基于高斯混合分布特征的含风电电力系统安全风险评估方法技术方案

本发明专利技术涉及基于高斯混合分布特征的含风电电力系统安全风险评估方法，统计风电场输出功率历史数据的分布，建立风电场输出功率的非参数概率分布模型；建立风电场输出功率的高斯混合分布模型，确定子高斯分布的个数，初始化各子高斯分布的参数；求解各子高斯分布的参数，确定高斯混合分布特征；确定状态变量节点电压和支路潮流的累积分布函数；计算状态变量越限概率和产生后果的严重程度，全面评估电力系统安全风险。本发明专利技术，大大简化了系统节点注入功率的半不变量求取过程，进一步提高了节点注入功率的半不变量计算的效率和状态变量节点电压和支路潮流的累积分布函数的准确性，为电力系统的安全风险评估提供有效的数据支撑。

【技术实现步骤摘要】

本专利技术涉及电力系统运行与控制领域，具体说是基于高斯混合分布特征的含风电电力系统安全风险评估方法。
技术介绍
随着经济的快速发展和日益严峻的环境压力，电网运行环境呈现出新的特征，尤其是风电大规模并网，给电力系统的安全运行带来了新的挑战。潮流分析是电力系统安全评估的基础与前提，采用概率潮流计算方法，考虑风电出力波动等随机因素，通过概率理论建立表征系统不确定性的数学模型，能够更全面反映电力系统的运行条件，并发现电力系统中的潜在风险和脆弱元。针对于含风电电力系统中基于概率潮流的安全风险评估问题，有一种典型的思路就是：基于风电场输出功率的概率模型，直接求解风电场输出功率的各阶原点矩，然后将其转化为半不变量进行卷积计算，但是该计算过程往往要耗费大量时间，且随着风电的大规模接入，风电场输出功率的不确定性增加，其概率密度非正态性凸显，不服从于任何一种典型的概率分布，原点矩的求解变得更加繁琐，耗费大量的时间，进一步降低了传统概率潮流计算方法的效率和准确性。
技术实现思路
针对现有技术中存在的缺陷，本专利技术的目的在于提供基于高斯混合分布特征的含风电电力系统安全风险评估方法，将具有非正态性的风电场输出功率的概率密度转化为典型的高斯混合分布，不仅可以精确的量化风电场输出功率的概率分布，大大简化了系统节点注入功率的半不变量求取过程，弥补传统概率潮流计算中求解半不变量所采用方法单一的缺陷，进一步提高了节点注入功率的半不变量计算的效率和状态变量节点电压和支路潮流的累积分布函数的准确性，为电力系统电压越限、支路潮流过载的安全风险评估提供有效的数据支撑。为达到以上目的，本专利技术采取的技术方案是：基于高斯混合分布特征的含风电电力系统安全风险评估方法，其特征在于，包括如下步骤：步骤一、统计风电场输出功率历史数据的分布，建立风电场输出功率的非参数概率分布模型；步骤二、建立风电场输出功率的高斯混合分布模型，通过风电场输出功率的非参数概率分布模型确定子高斯分布的个数，初始化各子高斯分布的参数；步骤三、求解各子高斯分布的参数，确定高斯混合分布特征；步骤四、基于风电场输出功率的高斯混合分布特征，采用半不变量法进行概率潮流计算，确定状态变量节点电压和支路潮流的累积分布函数；步骤五、根据状态变量节点电压和支路潮流的累积分布函数，计算状态变量越限概率和产生后果的严重程度，全面评估电力系统安全风险。在上述技术方案的基础上，步骤一中，依赖于风电场输出功率的历史数据，根据非参数估计原理，统计各节点注入功率的经验概率分布，建立风电场输出功率的非参数概率分布模型；步骤二中，将风电场输出功率表示为高斯混合分布模型，并确定子高斯分布的个数。在上述技术方案的基础上，步骤三中，利用聚类分析算法迭代求解各子高斯分布的参数，确定高斯混合分布特征。在上述技术方案的基础上，步骤四中，根据高斯混合分布特征，将每个子高斯分布作为风电场输出功率的一个场景，并用子高斯分布的期望和方差来表征风电场一个出力场景的前两阶半不变量，即为期望和方差，结合系统发电机出力、负荷功率历史数据以及电力系统拓扑结构和数据信息，采用牛拉法计算雅可比矩阵和状态变量的期望值，采用半不变量法对每个场景进行概率潮流计算，整合得到电力系统状态变量最终的累积分布函数。本专利技术所述的基于高斯混合分布特征的含风电电力系统安全风险评估方法，将具有非正态性的风电场输出功率的概率密度转化为典型的高斯混合分布，不仅可以精确的量化风电场输出功率的概率分布，大大简化了系统节点注入功率的半不变量求取过程，弥补传统概率潮流计算中求解半不变量所采用方法单一的缺陷，进一步提高了节点注入功率的半不变量计算的效率和状态变量节点电压和支路潮流的累积分布函数的准确性，为电力系统电压越限、支路潮流过载的安全风险评估提供有效的数据支撑。附图说明本专利技术有如下附图：图1本专利技术的流程示意图。具体实施方式以下结合附图对本专利技术作进一步详细说明。本专利技术所述的基于高斯混合分布特征的含风电电力系统安全风险评估方法，针对于基于概率潮流的含风电电力系统中安全风险评估中风电场输出功率概率分布求解困难(半不变量求解繁琐)的问题，包括如下步骤：步骤一、统计风电场输出功率历史数据的分布，建立风电场输出功率的非参数概率分布模型；步骤二、建立风电场输出功率的高斯混合分布模型，通过风电场输出功率的非参数概率分布模型确定子高斯分布的个数，初始化各子高斯分布的参数；步骤三、求解各子高斯分布的参数，确定高斯混合分布特征；步骤四、基于风电场输出功率的高斯混合分布特征，采用半不变量法进行概率潮流计算，确定状态变量节点电压和支路潮流的累积分布函数；步骤五、根据状态变量节点电压和支路潮流的累积分布函数，计算状态变量越限概率和产生后果的严重程度，全面评估电力系统安全风险。在上述技术方案的基础上，步骤一中，依赖于风电场输出功率的历史数据，根据非参数估计原理，统计各节点注入功率的经验概率分布，建立风电场输出功率的非参数概率分布模型；步骤二中，将风电场输出功率表示为高斯混合分布模型，并确定子高斯分布的个数。在上述技术方案的基础上，步骤三中，利用聚类分析算法迭代求解各子高斯分布的参数，确定高斯混合分布特征。在上述技术方案的基础上，步骤四中，根据高斯混合分布特征，将每个子高斯分布作为风电场输出功率的一个场景，并用子高斯分布的期望和方差来表征风电场一个出力场景的前两阶半不变量，即为期望和方差，结合系统发电机出力、负荷功率历史数据以及电力系统拓扑结构和数据信息，采用牛拉法计算雅可比矩阵和状态变量的期望值，采用半不变量法对每个场景进行概率潮流计算，整合得到电力系统状态变量最终的累积分布函数。本专利技术所采用的技术方案是：综合考虑如下因素：1、风电场输出功率历史数据；2、发电机出力和负荷功率历史数据；3、电力系统拓扑结构和数据信息。以下为一具体实施例。步骤A.统计风电场输出功率历史数据的分布，建立风电场输出功率的非参数概率分布模型。经过非正常数据筛选和错误数据剔除后，得到风电场输出功率样本集，选取适宜的区间长度，对风电场输出功率标幺值进行区间统计，得到风电场输出功率的频率分布直方图。通过非参数回归方法，利用核函数估计对风电场输出功率的概率分布本文档来自技高网...

