基于改进遗传算法的风电系统无功优化

基于改进遗传算法的风电系统无功优化

任玉保1曲娟娟2

（1.国网技术学院山东济南250061；2.山东电力工程咨询院山东济南250013）

摘要：研究了含风电场的电力系统无功优化，提出了通过潮流计算分析风电场的电压特性，利用改进遗传算法对系统进行无功优化的新方法。通过潮流计算得到风电场接入后对系统电压和网损的影响，建立无功优化模型，在满足各种约束条件下采用遗传算法对该模型进行优化求解。通过IEEE14节点算例的实际计算结果验证了该方法的可行性和实用性。

关键词：风电；潮流计算；无功优化；遗传算法

0引言

随着风电技术的快速发展，大型风电场及风电场群已经形成，风电特性对电网的负面影响越来越显著，成为制约风电场规模不断扩大的重要障碍。由于风电功率的间歇性和随机性，因此大规模风电的并网必将会给系统的运行调度带来一系列的问题。

本文在总结前人研究成果的基础上本文采用遗传算法对整个电网进行无功优化。建立无功优化模型，通过调节发电机机端电压、变压器变比、投切电容器组的方法，在满足各种约束条件下采用遗传算法对该模型进行优化求解。

1计及风电影响的无功优化

1.1基于遗传算法的无功优化的数学模型

在电力系统无功优化中，控制变量包括电容器组、电抗器组、有载变压器分接头和发电机端电压。电容器组的投切、电抗器组的投切、变压器分接头调节影响潮流计算中的导纳矩阵，这两个控制变量是离散的；发电机端电压的控制是控制发电机的无功输出，是连续变量。因此，遗传算法求解无功优化的数学模型为：

（1）目标函数为：

（1）

目标函数包括网损、电压和无功的越限。

（2）约束条件

等式约束主要是节点有功功率平衡（不含平衡节点）和节点无功功率平衡（不含无功电源节点及平衡节点），不等式约束主要是各无功电源无功功率的上下限约束、节点电压幅值和变压器变比的上下限约束，必要时也可以考虑线路（含变压器）的潮流约束。

1.2算法流程

基于遗传算法的含风电系统无功优化计算过程主要包括五步：

（1）二进制—实数混合编码

无功优化数学模型中变量表示为：

（2）

其中所补偿电容器组由二进制编码表示，若电容器组有7组，它的二进制编码为：[000]~[111]，所表示的电容器容量为：；有载变压器变比的调节同样可由二进制编码表示，17个档位的变压器由四个基因表示：[0000]~[1111]，所表示变比为；发电厂电压有实数表示，数值即为其电压幅值的标幺值。

（2）选择和复制：采用轮盘赌选择，它是根据每个个体适应值在整个种群中所占比例来确定该个体被选择或生存的概率。个体被选择的似然性正比于它的适应性，而适应性是相对于种群中其他个体而言的。个体适应值越高，就有更多的机会被复制到下一代中产生相同的子代个体。

（3）交叉：二进制交叉和实数交叉存在很大的差别，本文二进制编码部分采用单点交叉的方式，实数编码部分采用混合交叉。

（4）变异：对二进制编码部分和实数编码部分分别进行处理，对于二进制部分，采用和常规二进制遗传算法一致的方法。对于实数部分，采用非均匀变异。

（5）算法终止条件

若找到一个合适的解或者达到预先设置的迭代代数，那么计算停止，否则重复2~4步，循环往复。

以上各步骤和遗传算法停止准则判断构成了遗传算法的计算流程。这样就将实际优化问题转化为遗传算法参数寻优的过程。

2算例分析

本文采用MATLAB编制了相应的计算程序，对IEEE14节点系统进行计算分析。该系统共有14个节点，5台发电机，3台变压器，选取一个补偿点已能较好地满足要求节点电压的上下限为1.05、0.95(标幺值)，有载调压变压器变比的上下限分别为1.1、0.9，其有17个分接头，即其调节步长为1.25％，无功补偿装置的补偿电容上限为0.7(电纳)，步长为0.1。风电场通过节点14与主网相连。

