戴瓊潔,劉 燕,劉吉成,
(1.鄂爾多斯應用技術學院,內蒙古 鄂爾多斯 017000;2.華北電力大學,河北 保定,071003;3.貴州理工學院,貴州 貴陽,550003)
受低碳經(jīng)濟的推動,可再生能源的應用范圍和應用規(guī)模越來越大,快速取代傳統(tǒng)能源的地位,風電就是其中的典型代表。風電機組單體相對傳統(tǒng)發(fā)電機組出力較小,且風電機組出力受外部因素干擾較大,在風電接入配電網(wǎng)時,其動態(tài)特性會對電網(wǎng)質量與電能損耗產(chǎn)生嚴重影響[1]。由于無功決定了電能質量的優(yōu)劣[2-3],為保證風電并網(wǎng)的安全穩(wěn)定,無功補償優(yōu)化至關重要。當前無功補償優(yōu)化通常分為靜態(tài)與動態(tài)兩種方式。對于風電系統(tǒng),受風量變化影響,每個時段對應的電力負荷不同,靜態(tài)補償顯然存在劣勢。在采用動態(tài)無功補償時,現(xiàn)有研究多引入人工智能算法[4]。文獻[5]基于隨機因素建模,同時根據(jù)狀態(tài)變量設計機會限定,并利用PSO求解最優(yōu)方案。該方法在PSO中引入了懲罰因子,其取值會影響尋優(yōu)性能。文獻[6]在PSO基礎上融合了IPM啟發(fā)搜索,通過PSO與IPM分別處理非連續(xù)與連續(xù)變量,同時將不同時段網(wǎng)絡損耗作為尋優(yōu)目標。該方法采用了分段機制,對于每一分段的處理,在一定程度上可看做靜態(tài)補償。文獻[7]將日網(wǎng)絡損耗作為目標,并對PSO的加權系數(shù)進行優(yōu)化調整。文獻[8]先利用模糊聚類得到補償點,再利用貓群算法計算多目標模型。文獻[7]和[8]在建立目標與約束時,都沒有兼顧諧振與電壓,不夠完善。由于無功補償優(yōu)化可以轉化為尋優(yōu)問題求解,而人工智能算法擅長尋優(yōu)問題的求解,于是,本文的主要創(chuàng)新是無功補償優(yōu)化的多目標與約束設計。另外,考慮到PSO算法調整參數(shù)簡單、收斂效果良好,這里對PSO算法進行改進用于多目標搜索。
風電接入配電網(wǎng)模型如圖1所示,整體采用輻射接入。其中,每一個風電場都是一組風機集群,它們彼此呈現(xiàn)出不同的分布特征,同時,接入距離和風速快慢也各不相同,導致阻抗參數(shù)與功率參數(shù)表現(xiàn)出明顯的不規(guī)則性,因此風電場需要包含集電與升壓單元。風電接入配電網(wǎng)后,對配電網(wǎng)穩(wěn)定運行產(chǎn)生的干擾,必須通過無功設備進行調整。
圖1 風電接入配電網(wǎng)模型
對于模型中的任意風電場,因為電壓等級較高,規(guī)模較大,需要考慮機組間R的影響。假定集群中風機i的端電壓是Ui,出力是Pi+jQi,它與最近風機的阻抗是Ri+jXi,則可以將Ui表示如下
(1)
其中,Ui-1表示鄰近機組端電壓。根據(jù)電壓關系分析,風機功率一方面受同一風電場中的風機影響,另一方面受集電參數(shù)影響。當功率與接入距離都較小時,則Ui受到的影響也較小;反之,則Ui受到的影響將加重。接下來對風機單元進行分析,本文以DFIG型作為分析對象,DFIG穩(wěn)態(tài)等效拓撲如圖2所示。拓撲為T型結構,左臂的Us與Xs依次表示風機定子的相電壓與電抗; 右臂的Ur與Xr依次表示風機轉子的相電壓與電抗。
圖2 DFIG穩(wěn)態(tài)等效拓撲
根據(jù)拓撲結構,在考慮定子與轉子銅損耗的情況下,風機有功平衡描述如下:
Pr=s(Ps+Pcs)-Pcr
(2)
