基于自適應遺傳算法的分散式風電場多目標無功優化

魏俊紅，張艷軍，邢作霞，顏 寧

（1.華電電力科學研究院東北分院，遼寧 沈陽 110179；2.國網遼寧省電力有限公司，遼寧 沈陽 110006；3.沈陽工業大學電氣工程學院，遼寧 沈陽 110870）

專論

基于自適應遺傳算法的分散式風電場多目標無功優化

魏俊紅1，張艷軍2，邢作霞3，顏 寧3

（1.華電電力科學研究院東北分院，遼寧 沈陽 110179；2.國網遼寧省電力有限公司，遼寧 沈陽 110006；3.沈陽工業大學電氣工程學院，遼寧 沈陽 110870）

針對具有動態無功調節能力的雙饋風力發電機組組成的分散式風電場，提出一種基于不同時間尺度下多目標協調的無功優化控制方法，根據不同的時間尺度選擇不同控制目標：針對秒級的無功優化控制，系統以電壓偏差最小、電壓穩定裕度最大、短時閃變最小為綜合優化目標；針對毫秒級的無功優化控制，系統以機組變流器瞬間最大無功支撐能力為目標，通過調節有功功率和無功功率來實現多目標的無功優化控制。仿真表明此方案可以使分散式風電場安全、經濟地運行，合理的無功分布可以降低網損，提高機組變流器的瞬間最大無功支撐，并保證電網正常運行。

多目標無功優化；自適應遺傳算法；潮流計算；功率極限；電壓穩定

隨著國家對可再生能源發電的高度重視，風電已成為具有規?；_發和商業化發展前景的新能源。但風電作為電源具有隨機性和間歇性，隨著更多大容量風電場的投入運行，風電并網等技術問題越來越突出，集中式大電網對負荷變化的適應能力差，運行不夠靈活。在此背景下，國家提出了發展分散式風電的政策［1－3］。

分散式發電形式相比于集中式發電有以下特點：單機容量小，多機成組并列，逐級升壓送入主電網，發電設備眾多，控制復雜；一般接入原有配電網，接近用戶終端，易于本地消納；風電滲透率增加，潮流雙向流動，風電的隨機波動性將引起電網電壓和頻率不穩定問題。由此看來，針對分散式風電的網絡規劃、調度、安全運行等問題已成為迫切需要解決、深入研究的一系列基礎科學問題。

無功優化問題實質上就是系統的結構參數及負荷情況給定時，通過對某些控制變量的優化，所能找到的在滿足所有指定約束條件的前提下，使系統的某一個或多個性能指標達到最優時的無功調節手段。對電網進行無功優化可以控制電壓水平和降低有功損耗等，從而改善電能質量［4－6］。

針對風電場的無功控制及優化研究，已提出了不少的優化方法。文獻［7］提出了大規模風電場接入電網的無功電壓穩定控制，抑制系統擾動引起的接入點電壓波動，設計靈敏度信息動態調節矩陣來調節風電場輸出無功功率進行無功優化；文獻［8］綜合考慮雙饋風力發電機的運行效率和性能，從勵磁電流的不同組合優化選擇、變流器容量的合理配置及充分發揮變流器無功調節能力的角度出發，設計利于工程實施的風力發電機組新型無功優化控制策略；文獻［9］考慮風電場內各臺風機功率分配的風電場無功功率綜合協調控制策略等。這些方法都可以實現風場的無功優化。

但針對于分散式無功優化問題，國內外研究的優化多為單目標函數；極少研究多目標無功優化，其優化策略會導致設備頻繁調節，增加系統的運行成本。本文在此基礎上提出一種分散式風電場無功優化控制中按時間進行分層的多目標電壓控制方法，建立不同時間尺度下的多目標函數。在有效控制電壓的同時，還能夠減少設備調節次數，降低系統運行成本。

