考虑光伏与负荷时序相关性的概率潮流快速计算方法技术

一种考虑光伏与负荷时序相关性的概率潮流快速计算方法，属于电力控制技术领域。本发明专利技术的目的是是将一天分为多个时段进行研究，建立光伏出力与负荷时序相关模型并进行抽样，利用模糊C‑均值聚类算法划分典型场景进行概率潮流计算，在保证概率潮流准确性的前提下有效提高计算速度的考虑光伏与负荷时序相关性的概率潮流快速计算方法。本发明专利技术首先将一天分为24个时段，采用自适应扩散核密度估计法分别建立光伏出力与负荷的概率密度分布模型，提高概率模型局部适应性，并通过Copula理论描述二者之间的相关关系；然后利用模糊C均值聚类法划分光伏出力与负荷场景，利用场景聚类中心与场景发生概率代替蒙特卡洛模拟过程进行概率潮流计算。本发明专利技术大大减少了计算次数，可提高概率模型准确性，具有推广价值。

【技术实现步骤摘要】
考虑光伏与负荷时序相关性的概率潮流快速计算方法
本专利技术属于电力控制

技术介绍
光伏发电具有清洁、可再生等优势，近年来得到了飞速发展。截止至2019年末，我国光伏累计装机总容量已达20430万千瓦，同比增长17.3％。为准确评估光伏发电等新能源的电网渗透率不断升高对电力系统运行状态的影响，电力系统概率潮流计算方法得到了广泛研究。光伏发电对太阳辐射强度的依赖性较大，具有明显的时序变化特性。除此之外，传统方法通常利用蒙特卡洛模拟法进行概率潮流计算，计算效率低下。因此针对光伏出力与负荷的时序变化特性进行概率潮流计算，并提高概率潮流计算速度具有重要意义。近年来国内外专家学者已针对概率潮流计算方法进行了深入研究。概率潮流的计算方法大致可分为解析法和模拟法，其中模拟法因其简单易行而得到了广泛关注。利用模拟法进行概率潮流计算前期基础为建立光伏出力、风电等新型能源的概率密度模型，目前主要分为参数模型与非参数模型两大类。其中参数模型是指利用已有函数去拟合新能源的概率密度分布，如beta分布、t-location分布和高斯分布等。非参数分布则是从数据本身出发，选取最优带宽，对随机变量的概率分布进行拟合。其次进行概率潮流计算改需考虑光伏出力、风电、负荷等随机变量之间的相关关系，对于随机变量相关关系的处理主要应用Copula理论，等概率原则与Cholesky分解法、贝叶斯网络、NATAF变换等方法。当前对于概率潮流计算的研究侧重于风电、光伏、负荷之间相关性对概率潮流计算的影响，却未考虑随机变量的时序变化特性，所得概率潮流计算结果对系统参考意义有限。现有方法利用蒙特卡洛模拟过程生成大量样本进行概率潮流计算，计算时间较长。
技术实现思路
本专利技术的目的是是将一天分为多个时段进行研究，建立光伏出力与负荷时序相关模型并进行抽样，利用模糊C-均值聚类算法划分典型场景进行概率潮流计算，在保证概率潮流准确性的前提下有效提高计算速度的考虑光伏与负荷时序相关性的概率潮流快速计算方法。本专利技术步骤是：步骤1：建立随机变量时序相关概率模型并抽样采用自适应扩散核密度估计法对光伏出力与负荷数据进行拟合自适应扩散核密度估计：式中：Xi∈[0,1]为实测数据标准化数据，t＝h2>0；f(x；t)代表扩散核密度估计，KD(·)代表扩散核函数，x、y为核函数定义域内的随机变量，a(x)和p(x)为线性扩散过程的基础控制参数，其中为光伏出力与负荷概率密度的先导估计，a(x)＝p(x)λ，λ∈[0,1]；给定初始条件和边界条件：式中：δ(x-Xi)是随机变量Xi的狄拉克测度；设定x、y约束条件：式中：为线性扩散偏微分算子，为L(·)的伴随偏微分算子；给出自适应扩散核密度估计自适应最优带宽h*：设xi、yi为分别为第i个小时光伏出力与负荷数据，F1i(xi)、F2i(yi)分别为第i个小时的光伏出力与负荷的边缘概率分布；步骤1-3：利用Copula理论建立光伏出力与负荷的时序联合概率密度模型：第i小时光伏出力与负荷的联合概率分布Gi(xi,yi)表示为Gi(xi,yi)＝Ci[F1i(xi),F2i(yi)](7)式中：Ci为第i小时的二者连接Copula函数；步骤1-4：利用第i小时光伏出力与负荷的联合概率分布Gi(xi,yi)进行抽样，获取24小时光伏出力与负荷的时序相关样本；步骤2：时序光伏出力与负荷的模糊C-均值聚类步骤2-1：针对抽样获取的光伏出力与负荷数据样本矩阵X确定模糊C—均值聚类数c(c>1)、幂指数m(m>1)，确定隶属度终止容限ε以及初始隶属度矩阵U(0)＝[uik(0)]；步骤2-2利用式(9)计算光伏与负荷数据的场景聚类中心矩阵V＝[vi(L)]：式中：vi为第i类场景聚类中心，L为算法迭代次数；步骤2-3：将聚类中心矩阵与历史隶属度矩阵代入式(10)并对目标函数J(L)进行优化，更正隶属度矩阵式中：J(L)为聚类算法目标函数，dik(L)＝||xk-vi(L)||；步骤2-4：以隶属度终止容限ε为指标判定算法迭代结束条件；若max{|uik(L)-uik(L-1)|}小于隶属度终止容限ε，聚类结束；否则返回步骤2-2，继续进行算法迭代；步骤2-5：结束算法迭代，确定光伏与负荷最终的隶属度矩阵U、场景聚类中心矩阵V和各类场景中随机变量数据总数ni，并计算各类场景发生概率Pi＝ni/n，n为样本容量；步骤3：时序概率潮流计算方法步骤3-1：针对步骤的所得场景，将各场景的光伏出力与负荷时序相关数据代入式(11)进行时序概率潮流计算式中：Pi、Qi分别表示节点i注入系统的有功功率、无功功率[21-22]，Ui、Uj分别表示节点i、j的电压，θij为节点i、j的相角差，n为节点数，Gij、Bij分别代表系统电导、电纳；步骤3-2：利用式(12)计算得到最终的时序概率潮流计算结果。式中：E(Yi)代表概率潮流计算结果，F(vi)表示以聚类中心vi作为输入量时潮流计算结果。本专利技术将全天光伏出力与负荷数据分为24个时段，利用自适应扩散核密度估计法建立二者的概率密度模型，并利用Copula理论描述二者随时序变化的相关关系，可提高概率模型准确性。本专利技术采用模糊C-均值聚类算法对光伏出力与负荷进行聚类分析，可利用场景聚类中心与场景发生概率代替蒙特卡洛模拟过程进行概率潮流计算，既能够保证概率潮流计算准确性，又能够有效提高时序概率潮流的计算速度。本专利技术在概率潮流计算中考虑光伏出力与负荷时序变化特性能够以小时为间隔给出概率潮流计算结果，为判断节点电压越限、支路潮流过载提供更可靠的参考，具有推广价值。附图说明图1是时序光伏出力概率密度图；图2是时序负荷概率密度图；图3是随机变量模糊C-均值聚类结果；图4是时序概率潮流快速计算流程图。具体实施方式随着光伏发电的飞速发展，电力系统运行不确定性不断升高。为准确评估光伏发电等新能源的电网渗透率不断升高对电力系统运行状态的影响，提高电力系统的运行稳定性。针对光伏发电对太阳辐射强度的依赖性较大，具有明显的时序变化特性，以及传统方法概率潮流计算方法计算效率低下等问题。本专利技术提出一种考虑光伏与负荷时序相关性的概率潮流快速计算方法。主要内容是建立光伏出力与负荷时序相关模型并进行抽样，利用模糊C-均值聚类算法划分典型场景进行概率潮流计算，其特点为保证概率潮流准确性的前提下有效提高计算速度。下面结合附图对本专利技术的具体实施方式作进一步的详细说明步骤1：建立随机变量时序相关概率模型并抽样步骤1-1：建立随机变量的自适应扩散核密度模型采用自适应扩散核密度估计法对光伏出力与负荷数据本文档来自技高网...

