發(fā)布時間：2020-05-05 16:45

【摘要】：針對電網(wǎng)運行中風(fēng)電和負荷的不確定性,提出了一種采用風(fēng)電場輸出功率分段離散化和負荷高斯混合模型的多場景概率潮流計算方法。在風(fēng)電場有向功率特性曲線的基礎(chǔ)上,分段離散化處理風(fēng)電場輸出功率,構(gòu)造風(fēng)電場輸出功率多場景。同時,建立負荷的高斯混合模型,構(gòu)造負荷功率多場景。然后,確定系統(tǒng)注入功率多場景及其對應(yīng)的概率,在系統(tǒng)注入功率的每個場景中,風(fēng)電節(jié)點輸出功率為定值,負荷節(jié)點功率均服從高斯分布。最后,應(yīng)用全概率公式,將系統(tǒng)注入功率的每個場景中計算所得狀態(tài)變量的概率分布以該場景對應(yīng)的概率作為權(quán)重,整合計算得到最終的概率潮流結(jié)果。以改進的IEEE 57節(jié)點系統(tǒng)進行仿真分析,結(jié)果表明所提方法簡化了概率潮流求解過程,提高了計算效率。
【圖文】：

組合，構(gòu)造系統(tǒng)中負荷功率的多個場景，且每個負荷場景中的負荷功率均服從高斯分布。然后，根據(jù)獨立性事件的性質(zhì)，由風(fēng)電場輸出功率多場景和負荷功率多場景確定系統(tǒng)注入功率多場景。由條件概率可知，在系統(tǒng)注入功率的每個場景中，各風(fēng)電節(jié)點的輸出功率為定值，系統(tǒng)中的隨機變量只包含服從高斯分布的負荷。因此，只需計算每個場景對應(yīng)狀態(tài)變量的期望和方差，便可得到對應(yīng)的高斯曲線。最后，根據(jù)全概率公式，將系統(tǒng)注入功率的每個場景對應(yīng)狀態(tài)變量的高斯曲線以及對應(yīng)概率為權(quán)重，加權(quán)整合出系統(tǒng)最終的概率潮流結(jié)果。圖２概率潮流計算思路Ｆｉｇ．２Ｐｒｏｃｅｄｕｒｅｏｆｐｒｏｂａｂｉｌｉｓｔｉｃｐｏｗｅｒｆｌｏｗｃａｌｃｕｌａｔｉｏｎ５算例分析為了便于說明，本文采用加入風(fēng)電后的ＩＥＥＥ５７節(jié)點系統(tǒng)為例進行概率潮流計算。改進ＩＥＥＥ５７節(jié)點系統(tǒng)中，對發(fā)電機輸出功率做了適當(dāng)調(diào)整，以增加風(fēng)電的滲透率，功率的標(biāo)幺基準(zhǔn)值為１００ＭＶＡ。如附錄Ｃ圖Ｃ１所示，在節(jié)點４，３６處分別接入額定功率為３６ＭＷ和５４ＭＷ的風(fēng)電場，風(fēng)電場均為恒功率因數(shù)控制，功率因數(shù)為０．９８。負荷節(jié)點１４，２６，４２，５２采用ＧＭＭ擬合，其余負荷節(jié)點期望值取為原來系統(tǒng)負荷的確定值，標(biāo)準(zhǔn)差為期望值１０％的高斯分布。計算時，暫不考慮線路隨機故障和電網(wǎng)停運，假設(shè)系統(tǒng)各隨機變量相互獨立。５．１風(fēng)電場輸出功率處理以某額定功率為５４ＭＷ的風(fēng)電場２０１４年全年１２個月（時間間隔為１５ｍｉｎ）的風(fēng)速（包含風(fēng)向）、風(fēng)電場輸出功率的歷史數(shù)據(jù)為例，文獻［３０］繪制的風(fēng)電場有向功率特性曲線見附錄Ｃ圖Ｃ２。本文通過該曲線，將

１）得到風(fēng)電場輸出功率的離散點，其對應(yīng)的概率如式（２）所示。然后，通過式（３）得到風(fēng)電場輸出功率場景數(shù)Ｃｗｉｎｄ１＝２８０，Ｃｗｉｎｄ２＝１４０，Ｃｗｉｎｄ３＝８８。最后，根據(jù)式（４）計算每個風(fēng)電場輸出功率場景對應(yīng)的概率。５．２負荷的ＧＭＭ建立不妨以附錄Ｂ圖Ｂ１（ｄ）的負荷概率分布為例，選取了Ｎｏｒｍａｌ分布、Ｂｅｔａ分布、Ｗｅｉｂｕｌｌ分布、Ｇａｍｍａ分布和ＧＭＭ擬合負荷的概率密度分布。各分布模型的擬合效果如圖３所示，各分布模型擬合誤差指標(biāo)計算結(jié)果如附錄Ｃ表Ｃ１所示。圖３負荷的概率分布擬合Ｆｉｇ．３Ｐｒｏｂａｂｉｌｉｔｙｄｅｎｓｉｔｙｆｉｔｔｉｎｇｏｆｌｏａｄ通過對比分析發(fā)現(xiàn)，，負荷的概率分布直方圖呈現(xiàn)不對稱的現(xiàn)象。Ｎｏｒｍａｌ分布只能擬合對稱的單峰分布，Ｂｅｔａ分布、Ｗｅｉｂｕｌｌ分布、Ｇａｍｍａ分布雖具有不對稱性，但無法表示多峰情況。ＧＭＭ可以擬合多峰分布且擬合效果更好，具有較廣的應(yīng)用范圍。于是，本文選取了某４個地區(qū)２０１５年全年１２個月的有效數(shù)據(jù)（時間間隔為１５ｍｉｎ），分別建立負荷節(jié)點１４，２６，４２，５２的概率分布直方圖，采用ＥＭ算法對各負荷節(jié)點的ＧＭＭ進行參數(shù)估計，對應(yīng)參數(shù)如附錄Ｃ表Ｃ２所示。５．３構(gòu)造系統(tǒng)注入功率多場景負荷節(jié)點的ＧＭＭ中子成分隨機組合后，由式（１１）構(gòu)造負荷功率場景數(shù)Ｃｌｏａｄ＝５４。結(jié)合５．１節(jié)所述風(fēng)電場輸出功率場景數(shù)的３種情況，由式（１６）得到對應(yīng)的注入功率場景數(shù)，情況１下Ｃ１＝１５１２０

【相似文獻】

相關(guān)期刊論文 前3條

1 羅綿輝;梁平;;基于高斯混合模型的汽輪機振動故障診斷[J];核動力工程;2009年06期

2 董玉亮;李亞瓊;曹海斌;何成兵;顧煜炯;;基于運行工況辨識的風(fēng)電機組健康狀態(tài)實時評價方法[J];中國電機工程學(xué)報;2013年11期

3 ;[J];;年期

本文編號：2650459