基于Copula方法的风光互补发电系统相关性模型研究

风光互补发电系统中风速和光照具有相关性,二者联合分布函数的建立可以提高配电网可靠性评估水平。文中以地区一年间风速和光照的最大值为样本,采用核密度估计得到风速和光照的累积分布函数,通过三种阿基米德Copula函数分别构造二者的二元联合分布函数解析式,以最小的拟合误差选择出最优的Copula函数。     

基于Copula理论的风电场间风速及输出功率相依结构建模

在电力系统规划和运行中,对风能的随机相关性进行建模是获取准确结果中非常重要的环节。鉴于风速分布呈现非线性和尾部相关性模式,区别于应用较为广泛的线性相关分析,文中引入了Copula函数对风电场风速以及输出功率之间的相依结构进行系统建模,建立了多风电场风速及功率的联合分布函数。对甘肃酒泉地区4个风电场风速相依结构的研究表明,对于有一定相关性的2个风电场,其风速之间的相关性呈现非对称的尾部特性,单一Copula函数较难精准表述其相依结构,故构建混合Copula函数,即根据拟合优度检验选取合适的Copula函数的凸组合进行描述更为准确;对福建2个风电场输出功率相依结构的研究表明,Gumbel-Copula适合用于2个风电场输出功率的相依结构建模。最后给出了四维风速的相依结构模型。     

计及风速电锅炉等电采暖负荷相关性的配电网可靠性评估

风力发电和电锅炉等电采暖负荷接入配电网的可靠性评估过程中,风速-负荷联合二元正态分布函数不能够反映风速-电锅炉等电采暖负荷之间的相关性,从而影响了计算的准确性。基于Copula理论,建立风速-电锅炉等电采暖负荷相关性的Gumbel-Copula函数关系,通过极大似然估计确定Copula函数中的具体参数,得到其联合概率密度分布函数,并利用蒙特卡洛模拟法计算配电网可靠性指标。通过算例分析结果表明,Gumbel-Copula函数能够较好地反映风速和电锅炉等电采暖负荷之间的相关性,基于所提模型可有效、准确地计算风电和电采暖负荷接入配电网的可靠性。     

基于非参数估计和最优Copula的电力系统概率潮流算法

分布式发电的接入给电力网络带来了极大的不确定性,概率潮流计算是分析这种不确定性的重要方法。针对变量边缘分布求解以及多个节点存在相关性的问题,提出了一种基于非参数估计和最优Copula的电力系统概率潮流算法。利用非参数估计构建了随机变量的边缘分布,采用Copula函数描述随机变量间的相关性,并基于极大似然估计和欧氏距离法确立了最优Copula函数,从而获得了随机变量的联合概率分布,最后对联合分布进行随机采样计算。经IEEE 30节点系统仿真,结果表明经过非参数估计后的风速边缘分布符合风速频率直方图的分布规律,同时算法精度可靠,适合计算含分布式发电接入的网络潮流。     

利用贝叶斯线性回归结合混合Copula函数分析风电功率的相关性

分析风电场之间的出力相关性有助于合理规划风机的功率输送以及调度优化,从而提高传输线路的利用率。以冀北地区风场为例,首先分析了该区域风速的分布特性,然后利用贝叶斯线性回归算法建立混合Copula函数模型,拟合得到4个机群风速序列的联合分布,计算出风电场之间的出力相关性,并与其他相关性函数建模进行对比研究。研究结果表明,基于贝叶斯线性回归的混合Copula函数模型能够提高参数估计的精确性,从而使得计算出的相关性更为准确,并且由其拟合得到的出力概率分布与实际风场出力的概率分布较为一致。     

采用藤Copula构建风电场风速相依模型

提出了采用基于Pair-Copula分解的藤Copula理论建立多元风速相依模型的方法。该方法首先考虑了风速分布的随机性,并计及风电场内部风机群风速间的相关性,采用Canonical藤描述Pair-Copula分解的逻辑结构,通过求解Canonical藤结构中的Pair-Copula概率密度函数PDF(probabilitydensity function),得到高维联合分布下的Pair-Copula多元风速相依模型;再对某实际风电场进行实证分析,得到了风电场内部6个风机群间风速的Pair-Copula联合概率密度函数JPDF(joint probability density function);最后在风电场风速相关结构的问题上进一步研究分析,为下一步建立混合Copula函数模型提供思路。     

