Académique Documents
Professionnel Documents
Culture Documents
article de recherche
ISSN 1751-8687
Méthode robuste d'optimisation de la puissance Reçu le 21 juin 2016 Révisé
le 17 décembre 2016 Accepté
réactive et de contrôle de la tension pour les réseaux de le 14 janvier 2017 E-First le 31
mars 2017 doi : 10.1049/iet-
distribution actifs via une coordination à double échelle de temps
gtd.2016.0950 www.ietdl.org
Résumé : Dans les réseaux de distribution, il existe des dispositifs de régulation lente et des dispositifs de régulation rapide pour la régulation Volt-VAr. Ces dispositifs de contrôle
lents, tels que les condensateurs ou les régulateurs de tension, ne peuvent pas être actionnés fréquemment et doivent être programmés des dizaines de minutes à l'avance (ci-
après dénommés contrôle lent). En raison des incertitudes dans la prédiction de la charge et de la génération distribuée, les violations de tension ne peuvent pas être éliminées par
des dispositifs de contrôle rapides avec un calendrier incorrect des dispositifs de contrôle lents. Dans cet article, nous proposons une double coordination d'échelle de temps pour
le schéma de contrôle Volt-VAr, correspondant au contrôle lent et rapide.
Le contrôle lent garantit que les contrôles rapides ultérieurs peuvent maintenir la sécurité de tension du système si les paramètres incertains varient dans des limites prédéfinies.
Un algorithme de génération de colonnes et de contraintes a été utilisé pour résoudre le modèle convexifié robuste. Un modèle d'optimisation déterministe classique peut être
utilisé pour déterminer le mécanisme de contrôle rapide. Les résultats de la simulation montrent que la résolution du modèle déterministe n'est pas toujours réalisable et qu'une
violation de tension peut se produire. Le modèle robuste s'est avéré efficace par rapport à tous les scénarios possibles dans l'ensemble d'incertitude, avec peu de compromis en
termes de pertes de réseau.
variables
ÿNomenclature
Les principaux symboles utilisés tout au long de ce document sont indiqués ci- Pij, Qij, lij flux de puissance active, flux de puissance réactive et amplitude au carré
dessous pour une référence rapide. D'autres sont définis selon les besoins. du courant à l'extrémité émettrice de la branche ij, respectivement
Indices et ensembles PDi , QDi demandes de charge de puissance active et réactive sur le bus i,
respectivement
je, indices de bus, de 1 à N indices de
PGi , QGi puissances actives et réactives injectées des générateurs sur le bus i
jÿ phases, se référant typiquement à a, b et c itération de puissance réactive totale des compensateurs sur le bus i amplitude
l'algorithme proposé index des réglages de prise des CQi de tension au carré sur le bus i puissances actives et réactives
savoir
régulateurs de tension, de 1 à R ensemble de bus dans l'ensemble du
nous
injectées totales sur le bus i rapport de transformation variable pour
système ensemble de branches dans le système complet ensemble de
ÿ Pi , Qi le changeur de prises sur la branche ij marche-arrêt variable de
prises admissibles de la branche ij, composé de Kij, 1, Kij, 2, …, Kij, R
ensemble de décisions d'activation et de désactivation autorisées pour décision pour la batterie de condensateurs au niveau du bus i vecteur
ij ÿij
ÿi de décision d'activation et de désactivation des batteries de
les batteries de condensateurs au niveau du bus i région réalisable des
condensateurs vecteur de réglage de prise pour les régulateurs de
.JE variables du premier étage
b tension vecteur de décision du premier étage pour les régulateurs de
K tension et les batteries de condensateurs vecteur de décision du
X deuxième étage pour les sorties réactives des compensateurs VAr
ÿ ensemble de branches avec régulateurs de tension
statiques et distribués générateurs
ÿ ensemble de bus avec condensateurs/bancs de condensateurs à commutation
Oui
mécanique incertitude définie pour la fluctuation de d
Notationsÿ: les lettres en gras supérieures (inférieures) seront utilisées pour les
Paramètres d'entrée et fonctions
matrices (vecteurs de colonne)ÿ; || · ||p désigne le vecteur p-norme pour p ÿ 1 ; (·)T
résistance et réactance de la branche ij, respectivement tension transpositionÿ; I la matrice identité ; les variables en exposant ÿ désignent les
rangée, xij
au point de couplage commun borne supérieure de l'amplitude variables correspondantes pour la phase ÿ.
Vréf
¯
je ij du courant de la branche ij bornes supérieure et inférieure de
¯
V je , Vi l'amplitude de la tension sur le bus i, respectivement 1ÿIntroduction
¯ L'optimisation Volt-VAr (VO) vise à minimiser les pertes de puissance du réseau et à
Q Ci , QCi bornes supérieure et inférieure des puissances réactives injectées prévenir les violations de tension en envoyant des dispositifs de contrôle de la
des dispositifs de compensation VAr statique au bus i, respectivement
puissance réactive [1]. Ces dernières années, le nombre de générations renouvelables
¯ distribuées (DG), y compris les générateurs photovoltaïques (PV) et éoliens, a
Q Gi , QGi bornes supérieure et inférieure des puissances réactives injectées considérablement augmenté dans les réseaux de distribution, formant des réseaux de
des générateurs au bus i, respectivement l'élément distribution actifs (ADN). En raison du flux de puissance inverse, les sorties DG
¯C
b je d'admittance de la batterie de condensateurs au bus i charges
peuvent entraîner une surtension [2].
j0 prévues et sorties actives des DG charges réalisées et sorties Pour résoudre ce problème, l'optimisation de la puissance réactive a été étudiée dans
j [3], dans laquelle il a été montré que les pertes de puissance peuvent être réduites de
actives des DG
manière significative. La plupart des études concernant l'optimisation de la puissance
réactive ne tiennent compte d'aucun facteur incertain [4–6].
