主元分析结合Cornish-Fisher展开的概率潮流三点估计法

传统点估计概率潮流计算(Probabilistic Load Flow Calculation Based on Point Estimate Method, PLF-PEM)没有考虑输入随机变量相关系数矩阵非正定之情形。为克服上述不足,更准确地描述输出变量的统计特性,提出一种主元分析结合Cornish-Fisher级数展开的PLF-PEM算法。利用主元分析处理相关性输入随机变量,通过点估计方法得到输出变量的各阶矩。结合半不变量理论与Cornish-Fisher级数展开,利用输入变量的离散样本数据求得输出随机变量的数字特征和概率统计信息。算例表明所提算法能适应新能源发电高渗透电力系统的快速概率潮流计算。     

计及输入变量相关性的半不变量法概率潮流计算

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。传统半不变量法概率潮流(PLF based on cumulant method,PLF-CM)要求各输入变量相互独立,这使其不能直接应用于输入变量具有相关性的场合。针对这一情况,提出一种基于Cholesky分解的计及输入变量相关性的PLF-CM计算方法。同时,为解决一些输入变量的半不变量难以被常规数值方法求解的问题,提出基于蒙特卡罗抽样的方法,该方法利用输入变量的样本计算其半不变量。对改进的IEEE 14节点系统进行仿真计算,结果验证了所提方法的有效性、准确性和实用性。在此基础上利用所提方法分析了风速相关性对系统运行特性的影响。结果表明系统运行特性受风速相关性影响较大。     

不同级数展开的半不变量法概率潮流计算比较分析

半不变量法概率潮流能快速求出系统状态变量的分布。该方法在系统基准运行点进行线性化,波动性强的风电和光伏发电的大规模并网会增强系统功率的波动强度,而且不同级数展开适用于不同的变量分布类型。以含风电／光伏发电的电力系统为分析对象,以蒙特卡罗法计算结果为参考值,以输出随机变量累积分布的方差和的根均值为评价指标,比较分析了各种输入随机变量和不同级数展开下半不变量法概率潮流计算结果的准确性,并阐述了其误差产生机理。     

基于拟蒙特卡洛的半不变量法概率潮流计算

随着风电并网容量的增加,概率潮流计算方法在计及风电出力不确定性的同时,还需考虑邻近风电场由于风速相关性导致的风电出力相关性问题。针对风电出力波动范围较大且存在相关性的特点,提出一种可考虑输入变量相关性的基于拟蒙特卡洛的半不变量法概率潮流计算方法。该方法利用基于Nataf变换的拟蒙特卡洛法产生具有相关性的风电出力样本,在各样本点处进行半不变量法概率潮流计算,基于各风电出力样本下的状态变量正态分布特性,依全概率公式整合所得正态分布得到最终的概率潮流结果。基于IEEE 30节点系统的算例分析表明,所提方法在较小采样规模下具有很高的计算精度,能够较精确地得到系统状态变量的概率分布。     

基于拟蒙特卡罗和半不变量法的概率潮流计算

为实现含风电出力电网概率潮流计算精度的提高,提出一种结合拟蒙特卡罗和半不变量的方法。建立风电出力模型,采用拟蒙特卡罗模拟法(QMCS)抽取Sobol确定性低偏差点列,结合半不变量法,算出节点状态变量以及各支路潮流的半不变量,引入Gram-Charlier级数,以概率潮流计算为工具,对相关节点电压进行模拟,并与传统蒙特卡罗模拟(MCS)方法和MCS结合半不变量法对比。算例表明,相同抽样次数下QMCS结合半不变量法的计算结果更接近真解,并且计算速度相对更快。     

计及多机平衡策略的半不变量法在线概率潮流

为提高半不变量概率潮流算法的实用性,提出了一种多机平衡概率潮流计算方法。在传统半不变量概率潮流算法的基础上,该方法通过修正待求变量对节点注入功率的灵敏度矩阵,实现了计及系统常规调频特性及常规能源与间歇式能源互补策略对系统潮流分布的影响。算例分析部分通过IEEE标准节点系统与实际省级电网模型的仿真分析验证了所提算法的准确性与实用性。     

基于半不变量法概率潮流的光伏配电网风险评估

为了高效准确实现光伏配电网越限风险评估,引入自适应核密度估计法拟合实际的光照强度序列,建立光伏电站出力特性概率分布模型。采用Cornish-Fisher级数结合半不变量法实现对光伏配电网的概率潮流计算,通过蒙特卡罗法验证半不变量概率潮流计算的准确性,建立电压越限风险指标和支路潮流越限风险指标实现对光伏配电网评估。通过Matlab仿真验证算法对光伏配电网系统风险评估的准确性和高效性。     

奇异值分解结合均匀设计采样的半不变量法概率潮流计算

在样本形成过程中半不变量法概率潮流(PLF-CM)计算可能遇到输入变量相关系数矩阵非正定的情况,此时常用的Cholesky分解不再适用。提出一种奇异值分解(SVD)结合均匀设计采样(UDS)的PLF-CM计算方法。通过SVD和UDS结合Nataf变换得到考虑相关性的随机变量样本,借助这些样本计算常规数值方法难以求解的部分输入变量的半不变量,利用SVD处理输入变量的协方差矩阵以准确计算输出变量的半不变量,采用Cornish-Fisher级数展开求得输出变量的概率分布。以改造后的IEEE 14节点测试系统为算例,验证了所提方法的快速性、有效性及对高渗透率新能源发电的适应性。     

