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。     

采用混合高斯模型及边缘变换技术的蒙特卡洛随机潮流方法

提出一种计及输入变量相关性的改进蒙特卡洛随机潮流方法。该方法针对系统输入变量多样性和随机性的特点,建立其混合高斯模型并根据测量数据进行参数估计。在蒙特卡洛仿真基础上,引入均匀设计抽样技术提高采样效率,并通过边缘变换和Cholesky分解产生具有相关性的输入变量样本。采用多重线性化手段在加快计算速度的同时减小潮流方程线性化引起的截断误差。对IEEE 30和IEEE 118节点系统的测试分析,验证了所提方法的准确性、快速性和有效性。     

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。     

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。     

基于高阶马尔可夫链和高斯混合模型的光伏出力短期概率预测

为提高光伏电站出力预测的准确性,给调度决策人员提供更丰富的预测信息,提出一种基于高阶马尔可夫链(highorderMarkovchain,HMC)和高斯混合模型(Gaussian mixture model,GMM)的光伏电站短期出力概率预测方法。首先对光伏电站的历史出力数据进行HMC建模,通过计算邻近时段光伏出力数据的Pearson相关系数确定马尔可夫链的阶数,并统计历史数据得到邻近时段光伏出力的状态转移概率矩阵。然后以此为基础建立GMM形式的光伏出力概率预测模型,并提出基于相似气象条件下的数据样本对GMM中各高斯分布的均值与方差进行修正,最终得到光伏电站出力的概率密度函数。以实际光伏电站数据为例进行分析,结果表明所提出的概率预测方法具有较高的准确性,且与传统的点预测方法相比,概率预测能够为电网运行决策提供更多有益信息。     

考虑电动汽车充电负荷的配电系统场景概率潮流分析

提出了一种同时考虑分布式光伏出力和电动汽车充电负荷随机特性的配电系统场景概率潮流分析方法。首先,在考虑车主交通行为与充电模式随机特性的基础上,采用蒙特卡洛模法对充电站典型日内的充电负荷进行模拟,给出充电负荷曲线集。接着,采用K-means聚类分别对充电负荷曲线集和光伏历史出力曲线集进行聚类,给出充电负荷和光伏出力的概率场景集,并以此为基础构建潮流分析场景集。最后,采用前推回代法进行所有场景下的配电系统潮流分析。按场景概率对潮流结果进行汇总,给出概率潮流分析结果。基于IEEE 33节点配电系统的仿真计算验证了所提模型及方法的有效性。     

基于分段Copula函数和高斯混合模型的多段线性化概率潮流计算

大规模风电并网以及负荷的随机波动加剧了电网运行的不确定性,为了有效分析新环境下的电网运行特性,提出一种基于风功率分段Copula函数和负荷高斯混合模型的多段线性化概率潮流计算方法。采用分段Copula函数在时间维度上刻画相邻风电场的空间相关性,分析风功率相关性的季节变化。针对实际负荷的不对称、多峰特性,采用改进K-means聚类优化的期望最大化(expectation maximization,EM)算法,准确快速地建立负荷高斯混合模型。在此基础上,采用多段线性化半不变量法进行概率潮流计算,以减小风功率和负荷大范围波动造成的潮流方程线性化误差。对改进的IEEE 14节点系统进行仿真分析,验证了所提方法的准确性、快速性及有效性。     

含风力发电的电网概率潮流计算的研究

提出了一种计算含有风电场电力系统潮流概率密度函数的方法。利用风机功率曲线的二次近似来求解风机注入电网后的功率概率密度函数。基于这种模型,考虑发电机注入功率以及负荷消耗功率具有随机性,网络的直流功率潮流也可以计算出来。以含风电场模型的IEEE14节点系统为例,得出了线路功率的概率密度函数,验证了该方法的有效性和正确性。     

基于高斯混合分布模型的风电功率预测误差统计分析研究

针对风电功率预测误差的统计分析,研究了一种基于高斯混合模型的风电功率预测误差分布,采用期望最大化算法,从统计学角度分析了风电功率负荷预测误差数据,并且在理论上证明了该方法的合理性。该方法的优点在于,无论其统计分布是怎样的,所有风电功率预测误差的概率密度函数都可以使用高斯混合模型近似表示,然后进行适当的子模型削减。通过对高斯混合模型与其他各种统计分布模型的性能进行比较,证明了高斯混合模型在风电功率预测误差统计分析应用中的有效性。     

基于高斯混合模型聚类的风电场短期功率预测方法

对任意来流条件下的风电场发电功率进行准确预测,是提高电网对风电接纳能力的有效措施.针对大型风电场的功率预测采用单点位风速外推预测代表性差的局限,提出基于高斯混合模型(GMM)聚类的风电场短期功率预测方法.方法结合数据分布特征,利用GMM聚类将大型风电场划分为若干机组群,借助贝叶斯信息准则指标评价,获得风电场内最优机组分...     

