新疆地区无功优化和电压调节的研究(毕业生论文).doc

《新疆地区无功优化和电压调节的研究(毕业生论文).doc》由会员分享，可在线阅读，更多相关《新疆地区无功优化和电压调节的研究(毕业生论文).doc（33页珍藏版）》请在三一办公上搜索。

1、 本科生毕业论文题 目 新疆地区无功优化和电压调节的研究学 院机械交通学院专 业 电气工程及其自动化班级092班姓 名 学号093736212指导教师 职称讲师2013 年 4 月 24日 新疆农业大学教务处制第一章0 引言1 电力系统无功电压优化的现状与发展1.1 电力系统无功电压优化的现状1.2 电力系统无功电压优化控制的意义1.3 国内外电压无功优化领域的研究动态第二章 电力系统无功优化算法简介2.1 电力系统无功电压优化调节的智能算法2.1.1 遗传算法简介2.1.2 遗传算法算子2.1.3遗传算法解算步骤2.2 禁忌搜索(TS)2.2.1 禁忌搜索算法简介2.2.2 TS的算法流程2

2、.3 混合优化策略2.3.1 概述2.3.2 GATS混合优化策略2.3.3 GASA混合优化策略第三章基于混合优化策略的新疆地区电网无功电压优化3.1传统无功电压优化数学模型3.2 考虑操作成本和设备寿命的改进模型3.2.1 多目标函数3.2.2预优化计算及惰性因子3.2.3多目标协调和调度员决策 第五章结论与展望参考文献谢辞新疆地区无功和电压优化调节的研究摘要：无功优化和电压调节控制是保证电力系统安全、经济运行的一项有效手段。本文介绍了无功优化和电压调节的现状与发展，以及国内外无功优化和电压调节的新动态。例举了一些无功电压优化和电压调节的一些算法。针对新疆地区电力系统无功优化做了详细的介绍

3、，及无功优化和电压调节展望关键字:无功电压优化；发展与现状；无功优化算法；新疆地区无功优化；展望0 引言电压质量是电能质量的重要指标之一。随着地区电网的不断发展，电网结构日趋复杂，用于对于电能质量的要求也日益提高。电力系统电压和无功功率控制是一个关系到保证供电质量、满足用户无功功率需求和系统电压稳定的问题，同时也是减少线损、提高电网运行经济性的十分有效的措施，因此越来越受到各级供电部门和研究人员的重视。影响地区电网电压合格率的因素主要有两个方面：第一无功电源配置不合理，这可以在地区电网的电压无功优化计算的基础上配以适量的建设资金逐步解决。第二是没有能够实现全网的电压无功优化协调控制。目前新疆大

4、多数地区电网还是通过人工监视，用手动或远方人工调节的方式实施电压无功控制，这种传统的电网电压无功管理模式很难保证电压和合格率和电网网损在低损耗下的运行。 根据新疆地区电网的实际情况和要求提出建立地区电网电压无功控制系统，综合利用调度自动化SCADA(Supervisory Control And Data Acquisition)系统提供的丰富信息，从整个地区电网的角度进行综合电压无功优化控制，以达到改善各节点电压水平和减少网损的目的。11 电力系统无功电压优化的发展与现状1.1 电力系统无功电压优化控制的意义随着我国电力事业的发展，供电不足己经得到基本缓解。现代化工农业生产和人民群众的生活水

5、平不断提高，生产过程的自动化和家电设备的普及，使用户对供电质量的要求越来越高。而电压质量作为衡量电能质量的重要指标，不仅对用户的生产生活有着极为重要的影响，同时也是维持系统安全稳定运行的重要保证。无功电压控制作为提高电能质量的一条重要途径正受到越来越多的关注。电力系统中电压和无功是电能质量的重要指标之一。电压偏移过大会影响用电设备的运行特性，而且还影响到用电设备所取用的功率，对系统带来不利影响，如异步电动机。而无功功率与系统电压水平是密切相关的。为了保证系统电压必须具有充足的无功功率。无功功率从电源端经线路和变压器向负荷端输送，要产生电压损耗（高压线路和变压器的电压损耗主要取决于通过的无功功率

