基于仿射传播聚类算法的广义负荷稳态特性建模及其应用

大规模可再生新能源并网增加了网络节点功率流向的不确定性,使节点的源、荷特性不再清晰,给广义负荷建模带来了新的挑战。因此提出一种基于仿射传播(AP)聚类算法的广义负荷稳态特性聚类方法。对广义负荷节点根母线功率数据进行特征分析,利用动力学的波动强度理论选取功率波动序列的最小时间长度。以时段内各最小时间长度的样本波动强度序列以及时段内样本数据数字特征为指标构造日时段特征向量,并以该特征向量为聚类指标,应用AP聚类算法自适应调整建模数据的聚类数和聚类中心。通过引入概率信息的广义负荷建模方法对各聚类类别样本建模并检验聚类方法的有效性。算例分析表明,该聚类方法自适应确定聚类类别且聚类效果好,能够充分反映日时段特性,聚类后通过特性综合得到精确广义负荷模型,应用于风电接入后的风险分析仿真计算。     

考虑相关性的广义负荷联合概率建模及应用

大规模风电并网带来广义负荷节点功率流向不确定性问题,对广义负荷建模提出新的要求。如何全面考虑随机变量所具有的波动性以及地域的相关性特点,准确进行广义负荷建模,成为亟待解决的问题。为此,提出一种带有概率标识的计及节点空间地域相关性的节点特性建模学习方法。首先,将与各风电场相连的根母线节点据其各自的功率流向,分为电源特性与负荷特性;其次,对各根母线节点分别依照有功功率进行区间细化,统计其概率信息。针对节点地域的相关性,采用空间相关性方法计算相邻节点功率区间内相关特征参数并纳入节点的特性学习中,采用径向基函数(RBF)神经网络学习训练并提取区间集的节点特性;以风险分析为例验证所提方法的有效性和实用性。仿真结果表明,通过将节点空间相关性纳入广义负荷建模范畴,建模因素更为全面并细化了整个系统空间形成风险场景集,风险分析结果指出系统高风险场景,为系统决策提供参考依据。