其中,Pcs與Pcr分別表示定子與轉子的銅損耗,s表示轉子速度。當轉子功率為零時,代入平衡方程可以計算出風機的轉差率閾值st==Pcr/(Ps+Pcs)。在s>st的情況下,可得Pr>0,此時風機給配電網(wǎng)輸送有功;在s Qr=s(Qs+Qm+Qsl+Qrl) (3) 其中,Qm代表勵磁無功。由(2)與(3)方程可知,DFIG型風機產(chǎn)生的有功受風速影響,無功則需要通過控制來調節(jié)。受各因素的變化影響,風機出力將呈現(xiàn)出明顯的時變特征,在接入配電網(wǎng)時,會引發(fā)配電網(wǎng)區(qū)域性參數(shù)波動。需要采取無功補償,來維持配電網(wǎng)電壓平穩(wěn)??紤]到實際的補償性能,本文采用STATCOM動態(tài)補償,其原理拓撲如圖3所示。STATCOM利用電阻與電抗把風電場接入配電網(wǎng)。當進行無功補償時,根據(jù)需要調整輸出電壓參數(shù)即可,這種方式在響應時間、穩(wěn)定程度和容量等方面都有良好表現(xiàn)。 圖3 STATCOM原理拓撲 對應到d-q的數(shù)學模型描述為 (4) 其中,w表示角頻率;G表示增益;θ表示補償電壓角度;U表示瞬時電壓。 基于風電接入配電網(wǎng)無功補償方案,設計一種PSO無功補償優(yōu)化模型,以此來滿足風電場處理的不確定性。將風電接入配電網(wǎng)的無功補償轉化為多目標尋優(yōu)問題。這里分別從電壓偏差、有功損耗與諧波畸變三個角度構造尋優(yōu)模型。 風電場中電壓偏差目標函數(shù)描述如下 (5) 其中ΔUimax表示風機組i的最大電壓偏差。接入配電網(wǎng)后有功損耗計算公式描述為 (6) 其中,Tn表示時間范圍;Rij與Iij分別表示支路ij對應阻值與電流。如果經(jīng)過補償優(yōu)化得到的有功損耗是P′,則將P與P′的比值作為尋優(yōu)目標 f2=min(P/P′) (7) 在對配電網(wǎng)采取補償時,應保證諧波畸變盡可能低,于是可得 (8) (9) THDU與THDI依次表示U與I的諧波畸變;Uhi與Ihi依次表示諧波電壓與諧波電流;U0與I0依次表示U與I的基準。由于U與I的實際畸變情況存在差異,因此在補償過程中,需要采取差異處理。于是,諧波畸變目標函數(shù)表示為 f3=λ1THDU+λ2THDI (10) 其中,λ1與λ2分別代表U與I的對應加權系數(shù),通常電壓諧波畸變的加權系數(shù)要小于電流諧波畸變的加權系數(shù)。 結合電壓偏差、有功損耗與諧波畸變,確定最終的目標函數(shù)為 ffinal=min(f1,f2,f3) (11) 根據(jù)不同時段有功與無功的關系,設計潮流約束如下 (12) (13) 其中,Iijmin與Iijmax分別表示支路ij中電流的最小與最大取值;Uimin與分別表示節(jié)點i處電壓的最小與最大取值。對于分布式無功出力,約束條件描述如下 Qmin≤Qi≤Qmax (14) 其中,Qmin與Qmax分別表示風機無功的最小與最大值。式(13)與式(14)均為不等式約束。當節(jié)點電壓在Uimin與范圍內變化時,對其置信度做如下約束 Pc(Uimin≤Ui≤Uimax)>μ (15) 這是一個機會約束,其中μ表示最小置信度。 1)初始化風電場與配電網(wǎng)系統(tǒng)參數(shù),根據(jù)節(jié)點數(shù)據(jù)生成PSO粒子群,規(guī)模為Ns。 2)根據(jù)風電接入配電網(wǎng)模型求解電壓偏差、有功損耗與諧波畸變。 3)調整慣性系數(shù)與加速系數(shù)。這兩個參數(shù)直接影響PSO的收斂時間與收斂精度,其中,慣性系數(shù)用于指導最優(yōu)解搜索,加速系數(shù)用于調整粒子參數(shù)。于是,本文設計了一種自適應調整方式,提高慣性系數(shù)與加速系數(shù)的合理性。將粒子群中任意兩個粒子xi(t)與xj(t)的方向矢量記做d(t),所有粒子映射至d(t)上后形成集合y(t)。