6、），无功功率潮流的变化也会相应的引起电压损耗的变化。无功电源的不足会引起系统电压水平的下降，在无功电源不足的情况下只能在较低的电压下达到无功功率的平衡。为了使电压上升，就需要使电源增加无功出力以保证电能质量2。当电力系统电压降低时，各类负荷重占比重最大的异步电动机的转差率将增大。因而，电动机各绕组中的电流也将增大，温升将增加，效率将降低，寿命缩短。而且，某些冬季驱动的生产机械的机械转矩与转速的高次方成正比，所以当转差增大、转速下降时，其输出功率降迅速减少。而电厂厂用电动机输出功率的减少又将反过来影响锅炉、汽轮机的工作，大为延迟，最终影响发电厂所发出的的功率。更为严重的是，电力系统电压降低后，电

7、动机的启动过程将大为延迟，电动机可能在启动过程中因温度过高而烧坏，而当电压偏高时，将加速电器设备的绝缘老化，影响电动机的寿命。因此实现无功与电压协调控制及无功功率的优化调度，从而改善电网运行条件、减少电网损耗及进一步完善电力系统自动化系统的功能就显得格外重要。1.2 电力系统无功电压优化的发展与现状20世纪80年代以前, 我国电网长期处于低电压水平,主电网不稳定事故时有发生, 给电力工业和其他经济部门造成了不可估量的损失。自1979 年以来,电网电压水平得到不断改善,无功补偿设备的容量基本上与新增发电设备的容量相适应, 但是仍然存在一些问题, 如一些电网在轻载时电压过高的现象时有发生,局部地区

8、甚至超过设备的允许规定,严重影响了设备的安全运行；重载时电压较低, 影响了用户的正常生活。随着电力系统的发展,电网规模越来越大,电压问题越来越复杂,出现电压崩溃并发展成全网性事故的可能性也正在逐渐增加, 所以亟需全面改善和提高系统的电能质量。因此,为了保证电能质量和提高电网的电压合格率,就应增强对电压无功的调控能力。合理地运用电压无功的调节手段,使电力部门及用户总体设备的运行指标达到最佳状态。而且随着电力系统自动化程度的不断提高, 无功优化控制将越来越得到人们的重视3。系统无功分布的合理与否直接关系着电力系统的安全和稳定,并且和经济效益有着密切的联系。一方面,如果系统的无功不足, 将使电压水平

9、低下,一些工厂和家庭的电器不能正常运行, 而且系统一旦发生扰动, 就可能使电压低于临界电压, 产生电压崩溃, 从而导致系统因失去同步而瓦解的灾难性事故, 1987 年7月23日东京大停电，2008年5月12日汶川地震使90座电网停运，2013年4月20雅安地震都是由于高峰负荷使无功功率不足造成电压崩溃,从而造成系统重大事故。另一方面, 系统无功过剩会使电压过高,危害系统和设备的安全另外,系统无功的不合理流动, 会使线路的压降增大、线路的损耗增加、供电的经济性下降。总之, 无功设备的合理配置和优化运行能有效地降低网损,改善电压质量和保证系统电压稳定性,从而提高电力系统运行的安全性和经济性。电力系

10、统的无功优化问题是一个多变量、多约束的混合非线性规划问题,其控制变量既有连续变量( 如发电机节点电压和无功出力),又有离散变量( 如有载调压分接头档位、补偿电容、电抗器的投切组数) ,使得优化过程十分复杂。长期以来,国内外的很多专家、学者对此进行了大量的研究和探索工作,取得了很多成果4。1.3 国内外电压无功优化领域的研究动态 自动电压控制AVC(Automatic Voltage Control)，是第27届中国电网调度运行会议上提出的现代电网调度新技术的发展方向之一。AVC是现代电网提高电压质量和降低线损的根本措施，是我国重点科技攻关项目和国家自然科学基金项目。 国际上，法国、意大利等欧洲

11、国家20世纪70年代末月二始开发及应用分层分区的RVC控制系统。法国输电网于1979年开始广泛使用区域性二级电压控制系统，其控制原则为:通过自动控制区域内被选为“控制机组”的部分机组吸收或发出的无功功率，以控制某一“控制区”内“关键节点”的电压，到1986年己有27个控制区；在多年实践基础上，又提出了新的协调二次电压控制系统，并于1993年投入试运行。意大利国家电力系统也实现了电压与无功功率的自动控制，分别于1984年在佛罗伦萨地区、1986年在燕西里地区实现了二次电压调整，运行效果良好，并于1993年在整个超高压电网中普遍实现二次及三次电压调整，它是一个在线分层控制结构的自动控制系统。为保证