Trois facteurs majeurs contribuent aux incertitudes des ADNÿ:
IET Génér. Transm. Distrib., 2017, vol. 11 Iss. 6, pp. 1461-1471 1461
© The Institution of Engineering and Technology 2017
Machine Translated by Google
sont adaptés au contrôle rapide, cet article traite d'un modèle d'optimisation
robuste utilisé pour le contrôle lent.
Comme le montre la Fig. 1, les temps de fonctionnement des commandes
lentes doivent être programmés à l'avance de manière optimale. Certaines
approches heuristiques ont été proposées dans des travaux antérieurs [19,
20]. Cet article se concentre sur la façon de générer des stratégies de
Fig. 1ÿ Chronologie de la coordination séquentielle de la commande lente et de la
contrôle optimales lorsque les temps de fonctionnement sont déterminés.
commande rapide
Étant donné que les MADPT des dispositifs de contrôle lents sont pris en
compte lors de la planification des temps de fonctionnement, les contrôles
je. Les sorties actives des DG renouvelables fluctuent considérablement en lents séquentiels peuvent être formulés comme des problèmes d'optimisation indépendan
raison de leur volatilité et de leur intermittence inhérentes. ii. Les Les principales contributions de cet article incluent :
demandes de charge varient avec le temps et sont difficiles à prévoir avec
précision. iii. Les mesures en temps réel dans les réseaux de distribution je. Aucune littérature n'a jamais signalé un tel schéma de contrôle
sont limitées, de sorte que des erreurs importantes peuvent se produire coordonné à double échelle de temps pour réduire l'incertitude de la
dans les estimations des sorties des DG et des demandes de charge. charge et du DG pour les réseaux de distribution triphasés.
Contrairement à [9] qui est essentiellement basé sur la méthode des
Ces incertitudes posent une série de défis techniques au fonctionnement scénarios, la coordination est directement présentée comme un
des ADN. La régulation de la tension dans les réseaux de distribution est problème d'optimisation robuste à plusieurs niveaux dans cet article.
classiquement réalisée par des régulateurs de tension (VR), des La convergence de la coordination de la double échelle de temps et
transformateurs à changement de prise en charge (ULTC) et des batteries l'optimalité sous incertitudes sont garanties théoriquement. ii. Un
de condensateurs/condensateurs à commutation mécanique (MSC). Si modèle RVO est développé pour déterminer le fonctionnement des
ces dispositifs sont efficaces pour gérer des variations lentes de tensions, dispositifs lents et garantir que les contrôles rapides ultérieurs
à l'échelle de temps de l'heure, ils sont peu performants pour des peuvent maintenir la sécurité de tension du système sous des
fluctuations rapides, à l'échelle de temps de la minute ou de la seconde. incertitudes spécifiées.
D'une part, ces dispositifs de contrôle lents ne peuvent pas être
actionnés fréquemment et on s'attend à ce qu'ils maintiennent leurs états Le reste de cet article est organisé comme suit : dans la section 2, le
pendant une longue période, car le temps de fonctionnement journalier modèle RVO pour le contrôle lent est formulé. La section 3 décrit la
maximal autorisé (MADPT) est limité par la durée de vie prévue. D'autre méthodologie de résolution. La section 4 détaille les résultats des
part, dans certains scénarios, où les charges et les sorties réelles des DG simulations numériques. Ceux-ci démontrent les performances de
s'écartent considérablement de leurs valeurs prévues, une violation de l'algorithme proposé. La section 5 conclut cet article.
tension peut se produire. Certains articles récents se sont efforcés de
répondre à ces incertitudes. Sur la base de la technique d'échantillonnage Modèle 2ÿRVO
quasi-aléatoire de Niederreiter, Saric et al. de [7] ont proposé un algorithme
Dans
robuste pour le contrôle volt–VAr. Cependant, l'optimalité n'est pas garantie par la cette section, nous décrivons les modèles déterministes et RVO. Tout
théorie.
Un modèle de contrôle de tension robuste est décrit dans [8], où une d'abord, nous passons en revue un modèle déterministe utilisant les charges
méthode de génération et de réduction de scénario est utilisée, mais les prévues et les sorties DG actives.
dispositifs de contrôle lents tels que les ULTC et les MSC ne sont pas pris en compte.