基于光照过程特征分析的光伏功率异常数据识别算法

高质量的光伏功率数据是进行光伏研究的基础,而从光伏电站采集到的数据含有较大比例的异常数据,因此须对光伏功率异常数据进行识别。将不同光照特性的光伏功率数据分别进行建模,对辐照度与功率的概率分布函数进行Copula联合分布函数构建。利用基于经验函数的BFGS参数估计方法对各类Copula函数进行参数估计。参照各Copula函数与经验联合分布函数的欧氏距离与K-S值进行Copula函数选取。结合估计区间最窄原则得出光伏功率条件概率分布90%置信度下的概率功率曲线。根据工程经验以及考虑异常数据时序特性,依照四类异常数据的判别准则,建立异常数据识别模型。利用光伏电站原始数据与人工合成异常数据进行仿真分析,结果表明所提方法能有效、准确地识别出各类异常数据。     

基于C藤Copula理论的水风互补系统调峰方法

水电与风电是我国装机规模最大的两类清洁能源,准确描述风电出力场景是实施水风互补以解决间歇性新能源发电大规模消纳难题的重要途径。依托云南电网实际工程,提出基于C藤Copula理论的水风互补系统调峰方法。耦合风速等气象信息聚类风电出力样本,建立Copula联合分布以描述同地区风电场间的出力空间相关性,引入C藤Copula条件树确定不同地区的风电出力主导电站,将多维联合Copula函数等效描述为系列二维Copula函数,实现多电站高维联合分布的降维求解,并耦合风电出力场景构建了水风互补随机调峰模型。通过13座水电站与21座风电场构成的互补系统验证分析,所提方法可减少余荷峰谷差约67%;与确定性模型相比,在风电出力波动大的典型日调峰效果和运行可靠性更好,呈现出良好的实用性。     

基于Copula函数的北京市设计降雨研究

准确描述不同重现期下的设计降雨,能够为水利工程规划设计和防洪减灾提供重要的科学依据。本文以北京市2005—2018年20个站点逐小时的降水数据为基础,采用超定量法提取各分区不同场次强降雨的降雨历时和降雨量,构建了各个分区降雨历时和降雨量的二元分布,并计算了各个分区在不同重现期下的设计雨量。结果表明：北京市城区的强降雨事件明显多于山区,且降雨历时以服从广义极值（GEV）分布和对数正态分布为主,而降雨量则均服从GEV分布;在大多数分区通过Gumbel Copula函数可以更好地表征降雨历时和降雨量二者的联合分布,而在少部分分区运用Frank Copula函数来表征更佳;运用二元Copula函数可以较好地推求不同重现期下的设计雨量。     

基于混合Copula函数的洪水联合概率计算方法

洪水频率计算是涉水工程规模确定的依据。混合Copula函数比单一Copula函数能够更好地刻画多维洪水随机变量的分布特征。本文以加拿大魁北克省马达瓦斯克河流域的洪水数据为例,利用单一Copula函数构造两种混合Copula函数,采用粒子群算法和遗传算法求解混合Copula函数权重系数,并选择拟合最优的混合Copula函数进行洪水频率计算。结果表明：混合Copula函数的均方误差最大值分别为0.000567和0.000352,均小于单一Copula函数指标值,且由旋转Copula函数构成的混合函数效果更优。变量较大值组合发生时,混合Copula函数联合重现期计算结果小于单一Copula函数计算结果,同现重现期计算结果要大于单一Copula函数计算结果。     

Probabilistic optimal power flow considering dependences of wind speed among wind farms by pair-copula method

This paper aims at exploring the impacts of high dimensional dependences of wind speed among wind farms on probabilistic optimal power flow (POPF). Kernel density estimate method is employed to estimate probability distribution of wind speed. A joint probability distribution function of wind speed among wind farms is obtained by pair-copula method, which can use variational bivariate copula functions to consider dependences of wind speed between two arbitrary wind farms and overcome the constraints of high dimensional copula function, not taking the mutual dependences of wind speed into account. Finally, the POPF calculation is operated by monte carlo simulation method under four cases to consider high dimensional dependences of wind speed among wind farms. Simulation results show that the impacts of dependences of wind speed on the POPF results exist and that cannot be ignored. Based on the pair-copula method to construct high dimensional dependences, the average relative errors of POPF results is smaller than that by other methods. Besides, the distribution curve of output variables is also close to that obtained by using actual wind speed data. Under the case of high requirements for calculation accuracy, it is a feasible scheme for using pair-copula method to construct dependences of wind speed to calculate POPF.     

