基于输入变量秩相关系数的概率潮流计算方法

随着大量新能源接入,电力系统运行必须考虑其随机性带来的影响。概率潮流是有效工具之一。针对考虑输入变量相关性的概率潮流计算,文中采用Spearman秩相关系数表示输入随机变量间的相关性,分析了拉丁超立方抽样方法与秩相关系数的内在关联,提出结合遗传算法的改进拉丁超立方抽样方法进行概率潮流计算。算例结果表明,所提出的方法能较好地刻画风速间的相关性,不受输入随机变量边缘分布的影响,并且能处理秩相关系数矩阵正定和非正定的情况。     

基于进化算法改进拉丁超立方抽样的概率潮流计算

在对电力系统安全风险评估时所需概率潮流计算的模拟法中,基于拉丁超立方抽样（Latin hypercube sampling,LHS）的蒙特卡罗（Monte Carlo,MC）模拟比简单MC模拟效率更高。但针对概率潮流问题,目前在相关性控制方面仍待改善。为提高基于LHS法的MC模拟在概率潮流计算中的效率,从两方面改进算法：一方面,对随机变量间相关系数矩阵非正定情况提出含进化算法的改进中值拉丁超立方抽样法;另一方面,为顾及概率分布的尾部特征,提出拉丁超立方重要抽样技术。对IEEE30和IEEE118节点系统进行考虑发电机无功出力约束的局部相关性试验,所提方法能有效地控制相关性,并具有良好的收敛性。试验结果表明该方法是有效和合理的。     

基于Nataf变换含相关性的扩展准蒙特卡洛随机潮流方法

随机潮流分析中,准蒙特卡洛方法在同样规模下不仅计算效率高于基于拉丁超立方的方法,且具有更好的扩展性质。因此提出一种基于Nataf变换的扩展准蒙特卡洛方法(NEQMC)并应用于概率潮流计算中。该方法利用Nataf变换重构输入变量的概率分布,而扩展技术可在随机潮流未收敛时保留已知的潮流计算结果,基于奇异值分解的相关系数控制技术不仅可保持扩展前后样本的相关性,且使得该方法也适用于相关系数矩阵非正定的情况。与基于Nataf变换的简单随机抽样、扩展拉丁超立方方法在IEEE 30和IEEE 118节点系统的比较分析证明了所提方法的高效性和准确性,仿真结果表明:相比于拉丁超立方和简单随机抽样,NEQMC的输出变量准确度更高,特别是标准差的准确度得到大幅改进,获得相同准确度的计算复杂度大大减小。     

考虑相关性的间歇性分布式电源选址定容规划

节能减排背景下,以分布式风电和光伏为代表的间歇性分布式电源得到了快速发展。考虑风速、光照强度和负荷间的相关性,以年综合费最小为目标,利用机会约束规划方法建立了间歇性分布式电源选址定容规划模型。采用秩相关系数矩阵表征风速、光照强度和负荷间的相关性,利用拉丁超立方采样和Cholesky分解生成相关性样本矩阵。应用动态小生境差分进化算法对规划模型进行求解。IEEE 33节点配电网算例的仿真结果验证了模型的合理性。     

基于Nataf变换和准蒙特卡洛模拟的随机潮流方法

提出一种可处理输入变量相关性的随机潮流方法。该方法基于Nataf变换和准蒙特卡洛模拟,使用奇异值分解处理对称非正定的相关系数矩阵。对IEEE 30节点系统和某实际大区域电网的仿真证明了所提方法的有效性和普适性。仿真结果表明:与传统基于Cholesky分解的排序方法相比,奇异值分解可在不增加计算代价的同时灵活处理非正定的相关系数矩阵;而相比于普通基于拉丁超立方的方法,所提方法收敛更快,相同样本规模下的计算精度更高,特别是输出变量标准差的精度。     

