含高比例风光新能源电网的多目标无功优化算法

doi:10.12204/j.issn.1000-7229.2020.07.013

电力建设 ›› 2020, Vol. 41 ›› Issue (7): 100-109.doi: 10.12204/j.issn.1000-7229.2020.07.013

含高比例风光新能源电网的多目标无功优化算法

杨蕾1，吴琛2，黄伟2，郭成1，向川1，何鑫1，邢超1，奚鑫泽1，周鑫1，杨博3，张孝顺4

1.云南电网有限责任公司电力科学研究院，昆明市 650200；2.云南电网有限责任公司电力调度控制中心，昆明市650051；3.昆明理工大学电力工程学院，昆明市650500；4. 汕头大学工学院，广东省汕头市 515063

出版日期:2020-07-01
作者简介:杨蕾（1986），女，硕士，高级工程师，研究方向为电力系统稳定分析与控制、继电保护等；吴琛（1974），女，教授级高级工程师，研究方向为电网调度运行；黄伟（1979），男，博士，工程师，研究方向为电力系统运行与分析；郭成（1978），男，博士，高级工程师，研究方向为电力系统稳定与控制，电能质量监测与分析技术；向川（1991），男，硕士，助理工程师，研究方向为系统仿真分析；何鑫（1990），男，硕士，工程师，研究方向为电力系统仿真、电力系统稳定分析与控制；邢超（1986），男，硕士，高级工程师，研究方向为直流输电与电力电子技术；奚鑫泽（1988），男，博士，工程师，研究方向为新能源并网技术与系统分析；周鑫（1984），男，硕士，高级工程师，研究方向为频率稳定与控制、网源协调等；杨博（1988），男，博士，副教授，通信作者，研究方向为新能源与储能系统优化与控制，人工智能在智能电网中的应用；张孝顺（1990），男，博士，副教授，研究方向为电力系统优化控制与启发式算法。
基金资助:
国家自然科学基金项目（61963020）；云南电网公司科技项目 “多直流与高比例新能源的云南电网稳控拓展技术研究与闭环仿真平台” （KJDK2018210）

Pareto-Based Multi-objective Reactive Power Optimization for Power Grid with High-Penetration Wind and Solar Renewable Energies

YANG Lei1，WU Chen2，HUANG Wei2，GUO Cheng1，XIANG Chuan1，HE Xin1，XING Chao1，XI Xinze1，ZHOU Xin1，YANG Bo3，ZHANG Xiaoshun4

1. Electric Power Research Institute， Yunnan Power Grid Co.， Ltd.， Kunming 650200， China；2. Power Dispatching Control Center， Yunnan Power Grid Co.， Ltd.， Kunming 650051， China；3. Faculty of Electric Power Engineering， Kunming University of Science and Technology， Kunming 650500， China；4. College of Engineering， Shantou University， Shantou 515063， Guangdong Province， China

Online:2020-07-01
Supported by:
This work is supported by National Natural Science Foundation of China（No. 61963020） and Science and Technology Project of Yunnan Power Grid Company “Yunnan Power Grid Stability Control Technology Research and Closed Loop Simulation Platform with Multiple DC and High Proportion of New Energy” （No. KJDK2018210）.

摘要/Abstract

摘要： 为适应新能源大量接入电网的趋势，基于不同时刻的风速、光照强度、温度等气象条件信息，评估出风光新能源的无功调节容量，搭建了含高比例风光新能源参与调控的电网多目标无功优化模型。为快速获得电网中变压器分接头档位调节、无功补偿设备投切、传统发电机组电压调节以及风光的无功输出等控制措施的帕累托最优解集，采用寻优性能高效的多目标樽海鞘群算法（multi-objective salp swarm algorithm， MSSA）进行无功优化求解。为更客观找出电网线损、电压偏差、静态电压稳定裕度等不同目标之间的折中解，采用改进的理想点法进行多目标最优解集决策。最后，利用扩展的IEEE标准9节点和39节点算例进行仿真分析，并引入传统多目标智能优化算法来进行比较验证。仿真结果表明：与其他2种传统多目标智能优化算法相比，所提算法获得的帕累托前沿分布更广、更均匀；利用改进理想点法进行决策之后，可有效降低电网的线损和电压偏差，同时提高了电网的静态电压稳定裕度。

