一种电力系统概率最优潮流计算方法及装置制造方法及图纸

本发明专利技术涉及一种电力系统概率最优潮流计算方法及装置，包括：获取电力系统中概率不确定源对应的独立的标准高斯域样本矩阵；根据独立的标准高斯域样本矩阵确定具有相关性的标准高斯域样本矩阵；利用等概率原则将所述具有相关性的标准高斯域样本矩阵转换为原始分布域中具有相关性的概率不确定源的样本矩阵；基于所述原始分布域中具有相关性的概率不确定源的样本矩阵进行概率最优潮流计算获取概率最优潮流计算结果。本发明专利技术提供的技术方案极大的提升了概率最优潮流的求解速度，进而能够对数据进行实时的计算与分析。

【技术实现步骤摘要】
一种电力系统概率最优潮流计算方法及装置
本专利技术涉及新能源并网后的最优潮流计算领域，具体涉及一种电力系统概率最优潮流计算方法及装置。
技术介绍
近年来人类对清洁的环境和生活方式的追求，推动了可再生能源的快速发展和广泛利用。根据REN21的2019年年度报告显示，可再生能源占全球装机容量的33％以上，约占世界总发电量的26.2％。但是风力、太阳辐射和潮流等可再生能源的固有不确定性，在处理电网运行或规划问题时概率不确定性对电力系统的重大影响是不可忽视的。目前，大规模新能源并网将给电力系统引入大量的不确定源，而确定性的最优潮流的计算不能应对相应的情况，同时传统的概率最优潮流计算方法耗时长，难以对数据进行实时的计算与分析。
技术实现思路
针对现有技术的不足，本专利技术的目的是提供一种电力系统概率最优潮流计算方法及装置，能够提升概率最优潮流的求解速度以及对数据进行实时的计算与分析。本专利技术的目的是采用下述技术方案实现的：本专利技术提供了一种电力系统概率最优潮流计算方法，其改进之处在于，所述方法包括：获取电力系统中概率不确定源对应的独立的标准高斯域样本矩阵；根据独立的标准高斯域样本矩阵确定具有相关性的标准高斯域样本矩阵；利用等概率原则将所述具有相关性的标准高斯域样本矩阵转换为原始分布域中具有相关性的概率不确定源的样本矩阵；基于所述原始分布域中具有相关性的概率不确定源的样本矩阵进行概率最优潮流计算获取概率最优潮流计算结果。优选的，所述获取电力系统中概率不确定源对应的独立的标准高斯域样本矩阵，包括：按下式确定m维的独立的标准高斯域样本矩阵D：D＝[D1,...,Ds,...Dn]上式中，Ds＝[d1,s,...,dh,s,...,dm,s],Ds为m维的独立的标准高斯域样本矩阵中的第s个样本数据，s∈(1～n)，n为标准高斯域样本的个数，dh,s为独立的标准高斯域样本矩阵中第s个样本数据中的第h个元素，其中：dh,s是基于离散傅里叶变换矩阵的离散余弦变换矩阵或离散正弦变换矩阵获取的高斯域样本矩阵中第h个向量，即或m为电力系统中概率不确定源的个数，在一次计算中样本中的各向量仅能通过离散傅里叶变换矩阵的离散余弦变换矩阵来求取，或者仅通过离散正弦变换矩阵求取。优选的，所述根据独立的标准高斯域样本矩阵确定具有相关性的标准高斯域样本矩阵，包括：按下式确定具有相关性的标准高斯域样本矩阵Zr:Zr＝LDT上式中，L为具有相关性的标准高斯域样本矩阵的下三角分解矩阵。进一步的，按下式确定具有相关性的标准高斯域样本矩阵的下三角矩阵L：上式中，当i＝j＞1时，则当i＞j时，则当i＜j时，则li,j＝0；i为具有相关性的标准高斯域样本矩阵中的第i个概率不确定源，j为具有相关性的标准高斯域样本矩阵中的第j个概率不确定源，ρZ(i,j)为具有相关性的标准高斯域样本矩阵中第i个概率不确定源和第j个概率不确定源之间的相关系数，m为电力系统中概率不确定源的个数。