结合STATCOM的多场景下主动配电网无功优化研究

，，

(1.国网沈阳供电公司，辽宁 沈阳 110000； 2.国网通辽供电公司，内蒙古 通辽 028000；3.东北电力大学 电气工程学院，吉林 吉林 132012)

1 引言

随着现代社会的发展，对电能的需求日益增加，全球能源的日益枯竭成为人类社会的新问题。近年来，多样且环保的新能源得到了广泛关注和迅猛发展，其中发展前景最大的是将风电机组接入配电网形成主动配电网。大量风电能源的接入考验了配电网系统的安全运行，解决此问题的关键办法是对其进行高效的无功优化。为此国内外学者进行了大量研究。文献[1-3]以多组电容器作为补偿方式对含风电机组的配电网进行无功优化。文献[4-6]对无功优化的算法进行了改进，提高了优化的速度和精度。文献[7]讨论了STATCOM的选址问题，通过接入STATCOM有效的提高电网的电压稳定性。文献[8]解决了在多个优化方案中选取最佳方案的问题。目前在主动配电网的无功优化课题研究中，多为在固定的少数节点单独使用电容器组或STATCOM进行无功补偿，这种单一的方法在解决风电机组出力的随机性和节约补偿的经济成本的问题上往往只能二选其一。本文应用场景分析法对接入风电机组的主动配电网进行了无功优化方案研究，将风力发电机的出力细分为六种场景，以便于更加直观的分析风电机组不同的运行状态下对补偿容量需求的变化。为提高配电网的安全性和经济性，设立了三个目标函数进行优化。依据各个节点的无功裕度值选择无功补偿设备的接入节点，由于异步风机在不同风速下对无功补偿容量的需求波动巨大，所以在风电机组接入点使用STATCOM进行补偿，考虑到补偿设备投资的成本，在其他节点接入电容器组进行无功补偿。这种优化方式能够较好的解决风电机组出力随机性的问题，并综合提高了主动配电网的经济性和安全性。

2 风电机组有功出力

2.1 风电机组有功输出特性

主动配电网中所连接的风电机组的有功输出是风速的函数[3]，大量实测数据表明其变化大致服从双参数的Weibull分布，对应概率密度分布为：

(1)

风电机组的运行状态可分为三种：停机运行、欠额定运行和额定运行：

(2)

2.2 异步风机无功特性

由于异步风机自身励磁系统的缺乏，只能在电网中吸收无功以建立励磁磁场，吸收的无功与发电机输出的有功功率和机端电压相关[9]：

(3)

式中,U为发电机端电压，P为风力发电机发出的有功功率，Xm，X1，X2分别为激磁电抗，定子漏抗和转子漏抗。异步风机并网需吸收大量无功，由于异步风机吸收的无功随机端电压和有功功率的变化而变化，无功补偿量波动较大。

2.3 风力发电机运行状态的场景划分

本文所研究的主动配电网所选取的分布式电源为异步风机，以风电机组发出的有功功率为依据，将风力发电机组的运行状态分为六种场景。这样可以详细的研究在不同的风速下风力发电机的有功输出、无功需求以及对配电网的影响。本文将风力发电机组的运行状态分为六个场景，如表1所示。

表1 风力发电机运行状态场景划分

对风速函数进行抽样处理即可得到各个场景的发生概率以及各个场景下的有功出力期望值。

3 配电网无功优化数学模型

3.1 目标函数

为使配电网的运行获得更好的安全性和经济性，本文采用多目标无功优化：

(1) 配电网有功网损最小:

minF1=minPloss

(4)

其中NL为支路数，Uj为支路j的始端电压，Pj，Qj为支路j流过的有功功率和无功功率。

(2) 无功补偿设备投资最小：

为使无功补偿设备的投资和运行费用更加直观，便于处理和比较，采用等年值法对其进行处理：

minF2=minZA

(5)

Q1i是在i节点接入的电容器组容量，C1i是单位电容器组的投资维护费用，a1是电容器组的贴现率，n1为电容器组使用年限；Q2i为i节点接入的STATCOM的容量，C2i是STATCOM的投资维护费用，a2是STATCOM的贴现率，n2是STATCOM的设备使用年限。

(3) 系统的电压偏差最小：

minF3=minΔU

(6)

系统的有功网损随设备投入资金的增加而减小，即本文所选用的目标函数无法达到同时最优。建立综合经济指标对方案的经济进行评价，并采用权重法来平衡经济性和安全性的关系：

F4=λ1(Ploss0-Ploss)*24*365*λ-ZA-λ2F3

(7)