考虑电源与负荷间存在非正定相关性的概率潮流计算方法研究

随着电动汽车等新型电力系统负荷类型的出现,电源和负荷间的相关性日趋复杂,针对利用Cholesky分解完成概率潮流计算会受电力系统电源和电力系统负荷之间相关矩阵影响的问题,即随着相关矩阵维度的增加相关矩阵变为非正定,最终导致潮流计算无法进行的问题。文章提出一种新颖的处理相关性矩阵非正定的半不变量法,将修正Barzilai-Borwein梯度法与Nataf变换相结合,解决变量间相关矩阵非正定问题,并在IEEE-33节点系统中分析新型电力系统各类电源和负荷相关性对计算结果的影响,验证文章所提方法准确性。     

基于拉丁超立方采样技术的半不变量法随机潮流计算

新能源发电的兴起加剧了电力系统运行中的不确定性和关联性,传统潮流计算方法无法适应新环境下电网分析和评估的要求。提出一种可考虑输入变量相关性的基于拉丁超立方采样技术的半不变量法随机潮流计算方法。该算法综合了模拟法精度高、适用性广和半不变量法计算速度快的优点,采用分段线性化潮流模型减小截断误差,并通过Cholesky分解解决了半不变量法只能处理独立变量的难题。对IEEE 30和IEEE 118节点系统的测试验证了所提方法的准确性、快速性和实用性。     

基于改进高斯混合模型的概率潮流解析方法

大规模风电并网使电力系统的随机性问题日益突出,概率潮流分析是一种能够计及电力系统随机性的稳态运行分析重要工具。针对风电的随机性和多个风电场出力之间的相关性问题,提出利用遗传算法改进的高斯混合模型求解多个风电场出力的联合概率密度函数,利用联合概率密度函数对多个风电场出力的随机性和相关性进行刻画。在此基础之上,利用线性潮流方程计算多条线路和多个节点电压的联合概率分布,最终求解概率潮流的计算结果。仿真结果表明,所提方法计算精度高,速度快,利用联合概率密度函数和联合分布函数能够比边缘分布更精确地评估电力系统多条线路同时过载的风险。     

基于主成分分析L-M神经网络高峰负荷预测研究

在论述电网高峰负荷预测重要性和特点的基础上,将高峰负荷样本,按节气工作日和节假日样本进行聚类,从输入空间入手,采用主成分分析法,减少输入向量的维数,并保留原来输入向量的有用信息,再利用L-M优化算法的多层神经网络预测模型对辽宁电网高峰负荷进行了模拟预测,预测精度令人满意。     

基于主成分分析法和自适应神经模糊推理系统的电力负荷预测

提出了一种基于主成分分析法与自适应神经模糊推理相结合的电力系统负荷预测方法，通过对影响电力负荷的相关因素进行主成分分析，减少自适应神经模糊推理系统的输入量，可以提高系统预测的效率。算例表明所提出方法是有效的和可行的。     

基于Copula函数及Rosenblatt变换的含相关性概率潮流计算

随着风电渗透率的增加,在考虑风电出力随机性和间歇性对配电网影响的同时,风电场间风速的相关性应予以考虑。将Rosenblatt变换与Copula函数相结合以处理风电场间复杂的非线性关系,提出一种基于Copula函数及Rosenblatt变换的概率潮流半不变量算法。所提方法能准确捕捉到输入变量间的非线性相关关系,且具备半不变量法计算效率高的优点。以IEEE33节点网络接入风电场对所提方法进行测试。结果证明了所提方法的有效性、准确性和实用性,所提方法计算结果较考虑线性相关性算法的计算结果更接近实际运行情况。     

基于主成分分析和概率神经网络的变压器局部放电模式识别

提出利用主成分分析(PCA)的方法对变压器局部放电原始特征参数进行降维,并提取出新的主成分因子.结果表明,提取出的主成分因子可以很好地表征原始特征向量.通过概率神经网络(PNN)分类器分别对降维前和降维后的特征向量进行训练和识别.研究发现,提取出的新因子有效缓解了分类器负担,且PNN分类器的识别效果良好,优于传统BP神经网络分类器.     

基于递推主元分析法的汽车衡称重传感器零点故障检测方法

汽车衡称重传感器零点故障是一种典型的微小故障,不易在线检测,利用递推主元分析(RPCA)与四类故障检测指标相结合的方法,提出一种汽车衡称重传感器零点故障在线检测方法。该方法首先利用基于秩1修正的主元递推算法在线更新主元模型,然后利用Hotelling’s T²统计量、平方预测误差(SPE)统计量、Hawkins T_H²统计量、主元相关变量残差(PVR)统计量及其控制限构建故障综合评判方法,最终完成称重传感器零点故障及微小故障在线检测。实验表明,采用这种基于递推主元分析和综合评判方法的称重传感器,零点故障检测准确率比传统方法(即仅采用T²、T_H²、SPE、PVR任何一类统计量进行判别),提高了一个数量级,证实了该方法的有效性。