Sur la base de la génération de scénarios et de la méthode de réduction, 2.1 Modèle déterministe
Daratha et al. [9] ont proposé une méthode de régulation de tension
robuste, où l'hypothèse de monotonie est nécessaire pour la réduction Pour un ADN à N bus, où le bus 1 désigne le point de couplage commun,
du scénario. De plus, les variables discrètes introduites par les ULTC et le problème d'optimisation de la puissance réactive est de trouver une
les MSC sont abordées avec une méthode de résolution empirique en deux étapes. répartition optimale pour les équipements du système (par exemple VR,
Le modèle d'injection de bus (BIM) est un modèle canonique pour MSC, DG, SVC, etc.). Cela devrait minimiser les pertes tout en tenant
l'optimisation du flux de puissance, qui se concentre sur les variables compte des contraintes de sécurité. Farivar et Low [17] ont montré que le
flux de branche non convexe dans les réseaux de distribution radiaux
nodales [10]. Sur la base de cette formulation, la relaxation semi-définie
peut être convexifié et que le modèle déterministe peut être formulé
(SDR) a été proposée pour transformer le problème de flux de puissance
optimal non convexe en un problème convexe [11–13]. Cependant, comme comme le problème suivant.
l'ont étudié Lesieutre et al. [13], la méthode SDR a ses limites et conduit
parfois à des solutions peu pratiques. Par conséquent, une autre 2.1.1 Fonction objectif : Nous visons à minimiser la perte de puissance
formulation du problème de flux de puissance optimal dans les réseaux active du réseau, c'est-à-dire
de distribution est le modèle de flux de branche (BFM), en raison de la
nature radiale des réseaux de distribution [14-16]. Sur la base de cette min ÿ l
ÿ Phi
ij
ligne
(i, (1)
formulation, la relaxation conique du second ordre a été préconisée dans ÿ, ÿ, QC , QG ÿÿ = a, b, c j) ÿ ÿ
(Qij ij Qjk , ÿj ÿ ,
statiques (SVC) sont utilisés pour atténuer l'impact des variations de ÿi:i ÿ j = ÿkÿ: jÿk
tension fréquentes qui se produisent en raison de demandes incertaines (3)
ÿÿ
et de la sortie des DG (ci-après appelée commande rapide). Dans le cas
d'un contrôle lent, un modèle robuste VO (RVO) est proposé pour
déterminer le fonctionnement des dispositifs lents et garantir que les Phi ÿ, 2 Phi
contrôles rapides ultérieurs peuvent assurer la sécurité en tension du vj (rij =ÿ,ÿij 2vi
ÿÿÿ - 2 (rij ÿPij ÿ + xij ÿQij ÿ ) + ij ÿ, 2) l , ÿ (i, j) ÿ ÿ, + xij
système tant que les paramètres incertains varient dans les limites prédéfinies. Comme optimisation déterministe classique
(4)
1462 IET Génér. Transm. Distrib., 2017, vol. 11 Iss. 6, pp. 1461-1471 © The Institution
of Engineering and Technology 2017
Machine Translated by Google
les paramètres Veq, Zeq peuvent être mis à jour hors ligne. Comme montré
sur la figure 4, le bus fictif 0 peut être considéré comme une nouvelle "référence
bus' dont la tension est égale à la Veq (la Veq peut être mise à jour
selon le flux de puissance sur le transformateur et V1 avant chaque
calcul). Le circuit d'équivalence de Thevenin peut approximativement
représentent l'influence que le réseau de transport exerce sur
Fig. 2ÿ DistFlow BFM avec VR réseau de distribution et l'algorithme proposé s'applique toujours.
ÿl ¯ ÿ, 2, ÿ(je, j) ÿ ÿ, ÿÿ ÿ je
ij ij (13)
ÿ, 2
V ¯ ÿ, 2, ÿi ÿ ÿ
Phi
Fig. 4ÿ Illustration de l'équivalence de Thévenin pour le réseau de transport 2.1.5 Contraintes de fonctionnement des DG et rémunération
dispositifs:
Phi
2Pij
ÿ Q¯
Phi Phi Phi
Phi
ÿ (8) Il est très difficile d'obtenir efficacement des solutions optimales
kij ij
globales du modèle déterministe non convexe. Par conséquent, les termes croisés
dans (3) et (4) doivent être relâchés.
