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。     

考虑多风电场相关性的场景概率潮流计算

考虑多风电场相关性的概率潮流计算对评估风电接入系统所带来的影响具有重要意义。针对相邻风电场出力间相关性复杂多变的特点,提出一种基于K-means聚类和Copula函数的场景概率潮流计算方法,能够考虑多风电场出力间相关性的变化,建立其场景概率模型,得到不同场景下系统状态变量的概率指标。以澳大利亚的2个相邻风电场实测出力为样本,在含多风电场的IEEE 30节点系统中对场景概率潮流计算方法进行测试分析。算例结果表明,所提方法能够建立准确的多风电场出力概率模型,得到更可靠的概率潮流计算结果。     

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。     

基于Pair Copula的多维风电功率相关性分析及建模

大规模风电场的接入使风电相关性更加复杂,合理描述多风电场出力的随机性和相关性特性,对准确分析风电对电力系统运行的影响具有重要意义。现有的Copula等方法能较准确描述二元相关性,但对于更高维模型的相关性描述则不够准确。基于此,提出了基于C藤Pair Copula的风电功率高维相关性模型,以及相应的采样方法。Pair Copula能够描述风电功率两两之间不同的相关性结构,从而能较好描述复杂的多维相关性,且建模步骤简单,使用灵活,适用范围广。对澳大利亚多个风电场出力样本进行分析和建模,验证了所提方法的优越性。最后通过IEEE 118节点系统的概率潮流算例,说明了合理刻画风电功率相关性可以更准确地分析含风电接入的电力系统运行特性。     

计及风电预测可靠性的含风电电力系统优化调度模型

针对风电随机性对电力系统安全、经济运行的影响,在考虑风电预测可靠性的基础上,建立含风电的电力系统优化调度模型。将实际风电出力看作随机变量,并通过混合Copula函数对历史风电场出力及其对应预测值建立相关性模型;在得到预测出力后,通过相关性模型获得风电实际出力分布概率;采用机会约束规划建立含风电的电力系统经济调度模型,并在保证系统可靠性的条件下优化风电计划出力。最后通过改进粒子群优化算法求解模型,结果表明该模型和算法可行且有效。     

Copula函数与核估计理论相结合分析风电场出力相关性的一种新方法

大型风电场出力的准确预测对风电场接入电网的安全性与经济性有重要意义。针对邻近风电场出力存在一定的相关性,结合Copula函数与核估计理论,提出一种分析风电场出力相关性的新方法。首先结合非参数核密度估计和Copula理论推导了一种Copula核估计函数;然后由此估计函数替代经验Copula函数来分析风电场出力相关性。不同于经验Copula函数,Copula核估计函数为连续函数,能有效消除参数假设误差,并且可从原理上降低参数估计的复杂度与计算量。以华北地区某实际风电场出力为例,将基于Copula核估计函数和经验Copula函数建立的风电场出力相关性模型分别接入到IEEE30节点测试系统进行潮流验证。结果表明,基于Copula核估计函数建立的风电场出力相关性模型更接近于实际数据模型,两者的潮流计算结果较为一致。     

基于混合Copula函数的风电场出力建模方法

大容量风电场接入系统后,由于其具有间歇性、随机性和不确定性,会对电网潮流分布造成影响。以往的研究大都侧重于解决不同风电场间的风速相关性问题,针对云南电网中大型风电场往往由分布在不同山头的若干风电机群构成的实际情况,风电场内部已经不能单纯地采用一台风电机组等效。基于可以描述不同尾部特性的Copula理论,文中提出基于混合Copula函数建立风电场出力模型的方法。以云南电网某实际风电场为例进行验证分析,在PSD-BPA软件平台上建立该风电场出力模型,并进行系统潮流计算,结果表明,基于混合Copula函数的模型与基于单一Copula函数的模型相比,更接近于历史实测数据模型,二者得到较一致的潮流结果。     

基于Copula理论的风光联合出力典型场景生成方法

针对目前多风电场出力模型尚不准确,且没有考虑到各风电场出力的相关性,文章研究了同一地区2个风电场的出力相关特性,提出了基于Copula理论的联合出力建模方法;结合实测数据建立了5组风电场联合出力Copula模型,运用拟合优度检验方法选出了最优模型;对该最优模型依概率抽样,并与光伏电场出力样本叠加生成海量数据,结合模糊c-均值聚类算法生成典型出力场景,实现了对多个风电场、光伏电场的出力场景模拟。准确描述风力发电的出力特性,获得风电场出力的典型场景,对风能的消纳及电力系统的安全稳定运行具有重要意义。     

基于混合Copula函数的含风电场电力系统可靠性评估

随着风力发电的发展,风电场风速之间的相关性对电力系统可靠性的影响越来越大。基于混合Copula函数建立一种多元相关性风速的模型,并在含多个风电场的IEEE-RTS系统可靠性评估中应用该模型,通过实例分析,在描述风电场风速相关结构方面,提出的混合Copula函数法比单一Copula函数法更合适,更有优势。     

基于Copula理论的多个风电场出力建模

本文采用Copula理论建立了多个风电场出力的模型,根据风电场出力的实测离散数据构建其经验概率分布函数,给出了建立模型的基本步骤。以两组风电场出力的实测离散数据为参考,分析了多个风电场出力模型在相关性、数字特征和概率分布曲线方面的计算精度。仿真结果表明采用Copula理论的多个风电场出力模型具有很高的精度。     