12、500kV及二次电网的电压水平和提高电压稳定性，东京电力系统在主要变电所内装设了微机电压及无功功率控制器能快速准确的投切并联无功补偿设备和有载切换变压分接开关。5 少数著名的电力公司，如德国、美国、法国和意大利一些等正在或准备进行在线实施全局无功最优控制的研究工作。在实施过程中，根据电力系统的实际情况，所采用的实现方式也各不相同，欧洲的电力系统一般将电压控制分为三个等级，分级比较如表1一1所示。这个模式符合电压与无功优化的区域性和电力系统分级分区调度体制的要求，已在国外电力系统得以实施。 表1-1 欧洲三级电压控制模式分级比较控制目标响应时间响应时间一级电压控制：调整由负荷波动、网络切换引起的

13、电压变化。二级电压控制：调整区域内的各级电压控制三级电压控制：协调全网的二级电压控制AVR等一次电压控制改变主导节点的电压参考设定值协调全网的二级电压控制1s至几秒几分钟几十分钟在国内湖南省调在国内最早提出了在省级电网中实现AVC的任务，从2000年立项起至2003年4月完成了湖南电网AVC主体框架的建议，即建成了省调中心AVC主控系统和4个AVC子站2个发电厂子站和2个变电所子站)。该系统AVC实时控制模块嵌装在EMS内，实现了AVC与SCAD/EMS平台一体化。该系统采用了省调决策层与厂站执行层两层体系结构，运用了实时网络灵敏度分析技术提出了以电压为核心的七区控制图。湖南电网AVC实施中选

14、择从电压控制难度最大的地区入手，AVC投运后在提高电压质量方面取得了立竿见影的效果。以地处湘西的阳塘变为例，2003年上半年的电压不合格点数从去年同期的249个减少到仅为6个。目前湖南电网AVC控制范围正在进一步扩大，争取达到电压考核点的60%以上;同时近几年计划将省调电网的AVC控制模式向地区电网推广使用。62 电力系统无功优化算法简介由于电网中包含多个变电站和相关的电容补偿装置，合理进行变压器分接头的调节和补偿电容器组的投切对电网的经济运行有重要意义。无功优化是指在满足系统各种运行约束的条件下，通过优化计算确定发电机的机端电压、有载调压变压器的分接头挡位和无功补偿设备投入等，以达到系统有功

15、网损最小。它通过调节电网中的各种设备来改变无功潮流在网络中的分布，从而达到降损节能的目的。无功优化是一个多变量、非线形、不连续、多约束的非线性规划问题。多年来，国内外学者对配电网无功优化进行了大量的研究工作，己经提出了一系列的优化算法。目前，非线性规划法和线性规划法是求解无功规划优化最常用的算法。采用非线性规划方法来解决该问题是从六十年代后期开始提出的，如梯度法或简化梯度法，以及牛顿法或拟牛顿法。这类方法的优点是能直接处理非线性的目标函数和约束函数，迭代可以不从初始可行潮流开始。然而至今仍没有一个成熟的算法，现有算法大多计算量大、收敛性差、稳定性不好，特别是对依从变量的违限处理显得力不从心，虽

16、然可采用罚函数和节点类型转换技术，但往往存在把违限的变量拉入了限内，又会引起新的变量越限的现象7。七十年代开始，基于线性规划技术的最优潮流算法得到了广泛的重视。线性规划方法理论成熟、速度快、收敛性好、算法稳定，对各种约束的处理比较有效，因而很多非线性规划问题都是逐次线性化后用线性规划方法来求解，如灵敏度优化方法就得到了广泛的应用。灵敏度法是基于逐次线性化的观点，将无功优化的模型表示成灵敏度矩阵的增量形式，然后用线性规划的方法求解。由于在迭代中要反复计算灵敏度矩阵，因此计算量很大，对于大系统很难做到实时应用，经过改进的增量型线性规划方法较好地解决了这一问题。以上几种算法，如非线性规划、线性规划等

