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。     

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。     

基于BOX-COX变换与改进核密度估计潮流计算

为研究多个光伏电厂出力存在相关性下的概率潮流计算,提出一种基于BOX-COX变换法与改进的非参数核密度估计的多光伏发电厂联合概率潮流的计算方法。首先,为描述多光伏电厂出力的相关性及强度,结合Gumbel Copula函数和Gini系数建立联合密度函数;然后,基于Box-Cox正态变换法和改进LDU三角分解法分别将光伏出力正态化和独立化处理并对光伏出力进行综合建模,根据半不变量法与Cornish-Fisher级数展开计算节点电压、支路潮流的概率分布,并将该计算结果分别与传统非参数核密度估计和蒙特卡洛方法进行对比。实际算例仿真结果表明,该方法计算精度高、时间短,仅用时3.17s,有一定的实用性且解决传统蒙特卡洛方法效率较低问题。     

考虑光伏功率相关性的随机潮流方法

光伏发电属于典型的间歇性能源,且同一地区的光伏出力相关性显著。在含光伏电站的系统随机潮流中,综合考虑多维光伏功率的相关性对于分析光伏电站接入对电力系统的影响具有重要意义。文中提出了计及多个光伏电站出力相关性的随机潮流方法,该方法采用了Pair Copula函数对多个光伏电站的出力进行相关性建模,综合考虑了电站出力两两之间不同的相依结构。同时,将数字交错技术融入拟蒙特卡洛法中,对现有的随机潮流方法进行了改进,有效提高了算法的收敛速度。以美国德克萨斯州光伏电站基地的出力历史数据为例,分别在IEEE 30节点系统和IEEE118节点系统中进行仿真计算,验证了所提方法的有效性。     

基于非参数核密度估计法的光伏出力随机分布模型

光伏出力的随机性是影响光伏发电稳定性的重要因素。通过对国内某一光伏电站历史运行数据进行统计计算和分析,揭示气象条件差异对光伏出力水平的影响规律,并提出将数据按气象条件分类,用非参数核密度估计法建立晴天、多云、阴天、雨雪4种气象条件下光伏出力的随机分布模型。该方法对数据分布不附加任何假定,只从数据本身特征出发研究其分布特性,适合分析受气象影响显著的光伏出力分布特性。结果表明,模型所示分布特性与相应气象条件下光伏出力实际概率分布具有很好的一致性。     

基于优选带宽核密度估计的谐波概率潮流分析方法

为解决蒙特卡罗法的计算效率问题,提出小规模样本仿真与非参数概率密度估计法相结合的谐波概率潮流分析方法。在对核密度函数的带宽选择进行优选设计的基础上,利用核密度估计法对小样本仿真得到的谐波潮流结果集进行概率密度估计,得到受影响电网节点的谐波含量的概率分布。利用Open DSS配电网仿真工具对IEEE 13节点标准配电系统进行仿真实验,通过与蒙特卡罗法进行对比,验证了核密度估计方法的有效性和计算效率;与其他2种带宽选择方法的对比实验表明,所提带宽选择方法具备更好的带宽自适应性,且估计性能更优。     

基于非参数核密度估计与数值天气预报的风速预测修正方法

提出一种风速预测偏差修正方法。建立基于非参数核密度估计的风速修正模型,利用预测点之前一段时间内风速的初始预测误差来估计预测时刻的预测误差,从而对初始风速预测结果进行修正;结合数值天气预报法建立风速相位误差修正模型,有效减小风速预测的相位误差,在一定程度上防止风速突变拐点处"误修正"的出现。某地区实际风速数据的预测仿真结果表明,所提方法可有效降低初始风速预测偏差。     

基于LSTM和非参数核密度估计的风电功率概率区间预测

高精度的风电功率点和区间预测可以为电网优化配置带来更多信息。提出采用长短期记忆（LSTM）网络实现风电功率的点预测,并基于该网络生成1组风电功率预测误差数据集,采用渐进积分均方误差准则的窗宽优化方法实现非参数核密度的估计,求出不同置信度下的风电功率波动区间。实验基于美国某风电场历史数据,通过与BP, Elman神经网络和SVM对比,验证了LSTM网络预测精度更高;基于LSTM网络预测生成的误差数据集,与高斯模型及随机窗宽非参数核密度估计模型相比,结果说明了所提最优窗宽非参数核密度估计模型具有更贴近真实的预测误差分布。     