关键词: 风光新能源, 帕累托, 多目标优化, 无功优化, 多目标樽海鞘群算法（MSSA）

Abstract: To adapt the trend of high-penetration renewable energies paralleled in power grid， this paper constructs a multi-objective reactive power optimization for power grid with the controlled participation of high-penetration wind and solar renewable energies. Particularly， the reactive power regulation capacities of renewable energies are evaluated according to the wind speed， solar irradiation， and temperature in different time. To obtain the optimal dispatch scheme of transformer taps， shunt capacitor states， voltage outputs of generators， and reactive power outputs of renewable energies， a multi-objective salp swarm algorithm （MSSA） is employed for the multi-objective reactive power optimization. Then an improved ideal-point based decision method is designed to select a compromise solution among multiple non-dominated points， thus three objectives of power loss， voltage deviation， and static voltage stability margin can be properly balanced. Finally， an extended IEEE 9-bus system and an extended IEEE 39-bus system are used to evaluate the performance of the proposed algorithm compared with conventional multi-objective intelligent optimization algorithms. Simulation results demonstrate that the proposed algorithm can obtain a widely spread and well-distributed Pareto front compared with conventional multi-objective optimization algorithms. Moreover， the improved ideal-point based decision method not only can effectively reduce the power loss and voltage deviation， but also can improve the static voltage stability margin.

Key words: wind and solar renewable energies, Pareto, multi-objective optimization, reactive power optimization, multi-objective salp swarm algorithm （MSSA）

中图分类号:

TM 76

杨蕾，吴琛，黄伟，郭成，向川，何鑫，邢超，奚鑫泽，周鑫，杨博，张孝顺. 含高比例风光新能源电网的多目标无功优化算法[J]. 电力建设, 2020, 41(7): 100-109.

YANG Lei，WU Chen，HUANG Wei，GUO Cheng，XIANG Chuan，HE Xin，XING Chao，XI Xinze，ZHOU Xin，YANG Bo，ZHANG Xiaoshun. Pareto-Based Multi-objective Reactive Power Optimization for Power Grid with High-Penetration Wind and Solar Renewable Energies[J]. Electric Power Construction, 2020, 41(7): 100-109.