17、都是基于一点的搜索方法，很容易由于初始点的选取不当而陷入局部极值区。2.1 电力系统无功电压优化调节的智能算法所谓优化算法，其实就是一种搜索过程或规则，它是基于某种思想和机制，通过一定的途径或规则来得到满足用户要求的问题的解。就优化机制与行为而分，目前工程中常用的优化算法主要可分为:经典算法、构造型算法、改进型算法、基于系统动态演化的算法和混合型算法等。81)经典算法。包括线性规划、动态规划、整数规划和分支定界等运筹学中传统算法，其算法计算复杂性大，只适于求解小规模问题，在工程中往往不实用。2)构造型算法。用构造的方法快速建立问题的解，通常算法的优化质量差，难以满足工程需要。3)改进型算法，或

18、称邻域搜索算法。从任一解出发，对其邻域的不断搜索和当前解的替换来实现优化。根据搜索行为，它又可分为局部搜索法和指导性搜索法。局部搜索法是以局部优化策略在当前解的邻域中贪婪搜索，如只接受优于当前解的状态作为下一当前解的爬山法;接受当前解邻域中的最好解作为下一当前解的最陡下降法等。指导性搜索法:利用一些指导规则来指导整个解空间中优良解的搜索。4)基于系统动态演化的方法。将优化过程转化为系统动态的演化过程，基于系统动态的演化来实现优化，如神经网络和混沌搜索等。5)混合型算法。指上述各算法从结构或操作上相混合而产生的各类算法。92.1.1 遗传算法简介遗传算法(Genetic Algorithms，简

19、称GA)是J.Holland于1975年受生物进化论的启发而提出的。它是基于“适应生存”的一种高度并行、随机和自适应的优化算法，它通过“染色体”群的一代代不断进化，包括复制、交叉和变异等操作，有效地利用已有信息来指导搜索以改善优化质量，最终收敛到“最适应环境”的个体，从而求得问题的最优解或满意解。在GA中每一个控制变量都被表示成为一系列的二进制元素，这些元素被连接成一个比特串或者是由比特构成的染色体。每个染色体代表优化问题的一个解。而解的质量则被定义为适应度函数（对应于经典优化算法中的目标函数）。遗传算法搜索解空间中的解群而非单个解，这样就提高了找到全局最优解的可能性，并且使遗传算法更适合于并

20、行计算。在产生了初始解群之后，遗传算法通过三个算子:选择，遗传和变异，采用概率性准则来选择新的种群。 与传统的优化方法相比，GA具有以下特点: 1)GA处理的是参数的编码而不是参数本身，其编码技术和遗传操作比较简单;2) GA从多个初始点开始，沿多条线路搜索，能以比较大的概率找到所优化问题的全局最优解;3) GA同时在全局解空间中搜索，因而能有效避免常规数学方法的组合“爆炸”问题和局部最小解，达到快速全局收敛的目的;4) GA只需定义一个适应度函数，对该函数和控制变量的约束极少，既不要求连续，又不要求可微;5) GA使用概率规则指导搜索而非确定性规则，能搜索离散的有躁声和非凸复杂空间。其中最显

21、著的两个特点则是隐含并行性和全局解空间搜索。作为一种优化算法，遗传算法也有一些缺点，主要体现在三个方面。首先，遗传算法是一类随机搜索型算法，而非确定性迭代过程描述，这种广种薄收的算法显而易见具有较低的计算效率。其次，对标准遗传算法的数值试验表明，算法经常出现过早收敛现象。最后遗传和变异的完全随机性虽然保证了进化的搜索功能，但是这种随机变化也使得一些好的优良个体的性态被过早破坏，降低了各代的平均适应值。102.1.2 遗传算法算子作为随机性算法，遗传算法在解决优化问题时，首先随机产生一组初始优化解，然后对其编码，通过遗传操作选择、杂交和变异，使其重新组合，最后这码串对应的解将趋向最优。编码(Co

22、ding)与母体(Population ):GA的一个特点是必须通过编码将优化变量形成与遗传因子类似的特定结构。遗传信息存储在其中，可进行各种遗传操作。相应地有解码过程，将遗传码变换回数字变量11。2.1.3遗传算法解算步骤基于遗传算法的电力系统无功优化解算步骤如下:1)输入网络的原始数据、网络的等式约束和不等式约束。2)计算每个染色体的适应函数值;3)用繁殖、交叉、变异三种遗传操作完成在前代染色体域的基础上产生新一代染色体域的工作;4)对进行遗传操作后的第i代染色体解码后计算其适应函数值;5)若遗传代数大于最先设定的最大遗传代数，则结束循环。反之，返回3);6)安全约束的校验。包括状态变量的

