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。     

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。     

含风电的电力系统概率潮流计算

概率潮流求解中蒙特卡罗法只有在大规模采样的条件下进行多次模拟,才能提高精准度,其导致计算量大,耗费时间,难以处理风电中变量相关性的概率潮流。采用基于拉丁超立方采样的蒙特卡罗法对含有风电场的电力系统概率潮流问题进行分析。基于拉丁超立方采样的蒙特卡罗法,主要分为采样和排序。采样是为了确保样本空间能够被完整的采样,排序是为了降低随机变量之间的相关性。该方法将Gram-Schmidt和Cholesky2个排序方法结合,很好地降低随机变量之间的相关性。通过IEEE-39节点仿真,结论显示该方法能够较好地处理风电中的风速相关性,降低采样规模,提高精准度,是一种非常有效的处理含有风电场的概率潮流问题的方法。     

考虑风光不确定性的电力系统概率潮流计算

针对概率潮流计算中采用蒙特卡罗算法而导致精度低、操作性复杂的问题,提出了一种基于改进拉丁超立方的蒙特卡罗法的概率潮流计算方法,按照样本在变量概率密度分布中所反映出的重要程度进行采样,得到的样本均值不变且方差较小。在含风电与光伏的IEEE-30节点系统概率潮流计算中的结果表明：该方法能更好地反映概率潮流计算中随机变量的数字特征,提高蒙特卡罗法的计算精度,降低随机函数尾部特性造成的误差,从而具有较好的工程实用价值。     

求解含风电相关性区间潮流的仿射变换最优场景法

风电场发电功率有很强的不确定性和相关性,影响电力系统不确定潮流分布情况。为了能准确掌握电力系统潮流状态的区间分布特性,区间潮流作为不确定潮流计算工具,需要考虑风电的不确定性和相关性。采用联合采样区域的相关角量化风电出力的区间相关性,构建了考虑风电相关性的区间潮流(Interval Power Flow,IPF)模型,并提出了一种基于仿射变换的最优场景算法(Optimal Scenario Algorithm with Affine Transformation,OSA-AT)加以求解。该算法利用仿射变换先将相关的风电出力区间分布转化为独立的区间变量,然后应用最优场景法将区间潮流转化为一系列确定非线性优化问题,进而采用内点法计算获得潮流状态量的最大值和最小值,即区间分布。IEEE-14和IEEE-118系统的计算结果表明,所提方法可以精确处理区间变量相关性,且与蒙特卡罗方法(Monte Carlo, MC)相比,其计算效率可提高数十倍。     

主元分析结合Cornish-Fisher展开的半不变量法概率潮流计算

为克服现有半不变量法概率潮流计算( probabilistic load flow based on cumulant method,PLF-CM)不能处理输入随机变量相关系数矩阵非正定之不足,提出一种基于主元分析和半不变量法结合Cornish-Fisher 展开的PLF-CM 计算方法。新方法根据输入变量的离散样本数据求取输入变量的半不变量,利用主元分析处理关联性输入随机变量以准确计算输出变量的半不变量,采用Cornish - Fisher 级数求得电力系统的概率潮流分布。在改造后的IEEE-14 节点测试系统上进行的仿真研究表明:所提方法计算高效、稳定,适用于不确定性较大的新能源电力系统的概率潮流分析。     

考虑大规模风电并网的电力系统随机潮流

提出一种考虑大规模风电并网的电力系统随机潮流算法。该方法针对大规模风电注入功率波动性强的特点,在当前结合半不变量和级数展开的随机潮流计算方法基础上,采用分段线性化手段减小潮流方程线性化误差,提高系统状态量的半不变量求解精度;引入C型Gram-Charlier级数,避免在含大规模风电的系统中采用A型Gram-Charlier级数逼近系统状态量概率密度函数会出现负值的问题。为求分段线性化后系统状态量的半不变量,根据半不变量的定义,推导得出了分段线性函数因变量的半不变量与自变量分布之间的定量关系,此关系可方便地考虑风场有功、无功注入相关性。对IEEE 30节点系统的测试表明:所提算法与蒙特卡罗法计算结果是一致的,而计算速度则要快得多;与当前半不变量法相比,结果计算精度得到了较大提高。该算法可快速、准确地求解含大规模风电并网的电力系统随机潮流,具有较好的实际应用价值。     

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。     

基于蒙特卡罗抽样半不变量法的微电网随机潮流计算

为了提高微电网随机潮流计算的精度,提出了将蒙特卡罗抽样和半不变量法相结合的方法。首先建立了微电网随机潮流的线性化模型,然后运用蒙特卡罗抽样法和常规数值法计算随机变量的各阶半不变量,进而计算节点状态变量和支路潮流的半不变量,并运用Gram-Charlier级数将其展开,最终得到半不变量的概率分布。将该方法与蒙特卡罗模拟法比较,算例表明该方法具有较高的准确性和快速性,可为电力调度提供可靠依据。     

含风电场电力系统的Cornish-Fisher级数概率潮流计算

利用基于Cornish-Fisher级数展开的方法研究了含风电场电力系统的概率潮流分布问题.该方法以半不变量为纽带,构建了待求变量和已知变量之间的直接耦合关系;以确定性的潮流计算为出发点,得到了具有较高精度的概率潮流分布结果.仿真计算表明:与基于蒙特卡洛仿真抽样法的概率潮流计算方法相比,在保证计算结果精度的前提下,该方...     

