（国网河南省电力公司三门峡供电公司河南三门峡472000）
摘要：风力发电因其灵活性高、投资成木低、对环境污染小等优点，目前己在全球范围内受到极大关注，成为电力工业发展的重点，并具有广阔的商业开发和经济发展的前景。将风力发电机并入配电网，是运用风力发电的重要方式，但是大量风电机组接入配电网，会对系统的电能质量、有功网损、无功分布等产生影响。因此，计算含风电机组的配电网潮流，确定系统无功补偿方案，对于减少系统有功网损、改善系统电压水平、提高电力系统运行的经济性和稳定性等方面具有重要的意义。
关键词：配电网；风电机组；前推回代法
电力系统无功优化的目的主要是确定在未来某一时段内系统中各种无功设备的状态，以保证电网运行的经济性和安全性。无功优化从优化时间段的长短上来看，可分为静态优化和动态优化静态优化只考虑一个时间断面上的负荷情况，动态优化考虑了负荷的动态变化过程，一般要求计及无功补偿装置投切次数的限制。在传统的无功优化模型中，用来进行的控制手段主要有发电机无功出力的调节、变压器分接头的调整和无功补偿装置的投切等。发电机无功出力是可以连续调整的变量，变压器分接头的调整和无功补偿装置的投切都是离散控制的变量，而系统中的潮流方程为非线性方程，所以无功优化是一个十分复杂的非线性混合整数规划问题。
近年来，风力发电在电力系统中发挥的作用越来越重要，目前己被广泛的应用到分布式发电中，但风力发电机出力的随机性增加了无功优化方案的不确定性。为了解决风力发电机出力的随机性问题，本文在研究含风力发电机组的配电网无功优化问题时根据风速统计规律，运用概率场景分析法建立无功优化的目标函数。
1基于场景的无功优化综合指标
1.1基于场景的目标评估
场景决策方法要求对影响优化结果的不确定因素进行组合，每种组合对应一个场景，然后再对每种场景采用确定性的优化方法进行计算，最后根据给定的评价方法进行比较，以求得决策者满意的方案。其本质是将难以用数学模型表示的不确定因素转变为容易求解的多个确定性场景问题来处理，优点是降低了复杂问题建模和求解的难度。
应用场景决策法的关键在于如何合理地选择各种典型场景。风电并网后，配电网无功优化中不确定性因素主要包括负荷和风电机组的输出功率，因而无功优化模型中选择的典型场景应该是风电机组输出功率和系统负荷的组合，为突出风电机组并网后对无功优化的影响，文中在典型场景的选择上只围绕风电机组输出功率的特点进行。
1.2无功优化综合指标
为了综合分析风电机组输出功率随机波动对配电网无功优化的影响，本文给出一个基于场景发生概率的无功优化综合指标，该指标从经济性和安全性两个角度来衡量无功优化方案的优劣，经济性体现在减小系统网损方面，安全性体现在改善系统静态电压稳定裕度方面。衡量系统静态电压稳定裕度的指标很多，如潮流雅克比矩阵最小奇异值指标、负荷裕度指标、L指标等，本文选择雅克比矩阵最小奇异值指标来表征配电系统的静态电压稳定性。
2含风电机组的配电网单目标无功优化
2.1单目标无功优化目标函数
本节将配电网系统有功功率损耗最小为无功优化的目标函数，并在场景一、场景二、场景三、及全场景下分别对系统进行含风电机组的无功优化。
对于系统节点电压越限情况，本文将采用惩罚因子的形式进行处理。因此，第k个场景下无功优化目标函数可以表示为：
多目标优化最重要的步骤是更新非劣解集，木文进化迭代过程中，采用的非劣解集更新方法为首先将第g代所得的非劣解集X的g次方与第g+1代个体合并，然后通过支配。关系筛选出合并后种群的非劣解集X*。若X*集合中个体数少于种群规模Np，则将X*作为第g+1代的非劣解集;若X*集合中个体数大于种群规模Np，则计算x*集合中所有个体的“拥挤度”，按个体“拥挤度”从大到小筛选出Np个个体作为第g+1代的非劣解集。此外，由于风电机组出力随机性，本文同样将场景分析法应用于多目标无功优化中，考虑到全场景是对风机各种有功出力情况的平均，能很好地兼顾其他几种场景，因此，木将在全场景下进行多目标无功优化。具体优化流程参见图2所示。
4结语
近年来随着电网规模的不断扩大、人们对电网结构调整与改革呼声的持续高涨、以及人类环保意一识的逐渐增强，作为一种可再生、无污染的绿色能源，风能得到社会的高度重视和广泛应用，风力发电技术得到许多学者深入研究，目前己成为电力工业发展的重点之一。将风力发电机组并入配电网，是研究和运用风电技术的重要环节，但是大量风电机组的并网会对系统的潮流分布、有功损耗、节点电压、继电保护等产生巨大影响。因此，计算含风电机组的配电网潮流、优化风机并入配网后无功补偿装置的投切方案对分析系统电压水平、降低系统网损、改善系统稳定性等方面具有极其重要的理论意义与现实意义。
参考文献
[1]陈海焱,陈金富,段献忠.含风电机组的配网无功优化[J].中国电机工程学报,2008,07:40-45.