一种发电系统可靠性评估的混合加速算法

针对使用时序蒙特卡洛法的可靠性评估计算效率低下、收敛特性较差等问题,提出一种结合基于交叉熵的重要抽样法和全概率公式法的混合时序蒙特卡洛评估算法,将其应用于发电系统可靠性评估中。基本思想是利用交叉熵优化过程获得近似零方差重要抽样密度函数,然后根据此时各元件故障率的扭曲程度确定对系统可靠性最重要的元件,对这些最重要的元件使用全概率公式,然后利用得到的各元件的新参数进行发电系统可靠性评估。由于两种基于不同原理的方差技术被组合使用,所以计算效率进一步提高,收敛速度进一步加快。最后使用可靠性测试系统IEEE-RTS以及修改后的测试系统对提出的方法进行验证,将所提方法(TP-CEMCS)的测试结果与传统时序蒙特卡洛法(MCS)、基于交叉熵的时序蒙特卡洛法(CE-MCS)和基于全概率公式的时序蒙特卡洛方法(TP-MCS)得到的结果进行比较,表明该方法在保证评估精度的基础上更进一步提高了计算速度。     

基于改进交叉熵算法的电力系统随机生产模拟

蒙特卡洛模拟的计算效率与系统的可靠性密切相关，在其用于高可靠性系统的随机模拟时存在计算效率偏低的问题。为此，提出了一种基于多层交叉熵与对偶变数抽样技术相结合的随机模拟算法。首先使用多层交叉熵构造零方差概率密度函数的近似函数，提高小概率失效事件的抽取概率；其次基于已构造的近似概率函数，采用对偶变数抽样法进行抽样，进一步提高抽样的收敛速度。以IEEE RTS修改系统为例进行了算例分析，算例结果验证了所提出的基于改进交叉熵的电力系统随机生产模拟算法的有效性。     

电力系统充裕度评估中的交叉熵蒙特卡洛方法

蒙特卡洛模拟法在现代电力系统分析中得到广泛应用,但其抽样效率受到系统元件可靠性的制约,导致其在处理稀有事件时效率低下。基于交叉熵的方差减小技术可有效地处理稀有事件。交叉熵方法通过交叉熵距离函数在系统元件失效概率密度函数族中搜寻最优分布函数,然后对最优分布函数进行抽样,从而极大地降低系统元件失效的稀疏性。以IEEE-RTS79测试系统为例,研究了交叉熵算法的分位数和预抽样样本对算法效率的影响;将交叉熵算法与传统蒙特卡洛模拟法、重要抽样方法进行了比较,算例分析结果表明交叉熵方法具有收敛速度快、采样次数少、计算时间短等优点。     

基于交叉熵的蒙特卡洛法在发电系统充裕度评估中的应用

针对传统蒙特卡洛法对稀有事件的敏感性等问题,提出了一种基于交叉熵的蒙特卡洛法,将其应用于发电系统充裕度评估中。基本思想是使用重要抽样密度函数,通过求解最优问题获得该函数的最优参数,从而提高传统蒙特卡洛法的抽样效率。最后使用可靠性测试系统IEEE-RTS以及修改后的测试系统对提出的方法进行验证,将仿真结果与使用传统蒙特卡洛法得到的结果进行比较,表明该方法在保证评估精度的基础上大大提高了计算速度。     

大电网可靠性评估的最优f散度重要抽样法

交叉熵重要抽样法基于KL距离(Kullback-Leibler divergence)实现了重要抽样概率密度函数(importance sampling probability density function,IS-PDF)参数的有效估计,显著提升了电网可靠性的蒙特卡洛仿真速度,但KL距离仅是更广义的f散度家族的一种距离形式,虽然有效但非唯一。为探讨f散度在重要抽样法中的实现方式,该文提出最优f散度重要抽样法,通过最小化零方差概率密度函数和IS-PDF之间的f散度,推导典型距离测度下IS-PDF的参数统一迭代更新表达式。因不同距离测度对应不同IS-PDF参数和重要抽样效率,为此,基于可靠性指标测试函数与似然比函数之积的方差最小化准则,提出f散度下的最优距离形式迭代优化确定方法。对IEEE-RTS79和IEEE-RTS96系统进行可靠性评估,结果表明该文方法能有效提高仿真效率,实现重要抽样法效率提升潜力的有效挖掘,对于大电网可靠性的快速评估具有重要的工程实用价值。     