基于Faure序列的电力系统概率潮流计算

风电场的大规模接入使得在进行电力系统概率潮流计算时需要考虑风电场出力的随机性。传统的蒙特卡洛法计算时间长、占用内存大。提出一种基于Faure序列的含风电场电力系统概率潮流计算方法。IEEE30节点和IEEE118节点系统对所提方法的准确性与有效性进行了仿真验证。仿真结果表明:Faure序列法可以较好地估计输出随机变量的概率分布,能有效地处理间歇性能源接入系统后的不确定性问题。     

考虑源荷频率特性的含风电交直流系统概率连续潮流方法

针对传统连续潮流方法难以适应大规模风电接入交直流互联系统的实际情况,提出了一种含风电交直流系统概率连续潮流计算方法。该方法在兼顾常规机组调频特性和负荷电压/频率静特性基础上,进一步考虑风电出力随机性、直流控制方式和频率波动偏差约束,建立考虑电源调频和负荷电压/频率静特性的含风电交直流系统概率连续潮流方程;通过其修正方程的雅可比矩阵,推导能反映频率波动、风电出力和控制方式等因素的负荷裕度灵敏度指标;基于统一迭代法,结合蒙特卡洛方法和预估-校正方法获取系统N和N-1状态时多场景潮流解和负荷裕度。最后,修改的IEEE 39节点系统算例仿真结果验证了所提方法的正确性和有效性。     

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...     

基于离散概率潮流的大风电接入后的电网规划

利用离散概率模型描述风功率及负荷不确定性导致的网络潮流不确定性,利用Monte Carlo模拟技术分析并网风功率的概率分布特性,并利用正态分布描述负荷的不确定性.以一定的精度将风功率及负荷的概率密度函数离散化,并在此基础上结合线性直流潮流模型推导支路潮流的概率密度函数.规划模型以线路投资费用最少为优化目标,利用机会约束处理规划方案在正常运行及N-1情况下的过负荷.利用基本遗传算法（genetic algorithm,GA）对规划模型进行了求解.基于改进Garver6节点系统的仿真试验证明所提算法及模型的有效性.     

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。     

基于广义多项式混沌法的含风电电力系统随机潮流

风电的大量接入加剧了电力系统运行的不确定性,随机潮流计算是分析电力系统不确定性的重要工具。针对风电接入,提出了基于广义多项式混沌理论的方法求解随机潮流。该算法选取最优广义多项式混沌基函数构成级数展开式来近似表示随机输入变量,再根据基函数的正交性,构造确定性方程组,进而将求解系统状态变量概率分布的问题转化为其广义多项式混沌逼近系数的求解问题。针对风电出力概率分布复杂且需计及风速相关性的情况,采用等价变换方法处理随机输入变量。对IEEE 30节点系统的随机潮流计算结果表明:所提算法的计算精度较高;与蒙特卡洛模拟法相比,计算量较小。     

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。     

基于高斯混合随机性模型的多风电场配电网概率潮流计算

风速的随机性及风电场之间的相关性对电力系统潮流分析具有重要影响。计及风速的随机性及多风电场之间的相关性,提出一种改进的概率潮流计算方法。基于多风电场实际出力样本数据,利用k-means算法确定高斯混合模型的参数数量,并利用数据筛选过程改进高斯混合模型以提高联合分布模型的精确度;引入基于Nataf估算变换的三点估计法对所建概率分布模型进行采样,并将采样数据与电力系统潮流平衡方程结合以实现概率潮流计算。IEEE 18节点系统的算例结果表明,所提方法具有较高的计算精度和计算效率。     

The impact of wind power plants on slow voltage variations in distribution networks

The connection of a wind power plant to a distribution network affects the voltage conditions in that part of the network. However, rather than assessing the worst possible cases regarding the voltage range, in this paper a more accurate methodology is presented for calculating the annual distribution network steady-state voltage profile and slow voltage variations after wind power plant connection. Commonly used simulation methods for the same problem based on probabilistic load flow analysis are only able to give probability distributions of the node voltages and network power flows. Here, a method is proposed which can also give chronological insight into the considered network state. This is realized through wind speed data modeling and generation using a Markov chain transition probability matrix and the Monte Carlo simulation method. The proposed methodology is tested using data from an existing distribution network in Croatia, a wind power plant planned for connection, and one year wind data measurements.