23、等式和不等式约束，控制变量的范围约束。如果控制变量和状态变量中有违反约束的，仍需返回3);7)基于遗传算法的电力系统无功优化问题收敛，获得无功优化方案;染色体中适应度最好的为最优解，其次为次优，等等12。2.2 禁忌搜索(TS)2.2.1 禁忌搜索算法简介禁忌搜索算法（Tabu Search）是由美国科罗拉多州大学的Fred Glover教授在1986年左右提出来的，是一个用来跳出局部最优的搜寻方法。在解决最优问题上，一般区分为两种方式：一种是传统的方法，另一种方法则是一些启发式搜索算法。使用传统的方法，我们必须对每一个问题都去设计一套算法，相当不方便，缺乏广泛性，优点在于我们可以证明算法的正

24、确性，我们可以保证找到的答案是最优的；而对于启发式算法，针对不同的问题，我们可以套用同一个架构来寻找答案，在这个过程中，我们只需要设计评价函数以及如何找到下一个可能解的函数等，所以启发式算法的广泛性比较高，但相对在准确度上就不一定能够达到最优，但是在实际问题中启发式算法那有着更广泛的应用。禁忌搜索是一种亚启发式随机搜索算法，它从一个初始可行解出发，选择一系列的特定搜索方向(移动)作为试探，选择实现让特定的目标函数值变化最多的移动。为了避免陷入局部最优解，TS搜索中采用了一种灵活的“记忆”技术，对已经进行的优化过程进行记录和选择，指导下一步的搜索方向。TS是人工智能的一种体现，是局部领域搜索的一

25、种扩展。禁忌搜索是在领域搜索的基础上，通过设置禁忌表来禁忌一些已经历的操作，并利用藐视准则来奖励一些优良状态，其中涉及邻域 （neighborhood）、禁忌表（tabu list）、禁忌长度（tabu 1ength）、候选解（candidate）、藐视准则（candidate）等影响禁忌搜索算法性能的关键因素。迄今为止，TS算法在组合优化、生产调度、机器学习、电路设计和神经网络等领域取得了很大的成功，近年来又在函数全局优化方面得到较多的研究，并大有发展的趋势。132.2.2 TS的算法流程简单TS算法的基本步骤是：建立并初始化一个禁忌表，给定一个当前解（初始解）和一种邻域，然后在当前解的邻域

26、中确定若干候选解；若最佳候选解对应的目标值优于“best so far”状态，则忽视其禁忌特性，用其替代当前解和“best so far”状态，并将相应的对象加入禁忌表，同时修改禁忌表中各对象的任期；若不存在上述候选解，则选择在候选解中选择非禁忌的最佳状态为新的当前解，而无视它与当前解的优劣，同时将相应的对象加入禁忌表，并修改禁忌表中各对象的任期；如此重复上述迭代搜索过程，直至满足停止准则，简单禁忌搜索的算法步骤可描述如下：1）给定算法参数，随机产生初始解x，置禁忌表为空。2）判断算法终止条件是否满足，若是，则结束算法并输出优化结果；否则，继续以下步骤。3）利用当前解工的邻域函数产生其所有（或

27、若干）邻域解，并从中确定若干候选解。4）对候选解判断藐视准则是否满足，若成立，则用满足藐视准则的最佳状态y替代x成为新的当前解，即x=y，并用与y对应的禁忌对象替换最早进入禁忌表的禁忌对象，同时用y替换“best so far”状态，然后转步骤6；否则，继续以下步骤。5）判断候选解对应的各对象的禁忌属性，选择候选解集中非禁忌对象对应的最佳状态为新的当前解，同时用与之对应的禁忌对象替换最早进入禁忌表的禁忌对象元素。6）转到步骤（2）。算例：该配电系统有33个基点，32条支路，5条联络线，额定电压为12kV，系统结构图见2-1计算中假设每一支路均装有开关，与TS相关的参数值取为：Kmax=20，S

28、max=10Tabu表深度为6。计算结果见表1，为便于比较，表中还同时给出了遗传算法的计算结果。14 图2-1 33节点配电系统结构示意图由表1可见，用哪种算法，重构后系统的有功损耗都明显降低，电压质量也得到较大的改善。因此，配网重构对于提高电力系统的供电质量以及运行经济性能起到很好的作用。在参与比较的三种算法中，TS算法得到了最好的优化结果，网损的降低和电压质量的改善都最为明显，其中网损较原系统降低了36.19%。表1 33节点配电系统重构结果重构前遗传算法TS算法7-208-14打开的开关 11-2117-3224-28网损/kW 202 677最低电 0 913 090压/pu 7-20

