采用拉丁超立方采样的电力系统概率潮流计算方法

与简单随机采样相结合的蒙特卡罗(Monte Carlo)模拟法只有在采样规模足够大时才能得到高精度的计算结果,计算量较大.文中提出了用拉丁超立方采样和Gram-Schmidt序列正交化方法改善采样值对输入随机变量的分布空间的覆盖程度、提高采样效率的计算方法,并应用于概率潮流计算中.IEEE 14节点系统和IEEE 118节点系统的算例验证了该方法的有效性.与传统方法相比,文中所述方法可以降低采样规模,更有效地估计输出随机变量的统计参数和概率分布,同时保留蒙特卡罗模拟法的优点,在处理相同随机变量的一系列随机问题时可以显著降低计算量.     

基于改进拉丁超立方抽样的概率潮流计算

针对基于拉丁超立方抽样的蒙特卡洛模拟法应用于概率潮流计算时相关性控制过程存在的问题,提出了一种新的可以精确处理随机变量相关性的方法。为了使采样值更为精确地反映随机变量的数字特征,在正态分布变量的样本生成过程中引入区间均值采样方法。根据离散分布的特点,在离散分布随机变量样本生成过程中引入了离散拉丁超立方抽样方法。本文提出的方法不仅可以提高计算精度,同时可以全面地给出输出变量的数字特征以及分布。IEEE 30节点仿真结果验证了所提出方法的有效性。     

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。     

基于扩展拉丁超立方采样的电力系统概率潮流计算

概率潮流分析中,拉丁超立方采样(Latin hypercubesampling,LHS)算法比简单蒙特卡罗仿真(Monte Carlosimulation,MCS)的效率要高,但是传统LHS(conventionalLHS,CLHS)算法采样数必须事先确定并且固定。针对现有CLHS技术的不足,提出了扩展拉丁超立方采样算法(Extended LHS,ELHS)并应用于概率潮流计算。扩展方法根据已有的N点LHS采样构造2N点LHS采样并保证扩展前后的相关性相近,在增加采样数的同时保留已有的潮流计算结果。由于采样数无法事先确定,因此提出了以扩展前后估计值变化量的相对值作为ELHS的实用化收敛判据。采用MCS、CLHS和ELHS方法分别对IEEE 30节点和IEEE 118节点系统进行概率潮流分析,所提出的方法能够在保证计算精度的前提下获得ELHS在不同采样数下的收敛趋势。算例结果证明了所提方法的高效性、精确性和易扩展性。     

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。     

基于阿基米德Copula和拉丁超立方采样的概率最优潮流计算

提出一种考虑随机变量相关性的概率最优潮流算法。选用广义lambda分布拟合最优潮流模型中的随机变量,建立逆累积分布函数;基于Clayton、Gumbel、Frank、Joe生成元,构筑4种部分嵌套式阿基米德Copula模型对随机变量的相关性结构建模;选取Kendall秩相关系数描述随机变量的相关性,采用相关系数匹配法求取Copula模型的参数;基于生成元的拉普拉斯逆变换,将阿基米德Copula与拉丁超立方采样相结合,生成相关的随机样本用于概率最优潮流计算。对某地区10个风电场风速样本的建模和分析,验证了广义lambda分布和部分嵌套式阿基米德Copula模型的有效性。基于IEEE 118节点系统对2种拉丁超立方采样法进行了对比。     

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。     

含潮流路由器的配电网最优潮流计算

为解决配电网控制分散、控制元件可调范围小等问题,将潮流路由器(Power Flow Router, PFR)应用于配电网。提出了一种适用于配电网的含潮流路由器的改进支路潮流模型,并基于此建立了含PFR的配电网最优潮流模型。对模型进行二阶锥松弛,并采用Gurobi等商用算法包对松弛后的模型进行求解。为考虑负荷和分布式电源出力的不确定性,提出了一种拉丁超立方抽样和二阶锥规划相结合的概率最优潮流求解方法。采用修订的IEEE33节点系统验证了所提方法的有效性。     

基于输入随机变量离散数据的概率潮流计算方法

基于实测离散数据,对风电场的出力特性进行了研究,对比分析了传统风电场出力建模方法的准确性。针对现有基于拉丁超立方采样的蒙特卡罗仿真法要求已知输入随机变量的累积分布函数这一情况,提出了一种基于输入随机变量离散数据的概率潮流计算方法。以基于简单随机采样的蒙特卡罗仿真法计算结果为基准,在加入风电后的IEEE 57节点系统上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,该方法具有计算速度快、精度高和稳健性好的优点,具有较好的工程实用价值。     

配电网谐波潮流计算

中低压配电网谐波潮流计算问题,适宜采用三相分析方法。系统分析了国标GB／T14549—93、GB／Z17625．4—2000对谐波限值以及谐波叠加方法的规定。对中低压配电网中的电气元件如变压器、传输线、负荷等构建了三相谐波模型,并提出了配网谐波潮流计算的步骤和方法。     

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。     

基于概率潮流的主动配电网日前-实时两级优化调度

为有效应对主动配电网(ADN)中间歇性电源、虚拟微网与柔性负荷等不确定变量给电网安全经济运行带来的挑战,基于概率潮流技术建立了ADN日前—实时两级优化调度模型。日前调度以ADN中各单元日前功率预测结果为依据,以运行成本最小为目标,确定次日各时段内各调度单元运行计划;在此基础上,针对实际运行中各单元的波动性和超短期预测结果进行实时调度,以不确定单元作为随机变量进行概率潮流计算,对日前调度计划进行调整,使得ADN中各节点电压和支路功率在3倍标准差内波动仍满足约束条件,提高ADN的安全裕度。最后,结合引力搜索算法和粒子群算法对调度模型进行求解,并通过算例验证模型的有效性。     

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。     

基于随机潮流的含电动汽车配电网内分布式电源规划

随着分布式电源(DG)和电动汽车的大量发展,对接入配电网的电动汽车与DG进行协同研究具有重要意义。文中以协调配电公司、DG投资商和公共社会三者之间利益为出发点,综合考虑了配电公司的运行费用、DG投资商的投资费用,以及DG的环境效益和电动汽车入网(V2G)所节省的电网投资等社会效益,建立了基于机会约束规划的含V2G配电网中DG优化规划的数学模型,采用基于混合编码的改进自适应遗传算法对该模型进行了求解。在优化计算过程中充分考虑了负荷预测值的不确定性、风电源的输出功率的随机性以及电动汽车充放电功率的不确定性,提出了电动汽车充放电对系统最大功率影响的数学模型,并采用基于半不变量法的随机潮流算法对规划模型中的约束条件进行了检验。最后,以某实际配电网系统为仿真算例,在不同置信水平约束下对该系统内DG分别进行了优化规划,验证了文中所建数学模型及相应求解算法的有效性。     

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。