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。     

含电动汽车和分布式电源的配电网动态概率潮流计算

分析了电动汽车、风力发电机和光伏组件的动态概率模型,考虑了输入变量间的相关性。采用基于拉丁超立方采样的蒙特卡罗法进行动态概率潮流计算,得到节点电压和支路潮流的数字特征,应用非参数核密度估计得到概率分布曲线。针对IEEE33节点配电网系统,进行仿真测试,验证了算法的正确性和高效性。     

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。     

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Nataf变换和准蒙特卡洛模拟的随机潮流方法

提出一种可处理输入变量相关性的随机潮流方法。该方法基于Nataf变换和准蒙特卡洛模拟,使用奇异值分解处理对称非正定的相关系数矩阵。对IEEE 30节点系统和某实际大区域电网的仿真证明了所提方法的有效性和普适性。仿真结果表明:与传统基于Cholesky分解的排序方法相比,奇异值分解可在不增加计算代价的同时灵活处理非正定的相关系数矩阵;而相比于普通基于拉丁超立方的方法,所提方法收敛更快,相同样本规模下的计算精度更高,特别是输出变量标准差的精度。     

含经VSC-HVDC并网海上风电场的交直流系统概率最优潮流

由于海上风速的不确定性,海上风电场并网会对电力系统最优潮流(OPF)产生影响,提出含基于电压源换流器的高压直流输电(VSC-HVDC)并网海上风电场的交直流系统概率最优潮流计算模型。首先,利用非参数核密度估计拟合海上风速分布,建立海上风电场和VSC-HVDC的稳态模型;然后,基于拉丁超立方采样得到标准正态分布样本,利用等概率变换理论和Nataf变换技术得到具有相关性的输入变量样本;最后,采用原对偶内点法进行OPF计算,得到输出变量的样本,利用统计学方法得到输出变量的数字特征和概率分布。IEEE 14节点和IEEE 118节点系统仿真结果验证了算法的准确性和高效性。     

基于组合抽样的含分布式电源随机潮流计算

针对含分布式电源系统随机潮流计算中随机变量类型多的特点,提出基于组合抽样的蒙特卡罗模拟法,其根据随机因素的不同特点采用不同的抽样方法,并计及线路随机故障的影响。将随机因素作为随机变量建立概率分布模型;对连续概率分布的负荷及分布式电源出力采用拉丁超立方抽样,对离散概率分布的电源和线路随机故障采用结合拉丁超立方抽样的改进重要抽样方法,以减小方差,提高模拟计算效率;对系统随机变量进行抽样建模。通过对接有分布式电源的IEEE 14节点系统和IEEE 57节点系统的算例分析,表明了所提方法是有效的,并具有良好的收敛性。     

一种含牵引负荷的概率潮流计算方法

含牵引负荷的概率潮流算法一般是将概率统计方法与确定性潮流计算方法相结合,但常见的确定性潮流算法如快速解耦法和牛顿-拉普逊法,在计算过程中存在不收敛、计算精度偏低的问题。为此提出一种含牵引负荷的概率潮流计算方法,采用Copula函数来描述输入变量的相关性,通过拉丁超立方函数对输入变量进行抽样,将深度神经网络法用于确定性潮流的计算。最后在改进的IEEE 30节点系统中验证了所提算法的适用性。     

电力系统可靠性评估中的改进拉丁超立方抽样方法

将拉丁超立方抽样方法与重要抽样方法相结合,提出了一种应用于电力系统可靠性评估的改进拉丁超立方抽样方法。该方法首先通过重要抽样改变原系统样本空间的概率分布,然后对新概率分布进行拉丁超立方抽样,降低了抽样方差,避免了系统正常状态的大量重复抽样。应用该方法对IEEE-RTS系统与IEEE-RTS修改系统进行可靠性评估,并与常规非序贯蒙特卡洛抽样方法和传统拉丁超立方抽样方法的结果进行了比较。比较结果验证了所提出的方法在保证一定计算精度的条件下,可降低抽样方差,提高抽样效率,并且可适用于高可靠性的系统可靠性评估。     

