计及相关性的概率潮流计算方法及应用研究

发布时间：2019-09-29 20:39

【摘要】：电力系统规划和运行中存在大量不确定性因素,以风电为代表的可再生能源发电的大规模并网和电动汽车的大力发展将使其面临更多的不确定性。概率潮流计算能够考虑各种不确定性因素对系统潮流运行特性的影响,计算出节点电压和支路潮流的概率统计特性,便于相关人员发现系统运行的薄弱环节和潜在危险,是当前研究的热点问题之一。概率潮流计算经过近四十年的发展,取得了丰硕的研究成果,但仍存在较多问题亟待解决和完善,如节点功率具有相关性时如何处理、节点功率概率分布函数未知时如何处理、相关性因素及电动汽车充电负荷和风电并网会对系统潮流运行特性产生怎样的影响等等。鉴于此,本文以计及相关性的概率潮流计算方法及应用为研究对象,内容涉及风速相关性对配电网运行特性的影响分析、考虑节点功率相关性的概率潮流计算方法、含电动汽车充电负荷和风电的电力系统潮流概率特性分析三个部分。分析了风速相关性对配电网运行特性的影响。采用逆Nataf变换建立了风速相关性模型,采用基于简单随机采样的蒙特卡罗仿真法和机会约束规划研究了风速相关性对配电网运行特性(包括风电出力、节点电压、支路潮流及网损)和风电最大装机容量的影响。仿真结果表明,风速相关性对配电网运行特性和风电最大装机容量有较大的影响,考虑风速相关性可以更合理地用于指导含风电配电网的规划与运行。提出了一种基于多项式正态变换和拉丁超立方采样的概率潮流计算方法。该方法根据输入随机变量的数字特征(各阶矩和Pearson相关系数矩阵),采用多项式正态变换技术建立其概率分布模型,进而由基于拉丁超立方采样的蒙特卡罗仿真法得到系统节点电压和支路潮流的数字特征及概率分布曲线。仿真结果表明,该方法较好地克服了蒙特卡罗仿真法在输入随机变量概率分布函数未知时难以准确进行概率潮流计算的不足,还考虑了输入随机变量间的相关性因素,具有计算精度较高、速度快和稳健性好的优点。提出了一种基于Copula理论和改进拉丁超立方采样的概率潮流计算方法。该方法引入Copula理论构建具有相关性输入随机变量的概率分布模型。基于输入随机变量的离散数据,提出了一种经验累积分布函数及其逆函数的构建方法和一种改进的拉丁超立方采样方法。所提概率潮流计算方法能灵活处理输入随机变量间的线性相关性和非线性相关性,且不受输入随机变量边缘分布类型的限制,克服了传统拉丁超立方采样要求输入随机变量累积分布函数已知的不足。仿真结果表明,所提方法能准确高效地评估含风电的电力系统潮流运行特性,具有较好的工程应用价值。提出了一种基于Cholesky分解的计及输入随机变量相关性的半不变量法概率潮流计算方法。该方法首先基于Cholesky分解将具有相关性的输入随机变量表示成不相关随机变量的线性组合,然后根据潮流方程线性化模型和半不变量的可加性与齐次性得到输出随机变量的各阶半不变量,再由Cornish-Fisher级数拟合其累积分布曲线。提出了一种基于蒙特卡罗采样的输入随机变量半不变量求取方法,该方法根据输入随机变量的样本计算其半不变量。所提方法不仅克服了传统半不变量法概率潮流计算方法不能直接应用于输入随机变量具有相关性场合的不足,而且解决了一些输入随机变量的半不变量难以被常规解析法求取的问题。分析了风电渗透率对所提方法计算精度的影响。仿真结果验证了所提方法的有效性和快速性。分析了含电动汽车充电负荷和风电的电力系统潮流概率特性。总结分析了影响电动汽车充电负荷特性的主要因素,根据车辆调查数据对电动汽车用户行驶特性进行了建模,基于变异系数建立了电动汽车充电负荷、风电出力和基础负荷的概率分布模型,分析了5种不同情形下系统支路潮流和节点电压的运行状态。仿真结果表明,电动汽车充电负荷和风电出力对系统潮流运行特性有重要影响；不同控制策略下电动汽车充电负荷曲线与基础负荷曲线的相关程度不同,进而对系统潮流运行特性的影响也不同。
【图文】：

概率分布,Pearson相关系数,概率分布,风速

风速相关性对风电场2有功功率出力PwF2数字特征和概率分布的影响分别如表2.1和图2.3所示。节点18风电有功功率出力PwFi8的数字特征与风速相关性的关系如图2.4所示。图2.5给出了风速Pearson相关系数/)分别为0.1、0.5和0.9时风电有功功率出力的直方图和累积分布曲线。风速相关性对单个风电场有功功率出力影响很小，但对多个风电场总的有功功率出力有影响。风电总有功功率出力的期望值基本不受风速相关性的影响，而标准差几乎与风速Pearson相关系数p成线性关系。当/>=0时，"PwFlS标准差01PWF18近似等于尸WF1和iVpl标准差的平方和的算数平方根;当P^.9时，■PwFlS标准差0"PWF18近似等于"PwFl和PwF2的标准差之和。风电总有功功率出力的偏度系数随着风速相关性的增强而增加，，其概率分布呈右偏态，且偏斜程度随Pearson相关系数P的增加而增大。风电总有功功率出力的峰度系数随着风速相关性的增强而减小，即风电总有功功率出力的集中程度降低。当风速Pearson相关系数由0.1增加22

网损,风速,相关性,期望值

2.5.5风速相关性对配电网网损的影响网损的数字特征和概率分布与风速相关性的关系如图2.13所示。网损期望值受风速相关性影响较小，而标准差则随风速相关性的增强而增加。不同风速Pearson相关系数下，网损期望值//PL的最大变化幅值为11.22 kW,最大变化率为7.33%;标准差(7PL的最大变化幅值为8.03 kW,最大变化率为107.21%。虽然风速相关性对网损标准差影响很大，但由于网损标准差的变化幅值小于网损期望值的变化幅值，使得网损概率分布的变化趋势主要受期望值影响。图2.13(c)和(d)分别为3种不同风速Pearson相关系数>9对应的网损概率密度曲线和累积分布曲线（P为0.1、0.5和0.9对应的网损期望值分别为0.1628 MW、0.1530 MW、0.1643 MW,标准差分别为0.0083 MW、0.0115MW、0.0155 MW),这两个图也说明了网损变化趋势主要受期望值的影响。28
【学位授予单位】：华中科技大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：TM744

【参考文献】