29、8-149-1027-2831-32 140 9540 937 3656-78-913-1424-2830-31128 7180 943 7662.3 混合优化策略2.3.1 概述随着科技的发展和工程问题范围的拓宽，问题的规模和复杂度越来越大，传统算法的优化效果往往不够理想，同时算法理论研究的落后导致了单一算法性能改进程度的局限性，而基于自然机理来提出新的优化思想是一件很困难的事。指导性搜索方法具有较强的通用性，无需利用问题的特殊信息，这也造成了对己知问题信息的浪费。尽管启发式算法对问题的依赖性较强，但对特殊问题却能利用问题信息较快地构造解，其时间性能较为理想。所以如何合理结合两者优点来构造新

30、的算法，对于实时性和优化效果同样重要的工程领域，具有很强的吸引力。基于这种状况，算法混合的思想己发展成为提高算法优化性能的一个重要而且有效的途径，其出发点就是使各种单一算法相互取长补短，产生更好的优化效果。由于各种人工智能算法都只是对自然现象的一种粗略的近似，因而存在各种缺陷。现在越来越多的实验表明，通过分析各种算法的自身特点，将不同算法进行合理的整合，弥补相互的不足，发挥各自的优势，往往能取得更好的效果。由于电力系统的自身特点，各种信息未必全面，各种目标之间的平衡往往很难确定，因此模糊逻辑也得到了广泛的应用。此外借助专家系统的专家经验的指导进行搜索，既能提高优化效果，又能节约搜索时间。可以预

31、见今后无功优化算法的发展方向必然是各种算法相互配合得到的混合优化策略，既包括模式上的互补，也包括具体操作上的融合。152.3.2 GATS混合优化策略GA算法具有隐含并行性，且能进行全局解空间的搜索，实现简单，但易于陷入早熟收敛;TS算法具有较强的“爬山”能力，且能有效避免重复搜索，速度快，但对初始解比较敏感，且为串行搜索。因此，将这两种算法结合起来构造出的GATS混合优化策略，既具有TS优良的局部搜索能力，又能实现GA的并行搜索方式，是一种有效可行的提高优化性能的方法。GATS混合优化策略是在进程层次上的组合邻域搜索，其基本思想是:利用经验知识产生初始解群;利用隶属函数解决不确定参数问题，从

32、而构造适应度函数;利用改进遗传算法进行外层循环寻优，确保对整个解空间的搜索;在遗传操作中嵌套并行的TS操作，充分结合两种搜索策略的优点。2.3.3 GASA混合优化策略由于SA是一种串行算法，采用邻域搜索的方式同时运用概率突跳特性避免陷入局部最优解，跳出局部最优解的能力较强，但消耗的时间较长，而GA是并行算法，进化效率较高，但其优胜劣汰的进化思想容易陷入过早收敛，因此两者的结合可以互相补充，相得益彰，即可以提高算法的速度同时可以兼顾效率的要求。此外两中算法的结合具有可操作性，在理论上也能保证收敛到全局最优解。同时由于SA算法本身的特性(在较高温度时，接受概率较大，易于接受新解，有利于搜索空间的

33、扩展，而在温度降低以后，几乎只接受优化解。)，也有利于避免GA的过早收敛16。3 基于混合优化策略的新疆地区电网无功电压优化3.1传统无功电压优化数学模型电力系统无功电压综合控制是指在满足系统各种运行约束的条件下，通过优化计算确定发电机的机端电压、有载调压变压器的分接头挡位和无功补偿设备投入量等，以达到系统有功网损最小和各节点电压的优化。传统的实时无功电压优化数学模型如下：1）目标函数: (3一1)式中一网损计算值，通过潮流计算得到; 一有功网损电价;2）等式约束:即为各节点有功和无功平衡约束。 (3-2) (3-3) 一分别为节点发电机有功出力和有功负荷; , ,，分别为节点发电机无功出力、