基于组合抽样的含分布式电源随机潮流计算

针对含分布式电源系统随机潮流计算中随机变量类型多的特点,提出基于组合抽样的蒙特卡罗模拟法,其根据随机因素的不同特点采用不同的抽样方法,并计及线路随机故障的影响。将随机因素作为随机变量建立概率分布模型;对连续概率分布的负荷及分布式电源出力采用拉丁超立方抽样,对离散概率分布的电源和线路随机故障采用结合拉丁超立方抽样的改进重要抽样方法,以减小方差,提高模拟计算效率;对系统随机变量进行抽样建模。通过对接有分布式电源的IEEE 14节点系统和IEEE 57节点系统的算例分析,表明了所提方法是有效的,并具有良好的收敛性。     

考虑非正定相关性的改进LHS概率潮流计算方法

由于LHS(拉丁超立方采样)能较大程度覆盖采样区间,因此常作为概率潮流计算中的分层抽样方法。但随着风、光等分布式能源在电力系统中渗透率的提高,以及采样对象维度的增加,使得LHS所得样本的均匀性略显不足。同时,风、光等随机变量之间的相关性也会日趋复杂。相关矩阵作为表现随机变量之间相关性的有效方式,在矩阵维度增加时会出现非正定情况,从而导致基于Cholesky分解排序变换的概率潮流计算方法无法进行。针对上述问题,提出一种考虑风、光相关性为非正定时的改进LHS概率潮流计算方法,并利用改进的IEEE 30与IEEE 118系统验证了所提方法的准确性与有效性。     

基于配电网静态电压质量机会性约束的可再生能源分布式发电容量规划

从配电网自身参数角度分析分布式电源并网后带来的电压越限问题,研究配电网静态电压随分布式电源功率注入的变化趋势。提出一套系统性地考虑分布式电源出力随机性和相关性以及配电网静态电压质量机会性约束的分布式电源接入容量规划方法。较之现有分布式电源规划方法,所提方法在可接受的计算强度下更加专注于提高处理分布式电源出力随机性和相关性的准确性,保证了规划结果的可靠性。所提方法使用差分进化算法对拉丁超立方采样所生成的分布式电源出力的原始采样序列进行重排序,从而满足电源出力相关性的要求;利用概率潮流的方法将分布式电源的随机出力映射为节点电压的概率分布以满足规划过程中电压质量的机会约束。采用差分进化算法对规划模型进行求解。IEEE 33节点配电网中的应用验证了所提方法的有效性及实用性。     

计及相关性的含分布式电源配电系统可靠性评估

为了分析风速、光照强度和负荷间相关性对配电系统可靠性的影响,提出了一种计及相关性的含分布式电源(distributed generation,DG)配电网可靠性评估模型。首先,采用秩相关系数矩阵、拉丁超立方抽样技术和Cholesky分解建立了样本抽样方法,该方法能有效处理非正态分布随机变量的相关性以及非线性相关关系。然后,提出了基于孤岛稳定运行概率修正传统可靠性指标的方法,将传统配电网可靠性评估与含DG配电网可靠性评估有效结合,以提高评估效率。最后,通过算例定量分析了相同类型DG、不同类型DG、DG与负荷相关性强度变化对孤岛稳定运行概率以及配电系统可靠性指标的影响,验证了所提模型与方法的合理性。     

适用于不同随机变量的主动配电网拉丁超立方抽样法概率谐波潮流计算

随着分布式电源的大量接入,不可避免地将大量谐波带入主动配电网,对主动配电网中谐波的特性及谐波在主动配电网中的分布情况进行研究具有重要意义。针对主动配电网,提出了一种适用于不同随机变量的拉丁超立方抽样概率谐波潮流计算方法。介绍了基于回路分析法的基波潮流计算方法以处理主动配电网的弱环网性,为处理主动配电网的PV节点问题,提出了一种严格的PV节点修正方法;针对独立随机变量、相关随机变量及离散数据,分别提出了一种相应的拉丁超立方抽样方法以实现对谐波谱数据的抽样,从而模拟了谐波潮流中的不确定性;基于14节点配电网络进行了算例研究,验证了方法的有效性和可行性。     