序贯重要抽样法在高压直流输电系统可靠性评估中的应用研究

随着电网的日益发展及电力负荷压力的不断增大,准确评估高压直流输电系统可靠性对电力系统安全稳定运行具有重大意义。本文将重要抽样法与序贯蒙特卡洛模拟法相结合,提出了一种应用于高压直流输电系统可靠性评估的序贯重要抽样法。该方法结合序贯蒙特卡洛模拟法与重要抽样法的优点,既充分利用了系统原始参数,得到系统真实运行的时序信息,又有效地降低了抽样方差,加快了收敛速度。应用该方法对典型单、双十二脉高压直流输电系统进行了可靠性评估,并与采用传统序贯蒙特卡洛模拟法、序贯交叉熵法的评估结果进行对比。结果表明:序贯重要抽样法在确保计算精度的基础上显著缩短了仿真时间,具有较高的计算效率。     

自适应重要抽样技术在发输电系统可靠性评估中的应用

将自适应重要抽样技术应用在发输电系统可靠性评估中,并提出根据系统的概率特点构造抽样密度初值的方法,从而改善最优抽样技术在元件故障概率减小时出现的退化现象。应用该方法对IEEE-RTS系统及修改后的测试系统进行发输电系统可靠性评估,结果表明该方法在保持计算精度的情况下能加快可靠性评估的速度,特别是在元件故障概率较小时,能显著提高可靠性评估的计算效率。     

基于最优抽样与选择性解析的电力系统可靠性评估

为降低Monte Carlo法的计算方差,加快电力系统可靠性评估的速度,提出一种基于最优抽样和选择性解析的混合算法。该算法是在传统Monte Carlo法的基础上,增加小样本预抽样计算,以获得最优抽样密度函数与各变量的投影方差。根据投影方差的大小,确定解析变量,进行解析化处理,对模拟变量按照最优抽样密度函数抽取元件状态。对测试系统IEEE-RTS的算例分析表明,该算法可以同时提高抽样计算和解析计算的效率,降低计算方差,加快可靠性评估的速度。     

基于混合模型和交叉熵重要性抽样的 发电系统可靠性评估

目前应用在发电系统可靠性评估中的交叉熵重要性抽样方法采用单一的概率质量函数描述发电系统的状态,该方法在处理高可靠性系统时需要进行大量的预抽样才能得到具有较好方差减小效果的最优概率质量函数以达到加快可靠性指标收敛的目的,而大量的预抽样过程会导致可靠性评估总体效率的下降。因此文章提出基于混合概率质量函数模型与交叉熵重要性抽样相结合的发电系统可靠性评估新方法,该方法采用多个概率质量函数描述发电系统的状态,并基于最小交叉熵原理对各概率质量函数及其对应权重进行迭代更新,最后由各概率质量函数的加权形成最优概率质量函数,利用所得最优概率质量函数对系统状态进行抽样和可靠性计算。相比于现有方法,该方法预抽样过程所需样本较少,可以在保证可靠性指标准确性的同时大幅加快系统可靠性指标的收敛速度,在处理高可靠性系统时效果更加明显。算例验证了文中方法的优势。     

一种基于重要抽样—序贯蒙特卡洛的运行可靠性评估方法

传统可靠性评估方法不能准确描述时间尺度和运行条件对系统运行可靠性的影响,需研究一种快速有效的可靠性评估方法,既能提高可靠性评估效率,又计及时间尺度和系统运行行为。因此,本文在序贯蒙特卡洛模拟法的基础上,结合重要抽样法,提出一种基于重要抽样的序贯蒙特卡洛模拟法,以最优分布函数突出"重要事件",在保证精度要求的情况下,提高序贯蒙特卡洛模拟法的计算效率,并以IEEE-RTS79系统为算例,验证了本文方法的可行性和有效性。     

改进的重要抽样法在电力系统可靠性评估中的应用

将分散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重要抽样算法。应用该方法对IEEE-RTS标准系统的发电部分进行了可靠性评估，并与采用常规抽样方法和常规重要抽样方法的评估结果作了比较。结果表明，文中提出的方法在保证计算精度的前提下显著减小了抽样方差，加快了迭代计算的收敛速度。     

大电网可靠性蒙特卡洛仿真的概率不确定性分析

系统状态随机抽样是大电网可靠性蒙特卡洛仿真的重要基础环节,抽取的样本容量与仿真结果的精度和仿真耗时密切相关,因此在给定仿真精度时实现样本容量的概率预估和在给定样本容量时实现计算精度的概率预测,是实现计算精度和计算成本综合权衡的关键。基于中心极限定理深入研究随机变量的样本均值与期望值之间误差的概率预测方法,在此基础上分析失负荷概率(loss of load probability,LOLP)指标的方差系数和样本容量之间的关系表达式,导出方差系数给定时的样本容量置信区间公式及样本容量给定时的方差系数置信区间公式。这些公式的导出,对于实现仿真精度和样本容量之间的定量概率分析具有重要意义,通过对RBTS和RTS96可靠性测试系统的评估分析验证所提方法的有效性和正确性,并得出相关结论。     