【技术保护点】
1.一种考虑光伏与负荷时序相关性的概率潮流快速计算方法，其特征在于：其步骤是：/n步骤1：建立随机变量时序相关概率模型并抽样/n采用自适应扩散核密度估计法对光伏出力与负荷数据进行拟合自适应扩散核密度估计：/n

【技术特征摘要】
1.一种考虑光伏与负荷时序相关性的概率潮流快速计算方法，其特征在于：其步骤是：
步骤1：建立随机变量时序相关概率模型并抽样
采用自适应扩散核密度估计法对光伏出力与负荷数据进行拟合自适应扩散核密度估计：






式中：Xi∈[0,1]为实测数据标准化数据，t＝h2>0；f(x；t)代表扩散核密度估计，KD(·)代表扩散核函数，x、y为核函数定义域内的随机变量，a(x)和p(x)为线性扩散过程的基础控制参数，其中为光伏出力与负荷概率密度的先导估计，a(x)＝p(x)λ，λ∈[0,1]；
给定初始条件和边界条件：






式中：δ(x-Xi)是随机变量Xi的狄拉克测度；
设定x、y约束条件：



式中：为线性扩散偏微分算子，为L(·)的伴随偏微分算子；
给出自适应扩散核密度估计自适应最优带宽h*：






设xi、yi为分别为第i个小时光伏出力与负荷数据，F1i(xi)、F2i(yi)分别为第i个小时的光伏出力与负荷的边缘概率分布；
步骤1-3：利用Copula理论建立光伏出力与负荷的时序联合概率密度模型：
第i小时光伏出力与负荷的联合概率分布Gi(xi,yi)表示为
Gi(xi,yi)＝Ci[F1i(xi),F2i(yi)](7)
式中：Ci为第i小时的二者连接Copula函数；
步骤1-4：利用第i小时光伏出力与负荷的联合概率分布Gi(xi,yi)进行抽样，获取24小时光伏出力与负荷的时序相关样本；
步骤2：时序光伏出力与负荷的模糊C-均值聚类
步骤...

【专利技术属性】
技术研发人员：李赫，曹志刚，陆为华，李国庆，魏恒选，丁仁杰，王振浩，边竞，
申请(专利权)人：国网内蒙古东部电力有限公司通辽供电公司，东北电力大学，
类型：发明
国别省市：内蒙古;15