基于扩展序列运算的含风电电力系统随机潮流实用计算方法

为提高随机潮流计算方法实用性,将序列运算理论引入随机潮流分析,探索一种系统随机变量分布模型未知情形下的随机潮流方法。结合随机潮流计算的特点,分析现有序列运算理论直接应用于随机潮流计算的可行性,并据此对现有序列运算进行扩展。基于所提扩展运算,采用扩展概率性序列描述系统随机性并基于历史数据实现随机变量的序列化,通过各变量对应概率性序列的直接运算快速分析系统潮流分布情况,以克服现有求解方法对基础数据要求过高的不足。IEEE-30节点系统测试表明,所提方法可实现系统随机变量概率分布模型未知情形下的随机潮流计算,可达到较高精度,且速度较快。该方法具有一定的实用价值,也可为面临相同问题的电力系统其他不确定性分析提供借鉴。     

基于核密度估计的概率分布函数拟合方法

基于核密度估计的非参数估计方法,开发了支路利用率程序。基于概率潮流计算结果给出了线路潮流的概率密度函数和累积概率分布,并应用其进行电网线路利用率的分析,最终得出电网中各线路的利用率及其对应可能发生的概率。     

基于拟蒙特卡洛的半不变量法概率潮流计算

随着风电并网容量的增加,概率潮流计算方法在计及风电出力不确定性的同时,还需考虑邻近风电场由于风速相关性导致的风电出力相关性问题。针对风电出力波动范围较大且存在相关性的特点,提出一种可考虑输入变量相关性的基于拟蒙特卡洛的半不变量法概率潮流计算方法。该方法利用基于Nataf变换的拟蒙特卡洛法产生具有相关性的风电出力样本,在各样本点处进行半不变量法概率潮流计算,基于各风电出力样本下的状态变量正态分布特性,依全概率公式整合所得正态分布得到最终的概率潮流结果。基于IEEE 30节点系统的算例分析表明,所提方法在较小采样规模下具有很高的计算精度,能够较精确地得到系统状态变量的概率分布。     

光伏电源输出功率的非参数核密度估计模型

针对现有光伏概率建模中需要假设参数分布和不能全面考虑各种随机因素影响的缺点,提出基于非参数核密度估计理论直接建立光伏电源输出功率的概率模型,并提出一种不依赖总体真实分布的最优带宽改进模型和基于拟合优度检验及后验检验的综合检验指标。选用日照条件相差较大的重庆及杭州地区光伏电源的实测数据进行仿真分析,验证了所提核密度估计概率模型和带宽选取方法的正确性、有效性以及对不同光伏电源随机特性的适应性。     

采用拉丁超立方采样的电力系统概率潮流计算方法

与简单随机采样相结合的蒙特卡罗(Monte Carlo)模拟法只有在采样规模足够大时才能得到高精度的计算结果,计算量较大.文中提出了用拉丁超立方采样和Gram-Schmidt序列正交化方法改善采样值对输入随机变量的分布空间的覆盖程度、提高采样效率的计算方法,并应用于概率潮流计算中.IEEE 14节点系统和IEEE 118节点系统的算例验证了该方法的有效性.与传统方法相比,文中所述方法可以降低采样规模,更有效地估计输出随机变量的统计参数和概率分布,同时保留蒙特卡罗模拟法的优点,在处理相同随机变量的一系列随机问题时可以显著降低计算量.     

基于数字网系方法的概率最优潮流计算

风电场和光伏电站的大规模接入使得在进行电力系统最优潮流计算时需要考虑风电场和光伏电站出力的随机性。传统的蒙特卡洛法耗时长、占用内存大,文中提出一种利用数字网系(DN)的采样值具有等分布这一特性来改善输入随机变量分布空间覆盖程度的方法,并将该方法用于含风电场和光伏电站的电力系统概率最优潮流计算中。以IEEE 30节点系统对所提方法的准确性与有效性进行了验证,仿真结果表明:DN方法可以较好地估计输出随机变量的概率分布,能有效地处理电力市场中的不确定性问题。将该方法用于IEEE 300节点系统,研究了系统接入不同容量光伏电站对节点电价的影响。同时,还将风电场和光伏混合系统与单独风电场系统进行对比,得到前者的节点电价、网损和支路功率波动更小的结论。     

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。     

基于输入随机变量离散数据的概率潮流计算方法

基于实测离散数据,对风电场的出力特性进行了研究,对比分析了传统风电场出力建模方法的准确性。针对现有基于拉丁超立方采样的蒙特卡罗仿真法要求已知输入随机变量的累积分布函数这一情况,提出了一种基于输入随机变量离散数据的概率潮流计算方法。以基于简单随机采样的蒙特卡罗仿真法计算结果为基准,在加入风电后的IEEE 57节点系统上对所提方法的有效性进行了验证。仿真结果表明:所提方法是有效的,该方法具有计算速度快、精度高和稳健性好的优点,具有较好的工程实用价值。     

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。