34、容性无功补偿容量、无功负荷和感性无功补偿容量; 一为电网中节点i和j之间的电导、电纳和节点电压相角差。17 3.不等式约束: (节点电压约束) (3-4) (节点无功约束) (3-5) (变压器变比约束) (3-6)3.2 考虑操作成本和设备寿命的改进模型3.2.1 多目标函数近年来，国内外对于无功优化已经做了大量的工作。然而常见的优化模型主要从经济性的角度考虑，采用系统有功网损最小为目标函数，很少计及节点电压质量。一些文献在考虑电压质量时，其做法仅为简单在目标函数中采用惩罚项，使最终的电压值尽量处于电压限值内。这种方法的问题在于罚因子的选取只能凭经验确定，并且优化后的母线电压非常接近其合格范

35、围的限值。此外，实际电力系统的运行中，为了达到优化目标和满足各种安全约束，必须频繁调节各种控制变量。特别是在地区电网的运行中，断路器和有载调压抽头的频繁操作将影响这些设备的寿命和后续使用的安全性鉴于此，本文提出了一种考虑每次设备动作成本和动作设备数的新的无功电压综合控制方法，对系统电压、网损、设备寿命和动作次数进行综合优化。前述已提及由于传统优化模型中并未对设备动作次数和操作成本作更多的考虑，导致了设备动作频繁和设备利用率差别很大。同时过多的设备参与电压和无功的调整其带来的设备损耗和对系统运行的扰动，与所获取的网损的减少相比得不偿失。此外，由于每个调度周期内动作次数的限制，在优化调度周期中的前

36、几个时间段中，优化效果好的设备过多的动作，导致后期时间段的优化效果愈来愈差，从而给实时调度和、设备维护及经济运行造成了诸多不便。为弥补以上不足，本文尝试在实时调度的目标函数中考虑动作次数和操作成本。在总的目标函数加入以下三个子目标函数。181)灵敏度最大: (3一7) 其中，x，为第1台可调设备的动作状态(对于变压器为调节的变比值;电容、电抗器为调节的无功值，均取表么值;发电机为其调节量的标么值)，如果不动作则取为0;r，为该设备的灵敏度，由网损灵敏度r;电压灵敏度;和功率因数灵敏度: 组成;m为可调电容器总台数，n为可调变压器的总台数。所谓灵敏度，是指控制变量作微小变化时，状态量的改变值(即

37、为偏导数)，其中控制量为发电机的有功、无功，状态量为节点电压幅值和相角。 根据系统的扰动变量、控制变量和状态变量的偏导数近似满足下式: (3-8) x,u,p 分别为扰动变量、控制变量和状态变量的初值，f(x, u, p)为系统的节点功率平衡方程，也即潮流方程。通过(3-8)式和潮流方程可求出控制变量对状态变量的灵敏度。在优化问题中，调节量为发电机功率，有载调压变压器的变比及电容、电抗器的可调无功。(3-8)式中的u表示节点的有功无功注入，而上述调节量中，发电机功率、电容和电抗器的无功均可视为节点功率注入，且可将有载调压变压器的变比变化转化为节点功率注入的改变。因此，令(3-8)式中dx为零，

38、则电压灵敏度可直接求得;网损灵敏度为各节点功率灵敏度的累加;功率因数灵敏度为节点有功、无功灵敏度之比。通过合理的选择三种灵敏度的权重，可以综合考虑网损、电压质量和效益。2)操作成本最低(设备操作损耗成本最低): (3-9) 其中成本包括购买成本和后期检修、维护成本，设计动作次数为机械次数和电气次数中的较小值(通常为电气寿命);x的定义同上。本项不考虑发电机，即认为发电机的调节成本为零。该子目标可以定量地对设备动作的开销进行计算，有助于减少设备动作次数，显然能使优化方案更为合理。3) 动作设备最少: (3-10) 其中，为惰性因子;为第i台设备的状态(1一动作;0一不动作)。此项统计所有调节设备

39、的动作总数，并使其值尽可能小，从而满足设备动作次数的限制。193.2.2预优化计算及惰性因子 根据短期负荷预测的结果，可以得到下一调度周期即24个时段的负荷状况估计。因此，可以采用上述无功电压优化控制计算方法，对全系统进行无功电压调度周期之前的24小时预优化计算，并将其结果用于实时优化的参数选择和。预优化中不考虑动作次数的限制，但每次动作都会以惩罚项的形式在目标函数中加以考虑，即在原目标函数中引入动作计数器Tc和Tt，并分别赋以不同的权重，同时参照逆调压运行的要求，即在重负荷时抬高电压，在轻负荷时降低电压，在目标函数中加入对负荷情况的考虑。采用模糊数学的思想，引入隶属函数来调节各PV节点的目标

