考虑多风电场相关性的场景概率潮流计算及无功优化

针对结合K-means聚类和Copula函数建立场景概率模型时,K-means聚类不能根据风电出力数据分布特点自发确定最佳聚类数这一不足,提出通过基于密度的聚类有效性指标确定最佳聚类数。并以此建立最优场景概率模型,采用改进型回溯搜索算法(BSA)进行无功优化。以澳大利亚的两个相邻风电场实测出力为例,在含多风电场的IEEE30节点系统中对所提方法进行验证,算例结果表明采用所提方法确定的最优场景概率模型能准确描述多风电场输出功率之间的相关性。     

考虑风电场相关性的含风电电力系统随机潮流分析

地理位置接近的不同风电场的风速具有较强的相关性,这将会影响含风电电力系统随机潮流分析评估的结果。首先根据多风电场的风速历史数据建立了考虑不同风电场相关性的风速离散化联合概率模型,在此基础上结合半不变量和级数展开方法,提出考虑风电场相关性的含风电电力系统随机潮流分析评估模型,得到各节点电压的分布和越限概率等指标,同时该模型也可以考虑风电场有功无功出力的相关性。对某实际电力系统的算例验证结果表明,所提算法较不考虑风电场相关性的随机潮流结果的精度提高了很多;与蒙特卡洛方法计算结果相比误差较小,而计算速度大大提高。该算法可以快速有效地得到含风电电力系统的随机潮流评估指标,并针对所得结果提出相应的无功补偿方案,具有较好的工程应用价值。     

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。     

基于场景概率潮流的电力系统无功优化研究

多风电场出力的随机性和互相关性特点对电力系统无功优化调度有着不可忽视的影响。针对这一问题,提出一种基于场景概率潮流的电力系统无功优化方法。该方法将风电出力场景化,结合概率潮流计算,以系统有功网损、发电机无功偏差和节点电压偏差期望加权值最小作为无功优化目标函数,利用粒子群算法求得各风电出力场景下的最优无功控制策略。在含多风电场的IEEE 30节点系统中对所提方法进行测试,并与确定性的场景无功优化方法相对比,验证了所提方法的有效性。     

计及风速相关性的电网静态安全风险评估

电网内的多个风电场由于地理位置比较接近,具有较强的风速相关性,会影响概率潮流的结果。采用Nataf变换建立多个风电场间的风速相关性样本空间,进而得到具有相关性的风电场出力。以风速相关性下的系统当前运行状态为基础,构成预想事故集,将全概率理论与排序集采样概率潮流相结合,进行风速相关性下的电网静态安全风险随机潮流计算,并对电网安全风险进行评估。在风电接入改进IEEE 30节点系统中使用RSMCS方法进行仿真,结果表明所提方法可准确、快速地评估风速相关性下系统当前运行状态的静态安全风险。     

基于隐马尔科夫模型的多风电场相关性出力时间序列建模方法

生成具有相关性的多风电场中长期出力时间序列,对电力系统规划和调度运行具有重要的意义。该文提出一种基于隐马尔可夫模型的多风电场出力时间序列建模方法。将风电出力的相关性作为隐马尔可夫模型的状态变量,并利用Markov链描述其时变特性;将各风电场在相邻时刻的出力作为隐马尔可夫模型的观测变量,建立相关性状态与相邻时刻出力的概率映射关系。利用Baum Welch算法估计隐马尔可夫模型参数,获取时变相关性状态的转移概率矩阵和各状态下多个风电场在相邻时刻出力的联合概率分布。最后,通过蒙特卡罗仿真逐月生成多风电场出力的时间序列场景。算例中对我国西北某省份的3个风电场进行测试,结果显示:所提方法生成的各风电场出力的年/月特性、概率分布特性、波动特性和自相关性均优于独立建模方法,并且风电出力相关性与历史序列非常接近,证明所提方法的有效性。     

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。     

考虑光伏非线性相关性的电力系统概率潮流计算

针对目前概率潮流计算中未能全面考虑光伏电源输出功率相关性的不足,从电力系统中的随机特性出发,考虑系统中相邻地区间光伏出力非线性相关性,提出一种光伏并网系统的概率潮流计算方法。该方法采用加权高斯混合分布构建光伏出力的数学模型,在此基础上结合拉丁超立方采样算法来提高采样效率,降低潮流计算复杂度。在含有光伏接入的IEEE 14节点系统中进行仿真计算分析,验证所提研究方法相比于传统研究方法的准确性和有效性。     

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。     

含高比例分布式光伏的配电网多目标概率规划方法

针对分布式光伏出力不确定性造成的配电网规划成本增加、运行稳定性降低问题,文章提出了一种含高比例分布式光伏的配电网多目标概率规划方法。通过K-means聚类对光伏出力数据进行场景削减,得到典型场景集及其概率模型,基于蒙特卡洛概率潮流生成不确定性场景,模拟分布式光伏实际运行情况。基于所得不确定性场景,建立双层概率规划模型：上层以投资建设成本最小和光伏渗透率最大为目标,对分布式光伏及储能进行选址定容,下层考虑分布式光伏出力的不确定性,以概率潮流下的运维成本、网损成本、购电成本和电压偏差指数最小为目标,对分布式光伏出力以及储能各时段充放电功率进行优化。采用改进的粒子群(particle swarm optimization, PSO)算法对概率规划模型进行求解。采用安徽某地光伏出力作为典型数据,以IEEE 33节点系统为算例开展多场景算例分析,结果表明：与传统规划方法对比,所提方法能够提升光伏渗透率和配电网运行稳定性,并降低综合成本。