基于无迹变换的含大规模风电场电力系统概率最优潮流计算

提出了一种基于无迹变换(UT)技术求解大规模风电场并网的电力系统概率最优潮流(POPF)的计算方法。利用UT技术将POPF问题转化为少量样本点的确定性最优潮流问题,然后采用现代内点法加以求解。考虑了风电场出力的随机性和节点负荷功率的不确定性,讨论了不同风电接入水平下利用该方法计算POPF模型中变量的概率特征参数的计算精度。IEEE 30节点、IEEE 57节点、IEEE 118节点标准系统和一个实际系统S-1047的计算结果表明,与蒙特卡洛方法相比,基于UT技术的POPF计算方法在保持误差很小的同时,计算效率可提高数十倍,且容易实现、易于处理随机变量相关性,为POPF问题的有效求解和应用提供了工具。     

基于随机响应面法考虑随机变量相关性的概率潮流计算

随机潮流技术是分析含风电场电力系统潮流分布的有效手段。为了准确描述风电场输出功率的随机特性,分析风电接入对系统潮流分布的影响,提出了基于随机响应面法的电力系统随机潮流计算方法。将随机潮流分析转化为确定性潮流分析,用传统潮流计算方法加以求解,从而得到各潮流状态变量的统计特征值和概率分布。考虑到地理位置靠近的多个风电场之间,风速具有较强的相关性,进一步采用正交变换技术处理相关的风速。IEEE-14和IEEE-118系统的计算结果表明,该方法与蒙特卡洛方法相比,具有较高的计算精度和较小的计算量。     

考虑风电的电压稳定概率评估的随机响应面法

为了准确描述电力系统中不确定因素对静态电压稳定分析的影响,掌握负荷裕度或临界功率的概率分布信息,确定某一负荷水平下电压失稳的概率,提出了基于随机响应面方法的电压稳定概率评估方法。用随机响应面法将概率分析问题转化为确定性的非线性规划问题,然后采用内点法求解。电压稳定概率评估模型中考虑了并网风电场输出功率的随机性和负荷的不确定性,并利用正交变换技术处理风电场间风速相关性,分析了风速相关性对临界功率概率分布的影响。IEEE 118和IEEE 300节点系统计算结果表明,与蒙特卡罗方法相比,该方法在保持较高计算精度的同时,需要较少量的采样。     

考虑风电接入的电力系统无功优化

研究了含风电场的电力系统无功优化,提出了通过潮流计算得到风电场的无功补偿容量,利用非线性原-对偶内点法对整个电网进行无功优化的新方法。建立了风电机组的稳态模型,介绍了风电场在电力系统潮流计算中的处理方法。通过潮流计算得到风电场的无功补偿容量,建立以有功网损最小和电压水平最好的多目标无功优化模型,在满足各种约束条件下采用非线性原对偶内点法对该模型进行优化求解。通过烟台电网的实际计算结果验证了该方法的可行性和实用性。     

含大规模风电场的电力系统线性化最优潮流计算

考虑随机因素的最优潮流(optimal power flow,OPF)计算属于非线性计算,随着系统规模增大,计算难度大大增加,计算效率低,难以满足电力系统在线计算分析要求。针对含大规模风电场的电力系统,首先利用近似简化方法对传统考虑风电不确定性的最优潮流模型进行线性化处理,同时利用拉丁超立方采样进行风电场景生成,基于场景削减技术获得概率测度较大的少数风电场景;然后建立一种新的考虑风电不确定性的线性化最优潮流模型;最后利用简化内点法进行求解。IEEE 300节点、Polish 2 736节点系统的计算结果表明,考虑风电不确定性的线性化最优潮流精度高、计算时间短、适用性强。     

