计及分布式风电的配电网无功优化方法研究论文_游奕弘,张华赢

（深圳供电局有限公司电力科学研究院 广东深圳 518000）

摘要：分布式风电因具有清洁高效等优良特性而获得广泛应用，但分布式风电在配电网的接入会增大配电网无功优化的复杂程度。在对分布式风电输出功率特性分析的基础上，本文建立了含分布式风电的配电网无功优化数学模型，模型的求解则采用改进后的遗传粒子群融合算法，通过IEEE33节点配电网实例的无功优化对比分析，优化结果证明了本文方法的有效性和优越性。

关键词：分布式风电；配电网；无功优化；遗传粒子群算法

0 引言

随着全球经济的飞速发展，能源问题和环保问题变的日益严峻，新能源的研究和推广得到越来越多的关注和重视，分布式风电在配电网的并网规模越来越大。本文建立了含分布式风电的配电网无功优化数学模型，并将改进后的遗传粒子群融合算法应用于该模型的求解，通过IEEE33节点配电网实例的无功优化对比分析证明了本文优化方法是有效的，且具有很好的优越性。

1 分布式风电输出功率特性分析

根据相关统计资料研究发现：某地区的风速规律服从Weibull分布函数，其表达式为：

4 含分布式风电的配电网无功优化分析

4.1 配电网无功优化实例

本文以IEEE-33节点配电网系统实例为无功优化的分析对象，在该系统加上有载调压变压器、两组并联补偿电容器和两个分布式风力发电场，系统相关参数为：有载调压变压器的电压比范围为 0.9～1.1，步进量为1.25%，档位总数16，两组并联电容器的补偿容量均为150kVar×6，两个分布式电源的有功容量均为1MW，无功容量的范围均为-100～500kVar。

4.2 配电网无功优化结果分析

配电网的潮流计算采用基于Matlab语言MatPower软件包的Newton-Raphson法进行计算，本文改进后的遗传粒子群融合算法在含分布式风电的配电网无功优化中能获得最好的优化结果，优化后得到的配电网总损耗最小(80.72kW)，且本文改进后的遗传粒子群融合算法具有优良的收敛性能，优化收敛时间为8.13s，遗传算法虽然收敛速度比本文方法更快，但遗传算法易陷入局部最优解，优化结果不理想，因此本文改进后的遗传粒子群融合算法在含分布式风电的配电网无功优化中具有很好的优越性。

5 结论

本文建立了含分布式风电的配电网无功优化数学模型，并将改进后的遗传粒子群融合算法应用于该模型的求解，通过IEEE33节点配电网实例的无功优化对比分析，结果表明本文改进后的遗传粒子群融合算法在含分布式风电的配电网无功优化中能获得最好的优化结果，优化后得到的配电网总损耗最小，可有效降低配电网的总损耗，且本文方法收敛时间较短，收敛性能优良，本文研究成果可为含分布式风电的配电网无功优化及配电网的经济优化运行提供有效的理论指导和技术参考。

参考文献 References

[1]Wang L Y, Pan J, Lu L. An Intelligent Approach for Reactive Power Planning in Distribution Network with Wind Power[J]. Applied Mechanics & Materials, 2013, 344(344):279-284.

[2]赵昆, 耿光飞. 基于改进遗传算法的配电网无功优化[J]. 电力系统保护与控制, 2011, 39(5):57-62.

基金项目：该项目受深圳供电局有限公司科技项目：“基于动态控制的配变台区电压治理综合节能优化控制技术研究及应用”（项目编号：090000KK52180112）资助。

作者简介：游奕弘（1995-），女，汉族，湖南邵阳人，硕士，主要研究方向：电网规划及电能质量管理等。

论文作者:游奕弘,张华赢

论文发表刊物:《电力设备》2019年第23期

论文发表时间:2020/4/10

标签：分布式论文;  配电网论文;  风电论文;  算法论文;  本文论文;  粒子论文;  节点论文;  《电力设备》2019年第23期论文;