一种分类处理负荷和风速相关性的直流概率潮流方法技术

本发明专利技术提供了一种分类处理负荷和风速相关性的直流概率潮流方法。该方法采用基于拉丁超立方采样的蒙特卡罗法求得相关风电场的总风电功率的概率密度曲线；利用负荷一般呈正态分布的特性，采用解析法快速计算总负荷的正态分布函数；最后应用卷积法将两类概率计算结果进行综合。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,该方法可以在保证准确度的前提下，大幅提高概率潮流计算的效率，对系统规划和运行风险评估等有重要意义。

【技术实现步骤摘要】

本专利技术属于电力系统运行、分析与控制
，特别是一种分类处理负荷和风速相关性的直流概率潮流方法。
技术介绍
当前具有大规模风电场并网的电力系统运行过程中，风电场的出力和负荷的需求不仅具有不确定性，还因为天气和地理位置等原因具有相关性。例如，天热的时候大多数空调开启导致负荷都比较高，夜晚的时候负荷普遍较低；而地理位置相近或地形相同的风电场风速大致相同，也具有较强的相关性。如果不考虑这些相关性，可能会导致系统潮流概率分布出现较大误差，从而造成系统规划和运行风险评估偏离实际情况。因此概率潮流计算需要具备同时处理负荷相关性以及风速相关性的能力。目前已有的同时处理风速相关性和负荷相关性的直流概率潮流算法都是采用生成相关性样本的蒙特卡罗法来同时处理风速相关性和负荷相关性，(如VillanuevaD的文章Probabilisticloadflowincludingwindpowergeneration，DanielV的文章Probabilisticloadflowconsideringcorrelationbetweengeneration,loadsandwindpower等)，这需要生成大量的具有相关性的风速样本及负荷样本，因而计算量较大。现有的同时处理负荷相关性和风速相关性的概率潮流计算方法实质上忽视了两种随机变量概率特性的差异。它们用相同的方法处理具有不同概率分布特性的随机变量的相关性，没有充分利用一般呈正态分布的负荷在计算相关性时具有的便利，因而计算量大且耗费时间长。
技术实现思路
本专利技术的目的在于提供一种分类处理负荷和风速相关性的直流概率潮流方法。实现本专利技术目的的技术解决方案是：一种分类处理负荷和风速相关性的直流概率潮流方法，包括以下步骤：步骤1、根据直流潮流模型，得出线路流动功率的线性表达式，将其分为发电机出力、风电场出力及负荷需求三部分；线路流动功率Pij的线性表达式为：式中，Pij为节点i与节点j所连接线路上的流动功率；M为发电机组个数，Pgm为发电机出力；K为风电场个数，Pwk为风电场出力；L为负荷个数，Pdl为负荷需求，αm,βk,γl分别为对应系数。步骤2、对步骤1中的风电场出力部分，采用基于拉丁超立方采样的蒙特卡罗法拟合得出其总出力的概率密度曲线；具体为：步骤2-1、对风速进行分层抽样，风电场数为K，采样规模为K*N，N为每个风电场的采样数，对于每一个风电场，风速变量X服从威布尔分布，其累积概率分布函数为式中b是形状参数，c是尺度参数，Y的取值范围为[0,1],把Y的取值空间均分为N等份，即[0,1/N]、[1/N,2/N]、...、[N-1/N,1]，从每个区间中选择区间中点作为采样点的分布函数值，则采样值可通过求反函数x＝F-1(Y)得到，反函数为这样可以生成规模为K*N的初始样本；步骤2-2、对步骤2-1中得出的初始风速样本进行排序，使样本满足所要求的相关系数矩阵；设K个风电场风速间相关系数矩阵为Cw，其中独立风电场对应的相关系数为0，这样即将所有风电场视为一个风电场组，相关风速和独立风速采样能同时进行；将Cw进行cholesky分解：Cw＝BBT，得到B矩阵；然后对K个相互独立的标准正态分布随机变量进行采样规模为N的随机抽样，得到K*N的样本矩阵W，由Z＝BW，根据Z中元素的大