一种光伏电站无功调相方法

摘要

本发明公开了一种光伏电站无功调相方法，在发出有功功率的同时充分利用并网逆变器自身的无功输出能力作为无功补偿设备的补充或替代，最大限度的减少原有光伏电站中SVG的配置容量甚至不用配置SVG，大大降低光伏电站的成本；无功调相子系统使用多目标动态优化算法动态计算每个发电节点的无功目标值，考虑了光伏电站占地面积较大、光伏阵列位置分散，实现了无功就地平衡，减少无功功率的流动，同时考虑了光伏阵列的地理位置、逆变器的类型及最佳工作区间等因素，保证实现无功平衡的同时使得全站输出的有功功率最大，实现光伏电站的全站最优调节及经济运行，具有更广泛的工程应用价值。

权利要求

1.一种光伏电站无功调相方法，其特征在于，包括如下步骤：

(1)将电压定值或调度下发的目标指令转换为无功功率目标值Qref，并根据电站的实时数据计算出待分配的无功调节指令ΔQ；

(2)判断ΔQ与站内SVG的容量ΣQsvg的大小，若ΔQ≤ΣQsvg，只调节SVG即可满足无功需求；若ΔQ＞ΣQsvg，ΔQ与ΣQsvg相比得到的剩余的无功需求ΔQinv由并网逆变器来提供，根据多目标动态优化算法计算每个发电节点待分配的无功调节指令Qjref；

(3)根据各发电节点待分配的无功调节指令Qjref计算各下属逆变器的无功指令Qiref或功率因数指令cosθiref，并将计算结果下发给对应的逆变器，共同完成无功调节任务；

所述多目标动态优化算法的多目标优化模型目标函数为：

minF(X1，X2)＝(f1(X1，X2)，f2(X1，X2))

其中，f1(X1，X2)＝Ploss，f2(X1，X2)＝du，Ploss为有功功率损耗，du为电压偏差；

约束条件为：

g(X1，X2)＝0为光伏电站的潮流方程；

h(X1，X2)≤0为变量的不等式约束，包括逆变器的无功容量约束、发电节点的电压约束、负荷节点的电压约束；

其中控制变量X1＝[UpvT，QpvT]，状态变量X2＝[UlT]

Upv为各发电节点的电压矢量，Qpv为各发电节点的无功出力矢量，Ul为负荷节点电压；

使用神经网络进行求解，最终输出最优解或偏优解即为在满足调度的无功需求的前提下，各发电节点处的无功就地平衡，全站输出的有功最大，实现全站的最优调节。

2.根据权利要求1所述的光伏电站无功调相方法，其特征在于：将各发电节点待分配的无功调节指令Qjref进行分配采用等无功功率的调节方式，根据各发电节点下属逆变器的开机个数和当前运行状况计算各逆变器的无功指令Qiref或功率因数指令cosθiref。

3.根据权利要求1所述的光伏电站无功调相方法，其特征在于：给各逆变器下发对应的无功指令Qiref或功率因数指令cosθiref时采用组播的方式进行分组群发。

4.根据权利要求1所述的光伏电站无功调相方法，其特征在于：所述发电节点是根据光伏阵列的地理位置、逆变器的类型将发电单元进行分组所得到的。

5.根据权利要求1～4任意一项所述的光伏电站无功调相方法，其特征在于：将电压定值或调度下发的目标指令转换为无功功率目标值Qref的过程如下：(1)当采用电压定值的方式进行调节时，若目标指令为电压定值Uref，则将Uref与并网点电压U进行比较得出电压偏差ΔU，若ΔU在并网点电压允许偏差范围内，则无需调节，若ΔU大于并网点电压允许偏差，则将ΔU转换为ΔQ，根据ΔQ及当前并网点无功功率Q计算无功功率目标值Qref；

(2)当采用调度下发的方式进行调节时，若采用恒电压控制模式，则按照电压定值的方式进行调节；若采用恒无功功率控制模式，调度下发的目标指令为无功功率目标值Qref时则无需转换；若采用恒功率因数控制模式，根据调度下发的目标指令cosθref及并网点当前的有功功率P和无功功率Q计算出无功功率目标值Qref。

说明书

一种光伏电站无功调相方法

技术领域

[0001] 本发明属于新能源控制技术领域，具体涉及一种利用并网逆变器无功容量进行光伏电站无功调相的分组组播及动态优化控制方法。

背景技术

[0002] 大规模光伏并网发电是解决当前能源短缺、环境污染的重要举措之一。然而，随着光伏发电大规模的接入电网，光伏出力的随机性、间歇性和波动性给电网的安全稳定运行带来了一些负面影响，其中无功电压问题就是显著的问题之一。

