步骤S10中不同算法得到的解集（S10只提供了一种算法作为例子），通过比较不同算法中每一个解相对于最优解的距离判断贴合度，贴合度高的解越多则对应算法的贴合度分数越高，贴合度越高的算法说明应用于此类问题就越优。其具体计算方法如下：

TOPSIS方法一般用于处理最小指标问题，所以它可以用于该模型的优化结果对比。对于n个待评估对象和m个待评估指标，它的计算原理为：

其中

在原有TOPSIS的求解机理基础上引入了三个权重以体现其自适应能力，

本发明首先建立了高比例风光新能源及电动汽车充换电站接入配电网络的能量传输模型，其次基于此模型用不同种多目标进化算法对该模型进行比较，最终依靠改进的TOPSIS方法分析得到在多种环境状态下求解能力最优的多目标算法。

发明实施例具有如下优点：

（1）综合考虑了新能源及电车的无功调控潜力

考虑了在多种新能源及电车接入配电网的情形，对比于现有的大多数研究只考虑原始模型或单一的新能源模型，该发明强调了发掘新能源及电车的无功调控能力，并切实从中得到了优质的配电网络无功调控策略。

（2）考虑了多状态下配电网络对优化结果的影响

在实际情况中，配电网络必然随着环境影响发生一定改变，尤其对于新能源，其参数受环境影响极大。因此在优化过程中必然需要一种随环境变化也能提供较优质解集的优化算法，而改进的TOPSIS方法能用改变的权重以分析多种算法对于该状态下配网的契合度。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。