考虑输入变量相关性的概率潮流计算方法

风电场的大规模接入使得电力系统在进行规划设计和方式安排时需要计及风电出力的不确定性,概率潮流计算方法是在计及不确定因素的条件下分析电力系统运行状态的重要工具。针对当前所使用的概率潮流计算方法的不足,提出一种可以处理多个输入随机变量相关性的基于拉丁超立方采样（Latin hypercube sampling,LHS）的Monte Carlo模拟概率潮流计算方法,该方法同时还具有精度高和速度快等优点,并且不受输入随机变量的概率分布类型的约束。在同时考虑风电和负荷不确定性的条件下,对IEEE14和IEEE118节点系统进行仿真计算,结果验证了所提出方法的有效性和准确性。     

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。     

考虑负荷增长随机性的大电网电压稳定概率评估

针对电压稳定负荷裕度计算中负荷增长随机性的影响,提出一种大电网电压稳定概率评估方法。该方法根据历史负荷数据采用改进K均值聚类算法将负荷分类,基于负荷预测和负荷分类结果定义负荷随机增长的期望,在此基础上建立负荷增长方向概率模型,并采用拉丁超立方采样技术获得负荷增长方向样本,运用连续潮流对各样本进行确定性的负荷裕度计算。运用该方法对我国某实际电网进行电压稳定概率评估,评估结果验证了该方法的有效性和实用性。     

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。     

基于相关性负荷模型的输电定价方法

传统输电定价方法以年峰值负荷模型为基础,难以适应可再生能源大规模接入、电力市场深化改革的发展新形势,就此提出了一种新的基于相关性负荷模型的输电定价方法。采用多变量核密度估计和多维正态分布抽样技术,构建基于数据驱动的相关性负荷模型,抽样获得节点负荷向量样本空间,削弱了随机分布人为假设的不足,更好地模拟系统节点负荷相关性与随机变化规律。在此基础上形成系统负荷高峰时期多典型运行方式,采用源流分析法评估单运行方式的电网使用份额,用概率加权综合分摊输电成本,以制定公平的输电电价。采用IEEE RTS-79节点系统算例验证了该方法能够更加真实地综合反映输电用户对输电设备的使用份额,有利于实现公平定价,以适应绿色化和市场化的电力系统发展新格局。     

高速铁路牵引负荷对湖南电网的影响

结合近年来湖南电网及高速铁路规划布局,本文从电网静态安全潮流控制、无功电压平衡等方面对高铁牵引负荷对湖南电网的影响进行分析。基于以上分析,为减少高铁牵引负荷对电网带来的不利影响,本文为调度运行专业人员合理安排电网运行方式、计划检修工作及调整控制电网运行潮流及电压提供了建议措施。     

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Copula理论和切片采样技术结合拉丁超立方抽样的概率潮流计算

为评估大规模新能源并网对电力系统概率潮流的影响,提出一种Copula理论、切片采样及拉丁超立方采样相结合的MCMC概率潮流计算方法。利用Copula理论建立计及输入变量相关性的概率分布模型,采用Kendall秩相关系数作为相关性测度,通过切片采样算法产生初始样本,引入拉丁超立方抽样技术对初始样本进行处理,提高算法的计算效率。以改造后的IEEE-14节点测试系统为算例,验证了文中方法的准确性和有效性,研究了风、光出力相关性对电力系统概率潮流的影响。结果表明风、光互补提高了系统运行的可靠性和经济性,考虑风、光相关性可以更合理地评估风、光并网对电力系统概率潮流的影响。     

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。     

考虑风光不确定性的电力系统概率潮流计算

针对概率潮流计算中采用蒙特卡罗算法而导致精度低、操作性复杂的问题,提出了一种基于改进拉丁超立方的蒙特卡罗法的概率潮流计算方法,按照样本在变量概率密度分布中所反映出的重要程度进行采样,得到的样本均值不变且方差较小。在含风电与光伏的IEEE-30节点系统概率潮流计算中的结果表明：该方法能更好地反映概率潮流计算中随机变量的数字特征,提高蒙特卡罗法的计算精度,降低随机函数尾部特性造成的误差,从而具有较好的工程实用价值。     

考虑资源相关性和不确定性的负荷需求响应决策研究

需求响应（demand response,DR）具有一定的不确定性,为了真实地反映各不确定性用户的响应情况,文章考虑了以空调为代表的不确定性用户资源之间在空间和时间上响应度的相关性。首先采用拉丁超立方采样法对响应度进行规模采样和相关性控制,得到反映响应相关性的样本。其次引入确定性资源,建立负荷聚合商（load aggregator,LA）的最优决策模型,并通过随机模拟和智能算法求解利润最高时的决策方案。最后通过算例分析了确定性资源、相关性及响应度的分布参数对决策方案和利润的影响,验证了订购确定性资源,签约负相关的不确定性用户,提高响应度的均值,降低响应度的方差均对利润有着显著的提高。     

