基于并行加速LU分解改进回路电流法的配电网潮流算法

随着电力系统规模的不断扩大,配电网节点数越来越多,对配电网潮流算法的计算速度和收敛性提出了更高的要求。为此,提出一种基于并行加速LU分解改进回路电流法的配电网潮流算法,该算法采用回路电流法进行建模求解,利用列选主元LU分解法求解病态线性方程组,并根据列消去树、关联列修正关系和多线程计算原理设计了潮流算法,实现了潮流计算的多线程的并行加速。通过对不同规模的配电网算例进行分析,结果表明所提算法计算速度快、适用性强、内存占用低,在大规模配电网潮流计算中有良好的计算效果,能够满足大型配电网在线潮流计算的要求。     

基于Copula函数的风电场风速建模分析

韭菜坪风电场为贵州省的一个大型山区风电场,风电场内各机组的风速具有一定相关性。本文采用多元正态Copula函数及秩相关矩阵度量的方法来量化分析该风电场内风速的相关性,以建立更能反映该风电场特性的风速模型。多元正态Copula函数能有效地将威布尔分布的风速序列、风速累积概率分布序列及标准正态分布序列连接起来,实现相关风速变量的转换及建模预测。该方法为今后分析韭菜坪风电场风速特性对该地区电网安全稳定性的影响提供一定的技术支持,也可为山区及大型风电场规划选址提供参考。     

基于Copula函数的北京市设计降雨研究

准确描述不同重现期下的设计降雨,能够为水利工程规划设计和防洪减灾提供重要的科学依据.本文以北京市2005-2018年20个站点逐小时的降水数据为基础,采用超定量法提取各分区不同场次强降雨的降雨历时和降雨量,构建了各个分区降雨历时和降雨量的二元分布,并计算了各个分区在不同重现期下的设计雨量.结果表明:北京市城区的强降雨事...     

基于Copula函数的马尔科夫链风速预测模型

针对风能随机波动造成的电网不平稳运行问题,提出了一种基于Copula函数计算马尔科夫链风速预测模型,对风速进行了短期预测。首先,利用相邻时段风速变量时间相关性建立连续一阶马尔科夫链风速预测模型,然后,结合Copula函数并采用基于经验分布的半参数估计法计算风速模型的状态转移函数,有效避开了离散型马尔科夫链因风速状态离散化程度高引起模型计算过于复杂的缺点,并且生成了较高精度的预测风速时间序列。最后,实例仿真分析结果验证了所提模型预测的准确性和有效性。     

基于滑动Copula函数的降水和径流关系变异诊断

将滑动窗口与Copula函数相结合,提出滑动Copula函数的降水和径流的关系变异诊断新方法。以渭河流域华县站1951-2011年的实测月降水量和月径流量序列为例,画出不同滑动窗口的序列相依关系图,在欧式距离评判标准下,拟合降水和径流关系变异前后的最佳Copula函数。结果表明,华县站降水和径流关系变异年份为1972年和1984年,降水和径流关系在1951-1972年和1985-2011年服从T-Copula函数分布,1973-1984年服从Clayton-Copula函数分布。Copula函数模拟二元变量的诸多优点,有助于进一步认识降水和径流的尾部相关关系,为随机变量关系的变异研究提供一种新的途径。     

一种基于图形处理器加速的批量LU分解算法

潮流计算是电力系统计算的基础,其核心是LU分解计算,因此电力系统潮流计算加速的关键在于LU分解加速。当前,基于中央处理器(CPU)的并行算法已经成熟,性能提升空间有限。图形处理器(GPU)作为协处理器,在科学计算方面具有强大的优越性,被广泛应用到电力系统潮流计算中。文中首先分析了GPU结构和并行运行架构,然后介绍了LU分解原理,并选择了合适的矩阵排序算法和稀疏矩阵存储模型,借助统一计算设备架构(CUDA)编程模型实现了基于GPU的单个LU分解和批量LU分解并行加速,最后在仿真设备上测试了5个不同的案例,对比分析其并行算法的加速效果。仿真测试结果表明,基于GPU的批量稀疏LU分解并行算法,平均可以获得25～50倍的加速效果。     