小顺序得出顺序矩阵Ls，Ls为K*N的矩阵，每一行为整数1到N的一个排列，对应于Z中相应行的元素的大小顺序；对分层抽样得到的风速初始样本按照顺序矩阵Ls进行排序，即可得到具有所要求的相关性的风速样本；步骤2-3、根据步骤2-2中得出的风速样本计算对应的风电功率样本，所用风机输出特性公式为：式中，Prate为风电场额定功率，Vci为切入风速、Vrate为额定风速、Vco为切出风速；步骤2-4、根据步骤2-3中得出的风电功率样本确定风电总出力的样本，所用公式为步骤1中风电出力部分：式中，Pw为风电总出力，K为风电场个数，Pwk为风电厂出力,αk为风电厂出力系数；步骤2-5、将步骤2-4中的样本离散点拟合，拟合得出风电总出力的概率密度曲线；根据风电总出力的取值范围将其分为多个区间，得到其取值落在相应区间内的频率，进而以频率与区间长度的比值作为概率密度，拟合出风电总出力的概率密度曲线。步骤3、对步骤1中的负荷需求部分，采用解析法计算得出总负荷的正态分布函数的表达式；求取总负荷的正态分布函数表达式的公式为PD～N(Aμ,ACA')其中，A为系数矩阵，A＝[α1,α2,...,αL]；Pd为负荷变量，Pd＝[Pd1,Pd2,...,PdL]，C为Pd的协方差矩阵，μ为Pd的均值矩阵，对于负荷中独立的负荷变量，与其对应的相关系数为0，即协方差矩阵中对应项为0。步骤4、忽略发电机停运，步骤1中的发电机出力部分为常数，使用卷积方法将步骤2得到的概率密度曲线和步骤3得到的总负荷的正态分布函数结合起来，得到线路流动功率的概率密度曲线。采用卷积方法求取线路流动功率的概率密度函数的公式为：其中，f()为线路流动功率的概率密度函数，fw()为风电出力的概率密度函数，fd()为负荷出力的概率密度函数，Pw为风电场总出力，Pg为发电机出力常数。本专利技术与现有技术相比，其有益效果为：本专利技术采用基于拉丁超立方采样的蒙特卡罗法计算相关风电场的总风电功率的概率密度曲线；利用负荷一般呈正态分布的特性，采用解析法快速求得总负荷的正态分布函数；最后应用卷积法将两类概率计算结果进行综合。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,该方法可以在保证准确度的前提下，大幅提高概率潮流计算的效率，减小了计算量，对系统规划和运行风险评估等有重要意义。附图说明图1为本专利技术的流程图。图2为支路1-5风电场综合出力的概率密度曲线。图3为支路1-5负荷综合出力的概率密度曲线。图4为支路1-5流动功率概率密度曲线。图5为支路1-5流动功率的概率密度曲线的几种方法的比较。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。如图1所示，一种分类处理负荷相关性和风速相关性的直流概率潮流计算方法，包括以下步骤：步骤一，根据直流潮流模型，得出线路流动功率的线性表达式，将其分为发电机出力、风电场出力及负荷需求三部分。由直流潮流模型可得：其中，B为节点导纳矩阵的虚部矩阵，B'为B去掉平衡节点后的矩阵，所以B'存在逆矩阵，Pij为线路i-j的流动功率，δij为线路i-j首末节点的相角差，xij为线路i-j的电抗，PN为节点注入功率矩阵。综合上面公式中的三个等式，可以得到Pij的线性表达式：节点注入功率为节点上发电机出力与负荷需求之差，而发电机包括传统机组和风电机组，则上式就可以分为三部分，如下:其中，M为发电机组个数，Pgm为发电机出力；K为风电场个数，Pwk为风电厂出力；L为负荷个数，Pdl为负荷需求。步骤二，对步骤一中的风电场出力部分，采用基于拉丁超立方采样的蒙特卡罗法拟合得出其总出力的概率密度曲线。1.基于LHS的相关风速模拟我们采用基于拉丁超立方采样(LHS)的蒙特卡罗法处理相关风速模拟。拉丁超立方采样是一种分层抽样方法，通过采样后排序使变量具有需要的相关性。基于本文档来自技高网...