1 雙饋風機運行特性

1.1 雙饋風力發電機無功功率極限

雙饋風力發電機在定子側采用發電機的轉動慣例，轉子側采用電動機的轉動慣例，其等效電路如圖1所示。

圖1 雙饋型異步發電機等效電路

根據等效電路推算出如下方程：

將電子電壓和電流表示成有效值的形式為

式中：Us為定子電壓有效值；IsP、IsQ為定子電流的有功分量和無功分量。

將式（2）代入式（1）得到：

根據計算得：

將式（5）代入式（4）得：

得到轉子電流有效值為

整理可得：

當忽略定子側的電阻時，方程為

設雙饋風力發電機的轉子電流最大電流值為Irmax，一般取額定電流值的120%或150%。將上式整理得：

從而可以確定定子側無功功率極限為

當網側變流器運行在單位功率因數狀態下，變流器傳輸的有功功率比較小，此時不考慮系統中消耗的無功功率，注入系統的有功功率和無功功率為

所以定子側的無功功率Qs可以看成單臺風機輸出的無功功率。那么，單臺雙饋風力發電機輸出無功功率極限為

此時令單臺風機發出無功功率的最小值為Qxmin，最大值為Qxmax，則有：

1.2 單臺風機無功功率參考值Q?x計算

計算單臺風機的無功損耗時，忽略變換器的損耗，包括鐵損和機械損耗等，DFIG的損耗主要為定、轉子的銅耗。公式為

其中定、轉子銅耗的表達式為

將式（5）、式（8）代入上式得損耗的公式為

式中：a、b、c為系數，表達式為

如式（18）可知系數a＞0，式（17）是一個以Qs為變量的二次函數，為求得損耗最小值，可取對稱軸所對的點，如圖2所示。

單臺風機輸出的無功功率值為

圖2 DFIG損耗曲線

此時對應的無功損耗的最小值為

從式（19）可以看出，單臺風機的無功功率只與DFIG的參數和電網的參數有關，與風機的運行情況無關［10－12］。

2 不同時間等級多目標無功優化

根據分散式風電場的特點，本文提出了不同時間尺度下的多目標無功優化方法：為減少設備的調節次數，減小系統的運行成本，首先控制中心根據采集數據進行秒級的控制，以電壓偏差最小、短時閃變最小為綜合優化目標；同時進行毫秒級控制，系統以機組變流器的瞬間最大無功支撐能力為目標；下一秒鐘到來時根據控制中心提供數據，重新進行秒級控制（見圖3）。

2.1 秒級控制

圖3 DFIG風電場整體無功控制方案

通過SCADA檢測控制和采集系統測出風場風速，每臺風機定子側電壓、定子電阻、勵磁感抗、相角和每臺風機出口的有功功率，無功功率等數據，將這些數據通過通信線纜發送控制中心。

控制中心根據采集的數據進行秒級控制，控制目標為

式中：Psti為第i個節點的短時閃變；RL和XL為電網阻抗的電阻和電抗分量；ΔPi和ΔQi為風電場節點的有功和無功變化量；dlim為Psti＝1時的電壓變動參數，參考值見表1。

Ui為節點i的實際電壓；Urefi為期望電壓值；ΔUimax＝Umax－Umin為最大允許電壓偏差；NB為節點數；ΔUi為第i個接入點電壓的偏差；c1，c2為權重系數，且c1＋c2＝1。

表1 電壓變動參數

在進行秒級控制時，將采集到的匯集點電壓與調度中心參考電壓值進行比較，得到電壓偏差值為了防止設備的頻繁調節，設置電壓死區范圍，設置范圍為－0.01≤ΔU≤0.01，其中ΔU為的幅值。

若電壓偏差值在死區范圍內并且短時閃變滿足國標要求，則不需要進行優化，保持上一周期的優化方案，等待下一個秒級控制周期到來，根據新的電壓參考值重新進行控制。

若超出死區控制，針對秒級的無功優化控制，系統將以短時閃變最小、電壓偏差最小為綜合優化目標進行電壓控制。

2.2 毫秒級無功優化控制

針對毫秒級的無功優化控制，系統以機組變流器的瞬間最大無功支撐能力為目標，目標函數為

當下一個毫秒級的控制周期到來的時，根據重新給定的電壓參考值，控制機組變流器的瞬間最大無功支撐能力。

2.3 約束條件

根據上面的目標函數，電壓計算過程中的約束條件如下。

潮流的約束條件如下：

式中：PMi為風電場第i節點發出的有功功率；QMi為風電場第i節點發出的無功功率；PNi為風電場第i節點負荷的有功功率；QNi為風電場第i節點負荷的無功功率；Ui為風電場第i節點的電壓；Uj為風電場第j節點的電壓；Gij為風電場第i節點和第j節點之間的電導；Bij為風電場第i節點和第j節點之間的電納；δij為風電場第i節點和第j節點之間的電壓相角差；n為風電場的節點集合，n是以風電場第i節點為起點所有支路的右端節點集合。