图1为基于异步发电机的风电场接入系统后的风电场附近节点P~V曲线：

图1异步机风电场P～V曲线

表1为基于异步发电机的风电场接入系统后的风电场附近支路有功损耗：

表1基于异步发电机组风电接入后的系统网损图2为基于双馈发电机的风电场接入系统后的风电场附近节点P~V曲线：图2双馈机风电场P～V曲线

表2为基于双馈发电机的风电场接入系统后的风电场附近支路有功损耗：

表2基于双馈发电机组风电接入后的系统网损

图2双馈机风电场P～V曲线

表2为基于双馈发电机的风电场接入系统后的风电场附近支路有功损耗：

表2基于双馈发电机组风电接入后的系统网损

由图1可以看出，随着风电场出力的增加，接入风电的地区电网的电压水平在风电场出力较低时有所改善。因为风电场为电网提供了有功功率，改善了系统潮流分布。当机端并联电容器提供的无功功率与支路充电无功功率之和超过风电场与支路消耗的无功时，风电场机端电压水平得到改善。当风电场出力增大时，风电场外送的有功功率增加，支路无功消耗增大，同时由于异步发电机的无功需求也随着有功功率的增长而增长，导致整个地区电网的无功不足，需要从主网吸收无功，因此导致电压水平降低。

由图2可以看出基于双馈发电机组的风电接入系统的电压稳定性要优于基于异步发电机组的风电场。但是同样由于风电场输出功率过大时导致了支路无功损耗的增大，在风电场出力超过一定水平时，电压水平迅速下降。基于双馈发电机组的风电场改善系统电压水平的范围远大于基于异步发电机组的风电场。

从表1和表2可看出，随着风电场出力增加，总体网损先是下降，在风电场出力增加到一定水平时，网损又开始升高。这是因为风电场开始满足附近负荷，使得风电场附近负荷从远处火电厂吸收的功率减少，相当于缩短了电气距离，支路上的损耗明显降低；但是当风电场开始向远处负荷输出有功功率，并且风电场需要从外部电网吸收大量无功时，导致风电场与外部电网连接的支路上的损耗大幅增加，同时风电场集电系统损耗随着风电场出力增加在升高，使得整体网损又开始增加。总体来看，系统的网损降低值为正，说明风电场不仅可以满足附近负荷的需求，还能降低系统网损。

根据本文所采用的优化算法，优化后系统网损如表3和表4所示：

表3基于异步发电机恒速机组优化结果数据

表4基于异步发电机恒速机组优化结果数据由上表可知，本文提出的改进遗传算法在计算电力系统无功优化问题时是有效的，优化结果显示本文提出的算法不仅能够有效的减小系统网络损耗，并且系统节点电压合格率为100％。由于对罚函数进行了改进，在计算过程中大大减少了收敛时间。

5结论

本文通过遗传算法对整个电网进行无功优化。建立无功优化模型，在满足各种约束条件下采用遗传算法对该模型进行优化求解，采用先是以降低网损后是解决电压和无功越限问题的策略。算例结果表明，所给出的方法对于含风电场的无功优化是有效的。该方法在降低系统网损的同时，提高了电压质量，同时提高了计算速度。

参考文献

[1]刘明波，程劲晖，陈学军．电力系统无功综合优化的线性规划内点法[J]．电力系统及其自动化学报，1999，11(5)：87-92．

[2]陈树勇,申洪,张洋,等.基于遗传算法的风电场无功补偿及控制方法的研究[J],中国电机工程学报,2005,25(8):1-6.

[3]张武军，叶剑锋，梁伟杰，方鸽飞．基于改进遗传算法的多目标无功优化[J]，电网技术，2004，28（11）：67-71．