【技术保护点】
一种分类处理负荷和风速相关性的直流概率潮流方法，其特征在于，包括以下步骤：步骤1、根据直流潮流模型，得出线路流动功率的线性表达式，将其分为发电机出力、风电场出力及负荷需求三部分；步骤2、对步骤1中的风电场出力部分，采用基于拉丁超立方采样的蒙特卡罗法拟合得出其总出力的概率密度曲线；步骤3、对步骤1中的负荷需求部分，采用解析法计算得出总负荷的正态分布函数的表达式；步骤4、忽略发电机停运，步骤1中的发电机出力部分为常数，使用卷积方法将步骤2得到的概率密度曲线和步骤3得到的总负荷的正态分布函数结合起来，得到线路流动功率的概率密度曲线。

【技术特征摘要】
1.一种分类处理负荷和风速相关性的直流概率潮流方法，其特征在于，包括以下步骤：步骤1、根据直流潮流模型，得出线路流动功率的线性表达式，将其分为发电机出力、风电场出力及负荷需求三部分；步骤2、对步骤1中的风电场出力部分，采用基于拉丁超立方采样的蒙特卡罗法拟合得出其总出力的概率密度曲线；步骤3、对步骤1中的负荷需求部分，采用解析法计算得出总负荷的正态分布函数的表达式；步骤4、忽略发电机停运，步骤1中的发电机出力部分为常数，使用卷积方法将步骤2得到的概率密度曲线和步骤3得到的总负荷的正态分布函数结合起来，得到线路流动功率的概率密度曲线。2.根据权利要求1所述的分类处理负荷和风速相关性的直流概率潮流方法，其特征在于：步骤1中线路流动功率Pij的线性表达式为：Pij=Σm=1MαmPgm+Σk=1KβkPwk+Σl=1LγlPdl]]>式中，Pij为节点i与节点j所连接线路上的流动功率；M为发电机组个数，Pgm为发电机出力；K为风电场个数，Pwk为风电场出力；L为负荷个数，Pdl为负荷需求，αm,βk,γl分别为对应系数。3.根据权利要求1所述的分类处理负荷和风速相关性的直流概率潮流方法，其特征在于：步骤2中对风电场出力部分采用基于拉丁超立方采样的蒙特卡罗法拟合得出风电场总出力的概率密度曲线，具体为：步骤2-1、对风速进行分层抽样，风电场数为K，采样规模为K*N，N为每个风电场的采样数，对于每一个风电场，风速变量X服从威布尔分布，其累积概率分布函数为Y=F(x)=1-e-(xc)b]]>式中b是形状参数，c是尺度参数，Y的取值范围为[0,1],把Y的取值空间均分为N等份，即[0,1/N]、[1/N,2/N]、...、[N-1/N,1]，从每个区间中选择区间中点
\t作为采样点的分布函数值，则采样值可通过求反函数x＝F-1(Y)得到，反函数为F-1(Y)=c*-(ln(1-Y))b]]>这样可以生成规模为K*N的初始样本；步骤2-2、对步骤2-1中得出的初始风速样本进行排序，使样本满足所要求的相关系数矩阵；设K个风电场风速间相关系数矩阵为Cw，其中独立风电场对应的相关系数为0，这样即将所有风电场视为一个风电场组，相关风速和独立风速采样能同时进行；将Cw进行cholesky分解：Cw＝BBT，得到B矩...

【专利技术属性】
技术研发人员：殷明慧，夏方涛，侯洋，李伟杰，郑冉，张刘冬，姚娟，卜京，谢云云，蔡晨晓，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32