特高压直流送端电网的调相机配置方法与流程

1.本发明涉及电网运行与控制方法技术领域，是一种特高压直流送端电网的调相机配置方法。


背景技术：

2.近年来，特高压直流输电方式因在远距离大容量送电方面更具有优势而得到快速发展；特高压直流输电(uhvdc，是指使用直流输电方式，借助
±
800kv(
±
750kv)和以上电压等级的输电线路，远距离输送电力的技术；特高压直流输电与特高压交流输电相比，其由于高压直流输电具有损耗小、功率传输效率高、功率调节快速可靠、节省输电走廊，可实现电力系统之间的非同步联网等优，所以其在大功率和远距离输电应用更加广泛；但高压直流输电是通过整流换流器将交流电转换成直流电再通过逆变换流器转换为交流电的输电过程，这就意味着直流输电系统本身就要消耗大量的无功功率；而且随着新能源的不断并网增加，特高压直流输电系统的电压安全稳定运行受到严重挑战；因此如何对无功功率进行有效的补偿，对特高压直流电网的无功补偿进行更科学的配置，已经成为特高压直流电网稳定运行的关键问题；
3.目前，现有的特高压直流电网的无功功率补偿方法主要通过调相机进行无功补偿；其相较于传统的无功补偿装置(如svc、ststcom等)，既能为系统提供短路容量，又具有过载能力强、暂态性能更好等优点；然而现有特高压直流电网中的调相机缺乏合理配置；导致其无法充分发挥调相机在特高压直流输电系统中的无功补偿作用。


