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。     

基于自适应扩散核密度估计的时序相关概率最优潮流计算方法

为准确评估光伏与负荷的时序性和相关性对电力系统运行状态的影响,提出一种基于自适应扩散核密度估计的时序相关概率最优潮流计算方法。首先,利用光伏出力的自适应扩散核密度估计模型将高斯核函数转换为线性扩散过程,采用渐进积分误差法(asymptotic mean integrated squared error,AMISE)为扩散核函数选取自适应最优带宽,提高了光伏出力模型的局部适应性;其次,利用Copula理论构建光伏与负荷的时序联合概率分布模型,并获取具有相关性的时序光伏出力与负荷样本,进而提出能够准确计及光伏与负荷时序性和相关性的概率最优潮流计算方法;最后基于我国某地光伏电站实测数据与IEEE30节点系统进行仿真分析,验证了所提出计及光伏出力与负荷时序相关性的概率最优潮流计算方法的准确性与有效性。     

基于新型场景划分与考虑时序相关性的光伏出力时间序列模拟方法

针对现有光伏出力的马尔科夫链模型在原始数据分段和随机抽样方面的不足,文章提出一种基于新型场景划分与考虑时序相关性的光伏出力时间序列模拟方法。首先引入Davies-Bouldin有效性指标优化模糊C均值聚类（fuzzy C-mean clustering,FCM）法,进行场景划分,形成数据特征更清晰的原始光伏出力序列集合。然后建立不同场景的光伏出力状态转移矩阵,通过马尔科夫链蒙特卡洛法生成光伏出力时间序列,在此过程中,利用Copula理论进行条件概率抽样生成下一时刻光伏出力状态值,以降低传统蒙特卡洛抽样的随机性。实际算例表明,文章所提方法生成的光伏出力时间序列不仅在数据的概率统计特性方面比现有的模型结果更精确,而且更好地保留了原始序列的自相关性。     

考虑风电与负荷时序性的分布式风电源选址定容

配电网中分布式风电源选址定容时,计及风电机组出力和节点负荷的时序性特征。利用蒙特卡洛模拟MCS(Monte Carlo simulation)对一年内每小时风速进行抽样,并求出对应的风机出力。综合考虑每小时风机出力效率以及对应的节点小时负荷负载率,构建小时场景,利用改进K-means聚类法进行场景聚类。根据聚类后每个场景的风机出力效率均值、负荷负载率均值以及对应场景的概率,以配电公司最小年费用成本为目标函数,利用改进遗传算法对分布式风电源进行选址定容。对33节点算例的仿真分析结果表明,风机出力与节点负荷的时序特性对分布式风电源的选址定容有重大影响,同时也验证了所提模型及方法的有效性。     

含并网光伏电站的系统可靠性评估方法

为分析光伏发电出力的随机特性与高渗透率可能给电网可靠性带来的影响,提出一种光伏电站多状态转移时序模型。该模型利用模糊C均值聚类方法将历史出力数据归类为四种不同天气类型,并统计其转移概率,利用ARMA方法对所有16种转移状态可能进行时间序列建模,建立更符合实际情况的多状态转移的光伏电站时间序列模型。最后在所建模型基础上,应用序贯蒙特卡罗方法评估光伏接入对系统可靠性的影响,提出一种基于典型天气电站出力的计算光伏提高系统可靠性限值的计算方法。在RTS-24节电系统中仿真结果表明所建模型符合实际光伏电站出力特性,该限值计算方法简单有效,对指导光伏电站接入系统有指导意义。     

考虑主动管理的配电网分布式光伏并行优化配置

主动管理技术的快速发展为分布式光伏发电大规模接入配电网提供了可能。将主动管理与分布式光伏优化配置相结合,以分布式光伏的安装位置、容量和主动管理措施为决策变量,建立以分布式光伏能量渗透率最大和电压偏差最小为目标函数的优化配置模型;利用基于二分K-均值聚类的多场景分析法处理光伏出力和负荷的不确定性及时序特性,克服K-均值聚类场景缩减对初始质心选取敏感的缺陷;提出基于并行计算的多场景分析和多目标分子微分进化算法对优化模型进行求解,得到配电网分布式光伏最优配置方案及主动管理策略。IEEE 33节点配电系统仿真结果表明,所提优化配置方法可有效提高分布式光伏消纳量并保证供电质量。     