基于半不变量和Gram-Charlier级数展开法的随机潮流算法

随着新能源规模的日益扩大,新能源电站的出力往往呈现较强的相关性,在传统的随机潮流算法中对强相关性随机变量考虑较少。综合考虑风电出力的随机波动、负荷的变化、发电机的强迫停运及线路的故障等各种不确定情况,根据节点电压和支路潮流的期望值及灵敏度矩阵,计算了负荷及常规发电机、风电机组出力、各节点注入功率的各阶半不变量,由Gram-Charlier级数展开求得概率密度函数和概率分布函数。IEEE-30节点测试表明:该算法能反映大规模新能源接入下系统的不确定性,将求取随机变量和的概率密度函数的卷积运算简化为半不变量的代数运算,极大地缩短了计算时间,并具有良好的收敛性。     

考虑风电调度策略的电力系统随机潮流计算

针对风电并网系统,提出了一种考虑风电调度策略的多点线性化随机潮流计算方法。该方法以半不变量和Gram-charlier级数为基础,综合计及风电出力、传统发电和负荷的不确定性,借助多点线性技术保证计算结果的准确性;同时,借助安全约束经济调度方法,在随机潮流计算中嵌入了风电的调度策略。算例仿真表明,与模拟法相比,所提方法可有效改善基于半不变量和Gram-charlier级数的随机潮流计算方法应用于含风电电力系统时的计算精度;同时,克服了传统随机潮流计算中,风电大范围波动引起的不平衡功率完全由平衡机承担的缺陷,所得结果更为贴近实际。     

基于数字网系方法的概率最优潮流计算

风电场和光伏电站的大规模接入使得在进行电力系统最优潮流计算时需要考虑风电场和光伏电站出力的随机性。传统的蒙特卡洛法耗时长、占用内存大,文中提出一种利用数字网系(DN)的采样值具有等分布这一特性来改善输入随机变量分布空间覆盖程度的方法,并将该方法用于含风电场和光伏电站的电力系统概率最优潮流计算中。以IEEE 30节点系统对所提方法的准确性与有效性进行了验证,仿真结果表明:DN方法可以较好地估计输出随机变量的概率分布,能有效地处理电力市场中的不确定性问题。将该方法用于IEEE 300节点系统,研究了系统接入不同容量光伏电站对节点电价的影响。同时,还将风电场和光伏混合系统与单独风电场系统进行对比,得到前者的节点电价、网损和支路功率波动更小的结论。     

基于直流概率潮流的风电穿透功率极限计算

风力发电已经成为清洁能源中发展最快的一种发电方式,确定风电穿透功率极限对风电并网的规划和运行有着重要作用。文中提出了基于直流概率潮流的风电穿透功率极限计算方法,计算中通过直流概率潮流计算,综合考虑风电场出力、发电机出力、节点负荷等因素的随机性,得到含有风电场的电力系统中线路有功潮流的概率分布,然后利用随机规划理论和改进的遗传算法求解风电穿透功率极限。最后以IEEE30系统为算例,验证计算方法的有效性。     

基于概率潮流的风电分布式电源优化配置

由于风电机组输出功率的随机波动性,使得基于风电机组的分布式电源并网后,给配电系统的结构和运行带来巨大变化,影响系统的安全性和可靠性。在含分布式电源的配电网系统规划中,对分布式电源进行合理选择和配置是发挥最大效益的关键。采用Weibull分布来描述风速的随机变化,并计及风电机组强迫停机率的影响,结合功率曲线,建立风力发电的概率分析模型。通过Cornish-Fisher级数交流概率潮流计算方法,分析风电和负荷的随机波动对含分布式电源配电系统的影响,利用混合整数非线性规划方法,确定风电系统的最佳接入点和注入容量使得系统有功网损最小。     

电网可靠性评估中随机变量的高斯混合模型

电网可靠性评估通过对不确定性因素对电网运行性能影响的概率量化诊断,可深度揭示电网的风险水平并实现风险的溯源辨识,因此,不确定性因素的概率建模准确性成为可靠性评估的基础和应用前提。为实现计算精度和计算效率的综合兼顾,提出了多维随机变量的高斯混合模型,可以对任意分布的连续型随机变量进行灵活高效建模,且易于计及多维随机变量间的相关性变化规律。提出两阶段复合抽样方法对所建高斯混合模型进行抽样模拟,能够有效生成随机样本进行可靠性评估。最后,以负荷概率建模为例,对IEEE-RTS79测试系统进行可靠性评估,从模型精度和可靠性评估有效性两个方面验证了所述方法的正确性和可行性。     

基于快速随机潮流的电力系统安全风险评估

电力系统中各种不确定性因素为安全风险评估工作带来困难,随机潮流计算可以计及这些不确定性因素。提出一种基于快速随机潮流的电力系统安全风险评估方法,通过考虑风电时序特性的短期风电功率预测方法构造风电出力多场景;在快速解耦潮流模型的基础上,考虑电力系统功频静态特性,采用以半不变量为基础的改进Von Mises方法获得各状态变量的概率分布函数。除节点电压和支路功率外,可以得到系统频率的概率分布等统计信息,通过各状态变量越限概率和产生后果的严重程度等风险指标全面评估系统风险。IEEE 39节点系统的测试结果表明该方法的计算快速有效,具有在线应用前景。