【技术实现步骤摘要】
一种计及随机
‑
模糊特征的潮流不确定性量化方法
[0001]本专利技术属于电力系统分析
，更为具体地讲，涉及一种计及随机
‑
模糊特征的潮流不确定性量化方法
。
技术介绍
[0002]分布式可再生能源在提高电力系统灵活性与可靠性的同时，也引入了大量的不确定性因素
。
随着分布式可再生能源占有率的提高，其不确定性给电网的安全与稳定运行带来的挑战也日益增大
。
因此，目前需要更为精准的系统潮流不确定性量化方法
。
[0003]通常情况下，不确定性可以分为随机性和模糊性
。
随机性又称偶然性，是指结果与给定的场景之间不存在必然的对应关系；模糊性，又称非明晰性，则是指由于事物的本身概念不清楚或者是衡量事物的尺度不清楚，而造成分类的不确定性
。
只考虑单一方面的不确定量化在实际应用中可能导致部分分析结果偏离事实而引入潜在风险
。
[0004]同时计及随机
‑
模糊特征，现有潮流不确定量化方法集中于对电源的概率分布参数进行模糊化处理，从前向不确定性传播上，采用点估计法和模糊模拟法相结合的潮流计算方法，能有效量化独立电源情况下的不确定性
。
但是，在输入电源具有模糊相关性的场景下，该方法因无法直接采样而存在缺陷，且模糊变量随着电源数量大量增多，计算复杂度增加
。
技术实现思路
[0005]本专利技术的目的在于克服现有技术的不足，提供一
【技术保护点】
【技术特征摘要】
1.
一种计及随机
‑
模糊特征的潮流不确定性量化方法，其特征在于，包括以下步骤：
(1)、
建立计及随机
‑
模糊特征的分布式电源参数模型；
(1.1)、
设置描述风速分布的
Weibull
随机分布模型和描述光照强度分布的
Beta
随机分布模型；布模型；其中，
v
表示风速，
ξ
k
,
ξ
c
为
Weibull
分布函数的参数，
r
表示光照强度，
r
max
表示最大光照强度，
Γ
(
·
)
为
Gamma
函数，
ξ
a
,
ξ
b
为
Beta
分布函数的参数；
(1.2)、
建立三角形模糊数
ξ
＝
(r1,r2,r3)
，对应的隶属函数为：其中，
μ
(
·
)
为隶属度，
x
为自变量，
r1和
r3为三角形的“脚”，
r2为三角形的“峰”；
(1.3)、
分别对
Weibull
随机分布模型和
Beta
随机分布模型中的参数设为具有隶属函数的三角形模糊数，从而建立出具有计及随机
‑
模糊特征的分布式电源参数模型：模糊特征的分布式电源参数模型：
(2)、
数据采集并构建数据集；设风光发电系统中包含
N/2
个风力发电机和
N/2
个光伏发电机，作为个分布式电源；在每一个分布式电源位置处，以小时的采样间隔，采集每一个分布式电源在过去一年内的历史风速或光照强度，然后以天为单位，将每天中所采集的风速或光照强度组成样本数据集；其中，第
i
个风力发电机在第
j
天第
k
小时采集的风速数据记为
v
ijk
，则第
j
天采集的风速组成的样本数据集记为
v
ij
＝
[v
ij1
,v
ij2
,
…
,v
ijk
,
…
v
ij24
]
；第
i
个光伏发电机在第
j
天第
k
小时采集的光照强度数据记为
r
ijk
，则第
j
天采集的光照强度组成的样本数据集记为
r
ij
＝
[r
ij1
,r
ij2
,
…
,r
ijk
,
…
r
ij24
]
；
(3)、
通过采样数据集拟合计及随机
‑
模糊特征的分布式电源参数模型的参数；将数据集
v
ij
和
r
ij
分别代入
f(v)
和
f(r)
，通过
MATLAB
拟合得到一组模糊数
ξ
k
‑
ij
、
ξ
c
‑
ij
、
ξ
a
‑
ij
、
ξ
b
‑
ij
，然后通过遍历变量
j
，得到第
i
个风力发电机和第