【技术保护点】
基于高斯混合分布特征的含风电电力系统安全风险评估方法，其特征在于，包括如下步骤：步骤一、统计风电场输出功率历史数据的分布，建立风电场输出功率的非参数概率分布模型；步骤二、建立风电场输出功率的高斯混合分布模型，通过风电场输出功率的非参数概率分布模型确定子高斯分布的个数，初始化各子高斯分布的参数；步骤三、求解各子高斯分布的参数，确定高斯混合分布特征；步骤四、基于风电场输出功率的高斯混合分布特征，采用半不变量法进行概率潮流计算，确定状态变量节点电压和支路潮流的累积分布函数；步骤五、根据状态变量节点电压和支路潮流的累积分布函数，计算状态变量越限概率和产生后果的严重程度，全面评估电力系统安全风险。

【技术特征摘要】
1.基于高斯混合分布特征的含风电电力系统安全风险评估方法，
其特征在于，包括如下步骤：
步骤一、统计风电场输出功率历史数据的分布，建立风电场输出
功率的非参数概率分布模型；
步骤二、建立风电场输出功率的高斯混合分布模型，通过风电场
输出功率的非参数概率分布模型确定子高斯分布的个数，初始化各子
高斯分布的参数；
步骤三、求解各子高斯分布的参数，确定高斯混合分布特征；
步骤四、基于风电场输出功率的高斯混合分布特征，采用半不变
量法进行概率潮流计算，确定状态变量节点电压和支路潮流的累积分
布函数；
步骤五、根据状态变量节点电压和支路潮流的累积分布函数，计
算状态变量越限概率和产生后果的严重程度，全面评估电力系统安全
风险。
2.如权利要求1所述的基于高斯混合分布特征的含风电电力系
统安全风险评估方法，其特征在于：步骤一中，依赖于风电场输出功
率的历史数据，根据非参数估计原理，统计各节...

【专利技术属性】
技术研发人员：叶林，张亚丽，饶日晟，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京;11