System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力系统调度运行领域,具体是一种计及多重不确定性的输电可靠性裕度评估方法。
技术介绍
1、随着国家“碳达峰、碳中和”目标的确定,清洁化、低碳化、智能化的新型电力系统建设加快。作为促进电力资源优化配置的重要手段,国内电力市场建设持续推进,市场化交易电量占比持续增长。现有省内中长期市场在交易过程中未计及网络约束,采用先无约束交易后校核调整的方式。随着市场化交易电量的占比持续提升,先出清、后校核的交易方式在实际应用中逐渐遇到瓶颈,已难以实际电力市场交易的需求。随着省级电力中长期交易逐步向多周期、高频次发展,传统无约束出清和事后安全校核的模式难以适应高频次交易需求,需要精准计算省级电网剩余可用输电能力,为中长期交易划定安全边界。而可用输电能力的计算关键在于最大输电容量和输电可靠性裕度的计算,目前输电可靠性裕度尚未有统一的计算方法,通常取最大输电容量的固定比例,但这一做法没有充分考虑机组和负荷的随机波动特性,对裕度的评估不够准确。因此,如何考虑机组和负荷随机波动特性的影响,对关键输电线路的输电可靠性裕度进行准确评估,成为亟待解决的关键和难点问题。
2、目前已有相关文献研究了输电可靠性裕度评估方法。文献(朱军飞,黄国栋,杨军峰等.可用输电能力概率分析方法、系统、设备及存储介质[p].北京市:cn114066234a,2022-02-18)将随机变量的样本数据带入神经网络模型计算可用输电能力的概率分布情况,但是神经网络模型参数需要通过训练得到,且系统变换后需要重新训练,应用灵活性差。文献(宋晓喆,姜涛,李雪等.一种计
3、现有文献和技术对可用输电能力的概率性计算方法主要依靠随机采样或机器学习模型,很少有通过解析的方法表达出输电可靠性裕度的计算公式,考虑的不确定因素主要集中在源荷不确定性上,没有考虑合约实际执行的偏差,难以适应中国电力系统安全经济运行的实际需求。
技术实现思路
1、本专利技术的目的在于提供一种计及多重不确定性的输电可靠性裕度评估方法,以解决上述
技术介绍
中提出的问题。
2、为实现上述目的,本专利技术提供如下技术方案:
3、一种计及多重不确定性的输电可靠性裕度评估方法,包括以下步骤:
4、1)获取网络基础数据,具体包括:
5、1-1)获取系统中的不确定性数据,具体包括发电机组和负荷预测波动的数据、交易合约执行的偏差数据。
6、1-2)获取输电网络基础数据,具体包括网络的连接拓扑、需要评估输电可靠性裕度的关键线路、线路的阻抗参数。
7、2)建立源荷波动和合约执行偏差的高斯混合模型。
8、2-1)源荷波动和合约执行偏差表现为节点注入功率的波动,分别对两种因素影响下的节点注入功率波动建立高斯混合模型。首先获取各机组和负荷的出力随机波动数据,出力数据可分解为稳态分量和波动偏差分量,仅取波动偏差分量,用向量x1表示。
9、2-2)选取高斯子模型数量为k,由源荷波动引起的节点注入功率偏差概率密度函数可表示为如下高斯混合模型,
10、
11、其中ω1,k表示第k个高斯子模型的权重系数,μ1,k和σ1,k分别为第k个高斯子模型的期望和协方差矩阵,n1,k(x1|μ1,k,σ1,k)为第k个高斯子模型的概率密度函数,
12、
13、其中m是源荷波动功率向量x1的维度。
14、2-3)交易合约在实际执行的时候可能会有偏差,用x2表示各交易合约执行的偏差向量,选取高斯子模型数量为k,同样地,由合约执行偏差引起的节点注入功率偏差概率密度函数可表示为如下高斯混合模型,
15、
16、2-4)由源荷波动和合约执行偏差数据,可以通过最大期望算法(expectation-maximization algorithm,em算法)求得上述两个高斯混合模型的参数。
17、2-5)将x1和x2合成一个随机变量x
