考虑风光出力波动性的配电网无功优化策略

董跃哲 马平 丁哲 陈宽

摘要：针对风机及光伏出力的波动性对系统网损和电压的影响，本文以全天有功网损和电压偏移最小为目标，建立兼顾电压安全稳定和配电网经济运行的多目标无功优化模型。利用三点估计法原理计算风光出力和负荷值，通过概率潮流判断状态变量是否满足概率约束，利用权重法将多目标转化为单目标，同时结合粒子群优化算法对所建模型进行求解，最后利用改进的IEEE33节点系统进行仿真计算。仿真结果表明，本文所建模型对配电网进行无功优化，有效降低了网损，改善了节点电压质量。该研究为含高比例可再生能源配电网的无功优化提供了有效方法。

关键词：概率模型; 三点估计法; 概率潮流; 无功优化

中图分类号： TM761+.1文献标识码： A

文章编号： 10069798（2019）01004707; DOI： 10.13306/j.10069798.2019.01.008

随着能源危机和环境问题日益加重，世界各国都在大力发展可再生能源，预计到2030年，我国可再生能源的发电量将占30%以上[1]。然而高比例可再生能源（如风电、光电）的并网，会导致潮流双向流动、电压波动、电压越限以及网损偏高等问题。因此，研究高比例可再生能源并网后的无功功率优化，能够有效降低网损、改善节点电压的质量，从而保证可再生能源并网后配电网运行的经济性和电压的安全稳定。在配电网的无功功率优化作为电压优化控制的一种方法，在降低网损和提高电压质量等方面起着重要的作用。无功功率优化不仅要处理连续变量，如可再生能源的有功出力、静止无功补偿器（static vargenerator，SVG）的无功功率输出，还要处理离散变量，如有载调压变压器（onload tapchanger，OLTC）分接头位置、并联电容器（shunt capacitor，SC）的投切数量。其中，由于可再生能源的出力具有较强的波动性，在配电网无功优化的模型中，如何处理可再生能源出力的波动性给无功优化提出了新的挑战。在配电网无功优化中，处理风机及光伏出力波动性的方法有多场景法[24]、鲁棒优化法[5]和概率潮流法[67]。与多场景法、鲁棒优化法相比，概率潮流法可以根据输入随机变量的统计特征，得到输出变量的统计特征（如概率密度函数、均值和标准差等），从而更好地体现风机及光伏出力的波动性。目前，概率潮流的计算方法有模拟法、解析法和近似法[811]。模拟法一般指基于随机抽样的蒙特卡洛法，该方法的计算精度很高，需要海量的输入数据，计算量比较大，一般只是作为检验其他方法的标准;解析法的求解效率很高，但在使用时需要在满足一定数学条件的前提下，对模型进行大量简化，因此，该方法未得到广泛使用;近似法概率潮流计算的代表方法为点估计法，它既可以处理多种概率分布的随机变量，同时还具有计算量小和精确度高等优点，从而为考虑风机及光伏出力的波动性提供了一种有效的方法[1215]。基于此，本文在多目标配电网无功优化模型的基础上，首次提出利用三点估计法，将风光出力、负荷的概率模型与无功优化模型相结合。该方法能够充分体现风光出力和负荷的波动性，且具有计算量适中、计算结果精确度高等优点。通过对改进的IEEE33节点系统的仿真计算，仿真结果表明本文的无功优化模型是正确有效的。

由图3和图4可以看出，白天各组电容器投切容量和SVG补偿容量的变化较小，夜间变化较大。这是由于当天白天风光出力的变化与负荷变化相对一致，所以变化较稳定;夜间仅有风机工作，且当天风速和负荷波动较大，为了满足系统的无功需求，电容器投切容量和SVG补偿容量的变化较大。但总体来看，本文电容器投切和SVG容量补偿的策略能够满足风光出力和负荷波动带来的无功需求变化，且各组电容器的投切次数和OLTC分接头的动作次数均在安全范围内。

5结束语

考虑风光出力和负荷的波动性，本文采用三点估计法，将风光出力和负荷的概率模型与无功优化模型相结合，建立兼顾电压安全稳定和配电网经济运行的多目标无功优化模型，利用权重法将多目标转化为单目标，采用粒子群算法进行迭代求解。仿真结果表明，本文建立的优化模型优化效果较好，适用于含高比例可再生能源的配电网，能为高比例可再生能源并网提供合理的建议。由于目前配电网中的储能设备也是影响配电网电压的重要因素，因此挖掘储能的调压能力将是下一步研究的重点。

参考文献：

[1]国家发改委能源研究所. 中国2050年高比例可再生能源发展情景暨途径研究[R]. 北京： 国家能源局， 2015.

