基于广义多项式混沌法的含风电电力系统随机潮流

风电的大量接入加剧了电力系统运行的不确定性,随机潮流计算是分析电力系统不确定性的重要工具。针对风电接入,提出了基于广义多项式混沌理论的方法求解随机潮流。该算法选取最优广义多项式混沌基函数构成级数展开式来近似表示随机输入变量,再根据基函数的正交性,构造确定性方程组,进而将求解系统状态变量概率分布的问题转化为其广义多项式混沌逼近系数的求解问题。针对风电出力概率分布复杂且需计及风速相关性的情况,采用等价变换方法处理随机输入变量。对IEEE 30节点系统的随机潮流计算结果表明:所提算法的计算精度较高;与蒙特卡洛模拟法相比,计算量较小。     

基于广义多项式混沌方法的电力系统时域仿真不确定性分析

电力系统时域仿真不确定性分析主要研究电力系统中不确定性因素对时域仿真结果的影响,为分析不确定情况下系统的暂态稳定性提供重要依据。提出一种基于广义多项式混沌方法的时域仿真不确定性分析方法。该方法近似认为变量在任一时刻与随机因素之间存在多项式关系。求解时首先获取最优的正交多项式基函数,对随机输入变量及待求变量实施多项式逼近,并基于Galerkin法,通过投影运算将描述系统暂态过程的随机方程转变为相应的确定性方程。求解该方程,可得待求变量的多项式逼近系数,进而获得相关变量在任一时刻的统计特征及概率分布。单机无穷大系统和IEEE 9节点系统算例验证了所提方法的有效性。     

基于随机配置点法的概率潮流算法

可再生能源的大量接入使得电力系统的不确定性增加,对电力系统的运行和控制提出了新的挑战。从不确定性量化理论出发,提出了一种基于随机配置点法的概率潮流算法。该算法将不确定性输入变量的概率分布表述为广义多项式混沌的谱系数,通过构建一个规模可控的确定性非线性方程组,将待求变量的概率分布函数求解转换为广义多项式混沌的谱系数求解问题,可较好地解决概率潮流计算中求解精度和计算复杂度之间的矛盾。在IEEE 14节点和IEEE 118节点系统的仿真计算中,该算法的有效性、实用性和准确性得到了验证,对于含新能源并网的概率潮流等不确定性问题具有较好的工程应用前景。     

结合M-Copula理论与半不变量的随机潮流方法EI北大核心CSCD

随着光伏等可再生能源越来越多地并入电力系统,电力系统运行的随机性问题越来越突出。传统的确定性潮流将无法准确描述电力系统的实际运行状态,而随机潮流能充分考虑电力系统的各种随机波动,从而为电力系统的规划和运行提供指导。然而,新能源出力由于自然条件的时空关联性存在复杂的非线性相关性;为处理该非线性相关性,提出了一种基于M-Copula理论的半不变量随机潮流计算方法,将Copula理论与半不变量法结合起来,同时选择多个Copula函数模型来充分描述变量之间的复杂相关性。该方法既考虑了电力系统输入变量之间广泛存在的非线性相关性,又充分利用了半不变量法计算速度较快的优点,从而实现随机潮流的快速准确计算。以修改的IEEE 14系统为例,与蒙特卡洛方法进行的对比,仿真验证了所提方法的快速性与准确性。     

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。     

基于Nataf变换含相关性的扩展准蒙特卡洛随机潮流方法

随机潮流分析中,准蒙特卡洛方法在同样规模下不仅计算效率高于基于拉丁超立方的方法,且具有更好的扩展性质。因此提出一种基于Nataf变换的扩展准蒙特卡洛方法(NEQMC)并应用于概率潮流计算中。该方法利用Nataf变换重构输入变量的概率分布,而扩展技术可在随机潮流未收敛时保留已知的潮流计算结果,基于奇异值分解的相关系数控制技术不仅可保持扩展前后样本的相关性,且使得该方法也适用于相关系数矩阵非正定的情况。与基于Nataf变换的简单随机抽样、扩展拉丁超立方方法在IEEE 30和IEEE 118节点系统的比较分析证明了所提方法的高效性和准确性,仿真结果表明:相比于拉丁超立方和简单随机抽样,NEQMC的输出变量准确度更高,特别是标准差的准确度得到大幅改进,获得相同准确度的计算复杂度大大减小。     

