基于负荷预测及蚁群优化算法的变电站电压无功综合控制

《基于负荷预测及蚁群优化算法的变电站电压无功综合控制》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第一章绪论l区：降档位，若在最低档，则投电容器2区：升档位，若在最高档，则切电容器3区：投电容器，若无电容器可投，则降档位4区：切电容器，若无电容器可切，则升档位5区：投电容器6区：切电容器7区：升档位8区：降档位由于九区图的分割控制策略基于理想的电压、无功控制，其中存在的主要问题是：(1)九区图的电压、无功功率上下限是随季节、峰谷改变的，不易调整。(2)九区图对控制设备的使用是无限次的。而实际运行中，对每天变压器分接头的动作次数和电容器组的投切次数是严格限制的，因而运行人员很难把握这些限制的使用。(3)由于实时系统的电压、有功和无功负

2、荷变化的随机性，对电压的波动适应性能差。(4)电压和无功的上下限都是固定的，没有考虑电压与无功调节的相互影响，容易造成设备的频繁动作甚至投切震荡。如图卜2所示，如果运行点在图中所示的点A，按照控制策略，应先降档位。但是，若点A的功率因数cos吼与cos‰比较接近，降档位后，运行点有可能进入4区。在运行点进入4区后，如果没有电容器可切，根据控制策略，又要升档位。这样，运行点就又可能回到1区中点A附近，因此装置有可能不停地发出降档位专升档位专降档位啼升档位⋯的操作指令，使运行点不停地在1区和4区之间振荡。另外，与点A类似的运行点还有B、C、

3、D等。．从以上分析可知，九区图控制原理具有许多缺陷，仅考虑了当前的状况，而且用于运算分析的信息有分散性和随机性的特点，又没有利用负荷变化的规律，因此存在许多弊端，会造成控制决策的盲目和不确定性，实际中突出的表现就是开关频繁动作和电压合格率较低。对于区域级的电压／无功控制，一般应采用电压无功优化方法来遥控变电站电压无功控制装置，而九区图所给的法则是检验优化方法的一种手段，也是一种补充。二、改进九区图。为了避免发生上述的投切震荡情况，本装置对九区图进行了更为细致的划分，如图1_3所示。将3区中靠近‰、4区中靠近％、1区中靠近cos‰、2区中

4、靠近cos‰的运行点划分出来，分别作为一个单独的区域，新的状态划分第一章绪论如图3所示。图中，△U+为分接头档位下调一档或投电容器引起的电压变化量中最大的一个；△U一为分接头档位上调一档或切电容器引起的电压变化量中最大的一个；△cos织为分接头档位下调一档或投电容器引起的功率因数变化量中最大的一个；△cos见为分接头档位上调一档或切电容器引起的功率因数变化量中最大的一个。这种控制策略对投切震荡现象有基本的消除，但不能完全消除。另外，电压的越限也可能是无功过补偿造成的，此时在l、2区执行以调分接头为主的策略就不能正确处理这种情况。图卜3改

5、进九区图三、基于模糊控制理论的电压无功调节u7’蟮J电力系统中无功的调节对电压会产生影响，所以在系统参数有限的情况下，投切电容器引起的电压及无功的变化是不可知的。近年来出现了基于模糊控制理论的电压无功调节方法。该方法将电压状态引入无功调节判据，把原先固定的无功上下限边界变为受电压影响的模糊边界。按照这种控制策略，无功控制的新边界为两条斜线。根据模糊控制策略，无功调节按照新Q限值，新边界的斜率也可随电压状态灵活地改变。这种方法充分考虑了电压无功动态平衡，有效地减少了设备的动作次数，减少了电压的波动，使电压更接近标准电压。但作为模糊无功边界

6、的两条斜线还不能很好地刻画电压无功之间的协调关系。基于模糊边界的控制策略还需进一步的完善。四、基于人工神经网络的电压无功调节【19】变电站无功的变化不但与系统结构有关，还与当地无功负荷变化有关。在已知系统参数有限及无功负荷不确定的情况下，通过普通的数值计算是无法确定无功补偿容量的。人工神经网络具有自适应学习、非线性函数拟合、联想记忆、趋势预测等特点。基于人工神经网络的的电压无功调节方法将无功预测和优化决策相结合，利用人工神经网络，分析电压发生变化的原因和变化趋势，确定综合控第一章绪论制策略。先将相关的历史数据输入无功预测神经网络训练样本

7、集，再将负荷预测结果及电压、无功等系统实时数据模糊化，输入控制决策神经网络，最后输出控制信号。人工神经网络决策模型一般采用BP神经网络，包括输入层、隐含层和输出层。隐含层的数量要合理选择，太少控制效果不好，太多计算量过大。通过对样本数据的学习，神经网络可以输出电压无功的控制决策。这种方法改善了调节性能，但仍无法保证其控制策略为全局最优。五、基于负荷预测的电压无功优化控制【2睢冽随着变电站自动化技术的不断发展，短期负荷预测精度的不断提高，有不少国内外学者又提出了在负荷预测的基础上进行全局规划来寻求最优控制策略。近年来已开发出许多电压无功综

8、合控制优化算法。如：模糊动态规划法、进化规划法、遗传算法、粒子群算法等。这些算法是根据历史数据，利用相关的分、析，先确定第二天24小时的负荷和高压侧电压预测值，在此基础上，．再考虑不同负荷模型、低压侧母线电