基于高斯混合随机性模型的多风电场配电网概率潮流计算

风速的随机性及风电场之间的相关性对电力系统潮流分析具有重要影响。计及风速的随机性及多风电场之间的相关性,提出一种改进的概率潮流计算方法。基于多风电场实际出力样本数据,利用k-means算法确定高斯混合模型的参数数量,并利用数据筛选过程改进高斯混合模型以提高联合分布模型的精确度;引入基于Nataf估算变换的三点估计法对所建概率分布模型进行采样,并将采样数据与电力系统潮流平衡方程结合以实现概率潮流计算。IEEE 18节点系统的算例结果表明,所提方法具有较高的计算精度和计算效率。     

基于Faure序列的电力系统概率潮流计算

风电场的大规模接入使得在进行电力系统概率潮流计算时需要考虑风电场出力的随机性。传统的蒙特卡洛法计算时间长、占用内存大。提出一种基于Faure序列的含风电场电力系统概率潮流计算方法。IEEE30节点和IEEE118节点系统对所提方法的准确性与有效性进行了仿真验证。仿真结果表明:Faure序列法可以较好地估计输出随机变量的概率分布,能有效地处理间歇性能源接入系统后的不确定性问题。     

基于贝叶斯理论的考虑多维风速之间相关性的概率潮流计算

随着风机大规模投入运行,多维风电场之间风速的相关性会影响电力系统的稳定性.考虑相关性的概率潮流计算有助于合理地调控电力系统运行方式以及优化调度,从而提升系统的稳定性.文中针对多维风电场之间的相关性,提出了一种基于贝叶斯理论的最大期望算法及Rosenblatt变换的概率潮流三点估计法,该算法能够很好地捕捉风电场之间的非线性相关性,计算多维风电场风速的联合分布函数并应用于概率潮流计算.最后,通过IEEE 118节点系统对算法进行验证,并与蒙特卡洛模拟法及Nataf变换作横向对比,结果表明所提算法兼具精度高、收敛速度快等优势.     

考虑电压稳定约束含风电场的电网动态最优潮流研究

电压稳定性是风电场的并网运行后所需考虑的一个重要问题.在传统优化潮流的基础上,将改进后的电压稳定性指标引入到优化算法之中,研究了多时段不同穿透功率下的动态优化潮流.根据风力异步电动机的特性方程,将其模型与原始一对偶内点算法算法相结合,推导得出了考虑电压稳定约束含风电场的电力系统动态最优潮流计算的内点算法.该算法可有效保持内点法的收敛快、鲁棒性等优点,实现对系统的优化.最后,考虑不同穿透功率,对算例系统进行了优化计算,分析了风电场对系统的经济性和电压稳定性方面的影响.通过算例分析,得出了一些相关的结论.     

含经VSC-HVDC并网海上风电场的交直流系统概率最优潮流

由于海上风速的不确定性,海上风电场并网会对电力系统最优潮流(OPF)产生影响,提出含基于电压源换流器的高压直流输电(VSC-HVDC)并网海上风电场的交直流系统概率最优潮流计算模型。首先,利用非参数核密度估计拟合海上风速分布,建立海上风电场和VSC-HVDC的稳态模型;然后,基于拉丁超立方采样得到标准正态分布样本,利用等概率变换理论和Nataf变换技术得到具有相关性的输入变量样本;最后,采用原对偶内点法进行OPF计算,得到输出变量的样本,利用统计学方法得到输出变量的数字特征和概率分布。IEEE 14节点和IEEE 118节点系统仿真结果验证了算法的准确性和高效性。     

基于卷积的风速和负荷相关性分类处理的概率潮流计算

含相关性风电的电力系统概率潮流算法需具备同时处理风速相关性和负荷相关性的能力。现有的概率潮流算法一般采用蒙特卡罗方法统一处理两类相关性,但该算法计算量较大,且忽视了风速和负荷在概率分布特性上的差异。为此,本文提出风速相关性和负荷相关性分类处理的概率潮流算法。该算法延用蒙特卡罗法计算相关风电场总出力的概率密度曲线,并利用负荷一般呈正态分布的特性,采用解析法快速求取总负荷的正态分布函数,最后将两类结果进行卷积计算获得支路潮流的概率密度函数。由于在处理具有相关性负荷时避免了负荷样本的生成与采样,该算法可以提高概率潮流的计算效率。以含多风电场的IEEE RTS-96系统和IEEE 118系统为算例,与蒙特卡罗法、点估计法及累积量法进行比较,验证了本文方法的有效性和优越性。     

