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。     

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。     

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。     

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。     

考虑输入变量相关性的概率潮流计算方法

风电场的大规模接入使得电力系统在进行规划设计和方式安排时需要计及风电出力的不确定性,概率潮流计算方法是在计及不确定因素的条件下分析电力系统运行状态的重要工具。针对当前所使用的概率潮流计算方法的不足,提出一种可以处理多个输入随机变量相关性的基于拉丁超立方采样（Latin hypercube sampling,LHS）的Monte Carlo模拟概率潮流计算方法,该方法同时还具有精度高和速度快等优点,并且不受输入随机变量的概率分布类型的约束。在同时考虑风电和负荷不确定性的条件下,对IEEE14和IEEE118节点系统进行仿真计算,结果验证了所提出方法的有效性和准确性。     

基于拉丁超立方采样的含风电电力系统的概率可靠性评估

基于随机抽样的蒙特卡罗方法(MC_RS)由于原理简单、易于实现,常用于电力系统的可靠性评估,但在大规模风电接入,特别是以单个小容量的机组接入的情况下会存在样本容量大、效率低等不足。因此提出使用基于拉丁超立方采样的蒙特卡罗(MC_LHS)方法来解决含风电的电力系统概率可靠性评估问题,此方法由于使用了拉丁超立方采样,能有效地改善样本值对输入随机变量的分布空间的覆盖程度和使用Cholesky分解来降低输入变量之间的相关性系数,从而提高了采样效率、增加收敛速度和提高评估准确度。把提出的MC_LHS方法应用到改进IEEE-RTS79算例中,并与常规MC_RS进行比较,结果验证了该方法的有效性。     

基于混合Copula和均匀设计采样的电力系统随机潮流

为全面描述输入随机变量间的相关性并提高Monte Carlo模拟采样效率,提出一种基于混合Copula和均匀设计采样（uniform design sampling,UDS）的电力系统随机潮流计算方法。从输入随机变量的相关结构出发,构造混合Copula函数分析输入随机变量的相关性,准确描述输入随机变量间的非线性、非对称性以及尾部特征。运用均匀设计采样,克服传统Monte Carlo模拟采样规模过大、计算时间过长的缺点。以接风电场的IEEE30节点系统为例,进行仿真分析,与以实测数据进行仿真分析的结果进行对比,结果表明所提方法不仅速度快、精度高,而且能全面反映输入随机变量的相关性。     

基于输入随机变量离散数据的概率潮流计算方法

基于实测离散数据,对风电场的出力特性进行了研究,对比分析了传统风电场出力建模方法的准确性。针对现有基于拉丁超立方采样的蒙特卡罗仿真法要求已知输入随机变量的累积分布函数这一情况,提出了一种基于输入随机变量离散数据的概率潮流计算方法。以基于简单随机采样的蒙特卡罗仿真法计算结果为基准,在加入风电后的IEEE 57节点系统上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,该方法具有计算速度快、精度高和稳健性好的优点,具有较好的工程实用价值。     

基于输入变量秩相关系数的概率潮流计算方法

随着大量新能源接入,电力系统运行必须考虑其随机性带来的影响。概率潮流是有效工具之一。针对考虑输入变量相关性的概率潮流计算,文中采用Spearman秩相关系数表示输入随机变量间的相关性,分析了拉丁超立方抽样方法与秩相关系数的内在关联,提出结合遗传算法的改进拉丁超立方抽样方法进行概率潮流计算。算例结果表明,所提出的方法能较好地刻画风速间的相关性,不受输入随机变量边缘分布的影响,并且能处理秩相关系数矩阵正定和非正定的情况。     

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。