技术实现要素：

4.本发明提供了一种特高压直流送端电网的调相机配置方法，克服了上述现有技术之不足，其能有效解决现有特高压直流电网中的调相机缺乏合理配置，导致其无法充分发挥调相机在特高压直流输电系统中的无功补偿作用的问题。
5.本发明的技术方案是通过以下措施来实现的：一种特高压直流送端电网的调相机配置方法，包括以下步骤：
6.步骤(1)，获取目标特高压直流送端电网的各类电网运行参数；
7.步骤(2)，基于所述电网运行参数分析目标特高压直流电网的无功电压运行特性，同时建立特高压电网无功优化数学模型，并进行潮流计算；
8.步骤(3)，采用改进粒子群算法,进行调相机配置策略计算，得出目标特高压直流送端电网调相机的配置方案。
9.下面是对上述发明技术方案的进一步优化或/和改进：
10.上述电网运行参数包括电网拓扑架构参数、输电线路参数、变压器参数、负荷参数、控制变量约束、火力发电机组参数和新能源发电机组参数。
11.上述步骤(2)具体包括以下子步骤：
12.s1，以有功损耗最小以及同步调相机配置台数最少，建立调相机在特高压直流送
端电网配置的目标函数：
[0013][0014]
式中，δvi和δqi分别为：
[0015][0016][0017]
式中，p
loss
为有功网损；vi，v
imax
和v
imin
分别为负荷节点电压、电压上限和下限；nd为负荷节点总数；ng为发电机总数；λv和λq分别为负荷节点电压越界和发电机节点无功出力越界的惩罚系数；
[0018]
s2，建立调相机在特高压直流送端电网配置的约束条件：
[0019]
s2.1，构建等式约束条件：
[0020][0021]
式中，p
gi
和q
gi
分别表示节点i发电机的输出有用功功率和无用功功率；p
li
和q
li
分别表示节点i负荷的有用功功率和无用功功率；g
ij
，b
ij
和δ
ij
分别表示节点i和j之间电导、电纳、电压相位角差；q
ci
表示节点i无功功率补偿量，n表示节点数；
[0022]
s2.2，构建不等式约束条件：
[0023][0024]
式中，u
gi
，u
gimin
和u
gimax
分别表示节点i发电机的端电压、端电压下限值和上限值；q
ci
，q
cimin
和q
cimax
分别表示节点i无功补偿节点补偿容量、补偿容量下限值和上限值；t
ik
，t
ikmin
和t
ikmax
分别表示可调变压器的分接头、分接头上限值和下限值；ng，nc和ni分别表示系统中发电机节点数、无功补偿节点数和可调节变压器台数；
[0025]
s3，基于步骤s1和步骤s2建立特高压电网无功优化数学模型：
[0026][0027]
式中，三个表达式分别表示目标函数、等式约束及不等式约束条件；u为控制变量，x为状态变量；
[0028]
s4，选取p-q分解法对所述特高压电网无功优化数学模型进行潮流计算。
[0029]
上述步骤(3)改进粒子群算法，具体为aispso算法，其具体步骤包括：
[0030]
ss1，选择适合的参数，设置电网内所述选择适合的参数的上下限值，确保电网正常运行，并随机初始化粒子的速度与位置；
[0031]
ss2，计算种群中每个粒子的个体适应值，按下式(7)和式(8)预测下一迭代粒子的速度和位置：
[0032][0033][0034]
式中，i和j分别是粒子的序号与维度；a为压缩因子；ω为权重因子；c1和c2为学习因子；r1和r2是(0，1)之间的随机常数；为第j维的第i个粒子在第t次迭代中粒子的更新速度；为第j维的第i个粒子在第t次迭代中粒子的当前位置；p
i，j
为第j维的第i个粒子个体最优解；p
g，j
为第j维的第g个粒子全局最优解；
[0035]
ss3，当目标函数为网损最小，则依次判断当前粒子与个体极值和全局极值的比较，选择较小者对上一最优值进行覆盖；
[0036]
ss4，判断最优解计算过程中是否出现4次以上的适应度值重复，若重复，则结合下式(9)，加入邻域粒子实行分群、变异处理，减少粒子寻优原地踏步的次数，提高寻优效率：
[0037][0038]
ss5：判断是否符合收敛条件及设置的迭代次数，若全未达到，则继续循环，进入新一轮寻优迭代，若达到，则可跳出循环计算，输出最终值，即得出目标特高压直流送端电网调相机的配置方案。
[0039]
上述所述选择适合的参数值包括粒子种群数、迭代次数、学习因子、初始权重值、压缩因子、发电机参数、变压器参数、负荷参数、无功补偿装置参数。
[0040]
本发明通过电网运行参数分析目标特高压直流电网的无功电压运行特性，并建立特高压电网无功优化数学模型，相较于现有的特高压直流电网的调相机配置方法而言，本发明基于改进粒子群算法计算获取特高压直流电网的调相机配置方案，其通过增加邻域搜索空间，替代部分较差粒子，能够增加粒子多样性的寻优过程；从而有利于特高压直流电网的调相机进行合理配置，充分发挥调相机在特高压直流输电系统中的无功补偿作用。
附图说明
[0041]
附图1为本发明所述特高压直流送端电网的调相机配置方法的流程图。
具体实施方式
[0042]
