论文部分内容阅读
随着工业发展的日益加快,其导致的环境问题也日益严重。在这种情况下,清洁能源得到了广泛的关注。作为可再生能源中的一种,风电是目前最具有商业化发展前景和可规模化开发的新能源,同时也是当今发展的较为成熟的清洁能源的一种。目前,风电场的并网方式主要是集中式并网,而为了实现风资源丰富地区的风电的大规模开发与输送,国内提出了建设大规模风电群,集中送出的并网方式。所以针对大规模风电群的无功优化问题值得深入研究,并且具有现实意义。本文首先研究了同步调相机,SVC和SVG三种常用的无功补偿装置并简单分析了各自的特点。随后研究了无功优化算法的研究现状,通常将算法分为传统优化算法和智能优化算法,其中传统算法主要包括了线性规划法,非线性规划法和动态规划法等;智能算法主要包括帝国主义竞争算法、粒子群算法和遗传算法等。然后对风电场动态无功支撑能力进行了分析,因为风力发电组与常规火电机组的无功运行特性差别较大,所以应针对风电力发电的特性进行无功配置研究,保证系统的安全运行以及在发生故障时能满足相应的对电网的支撑能力的要求。在国内外现有的研究基础上,建立了一个满足功率方程约束和变量约束的数学模型,其目标函数为系统有功网损最小。由于优化过程中需对潮流进行反复计算,潮流计算的速度对整个优化程序的计算速度有重要影响,故本文选取了计算速度较快的P-Q分解法来计算潮流。在优化算法的选择上,考虑了电力系统无功优化的线性与非线性并存的特点,遗传算法适合求解在这种条件下的寻优问题,所以选取了遗传算法来进行优化。在编码操作过程中,选择了混合编码的方式,克服了二进制编码在处理离散变量的不足。同时,选择了最优个体最少保留代数的终止判据,显著提高了优化效率。本文采用matlab语言进行编程,实现了基于遗传算法的无功优化程序,以IEEE-30节点系统和某实际风电基地为算例进行了仿真,并对结果进行分析。文章从无功优化的装置和算法研究开始,考虑到优化对象是风电场,所以选择P-Q分解法进行潮流计算,编写基于遗传算法的无功优化程序并且研究仿真结果。仿真结果表明了本论文所采用的算法具有良好的整体性,较快的收敛速度和优秀的全局寻优能力,适合求解含风电场的电力系统无功优化问题。