进一步的，按下式确定具有相关性的标准高斯域样本矩阵中第i个概率不确定源和第j个概率不确定源之间的相关系数ρZ(i,j)：其中，上式中，上式中，ρx(i,j)为原始分布域中第i个概率不确定源和第j个概率不确定源之间的相关系数，为具有相关性的标准高斯分布域样本矩阵中第i个概率不确定源对应的自变量为zi和第j个概率不确定源对应的自变量为Zj时的联合分布函数，为将Φ(zi)代入原始分布域中概率不确定源i的累积分布函数的反函数中获取的值，为将Φ(zj)代入原始分布域中概率不确定源j的累积分布函数的反函数中获取的值，Φ(zi)为具有相关性的标准高斯分布域样本矩阵中第i个概率不确定源的随机变量为zi时对应的具有相关性的标准高斯分布域样本矩阵中第i个概率不确定源的累积分布函数的取值，Φ(zj)为具有相关性的标准高斯分布域样本矩阵中第j个概率不确定源的随机变量为zj时对应的具有相关性的标准高斯分布域样本矩阵中第j个概率不确定源的累积分布函数的取值，μij为在原始分布域中对电力系统的m个概率不确定源同步采样后概率不确定源i对应的随机变量Xi和概率不确定源j对应的随机变量Xj之积的均值，μi·为在原始分布域中对电力系统的m个概率不确定源同步采样后概率不确定源i的均值，μj为在原始分布域中对电力系统的m个概率不确定源同步采样后概率不确定源j的均值，σi为在原始分布域中对电力系统的m个概率不确定源同步采样后概率不确定源i的标准差，σj为在原始分布域中对电力系统的m个概率不确定源同步采样后概率不确定源j的标准差。优选的，所述利用等概率原则将所述具有相关性的标准高斯域样本矩阵转换为原始分布域中具有相关性的概率不确定源的样本矩阵，包括：按下式确定原始分布域中具有相关性的概率不确定源的样本矩阵Xr：上式中，为变量Φ(Zr)的累积分布函数的反函数，Φ(Zr)为具有相关性的标准正态分布样本Zr的累积分布函数。优选的，所述基于所述原始分布域中具有相关性的概率不确定源的样本矩阵进行概率最优潮流计算获取概率最优潮流计算结果，包括：根据所述原始分布域中具有相关性的概率不确定源的样本矩阵中的样本数据确定原始分布域中具有相关性的概率不确定源的样本矩阵中的样本数据对应的输出变量数据；根据原始分布域中具有相关性的概率不确定源的样本矩阵中的样本数据对应的输出变量数据确定电力系统的概率最优潮流。进一步的，所述概率不确定源，包括：电力系统中的风速和负荷的大小。优选的，所述根据所述原始分布域中具有相关性的概率不确定源的样本矩阵中的样本数据确定原始分布域中具有相关性的概率不确定源的样本矩阵中的样本数据对应的输出变量数据，包括：步骤1：将原始分布域中具有相关性的概率不确定源中的风速样本矩阵中的风速样本数据转化为原始分布域中具有相关性的风电机组出力的样本数据；步骤2：将原始分布域中具有相关性的概率不确定源的负荷样本矩阵中的样本数据和原始分布域中具有相关性的风电机组出力的样本数据代入预先建立的最优潮流模型中，并求解所述预先建立的最优潮流模型，获取原始分布域中具有相关性的概率不确定源的样本矩阵中的样本数据对应的输出变量数据；其中，所述原始分布域中具有相关性的概率不确定源的样本矩阵中的样本数据对应的输出变量数据，包括：电力系统中风电机组的有功出力、风电机组的无功出力、支路的有功功率、支路的无功功率、节点的电压幅值、节点的相角和网络损耗。进一步的，按下式确定预先建立的最优潮流模型中的目标函数：上式中，F为电力系统网络损耗值,ΔPgy为连接节点g和节点y的支路上的有功损耗，SE为电力系统中所有节点的集合。进一步的，按下式确定预先建立的最优潮流模型的电力平衡约束条件：按下式确定预先建立的最优潮流模型的节点间功率约束条件：按下式确定预先建立的最优潮流模本文档来自技高网...