i
个光伏发电机的风速和光照强度分布参数
ξ
k
‑
i
，
ξ
c
‑
i
，
ξ
a
‑
i
，
ξ
b
‑
i
的统计直方图，通过统计直方图的最高点
、
左边界
、
右边界分
别确定参数的
r2,r1,r3；
(4)、
计算分布式电源的相关性系数矩阵；
(4.1)、
根据任意两个分布式电源在同一天的采集数据计算两者间的相关系数根据任意两个分布式电源在同一天的采集数据计算两者间的相关系数其中，若
X
为风力发电机，则
X
＝
[v
ij1
,v
ij2
,
…
,v
ijk
,
…
,v
ij24
]
，若为光伏发电机，则
X
＝
[r
ij1
,r
ij2
,
…
,r
ijk
,
…
,r
ij24
]
，
Y
同理；
cov(X,Y)
为
X
和
Y
的协方差，
σ
X
和
σ
Y
为
X
和
Y
的标准差；
(4.2)、
获取
N
个分布式电源的相关系数矩阵；
(5)、
构建模糊参数样本；
(5.1)、
在
[0
，
1]
区间内对隶属度进行等间隔采样，得到
D
个隶属度
μ
＝
[
μ1,
μ2,
…
,
μ
d
,
…
,
μ
D
]
；
(5.2)、
在第
d
个隶属度
μ
d
下，设置三角模糊数的取值区间为：
ξ
μ
d
＝
[(r2‑
r1)
μ
d
+r1,
‑
(r3‑
r2)
μ
d
+r3]
；
(5.3)、
各模糊数
ξ
k
,
ξ
c
,
ξ
a
,
ξ
b
,
ρ
在隶属度为
μ
d
对应的取值区间中进行
M
次均匀采样，得到
M
组模糊参数样本，其中，第
m
组模糊参数样本记为
(
ξ
k
‑
d,m
,
ξ
c
‑
d,m
,
ξ
a
‑
d,m
,
ξ
b
‑
d,m
,
ρ
d,m
)
，
m
＝
1,2,
…
,M
；
(6)、
基于
Nataf
逆变换和三点估计法构建具有相关性的风速和光照强度样本集；
(6.1)、
利用三点估计法对相互独立的标准正态分布采样
N
次，然后将每一的采样结果作为一个分布式电源的初始采样点，其中，记第
i
个分布式电源的初始采样点记为
U
i
＝
[u
i1
,u
i2
,u
i3
]
，采样值
u
i1
,u
i2
,u
i3
及对应权重满足：及对应权重满足：及对应权重满足：其中，
u
i
τ
为第
i
个分布式电源的第
τ
个采样值，为第
i
个分布式电源的第
τ
个采样值对应的权值，
e、
和
σ
分别为正态分布变量的期望
、
标准采样值和标准差，
λ
和
v
分别为正态分布变量的偏度和峰度系数；计算公式如下：计算公式如下：
(6.2)、
对于每一组模糊参数样本
(
ξ
k
‑
d,m
,
ξ
c
‑
d,m
,
ξ
a
‑
d,m
,
ξ
b
‑
d,m
,
ρ
d,m
)
，根据
Nataf
变换计算标准正态分布的模糊相关系数矩阵
ρ0；其中，为模糊相关系数矩阵
ρ0第
i
行第列的元素，
F
i
‑1(
·
)
为计及随机
‑
模糊特征的分布式电源参数模型
f(
·
)
的累积分布函数的反函数，
φ
(
·
)
为标准正态分布函数，
e
i
和分别为第
i
个和第个分布式电源参数模型
f(
·
)
的期望值；
σ
i
和分别为第
i
个和第个分布式电源参数模型
f(
·
)
的标准差，为
y
i
,
的联合分布函数，
y
i
,
为积分变量；
(6.3)、
根据
Legendre
‑
Gauss
法则对上式进行等效计算得到
ρ0：其中，
t
p
和
t
q
均为
Lege...
【专利技术属性】
技术研发人员：张真源，胡利，王鹏，徐洋，陈云，刘赛佳，杜月芳，胡维昊，唐啸天，任杰，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。