一种考虑光伏非线性相关性的电力系统概率潮流计算方法技术方案

本发明专利技术公开了一种考虑光伏非线性相关性的电力系统概率潮流计算方法，包括如下步骤：建立光伏电站概率模型；光伏电站功率样本空间建立，采用LHS算法先对光伏电场出力概率密度函数进行采样，然后得到光伏电站功率样本空间；光伏并网系统概率潮流计算，将生成光伏出力的样本空间中各组样本值依次代入潮流方程里进行常规潮流计算，从而求出包括光伏并网节点在内的各节点和支路的潮流样本，进而得到输出随机变量的样本空间；潮流计算指标的概率评估，利用概率统计方法得出光伏并网所需输出变量的概率统计特性及其指标。本发明专利技术的计算方法使得概率计算结果更加准确，在采样规模相对较小的情况下准确描述了并网系统的不确定性。

【技术实现步骤摘要】
一种考虑光伏非线性相关性的电力系统概率潮流计算方法
本专利技术属于电力
，尤其是涉及一种考虑光伏非线性相关性的电力系统概率潮流计算方法。
技术介绍
为降低可持续发展过程中环境污染带来的负面影响，高比例可再生能源发电并网成为未来国家电力系统发展的必然趋势。然而，以光伏为代表的可再生能源大规模并网给电网运行带来了诸多不确定因素。通过概率潮流(ProbabilisticLoadFlow，PLF)计算，得到系统运行特征量(如节点电压幅值和相角，线路有功和无功等)的统计信息，能够确定系统运行的薄弱环节。确定性潮流分析法要考虑光伏变化的所有可能性，因此需要耗费大量的计算时间，且计算结果难以全面反映并网系统的真实情况。概率统计方法因考虑输入随机变量的不确定性，克服了传统确定性方法的缺陷，由此成为分析光伏并网系统的基本方法。20世纪70年代Borkowska首次提出概率潮流计算的概念，此后该计算方法在包括电压稳定性分析、可靠性评估、网损分析等在内的电力系统分析领域得到广泛的应用。由于能够更全面地考虑电力系统实际运行中的不确定因素，概率潮流受到广泛关注，国内外学者提出了多种类型的概率潮流计算方法，大体可分为解析法和模拟法。半不变量法和点估计法是基于解析法的概率潮流计算法中最具有代表性的两种方法。解析法计算的前提条件是输入变量之间相互独立，这种假设前提使该计算方法效率很高，但计算精度不高。蒙特卡洛模拟法(MonteCarloSimulation,MCS)是基于模拟法的概率潮流计算方法中最具代表性的方法。在采样规模足够大的情况下，MCS能得到很高的计算精度，这种方法大多作为验证其他方法准确程度的标准。在光伏并网系统概率潮流研究中，光伏电站概率模型的现有建立方法主要有两种：一种是基于Beta分布的光照强度概率密度函数的建模方法；另一种是基于非参数核密度估计方法进行光伏建模方法。基于光照强度概率密度函数建模法在光伏电站规模较小的情况下可以满足计算效率和精度的要求，因此被广泛用于中长期概率潮流评估中。然而其所采用的单一光照强度采样数据和基于单个太阳能电池板的功率输出模型的简单等效叠加无法真实反映整个光伏电站功率变化的情况，并且这种拟合误差随着光伏电站规模的扩大而增大。由于直接采用光伏电站总功率的实测数据作为拟合对象，非参数核密度估计法可以较精确地模拟出光伏电站在任何时间段的功率波动变化。但是该方法与前一种方法一样都未能考虑相邻地区间光伏出力的非线性相关性，因此其适用范围受到了局限。
技术实现思路
本专利技术的目的是针对上述问题，提供一种考虑光伏非线性相关性的电力系统概率潮流计算方法，使得概率计算结果更加准确，在采样规模相对较小的情况下准确描述了并网系统的不确定性。为达到上述目的，本专利技术采用了下列技术方案：一种考虑光伏非线性相关性的电力系统概率潮流计算方法，包括如下步骤：S1、建立光伏电站概率模型，根据加权高斯混合模型，光伏电站出力的概率密度函数为：将光伏电站有功出力实测数据作为观察数据X＝{x1,x2,...,xN}代入公式(2)进行EM算法迭代，计算出光伏电站出力的概率密度函数中的未知参数αm、μm、S2、光伏电站功率样本空间建立，假设采样规模为L，采用LHS算法先对光伏电场出力概率密度函数fPV(x)进行采样，然后对采样数值进行Gram-Schmidt序列正交化后得到光伏电站功率样本空间[PPV，QPV]；S3、光伏并网系统概率潮流计算，将生成光伏出力的样本空间[PPV，QPV]中各组样本值依次代入潮流方程里进行常规潮流计算，从而求出包括光伏并网节点在内的各节点和支路的潮流样本，进而得到输出随机变量的样本空间；S4、潮流计算指标的概率评估，利用概率统计方法得出光伏并网所需输出变量的概率统计特性及其指标。作为一种优选的技术方案，步骤S1中，所属加权高斯混合分布模型来描述光伏电站出力的概率密度函数表示为：式中：αm≥0；αm、μm、分别为高斯混合模型m分量的权重和该权重高斯分布Gm(·)的均值、方差，需要通过观察数据进行计算。作为一种优选的技术方案，步骤S2的计算方法具体如下，设X1，X2，...，XM为M个随机变量，若其中第k个随机变量的累积概率分布函数为：Yk＝Fk(Xk)，Yk∈[0，1]，当光伏出力随机变量的采样规模为N时，将其累积分布函数曲线Yk＝Fk(Xk)等间隔不重叠地分为N个区间，则每个区间长度为1/N，设n＝1，2，...，N，第n个区间的采样值Ykn落在该区间的中点(n-0.5)/N，再通过光伏出力Fk的反函数计算得出Xk的第n个采样值为将K个变量的采样值构成一个M×N的样本空间，采用Gram-Schmidt序列正交化方法对样本空间的每一行采样值进行重排列，最终得到标准化后的样本空间。与现有的技术相比，本专利技术的有益效果为：本专利技术针对光伏并网系统概率潮流计算中对相邻地区间光伏出力的非线性相关性的要求，采用MCS算法模拟输入随机变量。在输入随机变量的模拟过程中，采用加权高斯混合分布构建光伏出力的概率模型，然后采用拉丁超立方采样(LatinHypercubeSampling，LHS)算法从概率密度函数中获取光伏出力的样本空间，代入潮流方程进行计算；最后对潮流计算结果进行概率统计分析。本专利技术将WGMD建模法和LHS采样算法相结合应用到光伏并网的电力系统概率潮流计算当中，基于WGMD的建模方法保留了相邻光伏电站之间非线性相关性，从而使得概率计算结果更加准确；相比于传统蒙特卡洛模拟法，本专利技术将WGMD建模法和LHS采样方法相结合，在采样规模相对较小的情况下准确描述了并网系统的不确定性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。图1是本专利技术光伏电场功率概率密度分布图。图2是本专利技术电压幅值的概率密度分布曲线。图3是本专利技术电压幅值的累积概率分布曲线。具体实施方式以下是专利技术的具体实施例并结合附图，对本专利技术的技术方案作进一步的描述，但本专利技术并不限于这些实施例。一种考虑光伏非线性相关性的电力系统概率潮流计算方法，包括如下步骤：步骤一建立光伏电站概率模型，根据加权高斯混合模型，光伏电站出力的概率密度函数为：将光伏电站有功出力实测数据作为观察数据X＝{x1,x2,...,xN}代入公式(2)进行EM算法迭代，计算出光伏电站出力的概率密度函数中的未知参数αm、μm、当光伏电站实测出力已知，也就是描述光伏电站出力的加权高斯混合分布的观察值X＝{x1，x2，...，xN}给定后，该概率分布的似然函数为：式中：Θ＝{θ1，θ2，...，θN}。对式(2)取对数得：则EM算法进行光伏电站出力概率分布的参数估计主要由两步完成，即：E步：计算对数似然函数的条件期望：Q(Θ|Θ(p))＝E[I(Θ)|Θ(p)]6)M步：寻找Θ(p+1)使得：Θ(p+1)＝argmaxQ(Θ|Θ(p))(7)循环迭代E步和M步直到满足的收敛条件结束，就可以得到光伏电站出力概率分布的未知参数。根据公式(4)-(7)的推导，得出公式(2)。步骤二光伏电站功率样本空间建立，假设采样规模为L，采用LHS算法先对光伏电场出力概率密度函数fPV(x)进行采样，然后对采样数值进行Gram-Schmi本文档来自技高网...