考虑强度退化的海上风机齿轮结构可靠性评估方法EI北大核心CSCD

针对结构可靠性评估中多维复杂非线性积分难以求解的问题,以海上风机的齿轮结构为例,提出一种基于广义多项式混沌和最大熵模型的解析计算方法。首先,考虑风载荷对齿轮的疲劳损伤,建立考虑齿轮结构强度退化的时变可靠性模型;其次,基于随机风载和齿轮材料结构的不确定性分布,通过广义多项式混沌展开将原复杂随机模型转化为正交多项式之和的代理模型;在此基础上,利用代理模型的展开系数和正交基函数得结构功能函数的前四阶原点矩,将其作为齿轮结构疲劳可靠性的约束条件,并基于最大熵原理得到齿轮疲劳失效的概率密度函数,采用直接积分的方法求结构可靠性指标;最后,以一台2MW海上风机的齿轮结构为例进行分析计算,验证所提方法的有效性。     

结合M-Copula理论与半不变量的随机潮流方法

随着光伏等可再生能源越来越多地并入电力系统,电力系统运行的随机性问题越来越突出。传统的确定性潮流将无法准确描述电力系统的实际运行状态,而随机潮流能充分考虑电力系统的各种随机波动,从而为电力系统的规划和运行提供指导。然而,新能源出力由于自然条件的时空关联性存在复杂的非线性相关性;为处理该非线性相关性,提出了一种基于M-Copula理论的半不变量随机潮流计算方法,将Copula理论与半不变量法结合起来,同时选择多个Copula函数模型来充分描述变量之间的复杂相关性。该方法既考虑了电力系统输入变量之间广泛存在的非线性相关性,又充分利用了半不变量法计算速度较快的优点,从而实现随机潮流的快速准确计算。以修改的IEEE 14系统为例,与蒙特卡洛方法进行的对比,仿真验证了所提方法的快速性与准确性。     

基于分布式电源出力独立随机性的配电网随机潮流算法

各类型分布式发电(Distributed Generations,DGs)出力均存在显著的随机性和相关性特征。针对配电网中日益增加的分散式风力发电和分布式光伏发电,提出一种计及DGs出力随机性和相关性的三点估计随机潮流(Probabilistic Load Flow,PLF)计算方法。该方法基于三阶多项式的正态变换,对非正态多维随机变量的相关性进行数学表征和转换处理,将其转换为独立非正态多维随机变量,利用蒙特卡洛或三点估计方法求出估计值,由确定性潮流进行计算,进一步通过Gram-Charlier级数展开,拟合各支路的有功功率及对应节点电压的概率密度和分布曲线。该方法能够实现输入随机变量的解耦求解,有效提升计算效率和准确性。仿真算例结果验证了算法的正确性,为含高比例分布式发电的配电网的运行规划提供有效参考。     

考虑大规模风电并网的电力系统随机潮流

提出一种考虑大规模风电并网的电力系统随机潮流算法。该方法针对大规模风电注入功率波动性强的特点,在当前结合半不变量和级数展开的随机潮流计算方法基础上,采用分段线性化手段减小潮流方程线性化误差,提高系统状态量的半不变量求解精度;引入C型Gram-Charlier级数,避免在含大规模风电的系统中采用A型Gram-Charlier级数逼近系统状态量概率密度函数会出现负值的问题。为求分段线性化后系统状态量的半不变量,根据半不变量的定义,推导得出了分段线性函数因变量的半不变量与自变量分布之间的定量关系,此关系可方便地考虑风场有功、无功注入相关性。对IEEE 30节点系统的测试表明:所提算法与蒙特卡罗法计算结果是一致的,而计算速度则要快得多;与当前半不变量法相比,结果计算精度得到了较大提高。该算法可快速、准确地求解含大规模风电并网的电力系统随机潮流,具有较好的实际应用价值。     

