CN110880771B - 一种输配网无功优化方法及装置 - Google Patents

Abstract

本申请公开了一种输配网无功优化方法及装置，其方法包括：构建了计及不确定性的输配网二阶段鲁棒无功优化模型，并针对所构建模型结构特点，给出了采用benders分解法将模型分解为主问题和子问题并进行求解的步骤和流程。本申请通过有效计及新能源发电及负荷预测的不确定性，增强无功优化决策结果的抗扰动能力，并且方法***全面地考虑了输配电网的各种无功补偿和无功支撑元件，同时本发明所提模型和求解方法不仅可以保证所得结果为最优解，而且具有较高的计算效率。

Description

一种输配网无功优化方法及装置

技术领域

本申请涉及电网输配电控制技术领域，尤其涉及一种输配网无功优化方法及装置。

背景技术

传统电网格局下，发电、输电、配电、用电具有明确清晰的层级结构，随着分布式电源大量接入配电网，配电网的运行工况日益复杂，一定程度上具备改变自身运行工况的能力，却容易出现电压越限、输出功率波动大等新问题。与此同时配电网无功电压调节手段更加丰富，输配电网各层级无功电压联系更加紧密，输电网与配电网在无功功率上呈现一定的相互支撑作用，低压配电网需高压输电网对其增强无功支持，高压配电网也应充分利用低压配电网的有功无功调节能力。并且由于当前电网中新能源发电所占比重不断提升，而新能源发电易受外部环境影响而使其出力呈现较大不确定性，因此有必要在无功优化问题中计及新能源发电出力的不确定性，如风电等。另外，由于无功负荷的准确预测难度较大，因此也需要对负荷的不确定性进行考虑，以增强无功电压运行方案应对新能源发电出力及负荷预测的不确定性。

目前，现有技术方案中存在以下的缺点：现有的仅对输电网或配电网无功电压进行优化的方法，并不能充分利用输配电网各自的调节能力，所以只有对输配电网统筹分析与决策，提高深层次的无功资源优化配置能力，才能实现调控手段的最大化利用。此外，目前分层自动电压控制通过设定关口功率或电压幅值对输配网分别进行无功优化，未充分实现配电网不同电压等级间的双向互动，随着电网间联系程度的增强已不再适用。

另一方面，当前多数考虑不确定性的无功优化方法仅适用于配电网，无法应用于输电网，因此现有将计及不确定性的配电网无功优化方法无法直接应用于输配网无功优化问题，主要原因在于输电网的线性潮流方程无法计及无功电压。并且在输配电网有功无功联合优化模型的构建与求解方面，由于传统的有功优化与无功优化通常分开进行，因此有功无功联合优化的研究相对较少。而且，由于有功无功联合优化模型通常为同时包含离散变量与连续变量混合整数非线性规划问题，即属于NP-hard问题，此类问题的大规模求解难度非常大，因此需要对模型求解方法进行专门研究，以便对其高效求解。

发明内容

本申请实施例提供了一种输配网无功优化方法及装置，使得考虑到新能源发电及负荷预测的不确定性，增强无功优化决策结果的抗扰动能力，并且能够保证所得结果为最优解，而且具有较高的计算效率。

有鉴于此，本申请第一方面提供了一种输配网无功优化方法，所述方法包括：

构建了计及不确定性的输配网二阶段鲁棒无功优化模型；

采用benders分解法将所述模型分解为主问题和子问题并进行求解。

可选的，所述构建了计及不确定性的输配网二阶段鲁棒无功优化模型具体为：

根据输配网负荷以及新能源出力的历史数据预测得到输配网整体负荷结果以及新能源出力结果；

根据所述输配网整体负荷结果及新能源出力结果、电容、电抗器配置情况及主变模型参数，在不计及负荷及新能源出力不确定性的前提下，对优化模型的目标函数进行优化；

根据优化的结果确定输配网电容、电抗投切方式及主变分接头档位；

根据所述电容、电抗投切方式及主变分接头档位，在计及分布式电源及负荷不确定性的前提下，通过计算优化模型的目标函数对发电机组、SVC、STATCOM、分布式电源以及储能无功源或无功支撑元件的连续无功出力结果进行优化；