基于拉丁超立方采样的含风电电力系统的概率可靠性评估

基于随机抽样的蒙特卡罗方法(MC_RS)由于原理简单、易于实现,常用于电力系统的可靠性评估,但在大规模风电接入,特别是以单个小容量的机组接入的情况下会存在样本容量大、效率低等不足。因此提出使用基于拉丁超立方采样的蒙特卡罗(MC_LHS)方法来解决含风电的电力系统概率可靠性评估问题,此方法由于使用了拉丁超立方采样,能有效地改善样本值对输入随机变量的分布空间的覆盖程度和使用Cholesky分解来降低输入变量之间的相关性系数,从而提高了采样效率、增加收敛速度和提高评估准确度。把提出的MC_LHS方法应用到改进IEEE-RTS79算例中,并与常规MC_RS进行比较,结果验证了该方法的有效性。     

电力系统可靠性评估中的重要控制法

为进一步加快蒙特卡洛模拟法的收敛速度,文中结合重要抽样法与控制变量法的思想,提出了一种应用于电力系统可靠性评估的重要控制算法。该方法利用元件重要度分析识别出系统中对可靠性影响较大的元件,并基于系统重要元件的故障后果以及系统状态分析的特点构造出满足各项要求的系统重要控制变量,从而实现对系统重要状态函数的重构。文中从理论上对该方法进行了推导,证明了其在不增加每次抽样计算量的同时,能够有效降低抽样方差。最后通过对IEEERTS79系统以及修改后的测试系统的评估验证了算法的正确性、高效性。     

引入交叉熵与动态故障集的含风电大电网可靠性评估

风电等新能源大规模并网对电力系统可靠性产生了重要影响。电力系统的不断发展、电气联系的逐渐加强,以及新能源的随机波动特性,使得基于蒙特卡洛模拟(MCS)的可靠性评估方法在高可靠性系统中的计算效率大大下降。提出一种基于链表动态故障集并将之与交叉熵(CE)结合使用的新算法,一方面通过CE优化构建系统元件的最优概率分布,减小方差变化,加快指标收敛;另一方面,以基于链表的动态故障集多级索引取代状态空间中重复状态调用最优潮流的过程,以此提高系统状态评估效率。对IEEE RTS-79发输电改进系统进行可靠性评估,并与原始MCS和CE对比,结果表明,新算法合理、有效;通过变更负荷峰值改变系统可靠充裕度,对比了不同可靠性水平系统下3种方法的计算效率。     

大型发输电组合系统可靠性评估方法

为解决大型发输电组合系统可靠性评估中计算费用过高的问题,提出了利用改进的重要抽样法模拟系统运行状态以减小抽样方差,结合线性规划松弛技术和两阶段修正单纯形法进行系统分析计算以降低线性规划的阶数的算法,并实现了相应的的评估软件。用该软件依据计算指标可评估IEEE-RTS系统与节点的可靠性水平,并为寻找制约系统可靠性水平的主要因素提供理论依据,且在相同精度要求下,计算时间与传统算法机相比明显下降。对大型发输电组合系统可靠性水平的仿真分析表明,该算法可做出准确、快速地评估。     

基于序贯蒙特卡洛方法的风电并网系统调峰裕度评估

在分析风电并网后系统调峰需求变化的基础上,运用可靠性理论,基于序贯蒙特卡洛方法,提出了风电并网系统调峰裕度评估方法。该方法计及常规机组的强迫停运概率和风电随机波动特性,充分利用序贯蒙特卡洛方法便于加入规则的特性,提出了调峰不足概率指标及其计算方法。利用所述方法对IEEE-RTS系统进行了调峰裕度评估,验证了该方法的可行性和有效性。     

基于改进蒙特卡洛混合抽样的含风光电力系统风险评估

强随机性和不确定性风电、光伏的接入使得电力系统运行变得更加复杂,全面高效评估含风光电力系统运行风险尤为必要。首先,针对传统蒙特卡洛方法在电力系统风险评估中计算效率较低的问题,结合全概率抽样、等分散抽样和自适应重要抽样的思想,提出一种基于改进蒙特卡洛混合抽样的风险评估方法。然后,计算系统的失负荷风险、电压越限风险、支路越限风险和稳态频率越限风险,并采用三层评估指标体系评估系统的运行风险。最后,以改进IEEE-RTS79系统和西北某省实际系统为例,验证了所提方法的有效性和准确性。并分析风光不同的接入位置、接入容量、接入比例下的系统风险情况,其结果可为电力系统运行及规划提供参考信息。