[0003] 在电网负荷扰动或光照强度波动时，并网点电压常有一定程度的波动，常规的解决方式是在光伏电站内加装SVG等无功补偿装置，在电压跌落时发出无功以提升并网点电压，但这种方式忽略了光伏逆变器本身的无功输出能力，造成了一定程度上的浪费；另一方面，SVG等无功补偿装置价格昂贵，大大增加了光伏电站的投资成本。

[0004] 随着光伏电站规模的扩大，改变光伏电站无功补偿的现状，利用逆变器的无功输出能力是非常必要的。中国专利申请号201310368408.X公开了一种光伏电站无功电压控制方法，该方法虽然考虑了逆变器的无功能力和多台动态无功补偿装置的调节快速性，但在成组逆变器间分配无功时采用无功容量比例分配，没有考虑光伏电站占地面积较大、光伏阵列位置分散的问题，无功应就地平衡，减少无功功率的流动；也没有考虑光伏阵列的地理位置、逆变器的类型及最佳工作区间等因素，牺牲了逆变器的有功输出能力，没有考虑光伏电站的经济运行。

发明内容

[0005] 本发明的目的是提供一种光伏电站无功调相方法，能充分利用并网逆变器的无功输出能力，动态分配各发电节点的无功调节指令，实现无功就地平衡，并使光伏电站的有功输出最大化。

[0006] 为了实现以上目的，本发明所采用的技术方案是：一种光伏电站无功调相方法，包括如下步骤：

[0007] (1)将电压定值或调度下发的目标指令转换为无功功率目标值Qref，并根据电站的实时数据计算出待分配的无功调节指令ΔQ；

[0008] (2)判断ΔQ与站内SVG的容量ΣQsvg的大小，若ΔQ≤ΣQsvg，只调节SVG即可满足无功需求；若ΔQ＞ΣQsvg，ΔQ与ΣQsvg相比得到的剩余的无功需求ΔQinv由并网逆变器来提供，根据多目标动态优化算法计算每个发电节点待分配的无功调节指令Qjref；

[0009] (3)根据各发电节点待分配的无功调节指令Qjref计算各下属逆变器的无功指令Qiref或功率因数指令cosθiref，并将计算结果下发给对应的逆变器，共同完成无功调节任务。

[0010] 所述多目标动态优化算法的多目标优化模型目标函数为：

[0011] minF(X1，X2)＝(f1(X1，X2)，f2(X1，X2))

[0012] 其中，f1(X1，X2)＝Ploss，f2(X1，X2)＝du，Ploss为有功功率损耗，Du为电压偏差；

[0013] 约束条件为：

[0014] g(X1，X2)＝0为光伏电站的潮流方程；

[0015] h(X1，X2)≤0为变量的不等式约束，包括逆变器的无功容量约束、发电节点的电压约束、负荷节点的电压约束；

[0016] 其中控制变量X1＝[UpvT，QpvT]，状态变量X2＝[UlT]

[0017] Upv为各发电节点的电压矢量，Qpv为各发电节点的无功出力矢量，Ul为负荷节点电压；

[0018] 使用神经网络上述模型进行求解，最终输出最优解或偏优解即为在满足调度的无功需求的前提下，各发电节点处的无功就地平衡，全站输出的有功最大，实现全站的最优调节。

[0019] 将各发电节点待分配的无功调节指令Qjref进行分配采用等无功功率的调节方式，根据各发电节点下属逆变器的开机个数和当前运行状况计算各逆变器的无功指令Qiref或功率因数指令cosθiref。

[0020] 给各逆变器下发对应的无功指令Qiref或功率因数指令cosθiref时采用组播的方式进行分组群发。

[0021] 所述发电节点是根据光伏阵列的地理位置、逆变器的类型将发电单元进行分组所得到的。

[0022] 将电压定值或调度下发的目标指令转换为无功功率目标值Qref的过程如下：

[0023] (1)当采用电压定值的方式进行调节时，若目标指令为电压定值Uref，则将Uref与并网点电压U进行比较得出电压偏差ΔU，若ΔU在并网点电压允许偏差范围内，则无需调节，若ΔU大于并网点电压允许偏差，则将ΔU转换为无功需求ΔQ，根据ΔQ及当前并网点无功功率Q计算无功目标指令Qref；