分别迭代优化所得到的连续变量与离散变量的决策结果，直到满足benders分解法的收敛条件，确定整个输配网无功优化模型的结果。

可选的，所述根据所述输配网整体负荷预测结果及电容、电抗器及主变模型参数进行无功优化中的目标函数具体为：

式中，T为时间集合；F为支路集合；D为电容器组与电抗器组集合；S为变压器集合；y_d,t表示电容和电抗的投切次数；τ_s,t表示变压器分接头改变次数；r_ij[(P_ij,t)²+(Q_ij,t)²]表征线路有功损耗，r_ij为线路电阻；P_ij,t与Q_ij,t分别为线路的有功与无功功率；Π_g,Π_l分别为表征风电与负荷不确定性的集合；P_g为风电的有功输出；P_l为负荷的有功功率；i和j表示第i个节点和第j个节点；

可选的，所述目标函数的约束条件包括：用于输配网无功优化问题的线性潮流方程约束、表征风电出力及负荷预测不确定性的集合中有功和无功对应关系的约束、分接头可调变压器模型(包括可调节档位及调节次数约束)、SVC或STATCOM连续无功调节范围约束、分组投切电容器电抗器的可投切组数及投切次数约束、节点电压幅值上下限约束、发电机组无功出力约束、分布式电源的出力约束以及储能装置的充放电及荷电状态约束。

可选的，所述用于输配网无功优化问题的线性潮流方程约束具体为：

P表示节点的有功功率，Q表示节点的无功功率，B′为节点导纳阵中电纳阵忽略并联电纳后形成的电纳阵，θ为节点间的相角差阵，B和G分别为节点之间电纳阵和电导阵，U表示节点的电压阵。

可选的，所述表征风电出力及负荷预测不确定性的集合中有功和无功对应关系的约束具体为：

式中，Π_g,Π_l分别为表征风电与负荷不确定性的集合；P_g与Q_g为风电的有功无功输出；P_l与Q_l为负荷的有功与无功功率；θ₁与θ₂分别为风电和负荷对应的功率因数角；上标“^”表示预测值，上标“～”表示波动量；一般认为风电机组中会存在理想的补偿，从而使风电场在一个确定的功率因数下运行；对负荷也是如此，一般对用户有最小功率因数要求，因此采用上述恒定功率因数模型表征有功、无功功率的不确定关系具有一定的实际意义。

可选的，根据所述目标函数以及约束条件建立无功优化模型为混合整数非线性规划模型：

Min c^Tx+f^Ty

s.t.Ax+By≥b

y∈{0,1}

x≥0

式中，c为目标函数中连续变量x的系数阵，f为目标函数中离散变量y的系数阵，A，B分别为不等式约束中左边与变量相关的系数阵；b为不等式约束右边系数阵。

可选的，所述采用benders分解法将所述模型分解为主问题和子问题并进行求解中的主问题和子问题分别是：

主问题：

子问题：

本申请第二方面提供一种输配网无功优化装置，所述装置包括：

模型构建单元，所述模型构建单元用于构建了计及不确定性的输配网二阶段鲁棒无功优化模型；

模型求解单元，所述模型求解单元用于采用benders分解法将所述模型分解为主问题和子问题并进行迭代求解。

可选的，所述模型构建单元还包括：

负荷预测单元，所述负荷预测单元用于根据输配网负荷以及新能源出力历史数据预测得到未来一段时间内输配网整体负荷结果及新能源出力结果；

无功优化单元，所述无功优化单元用于根据所述输配网整体负荷结果、新能源出力结果及电容、电抗器及主变模型参数进行无功优化；

固定单元，所述固定单元用于根据无功优化的结果固定输配网电容、电抗投切方式及主变分接头档位；

原件优化单元，所述原件优化单元用于根据所述电容、电抗投切方式及主变分接头档位，优化发电机组、SVC、STATCOM、分布式电源以及储能无功源或无功支撑元件的连续无功出力结果；

模型确定单元，所述模型确定单元用于分别优化所得到的连续变量与离散变量的决策结果，当满足本第二分解法的收敛要求时，确定整个输配网无功优化模型的结果。从以上技术方案可以看出，本申请实施例具有以下优点：

本申请中，提供了一种输配网无功优化方法，包括：构建了计及不确定性的输配网二阶段鲁棒无功优化模型；采用benders分解法将所述模型分解为主问题和子问题并进行求解。

本申请通过有效计及新能源发电及负荷预测的不确定性，增强无功优化决策结果的抗扰动能力，并且方法***全面地考虑了输配电网的各种无功补偿和无功支撑元件，同时本发明所提模型和求解方法不仅可以保证所得结果为最优解，而且具有较高的计算效率。

