基于malab優化建議的風電-水電網絡容量優化配置研究

由于風速的隨機性和間歇性，隨著風速規模的不斷擴大，風速對電網的穩定性沒有影響。國內外研究表明,風電裝機容量占所投入電網的容量比例不超過10%時,風電系統對電網的影響不大。項目選用Matlab優化工具箱和遺傳算法對風電容量在整個電力系統中所占比例上限是多少,才不會導致整個電力系統崩潰這個最優化問題進行了研究:對風電系統的容量優化配置建立了相應的目標函數和約束條件,應用Matlab7.0.4所帶的優化工具箱(OptimizationToolbox)和遺傳算法這2種途徑實現了風電系統容量的優化配置計算分析,旨在尋求一種確定電網臨界穩定的風電容量的分析法。1風電容量pf和pg對電力系統動態穩定性的影響以新疆布爾津風電網絡作為研究對象,在整個電力網絡動態穩定的前提下,研究其中風力發電容量占整個電力系統容量的比例上限。布爾津電網的總負荷(不計損耗)為7.55MW,其中有7臺風力異步發電機,3臺水力同步發電機。以風力發電機總容量為變量,設為Pf(MW),則水力發電機總容量為Pg=7.55-Pf(MW)。研究的目的是在保證電力系統動態穩定前提下,風電容量占整個電力系統總容量的比例最大,即Pf最大。同步發電機之間的功角差最大值不超過180°,是電力系統動態穩定的前提,若設同步發電機之間功角差為δ,則δ是Pf和Pg的函數。其中3臺同步發電機的功角差中,由于2臺水力發電機容量相等,在出口并聯經升壓變供電,所以這2臺發電機之間的功角差始終為零,因此第3臺同步發電機與這2臺發電機之間的功角差變化曲線即可反映該電力系統的動態穩定性。隨著風電容量Pf和水電容量Pg變化,風電網有功出力、有功負荷功率、功角差δ也在變化,因此必須進行風電網潮流計算,進而進行電網的約束條件下的動穩計算,然后根據動穩判據決定優化計算是否繼續。為了優化結果更接近實際,在等式約束條件中計及網損,由此推得動態穩定前提下布爾津風電場最大風電容量優化問題的優化模型為變量:風力發電機的總容量Pf目標函數:等式約束條件:不等式約束條件:優化計算結束判據:2優化問題的提出分析上述所建的優化模型可知:風電系統的約束條件是非線性的,其風電容量的優化配置屬于非線性規劃問題,應選用約束最優化問題的工具箱函數fmincon。2.1修正約束函數由于Matlab優化工具箱中的優化函數都是求最小值,不等式約束的形式都是≤0,為使數學模型適于Matlab,將風電系統優化模型修改為目標函數:不等式約束條件:2.2優化計算根據確定的Matlab優化模型,編寫相應的優化程序,其主程序框圖如圖1所示。運行Matlab優化程序,得到的仿真結果為Pf=1.050205MW。利用Matlab的優化工具箱對布爾津電網進行優化計算結果表明:該風電系統的風機總容量達到1.050205MW時(占總容量的13.91%),已達到它的上限,系統失穩。但布爾津風電網的風電容量實際運行值(7×150kW)也是13.9%,且處于穩定狀態,說明該研究結果與實際電網不吻合,研究方法需要進一步改進。3優化算法的優點利用優化工具箱函數編寫優化程序,思路簡單,程序易編,使用靈活方便,但計算結果不理想。而遺傳算法作為一種新的全局優化搜索算法,則可彌補此缺點。遺傳算法通過對約束條件采用懲罰策略,構造帶有懲罰項的適值函數,可取得較好效果。3.1具有懲罰屬性的合適值函數其中w1為等式約束的懲罰算子,一般取值;r1、r2、r3為不等式約束懲罰算子,一般取值。3.2算法的編寫情況下面是遺傳算法優化程序的設計步驟。a.計算適應性值函數AimFunc,表明解的優劣性,流程圖如圖2所示。b.編寫選擇函數Select,從當前群體中選出適應度好的解。c.編寫交叉函數Cross,得到新一代解,新解繼承了其父輩解的特性。d.編寫變異函數Mutation,在群體中隨機選擇一個解,對于選中的解以一定的概率隨機地改變串結構數據中某個串的值。e.編寫遺傳函數Genetic,主要完成遺傳算法的計算,其流程圖如圖3所示。f.編寫主函數main(),其流程圖如圖4所示。利用遺傳算法對布爾津電網的風電容量的優化結果Pf=1.14760MW,即當風電穿越功率為15.2%時,達到上限,表明目前電網風電容量尚有提高的裕度,結合目前電網的運行情況分析,該結果較為合理。4仿真模型的驗證對不同的實現途徑及結果分析得出3點結論。a.研究中采用的2種優化算法各有特點。利用遺傳算法進行風電容量配置的優化計算,編寫程序有一定的難度,但是它的計算精度高,這對于工程應用非常重要;利用優化工具箱函數進行優化計算,編程簡單,用戶易掌握使用,但是其優化結果有一定的局限性,對于復雜的工程系統不太適合。b.2種方法的研究結果不同。利用優化工具箱函數對布爾津電網進行優化的結果(最大風電穿越功率為13.91%)與布爾津電網多年來實際的運行情況不符,說明這種方法的準確性較差,其仿真模型需要進一步研究改進;應用遺傳算法對布爾津電網進行優化的結果是風電容量的上限為15.2%,說明該電網的風電容量尚有提高的裕度,該方法的合理性及可行性可據電網的目前運行情況得到驗證。c.項目研究尚有不足之處,主要包括以下幾方面:為便于計算,對布爾津風電網絡進行了簡化,消去大部分聯絡節點,使電網中節點數和支路數大為減少,網絡圖的簡化在一定程度上影響了計算的精確性;只對1臺同步發電機考慮了勵磁和調速作用,其他2臺發電機沒有考慮,如把它們考慮得更全面些,計算結果可能會更貼近實際電網;遺傳算法是一種非常成熟和潛力非常大的優化算法,包括多種不同的優秀思想和分支,如果采取多種分支進行優化計算,得到的最佳風電容量的準確性及可行性會在很大程度上