基于非参数核密度估计的扩展准蒙特卡洛随机潮流方法

扩展蒙特卡洛方法将随机潮流的误差转化为可控量,并可在样本数增加时保留已知的潮流计算结果。基于扩展拉丁超立方抽样的方法效率比简单随机抽样高,但仍存在两方面的问题:第一,扩展拉丁超立方抽样无法保证序列的差异性,这成为计算效率提高的瓶颈;第二,当输出变量偏离正态分布时,扩展拉丁超立方抽样方法缺乏性能良好的收敛判据。针对以上两个问题,采用基于Sobol序列的扩展准蒙特卡洛方法进行随机潮流计算,并提出基于非参数核密度估计方法的收敛判据。对IEEE 30和IEEE 118节点系统的仿真结果表明,所述方法比扩展拉丁超立方抽样方法更加方便、准确,同时效率更高、收敛更快;而基于非参数核密度估计的收敛判据直观、适应性强,对变量的概率分布没有附加条件,可准确指导扩展随机潮流的收敛。     

考虑分布式电源出力随机特性的配电网节点脆弱性评估

随着分布式电源的接入及配电网规模的不断扩大,配电网的安全性与可靠性面临挑战,配电网脆弱环节辨识问题亟待解决.考虑分布式电源出力随机性对配电网节点脆弱性的影响,建立基于拉丁超立方抽样的风电与光伏随机出力模型;基于复杂网络理论与配电网辐射状的拓扑条件提出改进节点度、改进介数等节点脆弱度指标;利用分布式电源随机出力模型的采样结果得到节点脆弱度指标的分布特性;提出基于样本修正权重的模糊综合评价方法,对考虑分布式电源出力随机性的配电网节点脆弱性进行分析.改进的IEEE 123节点系统算例结果验证了所提方法的可行性与有效性.     

新能源配电网多类型有功无功电源容量协同优化

间歇性分布式电源(distributed generation,DG)接入电网后对线路潮流、节点电压等的影响与其接入位置和容量密切相关。考虑间歇性分布式电源出力的随机性和间歇性,同一配电区域光照、风速和负荷变化具有一定的相关性及受季节变化的影响,为此,采用可处理输入随机变量相关性的基于拉丁超立方抽样的蒙特卡洛概率潮流计算方法(correlation Latin hypercube sampling Monte Carlo simulation,CLMCS)计算含间歇性分布式电源的配电网潮流,以分布式电源和无功补偿装置的年运行收益为上层规划目标函数,以电压改善年收益和降损年收益为下层规划目标函数,建立嵌入机会约束规划的二层规划分布式电源和无功补偿装置容量协同优化配置模型。采用两层嵌套的自适应人工鱼群算法对本文协同优化配置问题进行求解。最后通过IEEE33节点配电系统算例分析,验证了本文模型和算法的有效性。     

基于多项式正态变换和拉丁超立方采样的概率潮流计算方法

概率潮流(probabilistic load flow,PLF)计算是电力系统稳态运行分析的重要工具。针对大多数现有PLF计算方法要求已知输入随机变量的概率分布函数,而其概率分布函数难以准确建模这一问题,提出一种基于多项式正态变换和拉丁超立方采样的PLF计算方法。该方法根据输入随机变量的数字特征,通过多项式正态变换技术建立其概率分布模型,进而由基于拉丁超立方采样的蒙特卡罗仿真法得到系统节点电压和支路潮流的数字特征及其概率分布曲线。采用IEEE 30节点和IEEE 118节点系统对所提方法的有效性进行了验证。仿真结果表明:所提方法是有效的,该方法不仅具有计算速度快、精度高和稳健性好的优点,还能灵活处理输入随机变量间的相关性,具有较好的工程实用价值。     

考虑光伏非线性相关性的电力系统概率潮流计算

针对目前概率潮流计算中未能全面考虑光伏电源输出功率相关性的不足,从电力系统中的随机特性出发,考虑系统中相邻地区间光伏出力非线性相关性,提出一种光伏并网系统的概率潮流计算方法。该方法采用加权高斯混合分布构建光伏出力的数学模型,在此基础上结合拉丁超立方采样算法来提高采样效率,降低潮流计算复杂度。在含有光伏接入的IEEE 14节点系统中进行仿真计算分析,验证所提研究方法相比于传统研究方法的准确性和有效性。     