其中,Ploss0为优化前系统有功网损；Ploss为优化后系统有功网损；ZA为无功补偿设备投入资金的等年值，F4表示接入无功优化设备后年均节省的金额，单位为元，λ为单位电价，λ1，λ2为权重值。以此来解决目标函数间的矛盾问题。

3.2 约束条件

(1) 潮流方程约束

(8)

(2) 变量约束

无功补偿点补偿容量约束：

QCimin≤QCi≤QCimax

(9)

负荷节点电压约束：

UDjmin≤UDj≤UDjmax

(10)

风力发电机功率因数约束：

cosαmin≤cosα≤cosαmax

(11)

图1 含风电机组的IEEE33节点配电系统拓扑图

4 改进粒子群算法

粒子群算法在解决高维度复杂问题时容易陷入局部最优，本文应用改进粒子群算法[10]对初始粒子进行筛选，对历史最差粒子进行记忆，利用熵度量粒子分布的均匀性来控制粒子在空间中的分布。引入历史最差粒子的位置来更新速度函数以提高算法的搜索效率。根据粒子寻优的成功率来动态的调整权重，有效地平衡深度和广度的搜索能力。

图2 无功优化程序框图

5 算例分析

本文应用改进粒子群算法对33节点主动配电网进行优化，选用异步风机为主动配电网中的分布式电源，将其连接在配电网的18、22、33节点。通过计算得到18、22、25、32、33五个节点为此配电网系统无功裕度值最低的点，为使补偿设备能动态的调节补偿容量以满足异步风机的功率因数约束，在风机接入节点连接STATCOM进行无功补偿，其容量为0～500 kvar，投资费用为200元/kvar；为经济性考虑在25和32节点接入单组容量为50 kvar的电容器组，每个节点备选10组，投资费用为70元/kvar，运行维护费用为投资费用的5%，运行年限为20年，贴现率为0.1。应用matlab软件对33节点标准算例进行仿真，得到不同场景下的pareto解集和无功优化方案。

图3 场景一下的pareto最优解集

图4 场景六下的pareto最优解集

在不同场景下可以得到pareto非劣解前沿面，前沿面上的每一个点都是符合条件的pareto解，在每个场景下选取两组典型的无功优化方案可见表2。

表2 各个场景下的无功优化方案

根据各个场景发生的概率选择适应风电机组全场景运行的方案，表3为通过抽样统计的各个场景发生概率，使用综合评价指标F4对每个方案进行评价。表4为在不同场景下优化前后系统有功网损对比。

表3 场景分布概率

表4 不同场景下优化前后有功网损

在式(7)中F4=λ1[(Ploss0-Ploss)]*24*365*λ-ZA]-λ2F3第一部分数量级较大，可达到十万数量级，而第二部分数量级很小，通常小于1，又考虑使用电压约束条件已排除电压不达标的优化方案，在确定权重值时为达到综合考虑经济性和安全性的目的，采用赋值法令λ1=0.0001，λ2=1，设单位电价为0.5元/kWh。应用公式(7)计算各个方案优化的综合经济指标。最终选定优化方案为18(STATCOM500kvar)、22(STATCOM500kvar)、25(电容器组8/10)、32(电容器组2/10)、33(STATCOM500kvar)。按各个场景的发生概率进行计算可得到经优化后平均每年可节省费用约17万元。

6 结论

本文对含风电机组的主动配电网进行了无功优化方案研究。应用多场景理论对风电机组的有功出力状态进行划分，在每个场景下采用电容器组与STATCOM相结合对主动配电网进行无功优化，最后结合概率统计思想对优化方案进行选择，确定了一组适合全场景的主动配电网无功优化方案。在风电机组的接入点采用STATCOM进行无功补偿，可以动态的调节补偿容量，在风电机组的运行状态随风速变化的情况下能够实时满足异步风机不断变化的无功需求量，使异步风机能够安全高效的运行。在其他关键节点采用电容器组进行补偿能够降低无功补偿设备的投资费用。使用配电网有功网损和无功补偿设备投入费用以及配电网电压水平三个指标进行优化，达到了提高主动配电网运行的经济性和安全性的目的。采用赋值法将多目标转化为单目标，便于进行方案的比较和选择。通过对33节点配电网的算例分析证明了本文所提出的优化方案在风电机组有功出力随机变化的前提下能够有效的降低系统网损，提高电压水平，综合提升含风电机组的主动配电网系统运行的安全性和经济性。