考虑光伏出力相关性的配电网概率潮流

分布式光伏发电出力随机性强,且同一区域内的光伏出力相关性显著。考虑光伏接入的配电网概率潮流研究,关键在于相关非正态的光伏输入随机变量的处理。采用Nataf变换进行相关非正态输入随机变量的抽样,并与点估计方法相结合,提出了考虑光伏出力相关性的配电网概率潮流计算方法。与传统处理相关问题的正交变换相比,Nataf变换能够反映相关系数在不同变量空间中的变化,因此,在处理相关非正态随机变量方面,Nataf变换比正交变换法更为精确。通过对含有分布式光伏发电的IEEE 33节点算例系统的计算,验证了Nataf变换的优越性。进一步,分析了不同光照强度相关系数、负荷功率波动大小以及估计点个数对概率潮流计算结果精度的灵敏度。     

含TCSC的电力系统最优潮流控制

电力系统最优潮流问题(OPF)对保证系统的电压质量、安全性和经济性都是十分重要的。针对含有柔性交流输电系统的最优潮流问题,根据可控串联补偿器(TCSC)的功率注入模型,建立适于潮流和最优潮流计算的数学模型,在常规最优潮流问题的基础上,充分考虑TCSC元件对系统潮流的影响,从而建立起TCSC运行情况下的非线性最优潮流模型,并应用了一种有效的求解上述模型的方法——路径跟踪内点法。仿真表明该方法能有效解决含TCSC的电力系统最优潮流问题。     

基于改进内点法的含风电场的系统最优潮流计算

提出一种基于改进现代内点法的含风电场的电力系统静态最优潮流算法。通过简化异步发电机模型,将异步电机的滑差引入到计算变量中;将风电机组的机械功率与电磁功率之差作为等式约束加入到算法中。通过修正内点法中的雅可比矩阵和海森矩阵,进行求解。该算法保持了内点法的鲁棒性等优点,算例测试结果显示了该方法的可行性和有效性。     

基于点估计法和随机潮流约束的电网及风电场相关特性研究

针对传统电网多目标规划方法的规划过程中随机变量分布不均,导致精度低、误差大、成本高等问题,以点估计法和随机潮流约束为基础,研究了风电场相关特性,提出相关电网规划方法,通过多项式正态变换技术,对电网内部的不确定因素,即非正态相关变量进行处理,结合最小二乘拟合法计算正态变换项数,引用点估计法确定电网中随机变量的边缘分布和相关性,进行建模,统计分布概率,简化建模模型,通过分析总体样本均值和样本方差均值,确定出量化相关性对电网规划的影响,经过变换得到采样点,进行潮流计算,获得电网输出目标矩阵,实现电网多目标规划,完成风电场相关特性研究。对IEEE-RTS节点进行算例分析,结果表明,基于点估计法和随机潮流约束的电网多目标规划方法具有很强的分析能力,当风电场相关系数达到0.8时,采样值出现极大值和极小值的概率极大增加,规划最大误差小于1.5%,提高了规划效果。     