18、
19、建立x的概率分布模型,源荷波动偏差和合约执行偏差是相互独立的,因此x的概率密度函数f(x)为x1和x2概率密度函数的乘积。由于x1和x2的分布是高斯混合模型,根据高斯分布的性质,合成向量x仍服从高斯分布,因此x的概率分布仍为高斯混合模型,如下式,
20、
21、其中
22、
23、
24、2-6)一个机组或负荷的功率对应某个节点的注入功率,一项交易合约分解后的功率对应一对发电节点和用电节点注入的功率,由此可以建立节点注入功率波动向量p和混合随机变量x的映射关系如下,
25、p=bx (23)
26、其中b为节点注入功率和与各随机变量的关联矩阵。
27、3)根据随机变量x的高斯混合模型,计算线路潮流的联合概率密度函数。
28、3-1)系统的网络方程采用直流潮流模型,如下
29、p=yθ (24)
30、其中y为节点导纳矩阵,θ为节点电压相角向量。
31、3-2)由网络方程计算出需要评估输电可靠性裕度的线路m的潮流
32、
33、其中ym为关键线路的导纳,am为节点-支路关联矩阵的第m列向量,根据式(8)-(10),可推导出线路潮流与随机变量x的关系,
34、
35、令有
36、tm=cx (27)
37、3-3)根据高斯分布的性质,如果x~n(x|μ,σ),那么经过线性变换后的随机变量cx仍服从高斯分布,且cx~n(cx|cμ,cσct)。根据式(5)中的高斯混合模型,可以得到关键线路潮流tm的联合概率密度函数g(tm),同样可以表示为高斯混合模型,
38、
39、3-4)计算线路潮流的累计概率分布函数(cdf),
40、
41、4)以一定的置信水平计算关键线路的输电可靠性裕度。
42、取置信水平为α(典型值α=98%),输电可靠性裕度为
43、trm=ttc-cdf-1(α) (30)
44、其中ttc为线路的最大输电容量,该计算式表示在该输电可靠性裕度下,考虑源荷波动和合约执行偏差的不确定性,线路实际潮流不超过最大输电容量的概率为α。
45、与现有技术相比,本专利技术的有益效果是:本专利技术不同于传统方法中取最大输电容量的固定比例作为输电可靠性裕度,而是考虑源荷波动和合约执行的多重本文档来自技高网...
【技术保护点】
1.一种计及多重不确定性的输电可靠性裕度评估方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的计及多重不确定性的输电可靠性裕度评估方法,其特征在于,所述步骤1)获取网络基础数据的具体步骤如下:
3.根据权利要求1或2所述的计及多重不确定性的输电可靠性裕度评估方法,其特征在于,所述步骤2)建立源荷波动和合约执行偏差的高斯混合模型的具体步骤如下:
4.根据权利要求3所述的计及多重不确定性的输电可靠性裕度评估方法,其特征在于,所述步骤3)根据随机变量x的高斯混合模型,计算线路潮流的联合概率密度函数的步骤如下:
5.根据权利要求4所述的计及多重不确定性的输电可靠性裕度评估方法,其特征在于,所述α典型值α=98%。
【技术特征摘要】
1.一种计及多重不确定性的输电可靠性裕度评估方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的计及多重不确定性的输电可靠性裕度评估方法,其特征在于,所述步骤1)获取网络基础数据的具体步骤如下:
3.根据权利要求1或2所述的计及多重不确定性的输电可靠性裕度评估方法,其特征在于,所述步骤2)建立源荷波动和...
【专利技术属性】
技术研发人员:陶诗源,谭振飞,严正,石飞,薛必克,邓晖,刘子杰,王高琴,郭艳敏,徐奇锋,乔松博,陈昊,阮婷婷,
申请(专利权)人:上海交通大学,
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。