参考文献［22］

［1］	徐茂鑫，张孝顺，余涛. 迁移蜂群优化算法及其在无功优化中的应用［J］. 自动化学报， 2017， 43（1）: 83-93.
	XU Maoxin， ZHANG Xiaoshun， YU Tao. Transfer bees optimizer and its application on reactive power optimization［J］. Acta Automatica Sinica， 2017， 43（1）: 83-93.
［2］	黄河，任佳依，高松，等. 基于场景分析的有源配电系统有功无功协调鲁棒优化策略［J］. 电力建设， 2018， 39（8）: 32-41.
	HUANG He， REN Jiayi， GAO Song， et al. Coordinated robust optimization strategy for active and reactive power in active distribution system based on scenario analysis［J］. Electric Power Construction， 2018， 39（8）: 32-41.
［3］	MOLINA-GARCA ， MASTROMAURO R A， GARCA-SNCHEZ T， et al. Reactive power flow control for PV inverters voltage support in LV distribution networks［J］. IEEE Transactions on Smart Grid， 2016， 8（1）: 447-456.
［4］	郭焱林，刘俊勇，唐永红，等. 考虑无功资源协同优化的配电网分布式可再生能源双层规划模型［J］. 电力建设， 2018， 39（6）: 80-88.
	GUO Yanlin， LIU Junyong， TANG Yonghong， et al. Two-layer programming model considering reactive power cooperation for distributed renewable energy in distribution network［J］. Electric Power Construction， 2018， 39（6）: 80-88.
［5］	方金涛，龚庆武. 考虑运行风险的主动配电网分布式电源多目标优化配置［J］. 电力建设， 2019， 40（5）: 128-134.
	FANG Jintao， GONG Qingwu. Multi-objective optimization configuration of distributed generation for active distribution network considering operational risk［J］. Electric Power Construction， 2019， 40（5）: 128-134.
［6］	MOHSENI-BONAB S M， RABIEE A， MOHAMMADI-IVATLOO B. Voltage stability constrained multi-objective optimal reactive power dispatch under load and wind power uncertainties: A stochastic approach［J］. Renewable Energy， 2016， 85: 598-609.
［7］	李伟琨，阙波，王万良，等. 基于多目标飞蛾算法的电力系统无功优化研究［J］. 计算机科学， 2017， 44（S2）: 503-509.
	LI Weikun， QUE Bo， WANG Wanliang， et al. Multi-objective moth-flame optimization algorithm based optimal reactive power dispatch for power system［J］. Computer Science， 2017， 44（S2）: 503-509.
［8］	李智欢，段献忠. 多目标进化算法求解无功优化问题的对比分析［J］. 中国电机工程学报， 2010， 30（10）: 57-65.
	LI Zhihuan， DUAN Xianzhong. Comparison and analysis of multiobjective evolutionary algorithm for reactive power optimization［J］. Proceedings of the CSEE， 2010， 30（10）: 57-65.
［9］	李鸿鑫，李银红，陈金富，等. 自适应选择进化算法的多目标无功优化方法［J］. 中国电机工程学报， 2013， 33（10）: 71-78， 16.
	LI Hongxin， LI Yinhong， CHEN Jinfu， et al. Multiple evolutionary algorithms with adaptive selection strategies for multi-objective optimal reactive power flow［J］. Proceedings of the CSEE， 2013， 33（10）: 71-78， 16.
［10］	蔡博，黄少锋. 基于多目标粒子群算法的高维多目标无功优化［J］. 电力系统保护与控制， 2017， 45（15）: 77-84.
	CAI Bo， HUANG Shaofeng. Multi-objective reactive power optimization based on the multi-objective particle swarm optimization algorithm［J］. Power System Protection and Control， 2017， 45（15）: 77-84.
［11］	滕德云，滕欢，刘鑫，等. 考虑多个分布式电源接入配电网的多目标无功优化调度［J］. 电测与仪表， 2019， 56（13）: 39-44.
	TENG Deyun， TENG Huan， LIU Xin， et al. Multi-objective reactive power optimization of the distribution network considering a large number of DGs access［J］. Electrical Measurement & Instrumentation， 2019， 56（13）: 39-44.
［12］	汪文达，崔雪，马兴，等. 考虑多个风电机组接入配电网的多目标无功优化［J］. 电网技术， 2015， 39（7）: 1860-1865.
	WANG Wenda， CUI Xue， MA Xing， et al. Multi-objective optimal reactive power flow of distribution network with multiple wind turbines［J］. Power System Technology， 2015， 39（7）: 1860-1865.
［13］	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）: 152-159.
	WU Lizhen， JIANG Libo， HAO Xiaohong. Reactive power optimization of active distribution network based on optimal scenario generation algorithm［J］. Power System Protection and Control， 2017， 45（15）: 152-159.
［14］	FARAMARZI A， HEIDARINEJAD M， STEPHENS B， et al. Equilibrium optimizer: A novel optimization algorithm［J］. Knowledge Based Systems， 2020， 191: 105190.
［15］	EDRAH M， LO K L， ANAYA-LARA O. Reactive power control of DFIG wind turbines for power oscillation damping under a wide range of operating conditions［J］. IET Generation， Transmission & Distribution， 2016， 10（15）: 3777-3785.
［16］	HETZER J， YU D， BHATTARAI K. An economic dispatch model incorporating wind power［J］. IEEE Transactions on Energy Conversion， 2008， 23（2）: 603-611.
［17］	BRINI S， ABDALLAH H H， ABDERRAZAK O. Economic dispatch for power system included wind and solar thermal energy［J］. Leonardo Journal of Sciences， 2009（14）: 204-220.
［18］	杨博，钟林恩，朱德娜，等. 部分遮蔽下改进樽海鞘群算法的光伏系统最大功率跟踪［J］. 控制理论与应用， 2019， 36（3）: 339-352.
	YANG Bo， ZHONG Lin'en， ZHU Dena， et al. Modified salp swarm algorithm based maximum power point tracking of power-voltage system under partial shading condition［J］. Control Theory & Applications， 2019， 36（3）: 339-352.
［19］	余涛，张孝顺. 一种具有记忆自学习能力的快速动态寻优算法及其无功优化求解［J］. 中国科学:技术科学， 2016， 46（3）: 256-267.
	YU Tao， ZHANG Xiaoshun. A fast dynamic optimization algorithm with memory and self-learning and its application on reactive power optimization［J］. Scientia Sinica （Technologica）， 2016， 46（3）: 256-267.
［20］	赵新泉，彭勇行. 管理决策分析［M］. 北京: 科学出版社， 2000.
［21］	冯士刚，艾芊. 带精英策略的快速非支配排序遗传算法在多目标无功优化中的应用［J］. 电工技术学报， 2007， 22（12）: 146-151.
	FENG Shigang， AI Qian. Application of fast and elitist non-dominated sorting generic algorithm in multi-objective reactive power optimization［J］. Transactions of China Electrotechnical Society， 2007， 22（12）: 146-151.
［22］	ABIDO M A. Multiobjective evolutionary algorithms for electric power dispatch problem［J］. IEEE Transactions on Evolutionary Computation， 2006， 10（3）: 315-329.