附图说明

图1为本申请一种输配网无功优化方法的一个实施例的方法流程图；

图2为本申请一种输配网无功优化方法的另一个实施例的方法流程图；

图3为本申请一种输配网无功优化装置的一个实施例的结构示意图；

图4为本申请输配网的简易结构划分示意图；

图5为本申请一种实施例中表征风电不确定集合有功无功功率对应关系的示意图；

图6为本申请一种实施例中Benders分解法求解鲁棒无功优化模型的流程图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

请参阅图1，图1为本申请一种输配网无功优化方法的一个实施例的方法流程图，如图1所示，图1中包括：

101、构建了计及不确定性的输配网二阶段鲁棒无功优化模型。

需要说明的是，本申请中构建了计及不确定性的输配网二阶段鲁棒无功优化模型，首先可以根据输配网负荷以及新能源出力预测得到输配网整体负荷结果、新能源出力结果；之后根据输配网整体负荷结果、新能源出力结果及电容、电抗器及主变模型参数进行无功优化，在优化时需要根据预设的目标函数及其约束条件求解最优的值，从而确定电容、电抗器及主变模型参数；根据无功优化的结果固定输配网电容、电抗投切方式及主变分接头档位；根据所述电容、电抗投切方式及主变分接头档位，优化发电机组、SVC、STATCOM、分布式电源以及储能无功源或无功支撑元件的连续无功出力结果；分别优化所得到的连续变量与离散变量的决策结果，确定整个输配网无功优化模型的结果，其中SVC、STATCOM均为无功补偿器件。

102、采用benders分解法将模型分解为主问题和子问题并进行求解。

需要说明的是，本申请可以采用benders分解法求解目标函数中的连续变量以及离散变量，通过将模型中的问题进行划分，分成主问题和子问题的形式进行反复迭代求解从而获得最终的输配网二阶段鲁棒无功优化模型的最优解。

其中，Benders分解算法是J.F.Benders在1962年首先提出的，目的是用于解决混合整数规划问题，即连续变量与整数变量同时出现的极值问题。Benders分解算法是一个很常用的算法，用来计算像最小整数非线性规划问题和随机规划问题之类的难以计算的难题。

本申请通过有效计及新能源发电及负荷预测的不确定性，增强无功优化决策结果的抗扰动能力，并且方法***全面地考虑了输配电网的各种无功补偿和无功支撑元件，同时本发明所提模型和求解方法不仅可以保证所得结果为最优解，而且具有较高的计算效率。

为了便于理解，请参阅图2，图2为本申请一种输配网无功优化方法的另一个实施例的方法流程图，如图2所示，具体为：

201、根据输配网负荷以及新能源出力的历史数据预测得到输配网整体负荷结果以及新能源出力结果。

需要说明的是，在本申请中，可以根据现有的输配网负荷的历史数据以及新能源出力预测的历史数据，对未来输配网整体负荷情况进行预测，预测出输配网未来一段时间的负荷走势。另外，输配网整体负荷结果可根据配电调度***中的负荷预测功能模块进行负荷预测得到，也可以采用任何现有的负荷预测方法预测得到。

202、根据所述输配网整体负荷预测结果以及新能源出力结果、电容、电抗器及主变模型参数，在不计及负荷及新能源出力不确定性的前提下，对优化模型的目标函数进行优化。

需要说明的是，这个优化是指在不计及负荷及新能源出力不确定性的前提下，对应的是benders分解法的主问题的优化，即依据上述负荷及新能源出力的预测结果进行目标函数的优化，得到分组投切电容器、电抗器的组数，主变的分接头档位等离散变量的优化结果。

本申请可以根据电容、电抗器及主变模型参数建立无功优化中的目标函数，并且针对目标函数还存在多个约束条件，根据输配网整体负荷预测结果以及约束条件对目标函数进行求解，从而得到电容、电抗器以及著主变模型的最优参数。

其目标函数具体为：

式中，T为时间集合；F为支路集合；D为电容器组与电抗器组集合；S为变压器集合；y_d,t表示电容和电抗的投切次数；τ_s,t表示变压器分接头改变次数；r_ij[(P_ij,t)²+(Q_ij,t)²]表征线路有功损耗，r_ij为线路电阻；P_ij,t与Q_ij,t分别为线路的有功与无功功率；Π_g,Π_l分别为表征风电与负荷不确定性的集合；P_g为风电的有功输出；P_l为负荷的有功功率；i和j表示第i个节点和第j个节点；