【技术保护点】
1.一种电力系统概率最优潮流计算方法，其特征在于，所述方法包括：/n获取电力系统中概率不确定源对应的独立的标准高斯域样本矩阵；/n根据独立的标准高斯域样本矩阵确定具有相关性的标准高斯域样本矩阵；/n利用等概率原则将所述具有相关性的标准高斯域样本矩阵转换为原始分布域中具有相关性的概率不确定源的样本矩阵；/n基于所述原始分布域中具有相关性的概率不确定源的样本矩阵进行概率最优潮流计算获取概率最优潮流计算结果。/n

【技术特征摘要】
1.一种电力系统概率最优潮流计算方法，其特征在于，所述方法包括：
获取电力系统中概率不确定源对应的独立的标准高斯域样本矩阵；
根据独立的标准高斯域样本矩阵确定具有相关性的标准高斯域样本矩阵；
利用等概率原则将所述具有相关性的标准高斯域样本矩阵转换为原始分布域中具有相关性的概率不确定源的样本矩阵；
基于所述原始分布域中具有相关性的概率不确定源的样本矩阵进行概率最优潮流计算获取概率最优潮流计算结果。


2.如权利要求1所述的方法，其特征在于，所述获取电力系统中概率不确定源对应的独立的标准高斯域样本矩阵，包括：
按下式确定m维的独立的标准高斯域样本矩阵D：
D＝[D1,...,Ds,...Dn]
上式中，Ds＝[d1,s,...,dh,s,...,dm,s],Ds为m维的独立的标准高斯域样本矩阵中的第s个样本数据，s∈(1～n)，n为标准高斯域样本的个数，dh,s为独立的标准高斯域样本矩阵中第s个样本数据中的第h个元素，其中：dh,s是基于离散傅里叶变换矩阵的离散余弦变换矩阵或离散正弦变换矩阵获取的高斯域样本矩阵中第h个向量，即或m为电力系统中概率不确定源的个数，在一次计算中样本中的各向量仅能通过离散傅里叶变换矩阵的离散余弦变换矩阵来求取，或者仅通过离散正弦变换矩阵求取。


3.如权利要求2所述的方法，其特征在于，所述根据独立的标准高斯域样本矩阵确定具有相关性的标准高斯域样本矩阵，包括：
按下式确定具有相关性的标准高斯域样本矩阵Zr:
Zr＝LDT
上式中，L为具有相关性的标准高斯域样本矩阵的下三角分解矩阵。


4.如权利要求3所述的方法，其特征在于，按下式确定具有相关性的标准高斯域样本矩阵的下三角矩阵L：



上式中，当i＝j＞1时，则当i＞j时，则当i＜j时，则li,j＝0；i为具有相关性的标准高斯域样本矩阵中的第i个概率不确定源，j为具有相关性的标准高斯域样本矩阵中的第j个概率不确定源，ρZ(i,j)为具有相关性的标准高斯域样本矩阵中第i个概率不确定源和第j个概率不确定源之间的相关系数，m为电力系统中概率不确定源的个数。