= {Bâton, 1, Bâton, 2, ..., Bâton, R}, si (i, j) ÿ ÿ
ij (9)
{1.0}, autrement
, ahmadis
Phi Phi Phi
Phi
et coll. [4] montrent que (3) est identique à
ÿj ÿ ÿj (dix)
ÿ, C Phi
Phi
ÿl Phi Phi Phi
ÿ b¯ Phi
, ÿÿ
(Qij ij xij ) + Qj j ÿj KLC , ÿj ÿ
{0, 1}, si j ÿ ÿ ÿi:i ÿ j = ÿkÿ:j ÿ k
ÿj = (11)
0, autrement (17)
Ici, (2) est la contrainte d'équilibre de puissance active nodale conventionnelle avec des contraintes supplémentaires
utilisé dans les équations DistFlow. L'équation (3) étend la
contrainte d'équilibre de puissance réactive nodale conventionnelle par ÿV _¯ ÿ, 2 (1 - ÿj Phi
- V j ÿ, 2 (1 - ÿj Phi Phi Phi Phi
), ÿj ÿ , ÿÿ (18)
vj j ) ÿ ÿj ÿ vj
considérant les MSC. L'équation (4) est une forme générale de la tension
contrainte qui prend en compte les branches avec des VR, comme indiqué dans ¯ Phi
V
jÿ, 2ÿj ÿ ÿ ÿj
ÿV _ jÿ, 2ÿj ÿ, ÿj ÿ , ÿÿ (19)
Fig. 2. L'équation (5) est la contrainte conique relaxée du second ordre
proposé dans [17]. Les équations (6) et (7) représentent le filet injecté
puissances active et réactive pour chaque bus, respectivement. Équations (8) 2.2.2 Linéarisation exacte du modèle VR : L'idée intuitive est de
et (9) décrire toutes les dérivations autorisées de la branche ijÿ; (10) et (11) approximer la surface d'origine par une série de polyèdres. le
spécifier les décisions d'activation et de désactivation autorisées sur le bus i. Combiné avec (8)– l'approximation est exacte dans le cas d'un ensemble discret de prises réalisables
(11), les équations de flux de branche dans (3) et (4) fournissent une paramètres pour les VR, comme illustré à la Fig. 5. En utilisant le
expression pour les cas avec ou sans MSC et VR. technique de linéarisation de [21], (4) peut être réécrit comme
R -1
2.1.3 Contrainte de tension de référenceÿ: ÿ, 2 ÿ, 2
ÿV _ ¯
Phi
ÿk = 1 (20)
Phi
V1 = Vréf , ÿÿ (12) ÿ, 2 Phi Phi
R
Remarque 1 : En fait cette contrainte ne fait aucune hypothèse Phi Phi
de tension constante au bus de référence. Pour certains types de distribution (toi, k + il, k )=1 (21)
ÿk = 1
réseaux, la tension de la sous-station est contrôlée par un ULTC qui est
un dispositif discret et ne peut pas maintenir la tension V1 exactement à la R -1
valeur de référence (Fig. 3). ÿik
Phi
=1 (22)
Dans ce cas, l'équivalence de Thevenin est effectuée à partir de ÿk = 1
côté sous-station vers le réseau de transmission. Depuis la topologie de
réseau de transport change rarement, l'équivalence de Thevenin Phi Phi
(23)
0 vous, 1, lui, 1 ij , 1
min min T
max d par
(34)
X ÿ Oui
s . t . Ax + Par + d = 0, ÿd ÿ (35)
Cx + Dy ÿ e, ÿd ÿ (36)
J
ÿ Gl et ÿ2 ÿ g et, ÿl ÿ ÿ, ÿd ÿ (37)
Fig. 5ÿ Linéarisation par morceaux des termes croisés introduite par les VR y ÿ y ÿ y¯, ÿd ÿ (38)
ij, k {0, 1}
(26) puissance réactive optimal d'un programme pour
donné
une charge
x de VRparticulière
et de MSC
et un scénario DG d, qui remplace la valeur prévue d0 . Cela nous
où ÿik désigne la section d'intérêt. Notez que les prises autorisées permet d'obtenir les pertes de puissance réelles. Ensuite, le pire
divisent la fonction f en R sections, gij, k et hij, k sont des variables scénario où les pertes optimales sont maximisées pour une distribution
auxiliaires qui se rapprochent de la fonction originale f. Pour plus de donnée de VR et de MSC est obtenu. Enfin, notre modèle robuste
détails, veuillez consulter [21]. trouve un moyen optimal de répartir les VR et les MSC. Cela minimise
les pertes les plus défavorables. Il est assuré par (35)–(38) que
l'équilibre de puissance et les contraintes de sécurité sont maintenus
2.2.3 Forme compacte du modèle déterministe convexe VO (DVO) : Le
lorsque les charges et les sorties actives des DG fluctuent dans l'ensemble d'incert
modèle déterministe convexe consiste en un modèle objectif
3ÿMéthodologie de résolution
min ÿ l
ÿ Phi
ijligne
(i, (27)
ÿ, ÿ, g, h, ÿ, ÿ, QC , QG ÿÿ = a, b, c j) ÿ ÿ L'algorithme C&CG de [22] est utilisé pour résoudre le modèle
d'optimisation de puissance réactive robuste à deux étapes. La
avec les contraintes (2), (17)–(19), (20)–(26) et (5)–(16). En définissant particularité du modèle robuste proposé est que le problème le
un vecteur augmenté x = (ÿ, ÿ, g, h, ÿ, ÿ) qui contient les variables de plus interne est un SOCP, tandis que le problème le plus externe
décision pour Qij)
les MSC
qui des
met
et les
en VR,
DG relation
un SVC
et des vecteur
le flux de
y =vecteur
et un puissance
(QC , QG ,et
v,le
l ij,
dispatch
prévisionnel Pij,d0 est un programme SOC mixte entier (MISOCP). L'algorithme
J
= (PD , QD , QG ) ce modèle peut aussi s'écrire sous une forme
compacte C&CG peut naturellement être étendu pour ce modèle robuste
d'optimisation de la puissance réactive. L'application de
J
, l'algorithme est décrite comme suit. L'algorithme C&CG tente de
résoudre la formulation extensive suivante du modèle robuste proposéÿ:
min la
min b
T (39)
~
Oui
(28) x, y (d), ÿ
x,y
s . t T. _ b y (d) ÿ ÿ (40)
s. t . Ax + Par + d0 = 0 (29)
ÿÿ0 (41)
Cx + Dy ÿ e (30)
Ax + By(d) + d = 0, ÿd ÿ (42)
xÿ (31)
Cx + Dy (d) ÿ e, ÿd ÿ (43)
J
ÿ Gl et ÿ2 ÿ g et, ÿl ÿ ÿ (32)
J
ÿ Gl y(d) ÿ 2
ÿ g y(d), ÿl ÿ ÿ, ÿd ÿ (44)
y ÿ y ÿ y¯ (33)
y ÿ y(d) ÿ y¯, ÿd ÿ (45)
où (28) est équivalent à (27), (29) représente les contraintes d'équilibre
de puissance (2), (17) et (20), (30) est identique aux contraintes
et (31).
d'inégalité (18) et (19), (31 ) est une expression des contraintes (8)–(11)
Le problème ci-dessus a un nombre infini de variables et
et (21)–(26), (32) simplifie l'expression de (5) et les contraintes de
contraintes correspondant à chaque scénario d.
sécurité dans (13) et (14) et la contrainte de référence dans (12) peut
être représenté par (33).