考虑出行路径决策的电动汽车充电负荷时空预测方法

为了构建准确的电动汽车充电负荷模型,本文提出一种考虑出行路径决策的充电负荷时空预测方法。首先,采用拉丁超立方采样抽取用户的起始出行时刻和起始荷电状态。其次,考虑用户的不确定性充电需求,利用模糊综合评价法以剩余荷电状态、停驶时长以及充电时长3种评价指标构建用户的充电行为模型。最后,考虑道路交通状况对用户出行路径的影响,根据Logit模型构建路阻函数模型,利用动态Floyd算法获取用户的出行路径,通过蒙特卡罗模拟得到电动汽车充电需求的时空分布。通过算例分析以及路径规划实验,表明本文方法能够更好地模拟用户的实际出行轨迹,在路径规划、载客量的影响以及模型精度上均具有优势。     

考虑电能替代负荷接入的配电网鲁棒重构优化

为治理大气污染、保护环境,涵盖电采暖和电动汽车的电能替代负荷将越来越多地接入配电网中,配电网的供电能力受到显著影响,传统配电网运行优化方法须要改进。基于电采暖、电动汽车负荷的出力模型,采用拉丁超立方抽样、Cholesky分解和同步回代削减相结合的方法实现概率多场景的快速生成。基于生成的概率多场景,将鲁棒优化和随机规划方法相结合,采用场景分析方法,在满足鲁棒约束条件下,以网络损耗和负载均衡度为优化目标,建立考虑电能替代接入的配电网鲁棒重构优化模型,采用蚁群算法对模型进行求解。最后通过算例验证了文中重构方法能够有效提升含大规模电能替代负荷配电网的供电能力。     

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。     

电气化铁路牵引负荷对固原电网的影响

结合固原电网的实际运行情况,根据牵引机车通过电气化铁路时测到的实际负荷数据,分析了固原电网内牵引变电站电压畸变、负序分量、电流谐波的现状以及电气化铁路牵引机车对固原地区电网的影响,指出应从源头治理电网谐波。     

基于牵引负荷负序功率潮流计算及电能计量方式研究

不对称的牵引负荷会引起负序功率潮流,直接影响电能计量结果的可靠和准确性,本文提出了牵引负荷负序功率潮流计算及电能计量的调整方法。分析了牵引负荷负序功率分布情况,将分析结果结合牵引负荷的相关性,采用Copula理论构建牵引负荷负序功率潮流分析模型,计算牵引负荷正序功率的潮流结果以及分布和流向;依据计算结果分析牵引负荷负序功率潮流对电能计量的影响,并提出基于功率因数理论电能计量调整方案。测试结果表明：文中方法具备良好的负序功率潮流计算效果,与实际结果之间的最大差值均低于0.000 6,功率因数的取值为0.7时,能够合理、可靠地完成电能计量,保证计量结果的准确性。     

含风电的电力系统概率潮流计算

概率潮流求解中蒙特卡罗法只有在大规模采样的条件下进行多次模拟,才能提高精准度,其导致计算量大,耗费时间,难以处理风电中变量相关性的概率潮流。采用基于拉丁超立方采样的蒙特卡罗法对含有风电场的电力系统概率潮流问题进行分析。基于拉丁超立方采样的蒙特卡罗法,主要分为采样和排序。采样是为了确保样本空间能够被完整的采样,排序是为了降低随机变量之间的相关性。该方法将Gram-Schmidt和Cholesky2个排序方法结合,很好地降低随机变量之间的相关性。通过IEEE-39节点仿真,结论显示该方法能够较好地处理风电中的风速相关性,降低采样规模,提高精准度,是一种非常有效的处理含有风电场的概率潮流问题的方法。     

考虑风速相关性的风电穿透功率极限的改进计算

为全面分析多风电场风速相关性对风电穿透功率极限的影响,提出了一种考虑风速相关性和电网多种约束条件的风电穿透功率极限的改进计算方法。该方法采用基于拉丁超立方采样的随机模拟技术对具有相关性的多个风电场风速进行模拟,并应用基于机会约束规划理论的最优概率潮流方法,在满足包含常规机组爬坡能力约束等系统多种约束的前提下,以系统接纳风电总装机容量最大化为目标,计算风电穿透功率极限。以IEEE-30节点系统为仿真算例,采用遗传算法对该模型进行求解,验证了上述方法的有效性。仿真结果表明,通过增加爬坡能力约束能更好地反映风速相关程度对风电接入能力的影响,从而得到更符合实际的风电穿透功率极限。     

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。