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。     

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。     

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。     

考虑非正定相关性的改进LHS概率潮流计算方法

由于LHS(拉丁超立方采样)能较大程度覆盖采样区间,因此常作为概率潮流计算中的分层抽样方法。但随着风、光等分布式能源在电力系统中渗透率的提高,以及采样对象维度的增加,使得LHS所得样本的均匀性略显不足。同时,风、光等随机变量之间的相关性也会日趋复杂。相关矩阵作为表现随机变量之间相关性的有效方式,在矩阵维度增加时会出现非正定情况,从而导致基于Cholesky分解排序变换的概率潮流计算方法无法进行。针对上述问题,提出一种考虑风、光相关性为非正定时的改进LHS概率潮流计算方法,并利用改进的IEEE 30与IEEE 118系统验证了所提方法的准确性与有效性。     

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。     

适用于不同随机变量的主动配电网拉丁超立方抽样法概率谐波潮流计算

随着分布式电源的大量接入,不可避免地将大量谐波带入主动配电网,对主动配电网中谐波的特性及谐波在主动配电网中的分布情况进行研究具有重要意义。针对主动配电网,提出了一种适用于不同随机变量的拉丁超立方抽样概率谐波潮流计算方法。介绍了基于回路分析法的基波潮流计算方法以处理主动配电网的弱环网性,为处理主动配电网的PV节点问题,提出了一种严格的PV节点修正方法;针对独立随机变量、相关随机变量及离散数据,分别提出了一种相应的拉丁超立方抽样方法以实现对谐波谱数据的抽样,从而模拟了谐波潮流中的不确定性;基于14节点配电网络进行了算例研究,验证了方法的有效性和可行性。     

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。     

基于拉丁超立方算法的永磁同步电机设计优化

为了设计出起动性能好,运行更加稳定的V形内置式永磁同步电机,通过改善空气隔磁槽结构的方法对空载反电势、气隙磁密、齿槽转矩、转矩脉动进行优化。将空气隔磁槽几何参数作为待优化变量,采用拉丁超立方抽样算法进行多目标优化,得到最优参数组合。优化后齿槽转矩下降了45%,转矩脉动下降了4.4%,电磁转矩提升了5.2%。优化结果理想,验证了该永磁同步电机优化方案的合理性。     

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。     

基于拉丁超立方采样的小范围分布式光伏出力时空概率分布生成方法

为应对分布式光伏在配电网中广泛的接入,提出了一种基于拉丁超立方采样的光伏时空概率分布出力生成方法。在对影响光伏出力的因素进行分析后,考虑到在较小范围内外界环境的相似性,采用FFT滤波结合二阶差分筛选,将光伏出力分解成基础值和波动值,改进了传统方法中将光伏出力整体进行相关性分析的处理方式,认为在较小的范围内这种相关性只存在于波动值之间,进一步通过相关性系数矩阵拟合的方法建立相关系数和距离之前的关系。在Nataf变换中进行采样空间变换之前增加Lilliefors检验步骤,判断波动值的分布满足正态分布的情况下能够避免空间变换带来的复杂计算,并快速构建多变量联合分布。最后通过光伏出力模拟生成模型,得到了既在时序上满足单个光伏出力概率分布,又在空间上满足相关性系数矩阵的光伏出力模拟概率分布值。     

基于拉丁超立方采样的含风电小干扰稳定概率分析

针对电力系统小干扰稳定性研究存在许多不确定因素,如风力发电的间歇性、线路参数变化等影响系统稳定性的问题,笔者在已有分析此问题方法基础上,提出了一种采样方法——拉丁超立方采样,处理输入随机变量相关性。通过与随机采样的蒙特卡洛法相比,验证了该方法精度高和计算量小的优点。应用此方法对含有大规模风电场的2个算例进行分析,结果是拉丁超立方采样未做任何约束条件,输出结果能够真实地反映系统运行特性。     

基于拉丁超立方抽样和场景消减的居民用户基线负荷估计方法

作为需求响应的重要形式,激励型需求响应(incentive baseddemandresponse,IBDR)对提升电力系统运行的灵活性具有重要作用。用户基线负荷(customer baseline load,CBL)是计算IBDR参与者经济补偿的依据,其估计准确性会直接影响项目参与者和提供者的利益。在现有CBL估计方法中,对照组法通过不参与需求响应(demand response,DR)项目的用户的实际负荷来估计DR参与者的CBL,相比于其他方法通常估计精度更高。然而当对照组用户数量不足够多时,该方法的估计精度将会急剧下降、甚至完全失效。为解决这一问题,该文提出一种基于拉丁超立方抽样和场景消减的居民用户CBL估计方法。首先基于拉丁超立方抽样和场景消减,生成每个时段的代表性负荷场景,再通过迭代消减融合将单时段场景连接形成日负荷曲线场景,以此增加对照组样本多样性。以伦敦居民用户实测负荷数据为例,验证了该文所提方法具有可行性。     

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。     

考虑光伏功率相关性的随机潮流方法

光伏发电属于典型的间歇性能源,且同一地区的光伏出力相关性显著。在含光伏电站的系统随机潮流中,综合考虑多维光伏功率的相关性对于分析光伏电站接入对电力系统的影响具有重要意义。文中提出了计及多个光伏电站出力相关性的随机潮流方法,该方法采用了Pair Copula函数对多个光伏电站的出力进行相关性建模,综合考虑了电站出力两两之间不同的相依结构。同时,将数字交错技术融入拟蒙特卡洛法中,对现有的随机潮流方法进行了改进,有效提高了算法的收敛速度。以美国德克萨斯州光伏电站基地的出力历史数据为例,分别在IEEE 30节点系统和IEEE118节点系统中进行仿真计算,验证了所提方法的有效性。     

基于改进非参数核密度估计和拉丁超立方抽样的电动公共客车负荷模型

为了建立更精确的电动公共客车充电负荷模型,对起始荷电状态和起始充电时间的概率分布和抽样方法进行研究。首先针对概率分布,提出采用边界核的自适应非参数核密度估计算法,该方法无需概率分布的任何假设,能有效解决边界偏差和缺乏局部适应性的问题,从而提高了起始荷电状态和起始充电时间概率分布的准确度和适应性。其次针对抽样环节,提出结合三次样条插值法的改进拉丁超立方抽样算法,该方法不仅可以解决累积分布函数的反函数较难求解的问题,而且具有准确度高、抽样规模小等优点。最后,以这两种算法为基础,建立电动公共客车充电负荷模型,并将其与实测数据和传统参数估计方法所得结果进行对比。仿真结果证明了所提方法的适应性和有效性。