5.如权利要求4所述的方法，其特征在于，按下式确定具有相关性的标准高斯域样本矩阵中第i个概率不确定源和第j个概率不确定源之间的相关系数ρZ(i,j)：



其中，
上式中，ρx(i,j)为原始分布域中第i个概率不确定源和第j个概率不确定源之间的相关系数，为具有相关性的标准高斯分布域样本矩阵中第i个概率不确定源对应的自变量为zi和第j个概率不确定源对应的自变量为Zj时的联合分布函数，为将Φ(zi)代入原始分布域中概率不确定源i的累积分布函数的反函数中获取的值，为将Φ(zj)代入原始分布域中概率不确定源j的累积分布函数的反函数中获取的值，Φ(zi)为具有相关性的标准高斯分布域样本矩阵中第i个概率不确定源的随机变量为zi时对应的具有相关性的标准高斯分布域样本矩阵中第i个概率不确定源的累积分布函数的取值，Φ(zj)为具有相关性的标准高斯分布域样本矩阵中第j个概率不确定源的随机变量为zj时对应的具有相关性的标准高斯分布域样本矩阵中第j个概率不确定源的累积分布函数的取值，μij为在原始分布域中对电力系统的m个概率不确定源同步采样后概率不确定源i对应的随机变量Xi和概率不确定源j对应的随机变量Xj之积的均值，μi·为在原始分布域中对电力系统的m个概率不确定源同步采样后概率不确定源i的均值，μj为在原始分布域中对电力系统的m个概率不确定源同步采样后概率不确定源j的均值，σi为在原始分布域中对电力系统的m个概率不确定源同步采样后概率不确定源i的标准差，σj为在原始分布域中对电力系统的m个概率不确定源同步采样后概率不确定源j的标准差。


6.如权利要求1所述的方法，其特征在于，所述利用等概率原则将所述具有相关性的标准高斯域样本矩阵转换为原始分布域中具有相关性的概率不确定源的样本矩阵，包括：
按下式确定原始分布域中具有相关性的概率不确定源的样本矩阵Xr：



上式中，为变量Φ(Zr)的累积分布函数的反函数，Φ(Zr)为具有相关性的标准高斯域样本Zr的累积分布函数。


7.如权利要求1所述的方法，其特征在于，所述基于所述原始分布域中具有相关性的概率不确定源的样本矩阵进行概率最优潮流计算获取概率最优潮流计算结果，包括：
根据所述原始分布域中具有相关性的概率不确定源的样本矩阵中的样本数据确定原始分布域中具有相关性的概率不确定源的样本矩阵中的样本数据对应的输出变量数据；
根据原始分布域中具有相关性的概率不确定源的样本矩阵中的样本数据对应的输出变量数据确定电力系统的概率最优潮流。


8.如权利要求7所述的方法，其特征在于，所述概率不确定源，包括：
电力系统中的风速和负荷的大小。


9.如权利要求8所述的方法，其特征在于，所述根据所述原始分布域中具有相关性的概率不确定源的样本矩阵中的样本数据确定原始分布域中具有相关性的概率不确定源的样本矩阵中的样本数据对应的输出变量数据，包括：
步骤1：将原始分布域中具有相关性的概率不确定源中的风速样本矩阵中的风速样本数据转化为原始分布域中具有相关性的风电机组出力的样本数据；
步骤2：将原始分布域中具有相关性的概率不确定源的负荷样本矩阵中的样本数据和原始分布域中具有相关性的风电机组出力的样本数据代入预先建立的最优潮流模型中，并求解所述预先建立的最优潮流模型，获取原始分布域中具有相关性的概率不确定源的样本矩阵中的样本数据对应的输出变量数据；
其中，所述原始分布域中具有相关性的概率不确定源的样...

【专利技术属性】
技术研发人员：唐俊杰，许丹，林星宇，戴赛，崔晖，丁强，黄国栋，蔡帜，燕京华，闫翠会，张传成，孙振，李伟刚，
申请(专利权)人：中国电力科学研究院有限公司，国家电网有限公司，国网福建省电力有限公司，重庆大学，
类型：发明
国别省市：北京;11