3.1 Problème maître
2.3 Modèle RVO à deux étages En raison du nombre infini de contraintes (42)–(45), qui sont indexées
, directement
par l'ensemble d'incertitude, il n'est pas possible de
lerésoudre
problème ci-
Dans le modèle déterministe, ni la différence d'échelles de temps entre
dessus. Le problème réduit suivant, où est remplacé par un sous-
nos appareils ni les incertitudes sur les charges et les sorties DG ne
ensemble fini, fournit une borne inférieure pour le modèle robusteÿ:
sont prises en compte. Dans le modèle robuste, on suppose que la
répartition pour le contrôle lent (VR et MSC) est décidée avant que les
charges et les sorties DG actives des DG ne se produisent. Pour
min la
chaque instance de charges incertaines et de sorties DG, le contrôle (46)
x, y (t), ÿ
rapide (sorties réactives des SVC et DG) réduit les pertes de réseau et
empêche la violation de tension. L'envoi de la première étape des VR et
1464 IET Génér. Transm. Distrib., 2017, vol. 11 Iss. 6, pp. 1461-1471 © The
Institution of Engineering and Technology 2017
Machine Translated by Google
2. (2.1) Résoudre le problème maître [(46)–(51) et (31)], qui est un problème Puisqu'il y a deux termes, les pertes du réseau et la différence de tension,
réduit en considérant un ensemble de scénarios typiques du pire cas, pour dans la fonction objectif, une pondération est nécessaire. Le réglage des
obtenir un schéma de répartition optimal
réseauxcorrespondante
ÿ pour les MSC ÿetÿles
(2.2)
VRUpdate
et le perte paramètres est un problème ouvert, sans parler de la sous-optimalité en
ÿ
LB := max {LB, ÿ Le problème maître envoie x Si UB–LB < ÿ, End } 3. introduisant une différence de tension dans la fonction objective.
ÿ
au sous-problème
ii. Les contraintes de tension non satisfaites sont assouplies en ajoutant
ÿ
un terme lié à la tension à la fonction objectif avec une forte pénalité.
4. (4.1) Pour x , résoudre le sous-problème [(52)–(58)], qui est un
ÿ
problème dual donné de l'OPF, pour obtenir la perte de réseau optimale ) Dans cette solution, comment identifier les contraintes de tension
ÿ
ÿ(x et le pire scénario correspondant d . Le pire des cas non satisfaites est encore une question ouverte pour un problème
ÿ
scénario d se compose de la puissance active de sortie des DG et d'optimisation irréalisable.
charges qui maximisent les pertes du réseau (4.2) Mettre à
ÿ
IET Génér. Transm. Distrib., 2017, vol. 11 Iss. 6, pp. 1461-1471 © The 1465
Institution of Engineering and Technology 2017
Machine Translated by Google
permettent d'évaluer les performances du modèle robuste proposé. la puissance est optimisée [28]. Le rapport de rotation admissible du VR se
situe dans l'intervalle [0,95, 1,05] avec une longueur de pas de 0,01. Les
Dans le système de bus IEEE 69, il y a huit DG, un VR et cinq MSC. Dans limites opérationnelles pour l'amplitude de la tension sont de 0,9 et 1,042 pu [29].
le système de bus IEEE 123, il y a dix DG, deux SVC, un VR et cinq MSC. Le Les algorithmes, à savoir le modèle DVO et le modèle RVO à deux
DG du bus 68 est exploité en phase B, tandis que les DG des bus 61 et 94 étapes, ont été implémentés à l'aide du programme MATLAB et résolus avec
sont exploités en phase A et en phase B. Les autres équipements sont le logiciel IBM ILOG CPLEX (ver. 12.5) [30]. Le RVO à deux étages se
exploités en triphasé. Les détails de la configuration sont répertoriés dans compose d'un étage de commande lente et d'un étage de commande rapide.
le tableau 2. L'environnement de test était un ordinateur portable avec un processeur
L'admittance des MSC a été fixée à 1,0 pu. La capacité des SVC était de Intel Core i5-3210M 2,50 GHz et 8 Go de mémoire vive.
0,3 pu. La capacité des DG était de 0,3 pu pour les générations de puissance
active et réactive. Supposons que les DG fonctionnent en mode de suivi du L'ensemble d'incertitude suivant est considéréÿ:
point de puissance maximale, qui tente de générer la puissance active
maximale autorisée, et le réactif Base Base
DP (1 - ÿ) DP ÿ PD ÿ (1 + ÿ)PD
Base Base
ÿ=
QD (1 ÿ ÿ)QD ÿ QD ÿ (1 + ÿ)QD (59)
Base Base
PG (1 - ÿ) PG ÿ PG ÿ (1 + ÿ)PG
1466 IET Génér. Transm. Distrib., 2017, Vol. 11 Iss. 6, pp. 1461-1471 © The Institution
of Engineering and Technology 2017
Machine Translated by Google
Tableau 2 Configurations des systèmes de test être adressé par RVO, qui peut maintenir la sécurité de la tension même après
Système Shandong 14 bus Alimentation de test bus IEEE 69 bus les fluctuations des charges et des sorties DG, comme illustré à la Fig. 11.
