论文部分内容阅读
随着我国经济发展进程的日益加快,传统能源短缺和化石能源消耗所带来的环境污染等问题愈加严重。因此,分布式电源(Distributed Generation,DG)以它环保高效、充足清洁等优点获得了快速的发展。但是,大量分布式电源接入配电网,使得配电网由原来的无源网络转变为电源和用户互联的有源网络,这导致配电网的稳定运行受到了巨大的影响。为了尽可能保证研究过程中对于分布式电源不确定性的考虑,本文基于概率论中的相关方法,通过概率建模的方式研究以风光为代表的分布式电源的出力特性。在此基础上,对同一区域风电DG和光伏DG的相关性进行研究,并采用一种改进的带精英策略的快速非支配排序遗传(The Elitist Non-dominated Sorting Genetic,NSGA-II)多目标优化算法对配电网无功优化模型进行求解,具体研究工作如下:以风光为代表的分布式电源具有明显的随机性和波动性,而且同一区域风光之间还存在着不可忽视的相关性。这两点对于配电网的安全稳定运行都有着极大的影响,所以研究分布式电源的概率建模是研究含分布式电源配电网无功优化的基础。对此,本文选择加权高斯混合分布和Beta分布作为构造风电DG和光伏DG各自出力概率模型的分布函数。然后通过对同一区域风光相关性的研究,在获得风光出力概率模型的情况下,通过Copula函数来反映风光之间的相关性,将影响配电网安全可靠运行的因素以数学变换的方式考虑在内,保证后续配电网无功优化研究的有效性和准确性。最后,以某地区的实测数据对各种概率模型的拟合效果进行了检验。在获取了以风光为代表的分布式电源出力联合概率模型的基础上,针对配电网无功优化中所涉及到的多目标问题的求解方法进行分析。为了求取满足配电网拓扑约束的Pareto最优解集,本文采用一种改进的NSGA-II算法。经过改进有效增强了算法的空间搜索能力和收敛速度,同时保证了种群的稳定多样性,使得Pareto前沿分布更优。通过在测试函数上进行仿真分析,结合优化算法评价指标,验证了改进的NSGA-II算法在求解多目标优化问题的可行性和有效性。在无功优化的研究过程中,需要对负荷和分布式电源的随机性采用合适的方式进行处理。针对这一问题,本文通过基于切片采样算法的马尔科夫链蒙特卡洛模拟法进行概率潮流计算。不仅在概率潮流计算的过程中将分布式电源与负荷的随机性考虑在内,而且提高了分布式电源接入系统后概率潮流计算的准确性。最后,建立以系统有功网损最小和节点电压总偏差最小为目标函数的多目标无功优化模型,并采用改进的NSGA-II算法对该优化模型进行求解。在接入风光DG的IEEE33节点系统中,通过仿真获得Pareto最优解集后,选取同样的三组解,针对风光独立情况下和考虑两者相关性的情况分别进行分析,验证了本文所提方法的可行性和有效性。