约束条件包括：用于输配网无功优化问题的线性潮流方程约束、表征风电出力及负荷预测不确定性的集合中有功和无功对应关系的约束、分接头可调变压器模型(包括可调节档位及调节次数约束)、SVC或STATCOM连续无功调节范围约束、分组投切电容器电抗器的可投切组数及投切次数约束、节点电压幅值上下限约束、发电机组无功出力约束、分布式电源的出力约束以及储能装置的充放电及荷电状态约束；

其中，用于输配网无功优化问题的线性潮流方程约束具体为：

P表示节点的有功功率，Q表示节点的无功功率，B′为节点导纳阵中电纳阵忽略并联电纳后形成的电纳阵，θ为节点间的相角差阵，B和G分别为节点之间电纳阵和电导阵，U表示节点的电压阵。

其具体推导过程为：

首先，如图4为本申请输配网的简易结构划分示意图，其有功功率和无功功率的极坐标表达形式为：

式中，P_i与Q_i分别为节点i的有功与无功功率；U_i与U_i分别为节点i与节点j的电压幅值；G_ij与B_ij分别为节点i与节点j之间的电导与电纳；θ_ij为节点i与节点j之间的相角差。

则有功潮流方程的展开形式为：

式中，gii为节点i的自电导；gij为节点i与节点j的互电导；b_ij为节点i与节点j的互电纳。假设g_ijU_i(U_i-U_jcosθ_ij)≈g_ijU_i(U_i-U_j)，另θ_ij＝θ_i-θ_j则有：

式中，B_i′_j为节点导纳阵中电纳阵忽略并联电纳后形成的电纳阵。

同理对于无功潮流，方程，由于并联电导相比于并联电纳可以忽略，因此其转化后为：

将无功潮流方程与有功潮流方程进行联立得到其矩阵形式为：

P表示节点的有功功率，Q表示节点的无功功率，B′为节点导纳阵中电纳阵忽略并联电纳后形成的电纳阵，θ为节点间的相角差阵，B和G分别为节点之间电纳阵和电导阵，U表示节点的电压阵。

按照PQ、PV、Vθ节点类型(电力***中一般将节点分为三类：PQ节点，此类节点的有功功率及无功功率已知，电压幅值及相角待求；PV节点，此类节点的有功功率及电压幅值已知，无功功率和电压相角待求；Vθ节点，又称平衡节点，用于在解潮流方程中作为参考节点，其电压幅值和相角固定，有功功率和无功功率在一定范围内根据电网的功率平衡而变化)，分别用下标L，G，R表示，其中L指Load，负荷节点，即PQ节点；G指Generator，发电机节点，即PV节点；R指平衡节点，即Vθ节点。则根据已知量和待求量，按照分块矩阵理论，可将上述矩阵形式的线性潮流方程表示为如下分块矩阵形式：

该矩阵表达式即为本申请中的用于输配网无功优化问题的线性潮流方程约束。

表征风电出力及负荷预测不确定性的集合中有功和无功对应关系的约束，首先表征不确定集合有功、无功对应关系的示意图如图5所示，具体为：

式中，Π_g,Π_l分别为表征风电与负荷不确定性的集合；P_g与Q_g为风电的有功无功输出；P_l与Q_l为负荷的有功与无功功率；θ₁与θ₂分别为风电和负荷对应的功率因数角；上标“^”表示预测值，上标“～”表示波动量；一般认为风电机组中会存在理想的补偿，从而使风电场在一个确定的功率因数下运行；对负荷也是如此，一般对用户有最小功率因数要求，因此采用上述恒定功率因数模型表征有功、无功功率的不确定关系具有一定的实际意义。

其中，分接头可调变压器模型包括可调节档位及调节次数约束具体为：

对于有可调变压器的支路，其支路两端电压关系可由下式表示：

U_i,t＝a_s,t ²⊙U_j,t,(i,j)∈v,s∈S,t∈T

式中：

表示安装可调变压器的支路集合；S为可调变压器集合；i为可调变压器一次侧，j为可调变压器的二次侧；U_i,t,U_j,t分别对应t时段可调变压器的一次侧与二次侧电压；a_s,t表示t时段可调变压器对应的变比；