IEEE 123 Ici, la raison pour laquelle RVO diffère de DVO est brièvement discutée à
Bus DG {5, 6, 7, 8, 9, 10, bus {19, 20, 11, 12, 13} 26, 22, bus {7, 12, 33, 47, l'aide des calendriers de répartition générés par eux dans le tableau 3. Étant
54, 69, 34, 38} 115, 98, 84, 19, 43, donné que DVO ne tient pas compte des incertitudes, son objectif est de
61} bus {94, 68} minimiser les pertes de réseau en augmentant le profil de tension pour le
SVC autobus 14 — scénario de base, qui rencontrerait probablement une violation de tension après
ligne 58-61
la fluctuation des DG. Le RVO est relativement conservateur lors de la prise de
VR ligne 3-7 ligne 10-11
décisions de contrôle pour les dispositifs de contrôle lents en considérant le
Bus MSC {11, 12, 13, 14} bus {5, 20, 27, 50, 25} bus {4, 12, 19, 55, pire des cas, ce qui rend le contrôle rapide ultérieur capable d'éliminer les
93, 68, 43} violations de tension. Le temps de calcul est de 0,096 s pour DVO contre 0,327
DG, générations distribuées ; SVC, compensateurs VAr statiquesÿ; VR, régulateur s pour RVO.
de tensionÿ; et MSC, batterie de condensateurs/MSC.
Base Base
Dans cette section, la base charge PD , QD ont été extraits des données
IET Génér. Transm. Distrib., 2017, vol. 11 Iss. 6, pp. 1461-1471 © The 1467
Fig. 11ÿ Amplitude de tension simulée du modèle RVO à deux étages dans le
Mangeoire d'essai Shandong
Fig. 14ÿ Amplitude de tension simulée de DVO dans le système de bus IEEE 123
pour
Fig. 12ÿ Amplitude de tension simulée du modèle DVO convexe dans le
(a) Phase A, (b) Phase B, (c) Phase C
Système de bus IEEE 69
Le DVO et le RVO ont été testés dans des scénarios à périodes multiples
utilisant le système de bus IEEE 123. Ici, les DG ont été supposées être
Les générateurs PV et leurs sorties ont été simulés à l'aide de
logiciel de modèle d'optimisation pour les énergies renouvelables (HOMER) [31].
Les courbes normalisées pour la charge et la sortie DG sont indiquées dans
Fig. 16. Le niveau de charge de 100ÿ% est la charge de base disponible dans le test
archive dans [27], tandis que la sortie 100ÿ% PV est la capacité maximale.
Fig. 17ÿ Évolution des bus de surtension dans le système de bus IEEE 123
5ÿConclusion
Nous avons décrit une puissance réactive robuste coordonnée à double échelle de temps
et modèle d'optimisation de la tension. Ce modèle peut gérer
incertitudes sur la charge prévue et le DG. Le non convexe
le problème d'optimisation est d'abord convexifié à l'aide d'une conique du second ordre
relaxation pour le flux de branche, linéarisation par morceaux pour les VR et un
transformation équivalente pour les MSC. Ensuite, un algorithme C&CG a été
utilisé pour résoudre le modèle robuste convexifié. Les résultats de la simulation
montrent que la solution du modèle déterministe n'est pas toujours
possible et des violations de tension peuvent se produire. Le modèle robuste peut
assurer la sécurité vis-à-vis de tous les scénarios possibles limités par la
ensembles d'incertitude avec peu de compromis en termes de pertes. En raison de
Tableau 5 Comparaison de RVO avec différentes volatilités des ensembles d'incertitude dans le système de bus IEEE 123
Volatilité, ÿ 0,02 0,08 E [Ploss], kW 0,04 0,06 0,1
Tableau 6 Stratégies de contrôle pour les dispositifs lents générés par RVO et DVO dans le système de bus IEEE 123 (1 : allumer, 0 : éteindre)
Stratégie Dispositifs Calendrier d'expédition
6h00 8h00 10h00 12h00
DEUX MSC4 1 0 0 1
MSC12 1 0 0 0
MSC19 1 0 0 0
MSC55 0 0 0 0
MSC93 0 0 0 0
MSC68 0 0 0 0
MSC43 1 1 1 1
MSC5 1 0 1 0
MSC119 0 0 0 0
VR58 1.01 1.01 1.03 1.03
RVO MSC4 0 1 0 0
MSC12 1 1 0 1
MSC19 1 1 0 1
MSC55 0 0 0 0
MSC93 0 0 0 0
MSC68 0 0 0 0
MSC43 0 1 1 1
MSC5 0 0 0 0
MSC119 0 0 0 0
VR58 0,96 1.03 1.04 1,00
7ÿRéférences [20] Li, Z., Wu, W., Zhang, B., et al. : « Répartition de puissance en temps réel robuste et ajustable
avec intégration de l'énergie éolienne à grande échelle », IEEE Trans. Soutenir. Énergie, 2015,
[1] Franchi, L., Innorta, M., Marannino, P., et al.ÿ: « Évaluation de l'économie et/ou 6, (2), p. 357–368
fonctions objectifs orientées sécurité pour la programmation de la puissance réactive dans les grandes [21] Liu, B., Liu, F., Mei, S., et al. : « Flux de puissance réactive optimal avec précision
systèmes d'échelle », IEEE Trans. Appar. Syst., 1983, PAS-102, (10), p. modèle de transformateur linéarisé dans les réseaux électriques de distribution ». 2015 27e
3481–3488 Contrôle et décision chinois Conf. (CCDC), 2015, p. 5562–5567
[2] D'Adamo, C., Jupe, S., Abbey, C. : « Enquête mondiale sur la planification et l'exploitation [22] Zeng, B., Zhao, L. : « Résoudre des problèmes d'optimisation robuste en deux étapes à l'aide d'un
des réseaux de distribution actifs – mise à jour du groupe de travail CIGRE C6.11 méthode de génération de colonne et de contrainte', Oper. Rés. Lett., 2013, 41, (5), p.