[0024] (2)当采用调度下发的方式进行调节时，若采用恒电压控制模式，则按照电压定值的方式进行调节；若采用恒无功功率控制模式，调度下发的目标指令为无功指令Qref时则无需转换；若采用恒功率因数控制模式，根据调度下发的目标指令cosθref及并网点当前的有功功率P和无功功率Q计算出无功目标指令Qref。

[0025] 本发明的光伏电站无功调相方法，在发出有功功率的同时充分利用并网逆变器自身的无功输出能力作为无功补偿设备的补充或替代，最大限度的减少原有光伏电站中SVG的配置容量甚至不用配置SVG，大大降低光伏电站的成本；在电网故障引起电压跌落时，逆变器还可发出一定的无功以支撑并网点电压；无功调相子系统使用多目标动态优化算法动态计算每个发电节点的无功目标值，考虑了光伏电站占地面积较大、光伏阵列位置分散，实现了无功就地平衡，减少无功功率的流动，同时考虑了光伏阵列的地理位置、逆变器的类型及最佳工作区间等因素，保证实现无功平衡的同时使得全站输出的有功功率最大，实现光伏电站的全站最优调节及经济运行，具有更广泛的工程应用价值。

[0026] 采用组播的方式分组群发恒定的无功功率或功率因数，可提高调节速度。

附图说明

[0027] 图1为本发明并网光伏发电系统实施例的结构示意图；

[0028] 图2为本发明无功调相的动态优化控制方法的原理图。

具体实施方式

[0029] 下面结合附图及具体的实施例对本发明进行进一步介绍。

[0030] 如图1所示为本发明并网光伏发电系统实施例的结构示意图，图中，发电节点是根据光伏阵列的地理位置、逆变器的类型将发电单元进行分组所得到的，一个发电节点为包含n个MW级发电单元的一个区域，n通常为5～10，本实施例的电站一共有m个发电节点。

[0031] 如图2所示为本发明光伏电站无功调相方法的原理图，由图可知，该方法包括如下步骤：

[0032] (1)将电压定值或调度下发的目标指令转换为无功功率目标值Qref，并根据电站的实时数据计算出待分配的无功调节指令ΔQ。

[0033] 无功调相子系统接收电压定值或调度下发的目标指令(电压/无功功率/功率因数)后，通过解析策略将其转换为无功功率目标指令Qref，首先判断目标值是人为设定的电压定值还是调度下发的，两种方式的过程如下：

[0034] ⅰ、当采用电压定值的方式进行调节时，若目标指令为电压定值Uref，则采用如下计算方式：

[0035] (a)获取ΔU：将Uref与并网点电压U进行比较得出电压偏差ΔU；

[0036] (b)获取ΔQ：若ΔU在并网点电压允许偏差范围内，则无需调节，若ΔU大于并网点电压允许偏差，则将ΔU转换为无功需求ΔQ；

[0037] (c)获取Qref：根据ΔQ及并网点无功Q计算无功目标指令Qref。

[0038] ⅱ、当采用调度下发的方式进行调节时，判断调度所采用的为哪种控制模式，再对目标指令进行解析：

[0039] ①若采用恒电压控制模式，则按照电压定值的方式进行调节；

[0040] ②若采用恒无功功率控制模式，调度下发的目标指令为无功指令Qref时则无需转换；

[0041] ③若采用恒功率因数控制模式，根据调度下发的目标指令cosθref及并网点当前的有功功率P和无功功率Q计算出无功目标指令Qref。

[0042] (2)判断ΔQ与站内SVG的容量ΣQsvg的大小，若ΔQ≤ΣQsvg，只调节SVG即可满足无功需求；若ΔQ＞ΣQsvg，ΔQ与ΣQsvg相比得到的剩余的无功需求ΔQinv由并网逆变器来提供，根据多目标动态优化算法计算每个发电节点待分配的无功调节指令Qjref，其中，j＝1～m。

[0043] 多目标动态优化算法是根据各发电节点的当前出力、实时可调容量、地理位置、下属逆变器的类型、逆变器最佳工作区间按照无功就地平衡的原则，动态计算各发电节点的无功调节指令，减少无功功率的流动，实现全站最优调节，使得并网点输出的有功功率最大，且并网点电压维持在电压允许偏差范围(标称电压的±10％)之内。该算法的具体过程如下：

[0044] 多目标优化模型：无功功率平衡也就是电压偏差du最小；将有功最大化问题转换为最小化问题，也就是有功功率损耗Ploss最小。故本发明的目标函数为：

[0045] minF(X1，X2)＝(f1(X1，X2)，f2(X1，X2))