基于不完全LU分解预处理迭代法的电力系统潮流算法

随着电力系统规模日益增大,对潮流计算速度与实时性的要求相应提高。为了适应大规模电力系统潮流计算需求,根据Krylov子空间思想,提出了一种基于迭代法求解线性方程组的潮流算法,该算法利用不完全LU分解作为预处理,并采用CPU-GPU异构运算架构,根据CPU和GPU的不同特点,将潮流算法分为CPU处理部分和GPU处理部分,其中GPU用于并行处理计算量最为密集的线性方程组求解步骤,CPU用于处理潮流算法的其他步骤,实现快速求解。算例表明,所提算法收敛性能稳定、收敛速度快、算法效率高,在系统规模较大时,与传统基于LU分解的潮流算法相比具有明显优势,能够满足大规模电网在线潮流计算的需求,具有工程应用价值。     

基于混合LU分解预处理GMRES的暂态稳定仿真并行算法

经典不完全LU分解(ILU)预处理方法由于固有的前推回代模式而不利于并行化,为此提出了基于混合LU(HLU)分解预处理广义极小残余法(GMRES)的电力系统暂态稳定性并行计算方法。该方法在隐式联立求解方法的基础上,结合雅克比矩阵的对角加边形式,将雅可比矩阵采取分而治之的策略进行HLU分解预处理,再利用GMRES方法并行迭代求解。利用2个不同规模的算例系统,测试结果表明:HLU预处理较经典ILU可以减少一半的迭代次数,结合图形处理器(GPU)并行计算技术,基于HLU预处理GMRES的并行算法在系统规模达到上万节点时,可以获得10倍以上的加速比。因此,所提方法是一类收敛性好、并行度高,比较适合于GPU计算的并行算法。     

电力系统拓扑分析的LU矩阵分解算法

电力系统拓扑分析是电力系统仿真与状态估计的基础。传统的电力系统拓扑分析算法需要进行大量的图搜索与逻辑运算,计算效率较低,无法适应现代大规模复杂电力系统的拓扑分析需要。为实现大规模复杂电力系统的实时拓扑分析,基于电力系统网络支路—节点关联矩阵的LU分解,提出了一种新型拓扑分析算法。该算法不仅具有简化节点间邻接信息处理的性能优势,而且具有以算术运算取代逻辑运算、低运算量、适用于矩阵计算加速技术的效率优势。针对波兰3375-节点测试系统进行拓扑分析,该算法与几种传统算法相比耗时更少。算例分析结果验证了该算法的正确性与良好的实时性。     

基于综合Copula函数的风电出力相关性建模

针对单一Copula函数模型在描述风电功率相关性中失真较大的缺陷,提出构造综合Copula函数模型刻画其相关结构的策略,并采用EM方法估计模型中相关参数的值。以某地区两相邻风电场的实际历史出力数据为基础,通过对比不同组合函数的拟合优度校验,筛选出最优的综合Copula函数,并将其运用于系统的概率潮流计算中,作出支路有功功率及节点电压这二者的概率密度曲线,通过与单一Copula函数所得曲线的对比,验证了其在风电场出力建模中的有效性及可行性。     

基于时变Copula函数的风电出力相关性分析

相邻风电场风电出力存在较强的相关性,但一段时间内其相关强度并非一成不变,所选取时间窗口不同,可能会得到不同的相关性结论。针对这一问题,基于Copula相关性分析理论,提出了采用时变Copula函数来分析风电出力时变相关性。并研究了3种时变Copula函数的特性,给出了时变相关系数的时变方程,再采用IFM法和AIC法进行Copula函数参数估计和拟合优度检验。通过实例分析,对比了静态Copula函数和时变Copula函数拟合优度,证明了时变Copula函数在风电场风电出力相关性分析中的可行性和优越性,为风电场风电出力相关性分析提供了更有效的新方法。     

基于混合Copula函数的风电场出力建模方法

大容量风电场接入系统后,由于其具有间歇性、随机性和不确定性,会对电网潮流分布造成影响。以往的研究大都侧重于解决不同风电场间的风速相关性问题,针对云南电网中大型风电场往往由分布在不同山头的若干风电机群构成的实际情况,风电场内部已经不能单纯地采用一台风电机组等效。基于可以描述不同尾部特性的Copula理论,文中提出基于混合Copula函数建立风电场出力模型的方法。以云南电网某实际风电场为例进行验证分析,在PSD-BPA软件平台上建立该风电场出力模型,并进行系统潮流计算,结果表明,基于混合Copula函数的模型与基于单一Copula函数的模型相比,更接近于历史实测数据模型,二者得到较一致的潮流结果。     

基于混合Copula函数的风电机组异常识别方法

风电机组的功率曲线是衡量风电机组运行性能的重要指标,其中存在大量异常数据直接影响风电机组运行维护,研究功率曲线异常识别方法对提高风电机组运行稳定性具有重大意义.本文通过对功率曲线的特性分析,分三种工况建立了基于概率分布函数(Copula函数)的功率曲线异常数据识别模型及影响因素Kendall秩相关分析,从而确定了与功率...     