Activités'. 20e Int. Conf. et Exposition sur la distribution d'électricité – Partie 1, 457–461
2009. CIRED 2009, 2009, p. 1–4 [23] Zheng, W., Wu, W., Gomez-Exposito, A., et al. : « Distributed robust
[3] De Oliveira-De Jesus, PM, Castronuovo, ED, Ponce de Leao, MTÿ: estimation d'état pour les systèmes électriques avec des mesures non linéaires », IEEE
"Réponse de puissance réactive des éoliennes dans le cadre d'une approche d'allocation Trans. Système d'alimentation, 2016, PP, p. 1
de perte de réseau incrémentale", IEEE Trans. Energy Convers., 2008, 23, (2), p. [24] Kavousi-Fard, A., Khosravi, A., Nahavandi, S. : « Un nouveau
612–621 intervalle de prévision combiné pour la prévision de l'énergie éolienne », IEEE Trans. Pouvoir
[4] Ahmadi, H., Marti, JR, Dommel, HWÿ: 'Le cadre pour volt - VAr Syst., 2016, 31, p. 18–26
optimisation dans les systèmes de distribution », IEEE Trans. Réseau intelligent, 2015, 6, (3), [25] Zhang, G., Wu, Y., Wong, KP, et al. : « Une approche avancée pour
pages 1473–1483 construction d'intervalles optimaux de prévision de l'énergie éolienne », IEEE Trans. Pouvoir
[5] Zhang, B., Lam, AYS, Dominguez-Garcia, AD, et al. : « Une Syst., 2015, 30, p. 2706–2715
méthode distribuée pour la régulation de la tension dans les systèmes de distribution d'énergie », [26] Système de distribution dans la province du Shandong, Chine. Disponible sur https://
IEEE Trans. Power Syst., 2015, 30, (4), p. 1714–1726 www.drive.google.com/file/d/0BzVXltCTbTuyZU1aY0MzVUZGTGc/view?
[6] Zheng, W., Wu, W., Zhang, B., et al. : « Une puissance réactive entièrement distribuée usp = partage
méthode d'optimisation et de contrôle pour les réseaux de distribution actifs', IEEE [27] Mangeoires de test de distribution. Disponible sur http://www.ewh.ieee.org/soc/pes/
Trans. Réseau intelligent, 2015, PP, (99), p. 1 dsacom / testfeeders /
[sept] Saric, AT, Stankovic, X., AM, : 'Un algorithme robuste pour le contrôle volt/Var'. [28] Esram, T., Chapman, PL : 'Comparaison du maximum de générateur photovoltaïque
Conf. et Exposition, 2009. PSCE '09, 2009, pp. 1–8 techniques de suivi des points de puissance », IEEE Trans. Energy Convers., 2007, 22,
[8] Wang, Y., Wu, W., Zhang, B., et al. : «ÿModèle de contrôle de tension robuste pour (2), p. 439–449
réseau de distribution en tenant compte des PV et des incertitudes de charge ». 2015 IEEE [29] Wang, Y., Zhang, P., Li, W., et al. : « Contrôle de prévention des surtensions en ligne
Assemblée générale de la Power & Energy Society, 2015, p. 1 à 5 générateurs photovoltaïques dans les micro-réseaux », IEEE Trans. Réseau intelligent, 2012, 3, (4),
[9] Daratha, N., Das, B., Sharma, J. : 'Régulation de tension robuste en déséquilibre pages 2071–2078
système de distribution radiale sous l'incertitude de la production distribuée et [30] Complexe. Optimisation à http://www-01.ibm.com/software/integration/
charges', Int. J. Electr. Système d'énergie électrique, 2015, 73, p. 516–527 disponible /cplexoptimizer/
[10] Gayme, D., Topcu, U. : « Flux de puissance optimal avec stockage à grande échelle [31] HOMER. Disponible sur http://www.nrel.gov/docs/fy04osti/35406.pdf
intégration', IEEE Trans. Power Syst., 2013, 28, p. 709–717
[11] Lavaei, J., Low, SHÿ: « Écart de dualité zéro dans le problème de flux de puissance optimalÿ»,