[0046] 其中f1(X1，X2)＝Ploss，f2(X1，X2)＝du

[0047] 约束条件为：

[0048] g(X1，X2)＝0为光伏电站的潮流方程

[0049] h(X1，X2)≤0为变量的不等式约束，包括逆变器的无功容量约束、发电节点的电压约束、负荷节点的电压约束

[0050] 其中控制变量X1＝[UpvT，QpvT]，状态变量X2＝[UlT]

[0051] Upv为各发电节点的电压矢量，Qpv为各发电节点的无功出力矢量，Ul为负荷节点电压。

[0052] 由于神经网络具有优良的逼近、分类和自学习的功能，因此本发明使用神经网络对上述模型进行求解，最终输出最优解或偏优解即为在满足调度的无功需求的前提下，各发电节点处的无功就地平衡，全站输出的有功最大，实现全站的最优调节。

[0053] 神经网络模型的建立：首先选取一段时间的光伏电站的历史数据(包括环境温度、光照强度、湿度、云量、气压、调度下发的电压/无功指令、各发电节点输出的有功功率和无功功率及可调容量、负荷节点的电压及功率)以及光伏电站容量、经纬度、逆变器类型、逆变器最佳工作区间、组串的开路电压、短路电流、最大功率点电压及电流作为用于网络训练的数据，并对其进行预处理，建立用于训练网络模型的数据库，将数据库中的数据输入到所建立的三层(多输入、三个输出)神经网络结构中进行训练，并对模型进行验证及修正，当误差达到要求时即得到训练完成的神经网络模型。

[0054] 算法的最优解集求解：综合考虑各发电节点的地理位置、下属逆变器的类型、逆变器的最佳工作区间及影响光伏电站出力的各种因素，其输入层至少包括：预处理后的环境温度、光照强度、湿度、云量、气压、调度下发的电压/无功指令、各负荷节点的功率、各发电节点的实时出力及可调容量、经纬度、逆变器类型及其最佳工作区间、组串的开路电压、短路电流、最大功率点电压及电流。将预处理后的所述输入层数据输入到训练好的神经网络模型中进行求解，最后输出的最优解或偏优解包括各发电节点的电压、无功功率及各负荷节点的电压，使得各发电节点处的无功就地平衡，全站输出的有功最大，并网点电压在电压允许偏差范围之内。

[0055] (3)根据各发电节点待分配的无功调节指令Qjref计算各下属逆变器的无功指令Qiref或功率因数指令cosθiref，并将计算结果下发给对应的逆变器，共同完成无功调节任务。

[0056] 分配完SVG及各发电节点需要调节的无功指令之后，采用等无功功率的调节方式将各发电节点待分配的无功调节指令Qjref进行分配，根据各发电节点下属逆变器的开机个数和当前运行状况计算各逆变器的无功指令Qiref或功率因数指令cosθiref，其中，i＝1～n。

[0057] 无功调相子系统进行组播的方式分组群发上述计算出的恒定无功指令或功率因数指令，各逆变器同时调节，分别完成所属发电节点处的无功调节任务，实现无功就地平衡，同时完成全站的无功功率调节，使得此时图1中并网点的电压U在电压的允许偏差(标称电压的±10％)范围内，并且此时并网点的有功输出P最大。

[0058] 本实施例所采用的无功调相方法是在光伏电站本身已配置SVG的情况下，由于SVG的调节速度比逆变器的调节速度快，故先调节SVG的无功输出，若SVG的无功容量不满足电站的无功需求，则再分组群发各逆变器的无功或功率因数调节指令，由SVG和逆变器共同完成电站的无功功率调节要求，使得并网点电压维持在允许的运行范围内。若光伏电站没有配置SVG，则并网点电压变化时的无功需求全部由并网逆变器来满足。并网逆变器作为SVG的补充，可最大限度的减少原有光伏电站SVG的配置容量，减少投资成本。

[0059] 本发明在进行各发电节点的无功指令分配时，考虑光伏阵列的地理位置、影响逆变器出力的各种因素、逆变器的最佳工作区间、光伏电站内的有功损耗等因素，根据各发电节点的当前出力、实时可调容量等采用多目标动态优化算法来动态分配各发电节点的无功调节指令，其目标是无功平衡，减少无功功率流动，实现无功就地平衡的同时实现全站的最优调节，使得全站输出的有功功率最大，保障光伏电站的经济运行，具有广泛的工程应用价值。

[0060] 以上实施例仅用于帮助理解本发明的核心思想，不能以此限制本发明，对于本领域的技术人员，凡是依据本发明的思想，对本发明进行修改或者等同替换，在具体实施方式及应用范围上所做的任何改动，均应包含在本发明的保护范围之内。