本发明不受下述实施例的限制，可根据本发明的技术方案与实际情况来确定具体的实施方式。
[0043]
下面结合实施例对本发明作进一步描述：
[0044]
实施例1：如附图1所示，该特高压直流送端电网的调相机配置方法，包括以下步骤：
[0045]
步骤(1)，获取目标特高压直流送端电网的各类电网运行参数；
[0046]
步骤(2)，基于所述电网运行参数分析目标特高压直流电网的无功电压运行特性，同时建立特高压电网无功优化数学模型，并进行潮流计算；
[0047]
步骤(3)，采用改进粒子群算法，进行调相机配置策略计算，得出目标特高压直流送端电网调相机的配置方案。
[0048]
实施例2：作为上述实施例的优化，所述电网运行参数包括电网拓扑架构参数、输电线路参数、变压器参数、负荷参数、控制变量约束、火力发电机组参数和新能源发电机组参数。
[0049]
实施例3：作为上述实施例的优化，步骤(2)具体包括以下子步骤：
[0050]
s1，以有功损耗最小以及同步调相机配置台数最少，建立调相机在特高压直流送端电网配置的目标函数：
[0051][0052]
式中，δvi和δqi分别为：
[0053][0054][0055]
式中，p
loss
为有功网损；vi，v
imax
和v
imin
分别为负荷节点电压、电压上限和下限；nd为负荷节点总数；ng为发电机总数；λv和λq分别为负荷节点电压越界和发电机节点无功出力越界的惩罚系数；
[0056]
s2，建立调相机在特高压直流送端电网配置的约束条件：
[0057]
s2.1，构建等式约束条件：
[0058][0059]
式中，p
gi
和q
gi
分别表示节点i发电机的输出有用功功率和无用功功率；p
li
和q
li
分别表示节点i负荷的有用功功率和无用功功率；g
ij
，b
ij
和δ
ij
分别表示节点i和j之间电导、电纳、电压相位角差；q
ci
表示节点i无功功率补偿量，n表示节点数；
[0060]
s2.2，构建不等式约束条件：
[0061][0062]
式中，u
gi
，u
gimin
和u
gimax
分别表示节点i发电机的端电压、端电压下限值和上限值；q
ci
，q
cimin
和q
cimax
分别表示节点i无功补偿节点补偿容量、补偿容量下限值和上限值；t
ik
，t
ikmin
和t
ikmax
分别表示可调变压器的分接头、分接头上限值和下限值；ng，nc和ni分别表示系统中发电机节点数、无功补偿节点数和可调节变压器台数；
[0063]
s3，基于步骤s1和步骤s2建立特高压电网无功优化数学模型：
[0064][0065]
式中，三个表达式分别表示目标函数、等式约束及不等式约束条件；u为控制变量，x为状态变量；
[0066]
s4，选取p-q分解法对所述特高压电网无功优化数学模型进行潮流计算。
[0067]
实施例4：作为上述实施例的优化，步骤(3)改进粒子群算法，具体为aispso算法，其具体步骤包括：
[0068]
ss1，选择适合的参数，设置电网内所述选择适合的参数的上下限值，确保电网正常运行，并随机初始化粒子的速度与位置；
[0069]
ss2，计算种群中每个粒子的个体适应值，按下式(7)和式(8)预测下一迭代粒子的速度和位置：
[0070][0071][0072]
式中，i和j分别是粒子的序号与维度；a为压缩因子；ω为权重因子；c1和c2为学习因子；r1和r2是(0，1)之间的随机常数；为第j维的第i个粒子在第t次迭代中粒子的更新速度；为第j维的第i个粒子在第t次迭代中粒子的当前位置；p
i，j
为第j维的第i个粒子个体最优解；p
g，j
为第j维的第g个粒子全局最优解；
[0073]
ss3，当目标函数为网损最小，则依次判断当前粒子与个体极值和全局极值的比较，选择较小者对上一最优值进行覆盖；
[0074]
ss4，判断最优解计算过程中是否出现4次以上的适应度值重复，若重复，则结合下式(9)，加入邻域粒子实行分群、变异处理，减少粒子寻优原地踏步的次数，提高寻优效率：
[0075][0076]
ss5：判断是否符合收敛条件及设置的迭代次数，若全未达到，则继续循环，进入新一轮寻优迭代，若达到，则可跳出循环计算，输出最终值，即得出目标特高压直流送端电网调相机的配置方案。
[0077]
实施例5：作为上述实施例的优化，所述选择适合的参数值包括粒子种群数、迭代次数、学习因子、初始权重值、压缩因子、发电机参数、变压器参数、负荷参数、无功补偿装置参数。
[0078]
本发明通过电网运行参数分析目标特高压直流电网的无功电压运行特性，并建立特高压电网无功优化数学模型，相较于现有的特高压直流电网的调相机配置方法而言，本发明基于改进粒子群算法计算获取特高压直流电网的调相机配置方案，其通过增加邻域搜索空间，替代部分较差粒子，能够增加粒子多样性的寻优过程；从而有利于特高压直流电网的调相机进行合理配置，充分发挥调相机在特高压直流输电系统中的无功补偿作用。
[0079]
以上技术特征构成了本发明的实施例，其具有较强的适应性和实施效果，可根据实际需要增减非必要的技术特征，来满足不同情况的需求。