混合型潮流控制器(hybrid power flow controller,HPFC)可以有效解决风电并网系统中存在的支路潮流过载问题,且相较于统一潮流控制器成本更低。针对现有的HPFC潮流优化研究尚未计及支路潮流最大值约束和风电不确定性的问题,提出一种基...混合型潮流控制器(hybrid power flow controller,HPFC)可以有效解决风电并网系统中存在的支路潮流过载问题,且相较于统一潮流控制器成本更低。针对现有的HPFC潮流优化研究尚未计及支路潮流最大值约束和风电不确定性的问题,提出一种基于场景削减的含HPFC风电并网系统最优潮流模型。首先,建立HPFC的功率注入模型,并推导了注入功率表达式;其次,采用K均值算法削减风电、负荷概率场景,通过CH(+)指标选择最优场景集合;最后,建立兼顾发电机运行成本、系统网络损耗、正常运行及N-1故障下的支路负载率的多目标优化模型,采用多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法进行求解,利用模糊满意度函数在Pareto解集中筛选出折衷解。在MATLAB中仿真验证所提方法的有效性,结果表明该方法可以计及风电不确定性,保证电网在不同场景下的安全经济运行。展开更多
风电出力与负荷的双向随机性使得电网潮流存在较大的不确定性,易造成电压失稳和线路传输功率过载等问题。统一潮流控制器(unified power flow controller,UPFC)可以通过控制线路潮流和稳定节点电压,使风电并网系统运行的安全性、经济性...风电出力与负荷的双向随机性使得电网潮流存在较大的不确定性,易造成电压失稳和线路传输功率过载等问题。统一潮流控制器(unified power flow controller,UPFC)可以通过控制线路潮流和稳定节点电压,使风电并网系统运行的安全性、经济性大大增强。针对现有UPFC配置方法存在的未能充分考虑系统运行场景的不确定性及多场景下权重差异性的缺点,建立UPFC多场景变权多目标优化配置模型。利用K-means聚类方法对风电出力-负荷进行场景划分,以有功网损、电压偏移率和负载均衡度以及UPFC安装成本为优化目标,利用NSGA-II算法对UPFC的安装数量、位置、容量进行优化,并提出多场景熵权-层次分析法对Pareto解集排序,得出UPFC配置的最优方案。算例对IEEE 30节点系统进行仿真计算,验证了该模型和算法的正确性和有效性。展开更多
文摘风电出力与负荷的双向随机性使得电网潮流存在较大的不确定性,易造成电压失稳和线路传输功率过载等问题。统一潮流控制器(unified power flow controller,UPFC)可以通过控制线路潮流和稳定节点电压,使风电并网系统运行的安全性、经济性大大增强。针对现有UPFC配置方法存在的未能充分考虑系统运行场景的不确定性及多场景下权重差异性的缺点,建立UPFC多场景变权多目标优化配置模型。利用K-means聚类方法对风电出力-负荷进行场景划分,以有功网损、电压偏移率和负载均衡度以及UPFC安装成本为优化目标,利用NSGA-II算法对UPFC的安装数量、位置、容量进行优化,并提出多场景熵权-层次分析法对Pareto解集排序,得出UPFC配置的最优方案。算例对IEEE 30节点系统进行仿真计算,验证了该模型和算法的正确性和有效性。