基于条件Copula函数的风电功率区间预测

提出一种基于多个关联因素的联合分布函数的风电功率的短期/超短期区间预测方法,以已知的影响因素为条件,建立待预测风电功率的条件Copula联合分布函数。并基于此,计算满足给定置信度水平下,待预测风电功率所在区间的上、下界。该方法充分利用Copula函数可以较为准确反映多个因素之间关联概率分布函数的优点,借助待预测量与影响因素之间的相依关系进行预测,拟提高区间预测的精度。介绍了区间预测的定义和基本概念,提出了连接多个因素的条件Copula函数的构造方法,并基于此提出了区间预测的实现过程和方法。最后,将所提方法应用于爱尔兰国家下辖的科克州的风电功率预测,并研究和分析了多组参数设置下的预测结果,验证所提方法的有效性。     

基于Copula函数的设计洪水地区组成研究

洪水地区组成具有较强的随机性,最科学的分析方法是给出各地区洪水的联合分布,本文应用Copula函数构造了上游断面与区间洪水的联合分布,提出和推导了两种有代表性的设计洪水地区组成：条件期望组成和最可能组成。由条件期望地区组成分析了同频率组成所处的水平,应用实例表明,同频率组成保证率偏低,低于期望水平。本文所推导的条件期望组成还包含了置信区间等信息,为决策人员明晰决策风险提供了依据;推求的最可能组成考虑了地区间洪水的空间相关性,更加符合客观实际,为设计洪水地区组成分析计算提供了一条新的途径。     

基于混合Copula函数的风电功率相关性分析

风电功率作为电力系统调度运行中不可忽视的随机输入变量,其相关性分析直接影响电力系统的不确定性和运行风险评估。文中从风电功率相关结构的角度出发分析风电功率的相关性,分析了风电功率间的尾部特征,提出利用混合Copula函数建模分析风电功率相关性的方法。该方法依据风电功率测量数据的相关结构,以线性加权的方式构造能够描述不对称尾部特征的混合Copula函数,并利用期望最大化(EM)方法对相关参数进行估计,研究结果表明,混合Copula函数能够很好地刻画风电功率间的相关结构和尾部特征,同时基于Copula函数的相关性测度理论能够方便地求取反映相关程度的指标。     

基于 Copula 函数的光纤陀螺贮存可靠性评估

针对光纤陀螺可靠性评估中需考虑多性能退化量间相关性的问题,提出一种基于 Copula 函数的光纤陀螺贮存可靠性 评估方法。 首先,采用加速应力退化试验的方式获取光纤陀螺的性能退化数据,并利用 Wiener 过程对各性能退化数据进行建 模,得到它们的退化模型和寿命分布;然后,利用 Copula 函数融合各性能参数的寿命数据,得到可靠性指标;最后,结合光纤陀 螺性能退化数据对该方法进行了验证,贮存条件为 55 ℃ ,考虑各参数间相关性时,光纤陀螺贮存寿命为 38 795 h,而假定性能 参数相互独立时,光纤陀螺贮存寿命为 17 485 h。 结果表明,考虑性能参数相关性时得到的可靠性指标更加合理,同时该方法 有效解决了产品多参数可靠性评估困难的问题,具有较好的实用性和推广性。     

基于集合经验模态分解和特征选择极端学习机的风速预测

提出一种集合经验模态分解、随机森林和极端学习机建模的短期风速预测方法。首先,引入集合经验模态分解将原始风速数据分解成代表不同波动特征的分量,剔除不规则的分量;然后,对保留分量逐一建模,构建随机森林特征选择算法,根据重要性来提取模型的特征输入;最后,建立基于特征选择和极端学习机的风速分量预测模型进行预测,综合分量预测结果得出最终预测结果。     

基于核密度估计和Copula函数的风、光出力场景生成

新能源的随机性、波动性及间歇性为电力系统规划带来困扰,对风、光出力的变化规律进行合理刻画,生成典型出力场景是新能源规划的常用方法.针对具有相关性的风、光出力典型场景难以生成的问题,本文首先应用非参数核密度估计法对大量样本数据进行拟合,并进行拟合优度及精度检验,得到风、光的核密度估计表达式,然后建立多种基于Copula函...