为可调变压器的分接头变量，其取值为{-16,-15,…,+15,+16}中数值。

SVC或STATCOM连续无功调节范围约束具体为：

由于SVC或者STATCOM既可以向网络中注入无功又可以从网络中吸收无功，且其无功出力可以连续调节，因此其模型可简单表示为：

式中：Q_s,t为正，表示从网络中吸收无功，反之则表示对网络进行无功补偿。

分组投切电容器电抗器的可投切组数及投切次数约束具体为：

y_cr,t＝y_c,t+y_r,t

式中：

分别表示对应的电容器补偿容量与电抗器补偿容量；Q_C，Q_R别为单个电容器组和电抗器组可提供的无功补偿功率；

分别为三相电容器组投入组数变量，其取值小于等于所安装的可投切的电容器或电抗器组数

y_c,t,y_r,t分别表示电容器组与电抗器组的调节次数。

节点电压幅值上下限约束具体为：

式中：U_i ^min与U_i ^max分别为节点i电压幅值的上、下限，分别取0.95pu与1.05pu。

发电机组无功出力约束具体为：

由于配电网中发电机是对高压电网的等效，因此既可以向网络中注入有功、无功又可以从网络中吸收有功、无功，且其有功、无功出力可以连续调节，因此其模型可表示为：

式中：P_g,t,Q_g,t分别表示发电机的有功与无功出力，其值为正，表示向网络中注入有功、无功功率，反之则表示从网络中吸收有功、无功功率。

分布式电源的出力约束具体为：

式中：W表示分布式电源集合；

与

分别为分布式电源有功输出功率的最大、最小值；λ_w ^min为分布式电源运行的最小功率因数；S_w ^max为分布式电源的额定容量。上述约束表示分布式电源的输出功率可在其功率因数约束和容量约束限制范围内调节。

储能装置的充放电及荷电状态约束具体为：

通常，储能装置的运行约束主要由充放电约束、荷电状态约束以及容量约束，可用如下数学模型表示。

式中：E为储能装置构成的集合；

为储能装置的最大充放电功率；ε^c与ε^d分别为储能装置的充电与放电效率，可分别取为0.9与1.11；SOC_e ^min与SOC_e ^max分别为储能装置荷电状态约束的上、下限，可分别取为储能装置容量的10％与90％；

为储能装置的容量。

203、根据优化的结果确定输配网电容、电抗投切方式及主变分接头档位。

需要说明的是，根据求解的最优结果可以得到输配网电容、电抗投切方式及主变分接头档位的最优参数，其中203是为了根据优化结果确定分组投切电容器、电抗器的组数，主变的分接头档位等离散变量的优化结果。

204、根据所述电容、电抗投切方式及主变分接头档位，在计及分布式电源及负荷不确定性的前提下，通过计算优化模型的目标函数对发电机组、SVC、STATCOM、分布式电源以及储能无功源或无功支撑元件的连续无功出力结果进行优化。

需要说明的是，步骤204的优化即对应benders分解法中子问题的优化，是在主问题优化获得离散结果变量结果已知的情况下，通过在满足约束条件下优化目标函数对发电机组、SVC、STATCOM、分布式电源以及储能无功源或无功支撑元件等连续型变量的无功出力进行优化。具体实施方案见benders分解法实施流程的子问题。即在主问题优化获得离散结果变量结果已知的情况下，优化发电机组、SVC、STATCOM、分布式电源以及储能无功源或无功支撑元件等连续型变量的无功出力结果。

205、分别迭代优化所得到的连续变量与离散变量的决策结果，直到满足benders分解法的收敛条件，从而确定整个输配网无功优化模型的结果。

需要说明的是，本申请中的连续变量对应的是在benders分解法子问题中出现的优化变量，主要有发电机组、SVC、STATCOM、分布式电源以及储能无功源或无功支撑元件等连续型变量；离散变量对应的是在benders分解法主问题中出现的优化变量，主要有分组投切电容器、电抗器的组数，主变的分接头档位等离散型变量。步骤205是通过优化benders分解法中子问题得到的，也是通过在满足约束的条件下优化目标函数，具体实施流程在模型求解以及bender分解法流程中均已给出。