當對d(t)采取等分,落在子區(qū)間i內的映射數(shù)量是Ni(t),則可以得到迭代過程中粒子群的分布熵E(t)為 (16) 由于E(t)表示的是尋優(yōu)過程中粒子分布特性,所以根據(jù)E(t)來調整慣性系數(shù)更為準確。慣性系數(shù)調整公式如下 ω=(1+e-2.6E(t))-1 (17) 迭代初期,利用較大的慣性系數(shù)來增強全局效果,之后慣性系數(shù)不斷降低來增強局部效果。 加速系數(shù)的調整應該與粒子群密度波動相關。設定兩個加速系數(shù)的調整范圍分別是[c1min-c1max]和[c2min-c2max],于是加速系數(shù)的調整公式為 (18) 其中,Nmax表示迭代次數(shù)上限;n表示當前代數(shù)。 4)利用最優(yōu)解更新粒子信息,公式如下 (19) 5)獲得各目標的最優(yōu)值,并判斷迭代是否完成。如果迭代次數(shù)達到上限,輸出尋優(yōu)結果;如果迭代次數(shù)未達到上限,返回步驟(2)執(zhí)行。 本文選擇圖4所示的IEEE33節(jié)點配電系統(tǒng)進行仿真分析,其電壓與功率基準分別是12.66kV與10MW。在33號節(jié)點接入DFIG風電場。 圖4 IEEE33節(jié)點配電系統(tǒng) 設置PSO迭代訓練的上限是100,加權系數(shù)λ1:λ2=1:10,兩個加速系數(shù)的調整范圍均是[1.5,2.5]。仿真過程中,通過與文獻[7]的無功補償方案對比,驗證本文方案的優(yōu)化性能。 圖5結果描述了兩種方案無功補償對相電流的影響。未進行無功補償?shù)碾娏鳛?8.74A。當采用文獻方案進行補償時,電流經(jīng)過了近0.4s的波動調整才達到穩(wěn)定穩(wěn)定狀態(tài),穩(wěn)定后的電流約為30A。當采用本文方案進行補償時,電流經(jīng)過了約0.1s就達到了穩(wěn)定狀態(tài),穩(wěn)定后的電流約為22.5A。本文方案在無功補償過程中的相電流變化更加平穩(wěn),且無功補償后的穩(wěn)定電流值更小,與總網(wǎng)損的降低對應,補償效果明顯優(yōu)于文獻方案。 圖5 無功補償相電流波形 圖6結果描述了不同時段兩種方案無功補償?shù)目偩W(wǎng)損情況??梢钥闯觯诖蟛糠謺r段中,本文方案的總網(wǎng)損都低于文獻方案,表明改進PSO無功補償方案在以電壓偏差、有功損耗與諧波畸變?yōu)閷?yōu)目標過程中,通過多約束條件有效降低了總網(wǎng)損。 圖6 總網(wǎng)損比較 圖7 功率因數(shù)比較 圖7描述了兩種無功補償方案的功率因數(shù)曲線。在未進行無功補償時,功率因數(shù)是0.54,不符合風電接入配電網(wǎng)標準。當采用文獻[7]方案進行補償時,大約需要經(jīng)歷10個周期的調整,功率因數(shù)達到了0.95。而改進PSO無功補償大約經(jīng)歷3個周期的調整,功率因數(shù)就能達到0.976,補償效果明顯更好。 針對風電接入配電網(wǎng)系統(tǒng),本文設計了具有STATCOM動態(tài)無功補償?shù)娘L電接入配電網(wǎng)模型,并對接入的風電場、風機與STATCOM作了相應分析。同時本文將無功補償轉化成多目標優(yōu)化問題,利用改進PSO尋優(yōu)算法構建無功補償?shù)哪繕伺c約束。通過IEEE33節(jié)點配電系統(tǒng)的算例仿真,驗證了改進PSO無功補償具有良好的調節(jié)速度,能夠顯著改善風電接入配電網(wǎng)的電流質量,減少網(wǎng)絡損耗,從而有效抑制風電波動給配電網(wǎng)穩(wěn)定運行帶來的影響。3 基于PSO無功補償優(yōu)化
3.1 目標函數(shù)
3.2 約束條件
3.3 PSO無功優(yōu)化流程
4 算例仿真分析
5 結束語