【技术保护点】
一种考虑光伏非线性相关性的电力系统概率潮流计算方法，其特征在于，包括如下步骤：S1、建立光伏电站概率模型，根据加权高斯混合模型，光伏电站出力的概率密度函数为：

【技术特征摘要】
1.一种考虑光伏非线性相关性的电力系统概率潮流计算方法，其特征在于，包括如下步骤：S1、建立光伏电站概率模型，根据加权高斯混合模型，光伏电站出力的概率密度函数为：αm≥0；αm、μm、分别为高斯混合模型m分量的权重和该权重的均值、方差，通过观察数据进行计算；将光伏电站有功出力实测数据作为观察数据X＝{x1,x2,…,xN}代入公式(2)进行EM算法迭代，计算出光伏电站出力的概率密度函数中的未知参数αm、μm、S2、光伏电站功率样本空间建立，假设采样规模为L，采用LHS算法先对光伏电场出力概率密度函数fPV(x)进行采样，然后对采样数值进行Gram-Schmi...

【专利技术属性】
技术研发人员：梁有珍，马喜平，沈渭程，董开松，刘秀良，闵占奎，杨俊，刘丽娟，同焕珍，李志敏，张光儒，李臻，赵耀，郑翔宇，王斌，姜梅，赵炜，甄文喜，魏博，朱宏毅，张赛，陈柏旭，陈明忠，
申请(专利权)人：国网甘肃省电力公司电力科学研究院，国网甘肃省电力公司，国家电网公司，
类型：发明
国别省市：甘肃,62