本技術(shù)屬于無功優(yōu)化領(lǐng)域，尤其涉及一種新能源送端電網(wǎng)無功優(yōu)化方法及裝置。

背景技術(shù)：

1、隨著全球能源結(jié)構(gòu)的轉(zhuǎn)型和可持續(xù)發(fā)展戰(zhàn)略的推進(jìn)，新能源(如風(fēng)電、光伏等)在電力系統(tǒng)中的占比日益增加。然而，新能源發(fā)電具有間歇性和波動(dòng)性的特點(diǎn)，其出力受天氣條件(如風(fēng)速、光照強(qiáng)度)的顯著影響，這給電網(wǎng)的穩(wěn)定運(yùn)行帶來了巨大挑戰(zhàn)。特別是在大規(guī)模新能源接入的送端電網(wǎng)中，無功功率的波動(dòng)和不平衡問題尤為突出，導(dǎo)致電壓波動(dòng)、電壓越限甚至系統(tǒng)失穩(wěn)等嚴(yán)重后果。

2、為了應(yīng)對(duì)這些問題，確保新能源送端電網(wǎng)的安全穩(wěn)定運(yùn)行，無功優(yōu)化成為了一個(gè)重要的研究方向。傳統(tǒng)的無功優(yōu)化方法往往基于確定的負(fù)荷和發(fā)電條件，難以適應(yīng)新能源出力的不確定性。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)的目的在于克服上述現(xiàn)有技術(shù)中的缺陷，提供一種新能源送端電網(wǎng)無功優(yōu)化方法及裝置。

2、本技術(shù)提供一種新能源送端電網(wǎng)無功優(yōu)化方法，包括：

3、使用k-means對(duì)新能源出力進(jìn)行典型場景聚類，獲得多個(gè)典型場景；

4、對(duì)每一個(gè)所述典型場景，利用多二元表判據(jù)法評(píng)估暫態(tài)電壓穩(wěn)定性，選出暫態(tài)電壓最不穩(wěn)定的10個(gè)候選節(jié)點(diǎn)；

5、在全部所述候選節(jié)點(diǎn)中，選出出現(xiàn)頻率最高的5個(gè)候選節(jié)點(diǎn)作為無功補(bǔ)償?shù)闹匾?jié)點(diǎn)；

6、對(duì)每個(gè)所述典型場景，設(shè)置所述候選節(jié)點(diǎn)的所述暫態(tài)電壓穩(wěn)定性為目標(biāo)函數(shù)；

7、對(duì)每個(gè)所述典型場景，設(shè)置所述重要節(jié)點(diǎn)的出力特性和約束條件為所述目標(biāo)函數(shù)的約束條件；

8、根據(jù)所述目標(biāo)函數(shù)和所述目標(biāo)函數(shù)的約束條件，通過多目標(biāo)差分算法進(jìn)行迭代求解，獲得各個(gè)典型場景下的無功最優(yōu)配置方案。

9、可選地，所述重要節(jié)點(diǎn)，包括：靜止無功發(fā)生器、靜止無功補(bǔ)償器、調(diào)相機(jī)或電容器。

10、可選地，利用多二元表判據(jù)法評(píng)估暫態(tài)電壓穩(wěn)定性，包括：

11、獲取所述暫態(tài)電壓穩(wěn)定性的狀態(tài)量x；

12、設(shè)置二元表判據(jù)(xcr,tcr)，其中xcr是設(shè)定值，tcr是允許的最大偏離時(shí)間；

13、根據(jù)所述狀態(tài)量x和所述二元表判據(jù)判斷所述暫態(tài)電壓穩(wěn)定性，包括：情形1：xmax<xcr，tb＝0，穩(wěn)定狀態(tài)；情形2：xmax>xcr，0<tb<tcr可接受穩(wěn)定狀態(tài)；情形3：xmax>xcr，tb≥tcr不可接受穩(wěn)定狀態(tài)；

14、其中，所述tb是狀態(tài)量x在動(dòng)態(tài)過程中超出xcr的時(shí)間，xmax是狀態(tài)量x最大值。

15、可選地，對(duì)所述穩(wěn)定狀態(tài)、可接受穩(wěn)定狀態(tài)和不可接受穩(wěn)定狀態(tài)進(jìn)行程度描述，包括：

16、穩(wěn)定狀態(tài)的程度描述，表達(dá)式如下：

17、

18、其中，xn為參考值，tn.0為狀態(tài)量升高并超過xn的時(shí)刻；tn.1為恢復(fù)低于xn的時(shí)刻；所述穩(wěn)定狀態(tài)的程度描述反映了狀態(tài)量在動(dòng)態(tài)過程中相對(duì)于xn的累積偏移量是否超過允許范圍；