首先考虑目标函数及约束所构建的计及不确定性的输配网鲁棒无功优化模型为混合整数非线性规划(MINLP)模型，可以将其简化表述为如下标准矩阵形式：

Min c^Tx+f^Ty

s.t.Ax+By≥b

y∈{0,1}

x≥0

式中，c为目标函数中连续变量x的系数阵，f为目标函数中离散变量y的系数阵，A，B分别为不等式约束中左边与变量相关的系数阵；b为不等式约束右边系数阵。

为了求解式(10)所示的MINLP问题，可以采取固定{0-1}变量y的值为y，则上述问题即成为一个关于连续变量x的线性规划问题。进而求解该线性规划问题，从而可以获得一个更好的变量y的解。

固定变量y的值为

则上述问题变为如下线性规划问题：

x≥0

进一步通过对偶理论将上述内层最小化线性规划问题转化为如下最大化问题，即：

将公式：

转换成：

从而可以得到Benders分解算法中的主问题和子问题分别如下：

主问题：

子问题：

其中主问题和子问题反复迭代求解，即可获得最终的输配网二阶段鲁棒无功优化模型的最优解x^*和y^*，其具体的求解流程图可以参考图6所示。

以上是本申请的方法实施例，本申请还提供了一种输配网无功优化装置的一个实施例，如图3所示，包括：

模型构建单元301，用于构建了计及不确定性的输配网二阶段鲁棒无功优化模型。

模型求解单元302，用于采用benders分解法将模型分解为主问题和子问题并进行迭代求解。

模型构件单元还包括：

负荷预测单元，用于根据输配网负荷以及新能源出力历史数据预测得到未来一段时间输配网整体负荷以及新能源出力结果。

无功优化单元，用于根据输配网整体负荷结果、新能源出力结果及电容、电抗器及主变模型参数进行无功优化。

固定单元，用于根据无功优化的结果固定输配网电容、电抗投切方式及主变分接头档位。

原件优化单元，用于根据所述电容、电抗投切方式及主变分接头档位，优化发电机组、SVC、STATCOM、分布式电源以及储能无功源或无功支撑元件的连续无功出力结果。

模型确定单元，用于分别优化所得到的连续变量与离散变量的决策结果，当满足benders分解法收敛要求时，确定整个输配网无功优化模型的结果。

本申请采用输配电网均适用的线性潮流方程用于优化问题建模，从而使得发明所提方法具有较高的计算求解效率，并且可以实现输配电网的无功协调优化；另外，方法以电容、电抗投切次数、变压器分接头改变次数及***网损最小为目标函数，可以有效保证设备使用寿命，并提升***运行的经济性和安全性。无功优化模型构建时采用二阶段鲁棒优化方法，根据所需要决策的离散变量与连续变量进行二阶段划分，可以简化无功优化中各时段间的强耦合关系，使模型求解变得简单。优化决策目标时***全面考虑了电容、电抗可投组数，变压器抽头可调档位，发电机组无功出力，SVC、STATCOM等无功补偿设备的补偿能力，潮流方程，电压幅值等约束，分布式电源及储能等可以提供无功支撑的元件约束。方法在模型求解上，通过采用benders分解法将所提模型转化为主问题与子问题进行迭代求解，并给出了模型转化求解的步骤和流程，并且具有较高的计算效率。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请中术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：Random Access Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (9)

1.一种输配网无功优化方法，其特征在于，包括：

构建了计及不确定性的输配网二阶段鲁棒无功优化模型；

优化模型的目标函数具体为：

式中，T为时间集合；F为支路集合；D为电容器组与电抗器组集合；S为变压器集合；y_d,t表示电容和电抗的投切次数；τ_s,t表示变压器分接头改变次数；r_ij[(P_ij,t)²+(Q_ij,t)²]表征线路有功损耗，r_ij为线路电阻；P_ij,t与Q_ij,t分别为线路的有功与无功功率；Π_g,Π_l分别为表征风电与负荷不确定性的集合；P_g为风电的有功输出；P_l为负荷的有功功率；i和j表示第i个节点和第j个节点；

采用benders分解法将所述模型分解为主问题和子问题并进行求解。

2.根据权利要求1所述的输配网无功优化方法，其特征在于，所述构建了计及不确定性的输配网二阶段鲁棒无功优化模型具体为：

根据输配网负荷以及新能源出力的历史数据预测得到输配网整体负荷结果以及新能源出力结果；

根据所述输配网整体负荷结果及新能源出力结果、电容、电抗器配置情况及主变模型参数，在不计及负荷及新能源出力不确定性的前提下，对优化模型的目标函数进行优化；

根据优化的结果确定输配网电容、电抗投切方式及主变分接头档位；

根据所述电容、电抗投切方式及主变分接头档位，在计及分布式电源及负荷不确定性的前提下，通过计算优化模型的目标函数对发电机组、SVC、STATCOM、分布式电源以及储能无功源或无功支撑元件的连续无功出力结果进行优化；