IEEE Trans. Système d'alimentation, 2012, 27, p. 92–107 8ÿAnnexe
[12] Molzahn, DK, Lesieutre, BC, DeMarco, CL : « Une condition suffisante pour
optimalité globale des solutions au problème de flux de puissance optimal », IEEE
Trans. Système d'alimentation, 2014, 29, p. 978–979 ÿ
[13] Lesieutre, B.C., Molzahn, D.K., Borden, A.R., et al.: ‘Examining the limits of
Dérivation du sous-problème : Pour le schéma de répartition donné xde
l'application de la programmation semi-définie aux problèmes de flux de puissance ». 2011 VRs et MSCs, le sous-problème original peut être formulé comme
49e conférence annuelle d'Allerton. sur la communication, le contrôle et l'informatique suit :
(Allerton), 2011, p. 1492–1499
[14] Baran, ME, Wu, FF : « Reconfiguration du réseau dans les systèmes de distribution pour
b J Oui
ÿ
réduction des pertes et équilibrage de charge », IEEE Trans. Power Deliv., 1989, 4, (2), ÿ (x ) = maximum min
ré ÿ
(60)
pages 1401–1407 Oui
[15] Baran, ME, Wu, FFÿ: 'Dimensionnement optimal des condensateurs placés sur un radial
système de distribution', IEEE Trans. Power Deliv., 1989, 4, p. 735–743 s . t . Par + d = ÿ Axÿ , (ÿ) (61)
[16] Esposito, AG, Ramos, ERÿ: 'Technique de flux de charge fiable pour les
réseaux de distribution », IEEE Trans. Power Syst., 1999, 14, p. 1063–1069
[17] Farivar, M., Low, SHÿ: 'Modèle de flux de brancheÿ: relaxations et convexification Dy ÿ e - Cx ÿ , (ÿ) (62)
(partie I)', IEEE Trans. Power Syst., 2013, 28, (3), p. 2554–2564
[18] Farivar, M., Low, SHÿ: 'Modèle de flux de brancheÿ: relaxations et convexification J
(partie II)', IEEE Trans. Système d'alimentation, 2013, 28, p. 2565–2572 ÿ Gl y(t) ÿ 2 ÿg y(t), ÿl (ÿl ÿ ÿl ) (63)
[19] Wu, W., Zhang, B., Lo, KL : 'Capacitors dispatch for quasi minimum energy
pertes dans les systèmes de distribution à l'aide d'une méthode basée sur l'analyse en boucle », Int. J. Electr.
¯
Power Energy Syst., 2010, 32, (6), p. 543–550 y ÿ y ÿ y¯, (ÿ, ÿ ) (64)
La valeur objective optimale de ce sous-problème est le pire des cas de ce qui conduit au problème dual sous une forme monolithique
ÿ
. Dès
pertes de réseau pour un schéma de répartition x utilisé lors,
pour il peutune
estimer être
T ÿ + y ÿ - y¯ T ¯ÿ + (e - Cx ÿ )
J J
limite supérieure pour le modèle robuste. Ce problème max-min à deux maximum
¯ - (Ax ÿ + d) , ÿ, ÿ (72)
niveaux ne peut pas être résolu directement. Par conséquent, nous ré ÿ ÿ, ÿ , ÿ, ÿl , ÿl
convertissons le problème de la conique interne. La fonction lagrangienne
¯ s .t . BJ J ¯
du problème interne est (voir (65)) avec ÿl , ÿ, ÿ , ÿ ÿ 0. T ÿl + ÿl gl ) + ÿ - ÿ +D ÿÿ=b
(73)
ÿ ÿ + ÿl (Gl
Le problème dual peut être formulé comme
¯ ÿ ÿl ÿ ÿ µl , ÿl
maximum inf L (y, d, ÿl , ÿ, ÿ , ÿ, ÿl ) 2 (74)
¯ (66)
d, ÿl , ÿ, ÿ , ÿ, ÿl y, ol , ÿl
ÿ, ÿ, ÿ ¯, ÿl ÿ 0 (75)
La minimisation sur y et ÿl est bornée si et seulement si
¯
ÿ (ÿl , ÿ, ÿ , ÿ, ÿl , ÿl ) =
J J (71)
ÿ(Ax ÿ+d) ÿ + y ÿ si ÿ ÿl ÿ ÿ ÿl ,
2
J .
ÿy¯ ÿ¯ + (e - Cx
J ÿ
) ÿ, (61) et (62)
ÿÿ, autrement
¯ J
Ty-ÿ
ÿ J
L (y, ol , ÿl , ÿl , ÿ, ÿ , ÿ, ÿl , ÿl ) = b (Hache (Gl y ÿ ol )
+ Par + d) ÿ ÿl ÿl y ÿ
J J
ÿÿl ÿl (glÿl ) ÿ ÿl ÿl (ÿl ÿ ÿ ol ÿ )-ÿ (et - et)
2
¯T ÿÿ(y¯ - y) - ÿ J ÿ
(Dy + Cx - et)
J J J ¯T + ÿ ÿ ÿ TD]y (65)
= [b )-ÿ
- ÿ TB - ÿl (ÿl TGl + ÿl gl y¯
T ÿ J ¯T J
ÿÿ (Hache + d) + ÿ y-ÿ ol + ÿl ÿ ol ÿ 2)
+ ÿl (ÿl
J ÿ
(Cx - et)
+ ÿl (ÿl - ÿl ) ÿl - ÿ