基于综合Copula函数的风电出力相关性建模

针对单一Copula函数模型在描述风电功率相关性中失真较大的缺陷,提出构造综合Copula函数模型刻画其相关结构的策略,并采用EM方法估计模型中相关参数的值。以某地区两相邻风电场的实际历史出力数据为基础,通过对比不同组合函数的拟合优度校验,筛选出最优的综合Copula函数,并将其运用于系统的概率潮流计算中,作出支路有功功率及节点电压这二者的概率密度曲线,通过与单一Copula函数所得曲线的对比,验证了其在风电场出力建模中的有效性及可行性。     

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。     

基于Copula的多风电场出力相关性建模及其在电网经济调度中的应用

随着大规模风电并网,构建一个能准确描述风电场出力随机性和彼此间相关性的模型,对电网安全有效地利用风能意义重大。构建了基于Copula理论的多风电场出力联合分布函数模型,并引入相关性和拟合性指标,提出了基于熵权属性识别理论的最优模型选取方法。然后,给出了基于蒙特卡洛抽样和Copula联合分布的风电场出力相关性场景在电力系统经济调度中的应用。最后,以美国加州沿海风电场出力历史同步数据为样本验证Copula建模的有效性,结果表明,t-Copula不仅能很好地刻画原变量之间的相关性,而且能精准地拟合原样本经验分布函数。通过含多风电场的IEEE 118节点系统的动态经济调度算例,说明了考虑多风电场间相关性的建模对制定合理调度计划是必要且有效的。     

利用贝叶斯线性回归结合混合Copula函数分析风电功率的相关性

分析风电场之间的出力相关性有助于合理规划风机的功率输送以及调度优化,从而提高传输线路的利用率。以冀北地区风场为例,首先分析了该区域风速的分布特性,然后利用贝叶斯线性回归算法建立混合Copula函数模型,拟合得到4个机群风速序列的联合分布,计算出风电场之间的出力相关性,并与其他相关性函数建模进行对比研究。研究结果表明,基于贝叶斯线性回归的混合Copula函数模型能够提高参数估计的精确性,从而使得计算出的相关性更为准确,并且由其拟合得到的出力概率分布与实际风场出力的概率分布较为一致。     

计及预测误差动态相关性的多风电场联合出力不确定性模型

为实现对多风电场联合出力不确定性的精细化建模,提出了计及预测误差动态相关性的多风电场联合出力不确定性建模方法。首先,分析了同区域风电场的出力及出力预测误差动态相关性特征。进一步,针对此特征,引入高维动态藤Copula理论,建立了多风电场预测出力及预测误差的联合分布模型。最终,将以上模型与基于Copula函数的离散卷积法相结合,建立了计及预测误差动态相关性的多风电场联合出力不确定性模型,并以置信区间对多风电场联合出力不确定性进行了离散化表征。仿真结果表明,对比其他模型,所提模型拟合精度更高,拟合过程与预测方法解耦,灵活性更强。     

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。     

计及风电出力相关性和条件价值风险的电力系统概率可用输电能力评估

针对风电出力预测误差对区域间可用输电能力（ATC）评估的影响，提出一种计及风电出力相关性和条件风险价值（CVaR）的电力系统区域间ATC概率评估方法。首先，通过基于历史风电出力数据的相关系数矩阵和Copula函数，构建计及风电场出力空间相关性的风电出力预测误差概率模型；接着，基于获得的计及风电出力空间相关性的风电出力预测误差修正风电场出力预测值；然后，提出一种计及风电出力相关性和CVaR的ATC概率评估双层优化模型，下层模型以基态下发电成本和风险费用最小为目标，上层模型以极大化区域间ATC为目标，通过基态下和极限状态下机组的出力作为上下层模型间的交互信息；在此基础上，利用Karush-Kuhn-Tucker(KKT)最优条件，对下层模型进行转换，将双层优化模型转换为均衡约束的数学规划（MPEC）模型；进一步，将MPEC模型转换为混合整数二阶锥规划问题，进而实现概率ATC的求解；最后，通过PJM-5节点测试系统和吉林西部电网进行算例分析，结果验证了所提方法的可行性和有效性。     

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。     

基于Copula理论的风光互补发电系统可靠性评估

提出应用Copula理论建立风电场、光伏电站出力联合概率分布模型的方法。该方法不仅考虑了风电场、光伏电站出力的随机性,并且计及两者出力的相关性。根据某风光互补电站的实测出力数据,采用非参数核密度估计法,估计风电场、光伏电站出力的概率分布。选取Kendall秩相关系数作为风电场、光伏电站出力的相关性测度。利用Frank Copula函数,计算风电场、光伏电站出力的联合概率分布。以RBTS标准测试系统作为算例,对风光互补发电系统进行可靠性评估,结果表明:建立的模型能够较好地描述风光互补发电系统出力的概率特性,且考虑相关性的可靠性评估更接近实际情况。     

基于DIgSILENT数据接口DGS的含风电电力系统随机潮流分析

同一风区的不同风电场由于地理位置相近,各风电场的风速和出力具有强相关性。针对该特点,提出了一种考虑风电场之间相关性的含风电电力系统随机潮流算法。首先建立了多个风电场出力的离散化联合概率分布模型,在此基础上采用线性化潮流方法分析随机潮流的各项指标。结合随机潮流算法和DIg SILENT软件的优势,研究了一种基于DIg SILENT数据接口DGS的数据转换方法,有效地提高了计算效率。最后利用IEEE-24节点系统以及我国新疆地区2015年规划电网进行方法验证。算例结果表明,建立的考虑风电场相关性的含风电电力系统随机潮流算法具有可行性和优越性,DGS数据接口技术可以使该潮流算法在实际大型电力系统中推广使用,工程实用性较强。