[1]	檀勤良, 丁毅宏, 李渝, 李锐. 考虑经济环境平衡的风光火联合外送调度策略多目标优化[J]. 电力建设, 2020, 41(8): 129-136.
[2]	方朝雄，吴晓升，江岳文. 考虑暂态稳定性的网储多目标双层优化[J]. 电力建设, 2020, 41(7): 58-66.
[3]	魏震波，任小林，黄宇涵. 考虑综合需求侧响应的区域综合能源系统多目标优化调度[J]. 电力建设, 2020, 41(7): 92-99.
[4]	沈青文，程若发，付鑫. 一种计及脆弱性指标的分布式电源优化配置方法[J]. 电力建设, 2020, 41(3): 54-61.
[5]	张军六，樊伟，谭忠富，鞠立伟，德格吉日夫，杨莘博，孙婧霞. 计及需求响应的气电互联虚拟电厂多目标调度优化模型[J]. 电力建设, 2020, 41(2): 1-10.
[6]	钱科军，秦萌，宋远军，周振凯，刘乙，谢鹰，陈丽娟. 基于模糊隶属度的充电站多目标优化调度[J]. 电力建设, 2020, 41(2): 118-124.
[7]	王上行，贾学翠，王立华，闫士杰，李相俊. 混合储能系统的功率变换器电流预测控制方法[J]. 电力建设, 2020, 41(1): 71-79.
[8]	孙充勃，宋毅，蔡超，原凯，杨雄. 考虑多场景需求的配电网分布式储能多目标优化配置方法[J]. 电力建设, 2019, 40(7): 48-56.
[9]	潘益，郑建勇，韩文军，张苏，马天. 考虑特高压直流馈入的受端输电网架优化方法[J]. 电力建设, 2019, 40(4): 1-8.
[10]	王辉，廖昆，林艺璇，金彬斌. 需求响应下含微电网配电侧市场多目标出清模型[J]. 电力建设, 2019, 40(2): 29-36.
[11]	汪涛，崔怀宇，武赓，曾鸣. 计及用户可响应负荷的区域多能源系统运行优化模型[J]. 电力建设, 2018, 39(9): 30-38.
[12]	孙志攀, 刘会兰，栗然，陈宇，霍启敬，郑豪东. 考虑电动汽车用户意愿的热电联供型微电网优化调度[J]. 电力建设, 2018, 39(9): 95-104.
[13]	张杭，丁晓群，陈光宇，季日华. 基于场景时域概率的主动配电网全协调无功优化[J]. 电力建设, 2018, 39(8): 53-58.
[14]	孟明，朱国林，魏怡. 基于最优潮流的交直流配电网分层控制策略[J]. 电力建设, 2018, 39(8): 94-101.
[15]	谈竹奎，瞿凯平，刘斌，王德志，余涛. 含电转气的电-气互联系统多目标优化调度[J]. 电力建设, 2018, 39(11): 51-59.

含高比例风光新能源电网的多目标无功优化算法

Pareto-Based Multi-objective Reactive Power Optimization for Power Grid with High-Penetration Wind and Solar Renewable Energies

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献［22］

相关文章 15

编辑推荐

Metrics

本文评价

含高比例风光新能源电网的多目标无功优化算法

Pareto-Based Multi-objective Reactive Power Optimization for Power Grid with High-Penetration Wind and Solar Renewable Energies

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献 ［22］

相关文章 15

编辑推荐

Metrics

本文评价

参考文献［22］