19、可接受穩(wěn)定狀態(tài)和不可接受穩(wěn)定狀態(tài)的程度描述，表達(dá)式如下：

20、

21、其中，tcr.0和tcr.1分別為狀態(tài)量超過和恢復(fù)低于xcr的時(shí)刻。

22、可選地，所述根據(jù)所述目標(biāo)函數(shù)和所述目標(biāo)函數(shù)的約束條件，通過多目標(biāo)差分算法進(jìn)行迭代求解，包括：

23、s201、根據(jù)所述目標(biāo)函數(shù)和所述目標(biāo)函數(shù)的約束條件確定多目標(biāo)差分算法的種群大小、決策變量的個(gè)數(shù)和每個(gè)決策變量的上下限；

24、s202、根據(jù)所述種群大小、決策變量的個(gè)數(shù)和每個(gè)決策變量的上下限生成種群；

25、s203、從所述種群中隨機(jī)選擇五個(gè)不同的整數(shù)索引，通過變異計(jì)算獲得算子個(gè)體；

26、s204、將所述算子個(gè)體結(jié)合父代個(gè)體進(jìn)行交叉計(jì)算，獲得試驗(yàn)個(gè)體；

27、s205、計(jì)算所述試驗(yàn)個(gè)體的適應(yīng)度，將所述試驗(yàn)個(gè)體的適應(yīng)度與所述父代個(gè)體的適應(yīng)度比較，若所述試驗(yàn)個(gè)體的適應(yīng)度大于所述父代個(gè)體的適應(yīng)度，則判斷所述試驗(yàn)個(gè)體的決策變量是否在所述決策變量的上下限內(nèi)；

28、s206、若所述試驗(yàn)個(gè)體的決策變量在所述上下限內(nèi)，由所述試驗(yàn)個(gè)體替換所述父代個(gè)體，形成新的種群；

29、s207、重復(fù)上述步驟s203～s206，直到所述試驗(yàn)個(gè)體不再替換所述父代個(gè)體。

30、本技術(shù)還提供一種新能源送端電網(wǎng)無功優(yōu)化裝置，包括：

31、聚類模塊，使用k-means聚類對(duì)新能源出力進(jìn)行典型場景聚類，獲得多個(gè)典型場景；

32、篩選模塊，對(duì)每一個(gè)所述典型場景，利用多二元表判據(jù)法評(píng)估暫態(tài)電壓穩(wěn)定性，選出暫態(tài)電壓最不穩(wěn)定的10個(gè)候選節(jié)點(diǎn)；

33、節(jié)點(diǎn)模塊，在全部所述典型場景的全部所述候選節(jié)點(diǎn)中，選出出現(xiàn)頻率最高的5個(gè)候選節(jié)點(diǎn)作為無功補(bǔ)償?shù)闹匾?jié)點(diǎn)；

34、函數(shù)模塊，對(duì)每個(gè)所述典型場景，設(shè)置所述候選節(jié)點(diǎn)的所述暫態(tài)電壓穩(wěn)定性為目標(biāo)函數(shù)；

35、約束條件模塊，對(duì)每個(gè)所述典型場景，設(shè)置所述重要節(jié)點(diǎn)的出力特性和約束條件為所述目標(biāo)函數(shù)的約束條件；

36、計(jì)算模塊，根據(jù)所述目標(biāo)函數(shù)和所述目標(biāo)函數(shù)的約束條件，通過多目標(biāo)差分算法進(jìn)行迭代求解，獲得各個(gè)典型場景下的無功最優(yōu)配置方案。

37、可選地，所述重要節(jié)點(diǎn)，包括：靜止無功發(fā)生器、靜止無功補(bǔ)償器、調(diào)相機(jī)或電容器。

38、可選地，所述篩選模塊利用多二元表判據(jù)法評(píng)估暫態(tài)電壓穩(wěn)定性，包括：

39、獲取所述暫態(tài)電壓穩(wěn)定性的狀態(tài)量x；

40、設(shè)置二元表判據(jù)((xcr,tcr)，其中xcr是設(shè)定值，tcr是允許的最大偏離時(shí)間；

41、根據(jù)所述狀態(tài)量x和所述二元表判據(jù)判斷所述暫態(tài)電壓穩(wěn)定性，包括：情形1：xmax<xcr，tb＝0，穩(wěn)定狀態(tài)；情形2：xmax>xcr，0<tb<tcr可接受穩(wěn)定狀態(tài)；情形3：xmax>xcr，tb≥tcr不可接受穩(wěn)定狀態(tài)；