含分布式电源的配电网可靠性评估

分布式电源的接入会对配电网的可靠性产生影响,由于分布式电源具有随机性,传统的可靠性分析将不再适用。针对随机性强的分布式电源,采用比传统蒙特卡洛抽样更加准确的拉丁超立方抽样建立样本,利用蒙特卡洛法模拟配电网故障,根据故障分区法确定各负荷停电时间,对不同故障位置下孤岛内负荷削减及停电情况进行了分析。以IEEE RBTS BUS6系统作为算例,对不同孤岛运行模式下的系统可靠性情况进行了分析,验证了方法的有效性。     

基于Copula理论和切片采样技术结合拉丁超立方抽样的概率潮流计算

为评估大规模新能源并网对电力系统概率潮流的影响,提出一种Copula理论、切片采样及拉丁超立方采样相结合的MCMC概率潮流计算方法。利用Copula理论建立计及输入变量相关性的概率分布模型,采用Kendall秩相关系数作为相关性测度,通过切片采样算法产生初始样本,引入拉丁超立方抽样技术对初始样本进行处理,提高算法的计算效率。以改造后的IEEE-14节点测试系统为算例,验证了文中方法的准确性和有效性,研究了风、光出力相关性对电力系统概率潮流的影响。结果表明风、光互补提高了系统运行的可靠性和经济性,考虑风、光相关性可以更合理地评估风、光并网对电力系统概率潮流的影响。     

基于两点估计法的有源配电网概率潮流计算方法研究

高渗透率分布式电源接入是未来配电网的发展趋势,传统确定性潮流计算方法无法计及分布式电源给配电网潮流造成的波动性和随机性。为解决该问题,提出了基于两点估计法的有源配电网概率潮流计算方法。基于概率统计理论,建立配电网分布式电源的概率模型,在前推回代法的基础上,采用两点估计法进行含分布式电源配电网的概率潮流计算,可靠计入了分布式电源和用电负荷波动对潮流计算的影响。在IEEE33节点系统中的仿真结果表明,两点估计法能利用较少的估计点获得与蒙特卡罗法相同精度的结果,且具有求解速度快的优点。     

计及负荷电压静特性的含分布式电源的前推回代潮流计算

分布式电源并网后,配电网中出现了新的节点类型,使得传统的前推回代法不能解决含分布式电源的配电网潮流计算问题。在考虑了恒功率、恒电流及恒阻抗的负荷电压静态特性的情况下,提出了改进的前推回代法对不同分布式电源进行潮流计算。该算法针对风力发电、光伏电池、燃料电池及燃气轮机分别建立了数学模型,并且在处理PV节点时,通过无功分摊原理设定无功初值,采用无功补偿装置进行功率修正。此外,针对辐射状配电网特征,采用搜索叶节点的方法,形成了便于前推及回代计算的参数矩阵。通过IEEE33配电系统验证表明所提出的方法收敛性能强,并且能有效解决含不同分布式电源的潮流计算问题。     

电力系统可靠性评估中的改进拉丁超立方抽样方法

将拉丁超立方抽样方法与重要抽样方法相结合,提出了一种应用于电力系统可靠性评估的改进拉丁超立方抽样方法。该方法首先通过重要抽样改变原系统样本空间的概率分布,然后对新概率分布进行拉丁超立方抽样,降低了抽样方差,避免了系统正常状态的大量重复抽样。应用该方法对IEEE-RTS系统与IEEE-RTS修改系统进行可靠性评估,并与常规非序贯蒙特卡洛抽样方法和传统拉丁超立方抽样方法的结果进行了比较。比较结果验证了所提出的方法在保证一定计算精度的条件下,可降低抽样方差,提高抽样效率,并且可适用于高可靠性的系统可靠性评估。