狀態變量的約束條件如下：

式中：Ui為節點i的實際電壓；δij為風電場第i節點和第j節點之間的電壓相角差。

控制變量的約束條件如下：

式中：Qi為每臺機組發出的無功功率。

2.4 運用自適應遺傳算法進行無功優化

運用自適應權重和及自適應罰函數的遺傳算法進行多目標無功優化的方法如圖4所示，具體方法如下。

考慮帶有k個目標的最大化問題：

圖4 應用遺傳算法進行多目標優化流程

對于給定個體x，權重和目標函數為

分子項中減去是為了將個體對應的單一目標函數歸一化到［0，1］區間內，從而使加權后目標函數歸一化到［0，k］區間內。

在無功優化的多個目標中就短時閃變最小、電壓偏差最小、機組變流器的瞬間最大無功支撐能力等多個需要等價處理的子目標?？梢詫⑦@些問題轉化成最小化問題，然后等價轉化為最大化問題，表述為

應用上述方法，無功優化的目標函數為

用于表示無功優化的適應度函數為

通過改進遺傳算法，計算出多目標無功優化后無功輸出值，在以保證分散式風電場安全、經濟運行的同時合理的無功分布可以降低網損、提高機組變流器的瞬間最大無功支撐，并保證電網正常的運行［13－17］。

3 算例分析

本文采用遼寧某地實際風電場為算例進行了仿真分析，驗證本文提出的基于網損最小的電壓控制策略的有效性。分散式風電場算例系統接線如圖5所示。

圖5 算例系統接線

該風電場具有分散式風電場場區地形條件，該風場安裝了31臺1.5 MW的雙饋異步發電機，風組出口電壓為690 V，每臺風機采用1套YB27－1600／10型美式箱變升壓，風電場分4個區域，每個區域的風機各自通過10 kV集電線路接入就地66 kV變電站，并在10 kV母線上安裝1臺容量為5 MVA的SVC。

雙饋風電場采用以網損最小進行電壓控制，在漸變風擾動下風電場的無功整定值和無功輸出值如圖6所示。

在5～25 s時風速變化范圍為5～14 m／s，風電場無功需求整定值隨實際電壓與參考電壓間的偏差值按比例增加，在11.3 s時風電場實際無功輸出最大可達到16 Mvar。

雙饋風電場采用此電壓控制方式時，10 kV母線處4 s發生三相短路故障，4.18 s故障切除，仿真結果如圖7所示。

采用網損最小無功分配控制策略，利用SVC縮短了電網電壓恢復至正常值的時間，并且通過發揮雙饋風電機組無功調節能力減小了電網電壓跌落程度，使得SVC在故障時可提供更多的無功支持，有利于雙饋風電機組實現故障穿越。

圖7 電網發生三相短路故障時仿真結果

在求取網損最小時單臺風機的無功輸出值時，本文采取改進的粒子群算法進行無功優化，風電場損耗與無功、風速的關系如圖8所示。

圖8 風電場損耗與無功、風速的關系

將各臺風機的無功功率整定值作為控制指令，發送至各風電機組，完成一次風電場的無功控制。

4 結論

本文提出了分散式風電場的中短期無功電壓控制策略，討論了風電場內各機組的無功分配方法，通過對實際風場的仿真分析，研究風電場無功需求整定值隨實際電壓與參考電壓間的偏差值關系和三相短路故障時無功和電壓的波動情況，檢驗了控制策略對風電場所連局部區域控制點電壓的支撐作用。

a.控制策略充分調動了風電場內每臺風機和SVC的無功調節能力，使得風電場表現出了靈活的無功電壓調節特性。

b.通過分層的方式對分散式風電場進行協調控制，在保證減小機組損耗的同時，在故障時通過改變風電場內無功分配和SVC的等效電納，可減小電網電壓跌落程度，抑制故障切除時電壓過沖的現象，避免二次跳機。

［1］周宏林，楊 耕.用于大型DFIG風電場的混合型HVDC系統中整流器的建模與控制［J］.電工技術學報，2012，27（4）：226－232.

