基于负荷预测的无功优化控制的研究

伴随科学技术的发展、电力系统规模的日益扩大,人们对电力系统安全、经济及优质运行提出了更高的要求,促使电力部门越来越重视电力系统的经济性和安全性。无功优化是提高电能质量、降低网损的有效措施,通常情况下的无功优化计算为静态无功优化,没有考虑在时间的动态变化下控制设备是否允许连续动作。而负荷是随时间变化的波动量,静态无功优化无法体现负荷变化过程,不能满足系统实际运行的需要。动态无功优化综合考虑了系统负荷变化情况,控制设备动作次数约束等动态约束条件,通过合理分配控制设备动作时刻,能达到系统最优的目的。 本文在灰色理论法的基础上,对灰色理论模型加以改进,并结合马尔科夫校正算法,提出了一种改进灰色—马尔科夫的预测模型,将该模型运用到短期负荷预测中,结果表明,运用改进后的灰色—马尔科夫预测模型可以大大提高预测精度。最后在指数平滑模型、人工神经网络模型和改进灰色—马尔科夫预测模型的基础上,应用时变权系数法建立综合预测模型,对待预测日进行短期负荷预测。 本文对动态无功优化问题进行深入研究,提出了求解动态无功优化问题的新方法。首先将一天连续变化的负荷划分为24段,运用模拟退火算法对各时段进行静态无功优化,根据获得的相邻负荷段之间同一控制设备的变化值,初步分配各控制设备动作情况。考虑到电容器在无功补偿过程中,由于电网中存在大量的非线性负荷,其产生的谐波电流注入电网导致电容器可能产生谐振或谐波放大现象。本文在此基础上提出了在投切并联电容器组时的谐振约束,结合控制设备调节次数约束,重新调整控制设备动作时刻。这样一来,避免了控制设备的频繁动作和电容器在无功补偿过程中可能产生谐振的情况。 以IEEE14节点系统为例,根据本文提出的动态无功优化算法流程,通过编写程序验证了算法的有效性,结果表明本文提出的动态无功优化新算法能够有效降低系统在一天内的损耗,避免了谐振的产生,提高电压合格率,并且满足实际运行的需要。