[发明专利]一种考虑P-Q-V静态电压稳定裕度约束的多目标动态最优潮流求解方法

说明书

本发明涉及一种考虑P‑Q‑V静态电压稳定裕度约束的多目标动态最优潮流求解方法，属电力系统日前调度计划研究领域，包括以下步骤：获取下一调度周期内系统相关数据，拟合节点P‑Q‑V静态电压稳定边界函数参数；以系统总发电耗费、污染物排放量和有功网损最小为目标，考虑传统动态最优潮流的静态、动态约束和P‑Q‑V静态电压稳定裕度约束，建立多目标动态最优潮流模型；采用NSGA‑II与最大满意度法混合算法获取多目标动态最优潮流的最优解。本发明将P‑Q‑V静态电压稳定裕度约束引入日前调度问题，基于多目标动态最优潮流建立模型，益于保证和评估电力系统调度问题中的静态电压稳定安全性。

技术领域

本发明属于电力系统日前调度计划研究领域，涉及一种考虑P-Q-V静态电压稳定裕度的多目标动态最优潮流求解方法。

背景技术

电力系统静态电压稳定域分析属电力系统安全性研究领域，传统电压稳定域研究一般基于连续潮流法通过P-V或Q-V曲线描述静态电压稳定域，也有文献采用P-Q曲线描述。基于此，有文献提出用P-Q-V空间曲线描述稳态电压稳定域，可在三维空间兼顾有功、无功、和电压极限三者的关系，并提出了电压稳定裕度(voltage stability region，AVSR)指标，用于评估节点、区域或整个系统的静态电压稳定性。在制定电力系统调度计划时考虑静态电压稳定约束，对电力系统在满足安全性要求下实现优化运行与控制有重要意义。

多目标动态最优潮流是日前调度计划研究的一个分支，旨在机组组合确定的情况下，基于对电力系统下一调度周期负荷等情况的合理预测，制定系统中可调节手段如机组出力、机端电压、无功补偿投入和需求响应资源等的调度计划，以实现电力系统在满足机组爬坡及电压安全等约束下的经济、环保、节能等方面多目标动态优化运行。这类问题是具有大量混合变量和约束条件的复杂多目标非线性优化问题。基于遗传思想的快速非支配排序遗传算法 (non-dominated sorting genetic algorithm-II，NSGA-II)具有良好的非线性优化能力和鲁棒性，可获取多目标Pareto最优解集，保证最优个体多样性从而为决策者提供不同偏好选择，成为求解多目标优化问题的优秀智能算法之一。最大满意度法通过模糊满意度和综合满意度计算从而获取多目标综合最优折衷解，为决策提供一种方法途径。

综上所述，研究考虑P-Q-V静态电压稳定裕度约束的多目标动态最优潮流，保证和评估电力系统调度问题中的静态电压稳定安全性，对于提升电力系统日前调度水平具有积极意义。

发明内容

针对现有技术的不足，本发明“一种考虑P-Q-V静态电压稳定裕度约束的多目标动态最优潮流求解方法”，提出将P-Q-V静态电压稳定裕度约束引入日前调度问题，基于多目标动态最优潮流建立模型，益于保证和评估电力系统调度问题中的静态电压稳定安全性。

本发明采用如下技术方案：一种考虑P-Q-V静态电压稳定裕度约束的多目标动态最优潮流求解方法，该方法包括如下步骤：

步骤1：获取电力系统在下一个完整调度周期的数据，并进行负荷预测，拟合节点P-Q-V静态电压稳定边界函数参数。

步骤2：以系统总发电耗费、污染物排放量和有功网损最小为目标，考虑传统动态最优潮流的静态、动态约束和P-Q-V静态电压稳定裕度约束，建立多目标动态最优潮流模型。

步骤3：采用NSGA-II与最大满意度法混合算法获取多目标动态最优潮流的最优解。

附图说明

图1：本发明一种考虑P-Q-V静态电压稳定裕度约束的多目标动态最优潮流求解方法的整体实施流程图；

图2：本发明的P-Q-V静态电压稳定曲线示意图；

图3：本发明的偏小型满意度函数曲线；

图4：IEEE30节点系统的接线示意图；