［2］秦 濤，呂躍剛，徐大平.采用雙饋機組的風電場無功功率控制技術［J］.電網技術，2009，33（2）：105－110.

［3］喬嘉賡，魯宗相.風電場并網的新型實用等效方法［J］.電工技術學報，2009，24（4）：209－213.

［4］黃崇鑫，張凱鋒，戴先中，等.考慮DFIG機組容量限制的風電場功率分配方法［J］.電力系統保護與控制，2010，38（21）：202－207.

［5］李東東，王凱凱，葉辰升.采用雙饋機組的風電場無功功率控制研究［J］.電力系統保護與控制，2013，41（13）：37－42.

［6］朱雪凌，張 洋，高 昆，等.風電場無功補償問題的研究［J］.電力系統保護與控制，2009，37（16）：68－72.

［7］王成福，梁 軍，張 利，等.基于靜止同步補償器的風電場無功電壓控制策略［J］.中國電機工程學報，2010，30（25）：23－30.

［8］趙利剛，房大中，孔祥玉，等.綜合利用SVC和風力發電機的風電場無功控制策略［J］.電力系統保護與控制，2012，40（2）：46－50.

［9］王 亮，張 磊.風電場升壓站無功控制策略研究［J］.沈陽工程學院學報（自然科學版），2013，9（1）：201－208.

［10］厲 偉，顏 寧，邢作霞，等.分散式風電場DFIG與SVC協調無功控制策略［J］.電工電能新技術，2014，33（7）：18－22.

［11］劉志武，肖澤亮.綜合利用SVG和雙饋風電機組的風電場無功控制策略分析［J］.風能，2014，5（3）：67－72.

［12］宋云峰，李 揚，劉新偉.基于量子粒子群算法的電力系統無功優化［J］.東北電力技術，2011，32（5）：1－4.

［13］陳 征，孫偉偉，張正勤.雙饋風電場無功電壓控制綜述［C］.中國電機工程學會電力系統自動化專業委員會三屆三次會議暨2013年學術交流會論文集，2013.

［14］李 巖，苑薇薇，黃金磊.電力系統無功優化算法研究［J］.東北電力技術，2011，32（3）：34－36.

［15］夏可青，趙明奇，李 揚.用于多目標無功優化的自適應遺傳算法［J］.電網技術，2006，30（13）：55－60.

［16］田曉龍.特性各異電源多目標協同優化調度系統研究［J］.東北電力技術，2013，34（5）：44－48.

［17］夏可青，李 揚，彬 彬.基于自適應遺傳算法的多目標無功優化［C］.中國高等學校電力系統及其自動化專業第二十一屆學術年會論文集，2005.

Multi－objective Reactive Power Optimization of Distributed Wind Farm Based on Adaptive Genetic Algorithm

WEI Jun?hong1，ZHANG Yan?jun2，XING Zuo?xia3，YAN Ning3
（1.Northeast Branch of Huadian Electric Power Research Institute，Shenyang，Liaoning110179，China；2.State Grid Liaoning Electric Power Co.，Ltd.，Shenyang，Liaoning 110006，China；3.School of Electrical Engineering，Shenyang University of Technology，Shenyang，Liaoning 110870，China）

According to distributed wind farm consisting of DFIG with dynamic reactive power regulation，control method of a multiobjective reactive power optimization based on adaptive genetic algorithm is proposed.For the second level of reactive power optimal control，the system researches minimum voltage deviation，maximum voltage stability margin and minimum short flicker as integrated optimization objectives.For the millisecond level of reactive power optimal control，the system researches unit support capability of converter instantaneous maximum reactive power as a objective.The simulation results show that this scheme can make the distributed wind farms operation safely and economically，rational distribution of reactive power can reduce network losses，improve the converter maximum instantaneous reactive power support and ensure the normal operation of grid.

Multi?objective reactive power optimization；Adaptive genetic algorithm；Flow calculation；Power limit；Voltage stability

TM614

A

1004－7913（2016）03－0001－06

魏俊紅（1977—），女，從事電力系統運行控制研究。

2015－11－20）