分别迭代优化所得到的连续变量与离散变量的决策结果，直到满足benders分解法的收敛条件，确定整个输配网无功优化模型的结果。

3.根据权利要求1所述的输配网无功优化方法，其特征在于，所述目标函数的约束条件包括：用于输配网无功优化问题的线性潮流方程约束、表征风电出力及负荷预测不确定性的集合中有功和无功对应关系的约束、分接头可调变压器模型、SVC或STATCOM连续无功调节范围约束、分组投切电容器电抗器的可投切组数及投切次数约束、节点电压幅值上下限约束、发电机组无功出力约束、分布式电源的出力约束以及储能装置的充放电及荷电状态约束。

4.根据权利要求3所述的输配网无功优化方法，其特征在于，所述用于输配网无功优化问题的线性潮流方程约束具体为：

P表示节点的有功功率，Q表示节点的无功功率，B′为节点导纳阵中电纳阵忽略并联电纳后形成的电纳阵，θ为节点间的相角差阵，B和G分别为节点之间电纳阵和电导阵，U表示节点的电压阵。

5.根据权利要求3所述的输配网无功优化方法，其特征在于，所述表征风电出力及负荷预测不确定性的集合中有功和无功对应关系的约束具体为：

式中，Π_g,Π_l分别为表征风电与负荷不确定性的集合；P_g与Q_g为风电的有功无功输出；P_l与Q_l为负荷的有功与无功功率；θ₁与θ₂分别为风电和负荷对应的功率因数角；上标“^”表示预测值，上标“～”表示波动量。

6.根据权利要求3所述的输配网无功优化方法，其特征在于，根据所述目标函数以及约束条件建立无功优化模型为混合整数非线性规划模型：

Min c^Tx+f^Ty

s.t.Ax+By≥b

y∈{0,1}

x≥0

式中，c为目标函数中连续变量x的系数阵，f为目标函数中离散变量y的系数阵，A，B分别为不等式约束中左边与变量相关的系数阵；b为不等式约束右边系数阵。

7.根据权利要求6所述的输配网无功优化方法，其特征在于，所述采用benders分解法将所述模型分解为主问题和子问题并进行求解中的主问题和子问题分别是：

主问题：

子问题：

8.一种输配网无功优化装置，其特征在于，包括：

模型构建单元，所述模型构建单元用于构建了计及不确定性的输配网二阶段鲁棒无功优化模型；

优化模型的目标函数具体为：

式中，T为时间集合；F为支路集合；D为电容器组与电抗器组集合；S为变压器集合；y_d,t表示电容和电抗的投切次数；τ_s,t表示变压器分接头改变次数；

表征线路有功损耗，r_ij为线路电阻；P_ij,t与Q_ij,t分别为线路的有功与无功功率；Π_g,Π_l分别为表征风电与负荷不确定性的集合；P_g为风电的有功输出；P_l为负荷的有功功率；i和j表示第i个节点和第j个节点；

模型求解单元，所述模型求解单元用于采用benders分解法将所述模型分解为主问题和子问题并进行迭代求解。

9.根据权利要求8所述的一种输配网无功优化装置，其特征在于，所述模型构建单元还包括：

负荷预测单元，所述负荷预测单元用于根据输配网负荷以及新能源出力历史数据预测得到未来一段时间内输配网整体负荷结果及新能源出力结果；

无功优化单元，所述无功优化单元用于根据所述输配网整体负荷结果、新能源出力结果及电容、电抗器及主变模型参数进行无功优化；

固定单元，所述固定单元用于根据无功优化的结果固定输配网电容、电抗投切方式及主变分接头档位；

原件优化单元，所述原件优化单元用于根据所述电容、电抗投切方式及主变分接头档位，优化发电机组、SVC、STATCOM、分布式电源以及储能无功源或无功支撑元件的连续无功出力结果；

模型确定单元，所述模型确定单元用于分别优化所得到的连续变量与离散变量的决策结果，当满足本第二分解法的收敛要求时，确定整个输配网无功优化模型的结果。

Images