微电网经济运行中的典型时序场景分析方法

微电网经济运行涉及对大量场景和方案的分析评价,区域内风电/光伏出力和负荷变化的时序性、周期性和不确定性给微电网运行带来影响。提出一种典型场景分析方法,对计算周期内的大量风电/光伏出力和负荷原始数据进行同步聚类划分,形成能够反映计算周期内历史数据特征的典型场景集;建立包含多种分布式电源和储能单元的微电网系统经济运行优化模型;针对某微电网区域,比较典型时序场景、全周期时序场景、周期内缩减场景3类场景数据的经济运行优化结果,验证所提方法的有效性。     

含高比例分布式光伏的配电网多目标概率规划方法

针对分布式光伏出力不确定性造成的配电网规划成本增加、运行稳定性降低问题,文章提出了一种含高比例分布式光伏的配电网多目标概率规划方法。通过K-means聚类对光伏出力数据进行场景削减,得到典型场景集及其概率模型,基于蒙特卡洛概率潮流生成不确定性场景,模拟分布式光伏实际运行情况。基于所得不确定性场景,建立双层概率规划模型：上层以投资建设成本最小和光伏渗透率最大为目标,对分布式光伏及储能进行选址定容,下层考虑分布式光伏出力的不确定性,以概率潮流下的运维成本、网损成本、购电成本和电压偏差指数最小为目标,对分布式光伏出力以及储能各时段充放电功率进行优化。采用改进的粒子群(particle swarm optimization, PSO)算法对概率规划模型进行求解。采用安徽某地光伏出力作为典型数据,以IEEE 33节点系统为算例开展多场景算例分析,结果表明：与传统规划方法对比,所提方法能够提升光伏渗透率和配电网运行稳定性,并降低综合成本。     

含光伏电站发电系统可靠性评估方法研究

近年来光伏发电并网容量不断增加,如何准确评估其对发电系统可靠性的影响具有现实意义。综合考虑光伏出力具有的昼夜日周期性和季节时序特性,提出了一种基于最优分段和多维聚类算法的光伏出力建模方法。首先根据光伏每天有效出力时间长短为原则,采用Fisher最优分段算法,对其年时序出力进行最优分段;然后利用模糊c均值聚类技术对每一时间段逐一进行聚类分析。使得光伏出力的建模更细化,能较好地保留了其局部特性。以IEEE-RTS测试系统为例,针对宁夏某光伏电站实测出力数据,采用该方法将年评估时间尺度智能划分为5个时间段,并在各时间段上量化分析不同光伏容量对发电系统可靠性的影响。计算结果证明了该方法的有效性,对光伏电站的并网容量规划具有重要指导意义。     

基于风电出力相关性建模的配电网概率潮流计算

风电具有强的随机波动性,且风电场之间存在一定相关性,对考虑风电相关性的配电网进行科学的潮流计算具有重要意义。提出了一种基于模糊C均值聚类和Copula函数的相关性建模方法,构建了一种蒙特卡洛模拟结合前推回代法的概率潮流计算模型。IEEE-33节点配电网仿真结果表明,模糊C均值聚类结合Copula函数比单一Copula建模在处理风电相关性问题上具有更准确的效果,提出的考虑风电出力相关性的配电网概率潮流计算科学有效,计算结果可为运行人员提供参考。     

基于负荷模糊聚类的电压稳定概率评估

在对研究时段内多个负荷水平进行模糊C均值聚类的基础上，采用多维正态分布抽样技术，提出了一种同时计及节点负荷相关性和负荷预测不确定性的电压稳定概率评估方法。通过对负荷样本多次抽样后进行连续潮流计算及模态分析，可以获得系统功率极值、母线与支路参与因子的统计信息，以及系统在给定负荷水平下电压失稳的概率，从概率角度指出具有潜在电压稳定问题的区域，实现对系统电压稳定性的概率评估。通过对IEEE57节点系统进行分析计算，验证了算法的可行性和有效性，并就模糊聚类数、负荷预测不确定性和节点负荷相关性对电压稳定评估结果的影响进行了比较和分析。     