[2]吴丽珍， 蒋力波， 郝晓弘. 基于最优场景生成算法的主动配电网无功优化[J]. 电力系统保护与控制， 2017， 45（15）： 152159.

[3]陈继明， 祁丽志， 孙名妤， 等. 多场景下含风电机组的配电网无功优化的研究[J]. 电力系统保护与控制， 2016， 44（9）： 129134.

[4]尹青， 杨洪耕， 马晓阳. 考虑多重不确定参数的配电网概率无功优化[J]. 电力系统保护与控制， 2017， 45（7）： 141147.

[5]駱晨， 陶顺， 肖湘宁， 等. 主动配电网的多阶段鲁棒综合电压控制[J]. 现代电力， 2016， 33（4）： 4451.

[6]黄伟， 刘斯亮， 王武， 等. 长时间尺度下计及光伏不确定性的配电网无功优化调度[J]. 电力系统自动化， 2018， 42（5）： 154162.

[7]张世达， 孙永辉， 赵景涛， 等. 基于随机响应面法的主动配电网无功优化[J]. 电力系统自动化， 2017， 41（13）： 3038.

[8]刘宇， 高山， 杨胜春， 等. 电力系统概率潮流算法综述[J]. 电力系统自动化， 2014， 38（23）： 127135.

[9]丁明， 王京景， 李生虎. 基于扩展拉丁超立方采样的电力系统概率潮流计算[J]. 中国电机工程学报， 2013， 33（4）： 163170.

[10]Saunders C S. Point estimate method addressing correlated wind power for probabilistic optimal power flow[J]. IEEE Transactions on Power Systems， 2014， 29（3）： 10451054.

[11]朱星阳， 刘文霞， 张建华. 考虑大规模风电并网的电力系统随机潮流[J]. 中国电机工程学报， 2013， 33（7）： 7785.

[12]张立波， 程浩忠， 曾平良， 等. 基于Nataf逆变换的概率潮流三点估计法[J]. 电工技术学报， 2016， 31（6）： 187194.

[13]陈璨， 吴文传， 张伯明， 等. 考虑光伏出力相关性的配电网概率潮流[J]. 电力系统自动化， 2015， 39（9）： 4147.

[14]胡源， 别朝红， 宁光涛， 等. 计及风电不确定性的多目标电网规划期望值模型与算法[J]. 电工技术学报， 2016， 31（10）： 168175.

[15]艾小猛， 文劲宇， 吴桐，等. 基于点估计和GramCharlier展开的含风电电力系统概率潮流實用算法[J]. 中国电机工程学报， 2013， 33（16）： 1622.

[16]吴栋梁， 王扬， 郭创新， 等. 电力市场环境下考虑风电预测误差的经济调度模型[J]. 电力系统自动化， 2012， 36（6）： 2328.

[17]廖秋萍， 吕林， 刘友波， 等. 考虑重构的含可再生能源配电网电压控制模型与算法[J]. 电力系统自动化， 2017， 41（18）： 3239.

[18]Hong H P. An efficient point estimate method for probabilistic analysis[J]. Reliability Engineering & System Safety， 1998， 59（3）： 261267.

[19]Morales J M， PerezRuiz J. Point estimate schemes to solve the probabilistic power flow[J]. IEEE Transactions on Power Systems， 2007， 22（4）： 15941601.

[20]潘炜， 刘文颖， 杨以涵. 概率最优潮流的点估计算法[J]. 中国电机工程学报， 2008， 28（16）： 2833.