基于改进MCMC模拟数据对IES可靠性评估的方法技术

本发明专利技术公开了基于改进MCMC模拟数据对IES可靠性评估的方法，属于综合能源系统领域，以解决传统MCMC的数据模拟方法生成的模拟数据时序随机，难以保证IES的气能、电能间的高度耦合性的问题。方法包括基于K

【技术实现步骤摘要】
基于改进MCMC模拟数据对IES可靠性评估的方法


[0001]本专利技术属于综合能源系统领域，具体涉及基于改进MCMC模拟数据对IES可靠性评估的方法。

技术介绍

[0002]构建绿色高效的综合能源体系是一种重要的节能降碳、提质增效手段。天然气具有清洁高效的特点，通过气
‑
电功率耦合设备构建IES系统可进一步提高风电消纳率和经济性。但电力系统的运行风险将通过耦合关系进行风险传导，增加天然气系统的节点气压和机组运行风险，该风险还将进一步反馈影响电力系统运行安全，因此亟需快速准确的可靠性评估方法指导系统运行。
[0003]当前国内外IES可靠性评估主要研究内容为建立系统或元件的可靠性概率模型、采用模拟法或解析法分析系统可能的运行状态、构建可靠性评估指，分别对系统运行状态进行评估，从而有效预判系统的高风险运行状态。
[0004]其中，解析法存在模型复杂度高、不确定性大的缺点，难以建立准确的分析模型；而模拟法以数据为驱动，挖掘客观历史数据的关联性和分布规律，全面、快速的模拟各种运行状态，从而有效评估系统的可靠性，避免的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进MCMC模拟数据对IES可靠性评估的方法，其特征在于：该方法分为以下步骤：S1、基于K
‑
means的气电耦合序列模拟方法；K
‑
means聚类方法是对相似分布特征的样本数据进行聚类，其前提是提前给定聚类数，选择邓恩指数DVI作为聚类数；S2、改进MCMC的气电耦合序列模拟方法；S2.1、建立气、电二维马尔科夫转移矩阵及降维编码；根据K
‑
means聚类后在每一类k中分别建立气、电二维马尔科夫转移矩阵；S2.2、生成状态转移矩阵；S2.3、基于逆高斯分布的状态持续时间拟合；提出基于逆高斯分布的状态持续时间拟合方法，对原始数据中状态的持续时间进行拟合，得到状态持续的时间，避免长期陷入局部状态；S2.4、升维解码和波动量叠加；在生成大量的一维数据状态后，需要将一维状态进行解码操作，对应还原到气
‑
电二维数据平面中，再在每一维的气负荷功率、净电负荷功率上叠加波动分量；S3、建立对IES可靠性进行评估的方法与评价指标；S3.1、模拟质量的评估方法；针对模拟数据的质量状况，采用常规的数据评估方法判断模拟数据和历史数据的数值情况、数据分布差异；利用概率密度将得到不同取值范围内，模拟数据与历史数据的分布差异；S3.2、IES供能可靠性评估指标；用供能质量用来评估系统运行可靠性，其气、电能源供应质量直接影响系统的安全性；在电力系统中电能质量的主要指标有电压偏差、频率偏差、电流越限、电压波动与闪变；燃气系统气能质量指标有气压节点、管道载流量。2.如权利要求1所述的基于改进MCMC模拟数据对IES可靠性评估的方法，其特征在于：所述步骤S2.1构建的二维马尔科夫转移矩阵，其状态数是一维序列的二次方倍；设第k类数据中第n
k
的二维数据为Z(P(n
k
)，G(n
k
))，则二维数据的状态划分公式如下：))，则二维数据的状态划分公式如下：))，则二维数据的状态划分公式如下：))，则二维数据的状态划分公式如下：式中：P(n
k
)、G(n
k
)分别为k类中第n
k
个数据的净电负荷功率和净气负荷功率；M
P
和M
G
分别为电负荷、气负荷的状态数；
ΔP
k
、ΔG
k
分别为净电负荷和净气负荷的状态间隔；P
M
(n
k
)和G
M
(n
k
)分别为第n
k
个数据的净电负荷、净气负荷的状态编号；ceil为向上取整计算；通过公式(2)至公式(5)可得到二维数据Z(P(n
k
)，G(n
k
))的二维状态为ZM(P
M
(n
k
)，G
M
(n
k
))；为降低计算复杂度，提出将二维状态进行降维编码，其公式如下：Sr(n
k
)＝(P
M
(n
k
)
‑
1)*M
G
+G
M
(n
k
)
ꢀꢀꢀꢀꢀ
(6)式中：Sr(n
k
)为降维后的离散状态编号。3.如权利要求2所述的基于改进MCMC模拟数据对IES可靠性评估的方法，其特征在于：所述步骤S2.2中生成状态转移矩阵的具体过程如下：按照公式(6)将第k类中N
k
个数据进行全部降维编码，得到N
k
个一维离散状态点；一维状态矩阵Num为长度(M
P
·
M
G
)
×
1；在一维状态矩阵Sr中，由某一状态转移到另一状态，需要(M
P
·
M
G
)
×
(M
P
·
M
G
)的二维状态转移矩阵来刻画该过程；设矩阵St中元素为s
ij
，则状态转移过程如下：s
ij
＝St(Sr(n
k
)＝j|Sr(n
k
‑
1)＝i)
ꢀꢀꢀꢀꢀ
(7)式中：i，j分别表示第n
k
‑
1状态和第n
k
状态；s
ij
为状态n
k
‑
1转移到状态n
k
的状态转移数量；则状态转移矩阵Pr中元素p
ij
定义如下：式中：p
ij
为由状态i转移到状态j的转移概率；分子∑s
ij
为状态i转移到状态j的数量；分子表示在状态i下向其他状态转移的总数量；累计概率转移矩阵Pm元素pm
i,j
定义如下：式中：pm
ij
为由状态i转移到状态j的累计转移概率；根据累计状态转移矩阵，按照以下步骤即可模拟生成新的数据状态：(1)给定一个初始状态Sr(1)，即当前状态i＝Sr(1)；(2)随机产生一个[0,1]的状态随机数rand，计算rand在状态i时对应的累计转移概率区间：式中：
因数据降维后状态转移矩阵为稀疏矩阵，故设定判断条件：若pm
iM<...

【专利技术属性】
技术研发人员：任明远，陈思行，姜明军，李帅兵，蒋紫微，康永强，卢保朋，宋玉峰，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：