三种计算风速威布尔分布参数的比较

介绍计算威尔分布参数的累积分布函数拟合法、平均风速和标准差估计法和平均风速和最大风速估计等三种算法,并应用此算法计算了鄱阳气象站的风速威布尔分布参数。根据分布参数拟合了鄱阳县气象站的三种风速概率分布,将拟合的风速概率分布与同期的风速实际频率分布结果进行相关分析,依据相关系数判断拟合效果的好坏。通过比较得到了以下结论:平均风速和标准差估计法效果最好,累积分布函数拟合法次之,由于最大风速变化比较随机,平均风速和最大风速估计法效果波动最大,整体效果差。通过多年最大风速的平均数与平均风速计算,能减少最大风速抽样的随机性误差,结果更具代表性。     

覆冰架空导线舞动跳闸概率计算新方法

覆冰导线的舞动严重威胁着电力系统安全稳定运行,如何准确地计算覆冰导线舞动导致的输电线路跳闸的概率成为备受关注的研究课题之一。提出了基于舞动运动方程、气象信息及故障信息相结合的覆冰导线舞动的跳闸概率计算新方法。首先由风速与冻雨量的历史样本获得风速与冻雨量的概率分布函数,然后根据牛顿定律建立了覆冰导线的单自由度舞动模型;进而,采用里茨-伽辽金方法求解舞动模型,获得了以风速和覆冰厚度为自变量的舞动幅值解析表达式;基于已获得的风速与冻雨量的概率分布函数,获得与二者为函数关系的覆冰厚度的概率分布函数,进而获得舞动幅值的概率分布函数;最后,根据覆冰舞动跳闸的历史故障记录所获得的泊松分布求得覆冰导线舞动幅值越限及短路故障的联合概率,结合贝叶斯公式获得舞动幅值越限条件下的覆冰导线舞动跳闸概率。算例证明了该方法的正确性及有效性。     

风电场风速概率分布参数计算方法的研究

风电场风速概率分布体现了风能资源统计特性的重要指标。在认为风速服从两参数Weibuu分布前提下，提出了应用极大似然法根据实测的风速数据求解风速概率分布参数，由此估算出能直接体现风能资源状况的风能特征指标值。通过比较由风速概率分布推算出风能特征指标的估计值与由历史风速数据序列获得的实测值，说明极大似然法计算精度高，Weibuu分布作为风电场风速统计模型能准确地拟合风能的实际情况，具有实用价值，为风电场规划设计提供重要参考。     

Research on multi-terminal traveling wavefault location method in complicatednetworks based on cloud computingplatform

Determination of the output power of wind generators is always associated with some uncertainties due to wind speed and other weather parameters variation, and accurate short-term forecasts are essential for their efficient operation. This can efficiently support transmission and distribution system operators and schedulers to improve the power network control and management. In this paper, we propose a double stage hierarchical adaptive neuro-fuzzy inference system (double-stage hybrid ANFIS) for short-term wind power prediction of a microgrid wind farm in Beijing, China. The approach has two hierarchical stages. The first ANFIS stage employs numerical weather prediction (NWP) meteorological parameters to forecast wind speed at the wind farm exact site and turbine hub height. The second stage models the actual wind speed and power relationships. Then, the predicted next day’s wind speed by the first stage is applied to the second stage to forecast next day’s wind power. The influence of input data dependency on prediction accuracy has also been analyzed by dividing the input data into five subsets. The presented approach has resulted in considerable forecasting accuracy enhancements. The accuracy of the proposed approach is compared with other three forecasting approaches and achieved the best accuracy enhancement than all.     

Analysis of voltage stability uncertainty using stochastic response surface method related to wind farm correlation

Wind speed follows the Weibull probability distribution and wind power can have a significant influence on power system voltage stability. In order to research the influence of wind plant correlation on power system voltage stability, in this paper, the stochastic response surface method (SRSM) is applied to voltage stability analysis to establish the polynomial relationship between the random input and the output response. The Kendall rank correlation coefficient is selected to measure the correlation between wind farms, and the joint probability distribution of wind farms is calculated by Copula function. A dynamic system that includes system node voltages is established. The composite matrix spectral radius of the dynamic system is used as the output of the SRSM, whereas the wind speed is used as the input based on wind farm correlation. The proposed method is compared with the traditional Monte Carlo (MC) method, and the effectiveness and accuracy of the proposed approach is verified using the IEEE 24-bus system and the EPRI 36-bus system. The simulation results also indicate that the consideration of wind farm correlation can more accurately reflect the system stability.     

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.     

基于通用分布的风电功率出力动态场景生成方法

随着大规模风电接入电网,风电功率的不确定性使得电力系统的运行与调度面临着新的挑战。针对风电功率的不确定性,本文提出了基于通用分布的风电功率动态场景生成方法,将风电的不准确性转化为确定性模型。本文首先利用通用分布良好的拟合特性去近似表征风电功率的实际分布,然后对风电的波动性进行建模,通过逆变换抽样的方法生成大量既符合风电的随机性又符合波动性的场景。为了验证所提方法的有效性,本文从场景生成的速度和精确程度方面进行了比较。以实际风电数据为基础的仿真算例验证了所提的基于通用分布的风电功率出力动态场景生成方法的可行性。