考虑非正定相关性的改进LHS概率潮流计算方法

由于LHS(拉丁超立方采样)能较大程度覆盖采样区间,因此常作为概率潮流计算中的分层抽样方法。但随着风、光等分布式能源在电力系统中渗透率的提高,以及采样对象维度的增加,使得LHS所得样本的均匀性略显不足。同时,风、光等随机变量之间的相关性也会日趋复杂。相关矩阵作为表现随机变量之间相关性的有效方式,在矩阵维度增加时会出现非正定情况,从而导致基于Cholesky分解排序变换的概率潮流计算方法无法进行。针对上述问题,提出一种考虑风、光相关性为非正定时的改进LHS概率潮流计算方法,并利用改进的IEEE 30与IEEE 118系统验证了所提方法的准确性与有效性。     

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。     

基于卷积的风速和负荷相关性分类处理的概率潮流计算

含相关性风电的电力系统概率潮流算法需具备同时处理风速相关性和负荷相关性的能力。现有的概率潮流算法一般采用蒙特卡罗方法统一处理两类相关性,但该算法计算量较大,且忽视了风速和负荷在概率分布特性上的差异。为此,本文提出风速相关性和负荷相关性分类处理的概率潮流算法。该算法延用蒙特卡罗法计算相关风电场总出力的概率密度曲线,并利用负荷一般呈正态分布的特性,采用解析法快速求取总负荷的正态分布函数,最后将两类结果进行卷积计算获得支路潮流的概率密度函数。由于在处理具有相关性负荷时避免了负荷样本的生成与采样,该算法可以提高概率潮流的计算效率。以含多风电场的IEEE RTS-96系统和IEEE 118系统为算例,与蒙特卡罗法、点估计法及累积量法进行比较,验证了本文方法的有效性和优越性。     

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。     

基于广义多项式混沌法的电力系统随机潮流

近年来,随着风、光电源的大量接入,系统运行的不确定性增大,考虑了系统运行随机因素的随机潮流受到更广泛的关注。提出了一种基于广义多项式混沌法的电力系统随机潮流计算方法。该方法利用广义多项式混沌法的正交多项式逼近思想,将系统的随机性分离至正交多项式基,并利用直角坐标潮流方程的二次性避免非线性潮流方程展开的高阶截断误差,进而利用随机Galerkin法,将随机潮流方程转换为一组确定性方程,通过此方程的求解获得随机潮流状态变量的正交多项式逼近系数,由此系数可获得相关变量的期望和方差,并可结合蒙特卡洛仿真,获得变量的概率密度。IEEE 9节点系统的算例表明,该方法的计算误差大致随多项式逼近阶数的上升而指数下降,通常条件下三阶逼近即可获得较高的精度,具有比蒙特卡洛仿真法更高的计算效率。     

Probabilistic Load Flow Evaluation With Hybrid Latin Hypercube Sampling and Cholesky Decomposition

Monte Carlo simulation method combined with simple random sampling (SRS) suffers from long computation time and heavy computer storage requirement when used in probabilistic load flow (PLF) evaluation and other power system probabilistic analyses. This paper proposes the use of an efficient sampling method, Latin hypercube sampling (LHS) combined with Cholesky decomposition method (LHS-CD), into Monte Carlo simulation for solving the PLF problems. The LHS-CD sampling method is investigated using IEEE 14-bus and 118-bus systems. The method is compared with SRS and LHS only with random permutation (LHS-RP). LHS-CD is found to be robust and flexible and has the potential to be applied in many power system probabilistic problems.     

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。     

Probabilistic load flow calculation with quasi-Monte Carlo and multiple linear regression

In this paper, quasi-Monte Carlo combined with multiple linear regression (QMC-MLR) is proposed to solve probabilistic load flow (PLF) calculation. A distinguishing feature of the paper is that PLF is approached by a low-dimensional problem with the concept of the effective dimension, and thus QMC based on low-discrepancy sequences is used to improve the sampling efficiency of the Monte Carlo simulation (MCS). Moreover, according to the relationship between linear correlation and linear regression, the MLR-based correlation control technique is developed to arrange the orders of samples in order to introduce prescribed dependences between variables. The proposed method is tested with the IEEE 118-bus system. Simulation results indicate that the MLR-based technique is robust and efficient in handling correlated non-normal variables and the proposed method shows better performances in PLF calculation compared with other MCS techniques, including simple random sampling (SRS), Latin hypercube sampling (LHS) and Latin supercube sampling (LSS).     

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。