采用分段离散化和高斯混合模型的多场景概率潮流计算

针对电网运行中风电和负荷的不确定性,提出了一种采用风电场输出功率分段离散化和负荷高斯混合模型的多场景概率潮流计算方法。在风电场有向功率特性曲线的基础上,分段离散化处理风电场输出功率,构造风电场输出功率多场景。同时,建立负荷的高斯混合模型,构造负荷功率多场景。然后,确定系统注入功率多场景及其对应的概率,在系统注入功率的每个场景中,风电节点输出功率为定值,负荷节点功率均服从高斯分布。最后,应用全概率公式,将系统注入功率的每个场景中计算所得状态变量的概率分布以该场景对应的概率作为权重,整合计算得到最终的概率潮流结果。以改进的IEEE 57节点系统进行仿真分析,结果表明所提方法简化了概率潮流求解过程,提高了计算效率。     

考虑输出功率相关性的光伏电站典型场景生成方法研究

含光伏的传统概率潮流计算常使用Beta、Weibull等分布模型,但这些模型难以精确体现不同场景下输出功率特性的变化。针对此问题,文中提出一种光伏输出功率多场景生成方法。该方法将多个光伏电站输出功率的相关性以及相关性跟随外界条件的变化纳入考量范围,可实现多个光伏电站输出功率的精确建模。首先,对光伏电站历史输出功率数据进行基于密度中心的聚类处理,产生的多个聚类中心作为输出功率场景;其次,对不同场景进行核密度估计,建立Copula函数以描述多个输出功率的概率分布;然后,对生成的多场景概率分布模型进行拉丁超立方采样,利用生成的样本进行概率潮流计算,评估含光伏的配电网运行状态;最后,分析算法的稳定性,讨论采样规模对计算结果的影响。结果表明,文中提出的多场景生成方法有助于提升光伏输出功率的建模精度和概率潮流计算精度。     

计及电压稳定裕度的配电网光伏发电选址与定容

本文针对光伏出力的随机性和负荷的波动性,考虑光伏出力及负荷在不同状态下发生的概率,提出了一种多场景光伏发电负荷混合概率模型。采用电压灵敏度分析法寻找电压支撑点,作为光伏发电接入的候选节点集,提高光伏选址的效率。以改进VPII指标为目标函数,将多场景光伏发电负荷混合概率模型加入功率潮流平衡方程,建立光伏发电的选址和定容模型。最后,以IEEE14辐射型配电网系统为算例,验证了本文所提模型的合理性和有效性。仿真结果表明,合理选择光伏的接入位置和容量,能够有效提高配电网的电压稳定裕度,提升其稳定性并降低网损。     

计及需求响应的含大规模风电并网下电力系统灵活性评估

为了分析在风电并网情况下多种调节资源对电力系统灵活性的影响,提出一种“整体-局部”的灵活性评估方法。在需求响应方面,针对分时电价,采用模糊C均值法对各时点负荷进行聚类,然后结合连续性划分准则对分时区间进行确定。考虑到风电场景集过大会带来求解效率低的问题,在Canopy聚类和K-medoids聚类的基础上提出一种双层聚类场景削减技术,并对削减后场景进行校验,确保其能有效地反映风电波动情况。在计算上,针对各风电场景,构建以经济性作为目标函数的机组组合模型并进行求解,然后根据多场景下的调度结果对电力系统的灵活性进行整体和局部的评估。通过仿真分析,验证了该评估方法的有效性与合理性。     

基于Faure序列的电力系统概率潮流计算

风电场的大规模接入使得在进行电力系统概率潮流计算时需要考虑风电场出力的随机性。传统的蒙特卡洛法计算时间长、占用内存大。提出一种基于Faure序列的含风电场电力系统概率潮流计算方法。IEEE30节点和IEEE118节点系统对所提方法的准确性与有效性进行了仿真验证。仿真结果表明:Faure序列法可以较好地估计输出随机变量的概率分布,能有效地处理间歇性能源接入系统后的不确定性问题。     

基于场景分析的电力系统日前调度及其快速求解方法

在含风光电力系统规模逐渐增大的背景下,提出一种基于场景分析的电力系统日前调度快速求解方法。考虑到不同时刻风光出力均具有显著相关性,基于多元正态分布和蒙特卡罗采样生成大量具有时间相关性的原始场景。利用改进的k-means聚类算法对原始场景进行预分类,并采用基于Kantorovich概率距离的同步回代缩减算法对处理后的场景进行缩减,缩短场景分析的计算时间。建立基于场景分析的电力系统日前优化调度模型。为提高模型求解效率,引入包含风光预测误差向量信息的边界场景,在调度模型中考虑上下边界场景的备用容量约束,并建立考虑边界场景备用容量约束的优化调度模型。以某省级电网实测数据进行仿真分析,验证了所提模型及方法的有效性。