含风电的电力系统无功优化算法-研究

《含风电的电力系统无功优化算法-研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、全日制工程硕士学位论文摘要随着社会的进步，能源结构也在不断的调整，表现之一就是风力发电在电力系统中所占的比重呈上升趋势。由于风电具有随机性和波动性的特点，风电机组的输出功率也会发生变化，从而对电力系统的稳定性产生了较大影响。而电力系统无功优化研究能使电力系统无功潮流达到最优分布，降低有功网损，并且能改善系统电压质量、减少网损，从而保证系统安全、可靠和经济运行，所以含风电的电力系统无功优化研究有重要意义。电。力系统无功优化具有非线性、离散性等特点，电力系统无功优化的问题一直有待改进。本文在分析风力机的类型和含风力机电力系统潮流计算方法的基础上，首先对含异步风力机的潮流计算方法进行了研究。

2、其次在粒子群优化(PSO)算法和群体细菌趋药性优化(BCC)算法的基础上，提出了混合群体细菌趋药性粒子群(MPSOBCC)算法。先利用PSO算法进行全局搜索，并引入对适应度函数进行排序，选出一部分杰出粒子，然后使用BCC算法对杰出粒子进行随机局部搜索，同时在BCC算法中引入信赖域思想，并引入变异机制来保持种群的多样性，在搜索过程中采用优势个体保留策略，进一步提高搜索效率，然后在IEEE30节点系统上进行了测试，并与BCC算法和PSO算法进行对比，结果表明该算法在一定程度上提高了收敛速度，并且防止了局部收敛，大大提高了寻优效果，说明该算法在电力系统无功优化方面具有良好的适用性。最后基于M

3、PSOBCC算法在IEEE30节点配电网进行无功优化计算的良好适用性，本文在美国PG&E69节点配电网接入一台异步风力机，并用MPSOBCC算法对其进行了分析。考虑到风速随机性的特点，本文研究了风电机组输出机械功率与风速之间的关系，并建立了同时考虑功网损和静态电压稳定裕度的双目标无功优化函数，在功率场景分析的基础上，对接入一台异步风力机的美国PG&E69节点配电网进行了单场景单目标分析和全场景双目标分析。一关键词：无功优化；粒子群；混合群体细菌趋药性粒子群；收敛性；风电机组AbstractWiththeprogressofsociety,energystructureisconstan

4、tlyadjusting，oneoftheperformanceistheproportionofwindpowerhasbeenaccountedforanupwardtrendinpowersystem．Duetotherandomnessandvolatilitycharacteristicsofwindpowerthewindturbineoutputpowerwillchange，andthusthestabilityofthepowersystemwillhaveagreaterimpact．Thereactivepoweroptimizationofpoveersyste

5、menablesoptimalreactivepowerflowdistribution，itcannotonlYreduceactivepowerloss，butalsoimprovethesystemvoltagequality,thusensuringsafe，reliableandeconomicoperation，SOtheresearchonwindpowerreactivePoweroptimizationisimportant．Withnonlinear，discreteandothercharacteristics，theproblemofreactivepowero

6、ptimizationhastobeimproved．Firstwiththeanalysisofmethodsofpowerflowcalculation，thepowerflowcalculationmethodonpowersystemincludingwindgeneratorisstudied．Second，basedonthegroupsbacterialchemotaxisoptimizationalgorithm(BCC)andparticleswarmoptimization(PSO)，theMixedbacterialchemotaxisparticleswarm(

7、MPSOBCC)isproposed，firstPSOalgorithmisusedtosearchinthewholearea，andthentheBCCalgorithmisusedtosearchoutstandingparticlerandominlocalarea．whilethetrustregionandmutationmechanismisintroducedtoBCCalgorithmtofurtherimprovesearc