考虑光伏出力相关性的配电网概率潮流

分布式光伏发电出力随机性强,且同一区域内的光伏出力相关性显著。考虑光伏接入的配电网概率潮流研究,关键在于相关非正态的光伏输入随机变量的处理。采用Nataf变换进行相关非正态输入随机变量的抽样,并与点估计方法相结合,提出了考虑光伏出力相关性的配电网概率潮流计算方法。与传统处理相关问题的正交变换相比,Nataf变换能够反映相关系数在不同变量空间中的变化,因此,在处理相关非正态随机变量方面,Nataf变换比正交变换法更为精确。通过对含有分布式光伏发电的IEEE 33节点算例系统的计算,验证了Nataf变换的优越性。进一步,分析了不同光照强度相关系数、负荷功率波动大小以及估计点个数对概率潮流计算结果精度的灵敏度。     

基于非参数核密度估计的扩展准蒙特卡洛随机潮流方法

扩展蒙特卡洛方法将随机潮流的误差转化为可控量,并可在样本数增加时保留已知的潮流计算结果。基于扩展拉丁超立方抽样的方法效率比简单随机抽样高,但仍存在两方面的问题:第一,扩展拉丁超立方抽样无法保证序列的差异性,这成为计算效率提高的瓶颈;第二,当输出变量偏离正态分布时,扩展拉丁超立方抽样方法缺乏性能良好的收敛判据。针对以上两个问题,采用基于Sobol序列的扩展准蒙特卡洛方法进行随机潮流计算,并提出基于非参数核密度估计方法的收敛判据。对IEEE 30和IEEE 118节点系统的仿真结果表明,所述方法比扩展拉丁超立方抽样方法更加方便、准确,同时效率更高、收敛更快;而基于非参数核密度估计的收敛判据直观、适应性强,对变量的概率分布没有附加条件,可准确指导扩展随机潮流的收敛。     

基于Pair Copula的多维风电功率相关性分析及建模

大规模风电场的接入使风电相关性更加复杂,合理描述多风电场出力的随机性和相关性特性,对准确分析风电对电力系统运行的影响具有重要意义。现有的Copula等方法能较准确描述二元相关性,但对于更高维模型的相关性描述则不够准确。基于此,提出了基于C藤Pair Copula的风电功率高维相关性模型,以及相应的采样方法。Pair Copula能够描述风电功率两两之间不同的相关性结构,从而能较好描述复杂的多维相关性,且建模步骤简单,使用灵活,适用范围广。对澳大利亚多个风电场出力样本进行分析和建模,验证了所提方法的优越性。最后通过IEEE 118节点系统的概率潮流算例,说明了合理刻画风电功率相关性可以更准确地分析含风电接入的电力系统运行特性。     

采用改进联合正态变换法的随机潮流计算

为了对随机潮流计算时电力系统中的相关性因素进行建模,提出了一种改进的联合正态变换(JNT)法。首先,介绍了传统JNT法的基本步骤,分析了JNT法建模时能够保持相关性结构不变的原因。然后,介于核心部分在于将正交变换引入到传统JNT法中,根据JNT法以正态分布为基础这一特性,提出了一种改进JNT法以提高采样效率,并将该采样法与蒙特卡洛法相结合计算系统随机潮流。最后,利用IEEE 30节点网络设计了算例,分别验证了所提出的改进JNT法和随机潮流算法的可行性。     

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。     

基于高斯求积的智能配电网三相概率潮流点估计法

随着大规模风电、光伏和电动汽车的接入,智能配电网运行状态的不确定性大幅增加.文章通过分析不确定性变量的概率分布特征,提出一种基于高斯积分的概率潮流点估计法.该方法利用Gauss-Hermite求积与正态变换技术选取输入变量的估计节点和对应权重,通过多项式逼近方法估计多随机变量响应函数的输出变量统计矩.针对配电网参数不对...