考虑蓄水期弃水风险的水库长期发电调度方法

短期径流的大幅波动使得以平均径流为基础制定的水库长期调度方案面临较大弃水风险,是影响水库长期调度决策合理性的重要因素。本文考虑日尺度径流波动影响,提出一种蓄水期弃水风险量化方法,并建立了耦合弃水风险的水库长期发电调度模型。利用长系列日径流资料,结合风险最小蓄水规则,以不蓄弃水流量为指标量化蓄水期各月弃水风险;采用Copula函数构建月均入流与弃水风险的联合分布和条件概率分布,明晰了特定入流条件的风险置信区间;最后,将弃水风险以弃电损失函数融入优化模型,以获得更符合实际的长期调度方案。以澜沧江流域小湾水库为工程背景进行调度模拟分析,结果表明本文方法能够有效降低水库长期优化调度方案的弃水风险,有利于提高优化结果的可操作性,与传统方法相比,能够使多年平均弃水减少约4.76亿m³、发电量增加约1.15亿kW·h。     

基于Copula函数的洪水峰量联合设计方法研究

为明晰洪水峰量联合设计的特点,以岗南水库洪水为例,基于Gumbel Copula函数,分析了AND、OR、Kendall、生存Kendall 4种重现期的优缺点,采用极大似然法、同频率法、条件最可能组合法3种方法计算了联合设计值。结果表明: ①AND和OR重现期在危险域和安全域的识别上存在局限性;相对而言,Kendall重现期更合理,但其安全域是无界的,这与实际不符;生存Kendall重现期则界定了有界的安全域,使得重现期的概念在逻辑上更科学合理。② 3种设计值计算方法的差别不大,但从简单实用角度出发,推荐采用同频率法计算设计值。③不同重现期标准的设计值差别比较明显,基于OR重现期计算的设计值总是最大的,生存Kendall、Kendall重现期设计值次之,AND重现期设计值最小。④推荐采用生存Kendall重现期进行两变量洪水设计,因其有比较严谨的理论基础,且设计结果兼顾了安全性与经济性。⑤两变量联合设计值与单变量设计值的差异受变量间相关性的影响较大,且变量相关性越弱,差异越大。研究显示,基于生存Kendall重现期、采用同频率法计算设计值是目前较为科学合理的洪水峰量联合设计途径。     

Dependence tree structure estimation via copula

We propose an approach for dependence tree structure learning via copula. A nonparametric algorithm for copula estimation is presented. Then a Chow-Liu like method based on dependence measure via copula is proposed to estimate maximum spanning bivariate copula associated with bivariate dependence relations. The main advantage of the approach is that learning with empirical copula focuses on dependence relations among random variables, without the need to know the properties of individual variables as well as without the requirement to specify parametric family of entire underlying distribution for individual variables. Experiments on two real-application data sets show the effectiveness of the proposed method.     

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。     

Bayesian bivariate generalized Lindley model for survival data with a cure fraction

The cure fraction models have been widely used to analyze survival data in which a proportion of the individuals is not susceptible to the event of interest. In this article, we introduce a bivariate model for survival data with a cure fraction based on the three-parameter generalized Lindley distribution. The joint distribution of the survival times is obtained by using copula functions. We consider three types of copula function models, the Farlie–Gumbel–Morgenstern (FGM), Clayton and Gumbel–Barnett copulas. The model is implemented under a Bayesian framework, where the parameter estimation is based on Markov Chain Monte Carlo (MCMC) techniques. To illustrate the utility of the model, we consider an application to a real data set related to an invasive cervical cancer study.     

需求依赖于价格情境下基于Copula-CVaR 的报童决策

探讨价格不确定下,需求-价格相关性与风险态度对决策行为的影响.建立随机需求与随机价格相关情境下基于Copula-CVaR的报童决策模型,Copula函数描述相关性,条件风险价值(CVaR)反映风险态度,证明了模型解的存在性和惟一性.蒙特卡罗模拟发现,需求与价格的相关性与风险态度对决策的交互作用使决策行为发生规律性变化,决策者对价格波动有一定容忍度,需求与价格相关性趋于不相关与完全负相关时市场趋于同质性.     

感潮地区暴雨和潮水位遭遇组合的涝灾风险

采用Copula函数建立感潮地区暴雨和外江(海)潮水位遭遇的联合分布,提出了设计组合下涝灾风险的分析方法,并定义和分析了暴雨和潮水位的联合风险率和同现风险率.通过研究中山市坦洲镇涝区的暴雨和潮水位的遭遇表明,AMH Copula函数能够较好地模拟暴雨与潮水位的联合分布;若设计暴雨为20年一遇,则与多年平均潮位或5年一遇潮位组合的排涝风险率分别不超过6.39%、9.58%;若设计暴雨为10年一遇,则与多年平均潮位或5年一遇潮位组合的排涝风险率分别不超过10.39%、7.04%;20年一遇暴雨、10年一遇暴雨分别与多年平均潮位或5年一遇潮位的同现风险率分别为0.086%、0.279%和0.173%、0.56%.     

设计降雨特征的多变量分析方法

鉴于径流数据缺乏且难以长期监测,而降雨数据相对完整,通常假定降雨和径流同频率,以设计降雨作为前端输入进行水文分析.在重新定义设计降雨特征变量的基础上,针对目前普遍采用的基于单变量分析的暴雨强度公式法存在的不足,提出一种基于Copula函数的降雨特征多变量分析方法;并以广州1961—2012年历史降雨数据为例,分析了设计降雨量与降雨峰值组合风险概率.研究表明:基于Copula函数的降雨多变量分析能更加全面地反映降雨特征,有利于提高水文分析计算精度.该方法还可根据水文分析的需求进行2变量及以上的降雨特征量组合分析.     

计及无功裕度的配电网两阶段无功优化调度策略

为了解决高比例可再生分布式电源(renewable distributed generation,RDG)接入配电网后各类可调资源的协同调度和时空耦合问题,提出了计及动态无功裕度的两阶段配电网无功优化调度策略。利用Copula理论建立考虑风光不确定性和相关性的预测模型,第一阶段综合考虑电压偏差、运行成本和动态无功裕度3个指标建立日前多目标优化模型,第二阶段在短时间尺度上进一步利用连续调节装置应对风光波动性,在充分协调配电网中可调资源的同时实现快慢时间常数各异的无功调节装置差异化管理。最后在改进的IEEE 33节点系统上进行仿真,结果表明所提协同优化策略能够提高系统的安全经济效益,验证了风光相关性对系统的影响。     

面向新能源消纳能力评估的年负荷序列建模及场景生成方法

全年负荷序列是开展中国省级电网新能源消纳能力评估的基础,文中提出了基于聚类分析和马尔可夫链技术的年负荷序列建模和场景生成方法。首先,通过自组织映射对历史负荷数据进行典型日聚类分析,并采用离散马尔可夫链描述不同典型日之间的状态转移特性。针对每类典型日,采用核密度估计和t-Copula函数构建日负荷特性指标的联合概率分布模型。然后,通过马尔可夫链蒙特卡洛随机抽样生成每日的典型日状态和日负荷特性指标。最后,通过构建日负荷序列优化模型,实现每日负荷序列的优化重构,直至生成全年负荷序列场景。算例基于中国某省级电网全年负荷数据进行测试,并利用所生成的负荷序列场景开展未来年度新能源消纳能力的评估,结果验证了所提方法的有效性及实用性。