42、其中，所述tb是狀態(tài)量x在動(dòng)態(tài)過程中超出xcr的時(shí)間，xmax是狀態(tài)量x最大值。

43、可選地，所述篩選模塊對(duì)所述穩(wěn)定狀態(tài)、可接受穩(wěn)定狀態(tài)和不可接受穩(wěn)定狀態(tài)進(jìn)行程度描述，包括：

44、穩(wěn)定狀態(tài)的程度描述，表達(dá)式如下：

45、

46、其中，xn為參考值，tn.0和tn.1分別為狀態(tài)量升高并超過xn和恢復(fù)低于xn的時(shí)刻；所述穩(wěn)定狀態(tài)的程度描述反映了狀態(tài)量在動(dòng)態(tài)過程中相對(duì)于xn的累積偏移量是否超過允許范圍；

47、可接受穩(wěn)定狀態(tài)和不可接受穩(wěn)定狀態(tài)的程度描述，表達(dá)式如下：

48、

49、其中，tcr,0和tcr,1分別為狀態(tài)量超過和恢復(fù)低于xcr的時(shí)刻。

50、可選地，所述計(jì)算模塊通過多目標(biāo)差分算法進(jìn)行迭代求解，包括：

51、s201根據(jù)所述目標(biāo)函數(shù)和所述目標(biāo)函數(shù)的約束條件確定多目標(biāo)差分算法的種群大小、決策變量的個(gè)數(shù)和每個(gè)決策變量的上下限；

52、s202根據(jù)所述種群大小、決策變量的個(gè)數(shù)和每個(gè)決策變量的上下限生成種群；

53、s203從所述種群中隨機(jī)選擇五個(gè)不同的整數(shù)索引，通過變異計(jì)算獲得算子個(gè)體；

54、s204將所述算子個(gè)體結(jié)合父代個(gè)體進(jìn)行交叉計(jì)算，獲得試驗(yàn)個(gè)體；

55、s205計(jì)算所述試驗(yàn)個(gè)體的適應(yīng)度，將所述試驗(yàn)個(gè)體的適應(yīng)度與所述父代個(gè)體的適應(yīng)度比較，若所述試驗(yàn)個(gè)體的適應(yīng)度大于所述父代個(gè)體的適應(yīng)度，則判斷所述試驗(yàn)個(gè)體的決策變量是否在所述上下限內(nèi)；

56、s206若所述試驗(yàn)個(gè)體的決策變量在所述上下限內(nèi)，由所述試驗(yàn)個(gè)體替換所述父代個(gè)體，形成新的種群；

57、s207重復(fù)上述s203～s206，直到所述試驗(yàn)個(gè)體不再替換所述父代個(gè)體。二元表判據(jù)二元表判據(jù)

58、本技術(shù)的有益效果是：

59、本技術(shù)提供一種新能源送端電網(wǎng)無功優(yōu)化方法，包括：使用k-means對(duì)新能源出力進(jìn)行典型場景聚類，獲得多個(gè)典型場景；對(duì)每一個(gè)所述典型場景，利用多二元表判據(jù)法評(píng)估暫態(tài)電壓穩(wěn)定性，選出暫態(tài)電壓最不穩(wěn)定的10個(gè)候選節(jié)點(diǎn)；在全部所述候選節(jié)點(diǎn)中，選出出現(xiàn)頻率最高的5個(gè)候選節(jié)點(diǎn)作為無功補(bǔ)償?shù)闹匾?jié)點(diǎn)；對(duì)每個(gè)所述典型場景，設(shè)置所述候選節(jié)點(diǎn)的所述暫態(tài)電壓穩(wěn)定性為目標(biāo)函數(shù)；對(duì)每個(gè)所述典型場景，設(shè)置所述重要節(jié)點(diǎn)的出力特性和約束條件為所述目標(biāo)函數(shù)的約束條件；根據(jù)所述目標(biāo)函數(shù)和所述目標(biāo)函數(shù)的約束條件，通過多目標(biāo)差分算法進(jìn)行迭代求解，獲得各個(gè)典型場景下的無功最優(yōu)配置方案。本技術(shù)通過考慮新能源出力的不確定性，同時(shí)兼顧了無功優(yōu)化兼顧了系統(tǒng)的暫態(tài)電壓穩(wěn)定性和無功補(bǔ)償?shù)慕?jīng)濟(jì)性。