求解含风电相关性区间潮流的仿射变换最优场景法

风电场发电功率有很强的不确定性和相关性,影响电力系统不确定潮流分布情况。为了能准确掌握电力系统潮流状态的区间分布特性,区间潮流作为不确定潮流计算工具,需要考虑风电的不确定性和相关性。采用联合采样区域的相关角量化风电出力的区间相关性,构建了考虑风电相关性的区间潮流(Interval Power Flow,IPF)模型,并提出了一种基于仿射变换的最优场景算法(Optimal Scenario Algorithm with Affine Transformation,OSA-AT)加以求解。该算法利用仿射变换先将相关的风电出力区间分布转化为独立的区间变量,然后应用最优场景法将区间潮流转化为一系列确定非线性优化问题,进而采用内点法计算获得潮流状态量的最大值和最小值,即区间分布。IEEE-14和IEEE-118系统的计算结果表明,所提方法可以精确处理区间变量相关性,且与蒙特卡罗方法(Monte Carlo, MC)相比,其计算效率可提高数十倍。     

基于离散傅里叶变换矩阵的概率最优潮流计算方法

随着大规模可再生能源并网,不确定性源增多,现代电力系统规模扩大,导致其电力系统概率最优潮流计算更加耗时。其中,网络规模变大将导致单次确定性最优潮流的求解变得更为复杂,而另一方面不确定源变多的潜在后果是必须增加确定性最优潮流的求解次数才能保证输出结果的精确性。针对上述问题,引入离散傅里叶变换法(Discrete Fourier transformation matrix,DFTM)对概率最优潮流进行分析与计算,并对其样本点的选取策略进行了深入分析。DFTM法采点数量灵活,同时可以精确地处理具有相关性的随机变量,能够较好地兼顾目前概率最优潮流计算中的精度与速度问题。最后基于改进的IEEE 118节点算例,以传统蒙特卡洛模拟法的结果作为参考,验证了DFTM法在非对称分布变量所占比例不同场景下的概率最优潮流计算精度与速度优势。并通过与无迹变换法进行对比,进一步展现了DFTM法的优越性能。     

概率最优潮流的点估计算法

针对电力市场运营中存在的不确定因素,该文提出一种基于三点估计的概率最优潮流算法。这种算法采用随机变量的高阶矩构造估计点,通过随机变量与目标函数之间的确定性关系对目标函数进行点估计,得到目标函数的统计特征值。文中所提出的算法能方便地将概率问题转化为确定性问题处理,因此可利用电力系统中已有的计算资源,提高计算效率。IEEE-30和118节点系统算例表明,和蒙特卡罗仿真及两点估计法相比,基于三点估计法的概率最优潮流分析计算量小,结果准确,得到的概率信息能更全面地反映电力市场的运行状况。     

计及风速与风机故障相关性的概率潮流计算

针对计及风速与风机故障不确定性及相关性的风电并网电力系统概率潮流计算问题,基于Nataf变换建立了能够同时考虑风速、风机故障不确定性和相关性的风电场出力模型,提出一种可灵活处理风速与风机故障相关性的Monte Carlo概率潮流计算方法,并引入"拉丁超立方抽样"技术提高抽样效率,降低计算复杂度。仿真结果表明:该方法能反映风电场出力的实际情况,合理评估风电并网对电力系统概率潮流的影响,有助于风电场的选址及电网规划。     

基于数字网系方法的概率最优潮流计算

风电场和光伏电站的大规模接入使得在进行电力系统最优潮流计算时需要考虑风电场和光伏电站出力的随机性。传统的蒙特卡洛法耗时长、占用内存大,文中提出一种利用数字网系(DN)的采样值具有等分布这一特性来改善输入随机变量分布空间覆盖程度的方法,并将该方法用于含风电场和光伏电站的电力系统概率最优潮流计算中。以IEEE 30节点系统对所提方法的准确性与有效性进行了验证,仿真结果表明:DN方法可以较好地估计输出随机变量的概率分布,能有效地处理电力市场中的不确定性问题。将该方法用于IEEE 300节点系统,研究了系统接入不同容量光伏电站对节点电价的影响。同时,还将风电场和光伏混合系统与单独风电场系统进行对比,得到前者的节点电价、网损和支路功率波动更小的结论。