40、电压值，以实现逆调压方式。对应的惩罚项应为实际电压值与给定电压值之差乘以相应系数，具体表达式为: (3-11)式中节点的总数; 一所有个节点目标电压实现程度的惩罚项; 每个节点目标电压现实程度的惩罚系数; 一每个节点的给定电压值；每个节点负荷轻重程度的隶属函数。 就是考虑了负荷水平后的节电目标电压值。由于平衡节点的存在，使得节点的实际电压值在无功优化实施前必然等于原始的给定值，即，因此，(3-11)式最终等效于 （3-12）是反映负荷水平的节点目标电压改变量，是实现逆调压的关键。 基于负荷预测进行预优化，须求得Li(动作次数累加):1)以一天为一个调度周期T，根据负荷预测对24个时段按照不计及

41、动作次数限制的目标函数进行优化。2)预算各时段网损、电压等的改善水平，并据此设置一个系统综合控制动作死区，当优化效果(例如网损减少量或电压改善水平)不明显时，则选择所有设备均不动作，从而统计出最终的Li。惰性因子Ci，可由下式: (313) 通过上述三个子目标项，可以从全局上对动作次数的限制进行考虑，加入操作成本使调度方案更具实用性，而灵敏度则能提高搜索效率。203. 4. PSASY最优潮流计算方法SASP最优潮流计算的流程和结构如下图3一2所示: 图3-2 PSASP最优潮流计算的流程和结构3.4.1 乌鲁木齐地区电网最优潮流计算 系统结构和运行条件的复杂性决定了无功优化针对系统某一时刻的

42、运行方式来求取与该运行方式相对应的无功优化方案。即最优潮流是在初始潮流节点不越电压限值情况下，在满足安全性约束下电压安全范围内)，通过调整电网中一些可以凋整的量(可调发电机出力、无功补偿设备投切、变压器电压抽头位置的调整)，来达到一个预期目标。 本文对新疆的一个地区电网乌鲁木齐地区电网应用PSASP最优潮流程序tOPF，初步尝试无功优化仿真计算，根据2a5年夏大预计负荷，采用内点法进行计算，控制变量有乌鲁木齐局调管的11 1kV变电站主变电压抽头、1kV并联电容器。计算方式基于初始潮流各节点电压均在限值范围内进行优化计算。主要计算目标为使网损最小。213.4.2 调整主变抽头方式最优潮流计算

43、优化仿真前初始潮流总线损量29. 87MW，优化仿真后潮流中总线损量29.56MW，优化后总线损量比初始潮流总线损量降低了0.22MW,调整情况见下表: 表3-1 电压调整表 电压调查表母线名 调整后 调整前 母线名 调整后 调整前 电压 电压 电压 电压米泉110 117.9394 117.7966 鸿雁池110 115.6065 115.4726米泉220 231.3226 231.1684 鸿雁池35 37.5148 37.4765仓房沟101 115.4174 115.2869 九家湾101 10.7895 10.3958北京路102 10.3628 10.3524 西山101 10.

44、3108 10.2956安宁渠101 117.5714 117.4955 红二电220 235.9593 235.8243 达坂城35 36.5341 36.4859 南门101 10.3798 10.2725 表3-2 变压器调整表 变压器调查表变压器 调整后 调整前 变压器 调整后 调整前 变比 变比 变比 变比米泉1# 0.9822 1.02865 鸿雁池2# 0.9804 1.02839米泉4# 0.9936 1.01632 鸿雁池1# 0.9822 1.04.55仓房沟1# 0.9865 1.04026 九家湾3# 0.9944 1.02841北京路1# 0.9934 1.04252 西山4# 0.9815 1.01645安宁渠2# 0.9958 1.02934 红二电2# 0.9984 1.02847 达坂城3# 0.9866 1.01655 南门1# 0.9821 1.02831根据优化仿真计算显示，为达到网损最小，必须提高电网各母线运行电压，并在运行中应遵循无功就地平衡原则，首先调整电网无功补偿装置的投入，平衡本地区无功负荷，减少无功传输，从而降低附损，使电网经济运行。由以上对乌鲁木齐地区电网无功优化潮流计算的结果，须合理安排运行方式，优化配置系