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】
本专利技术专利申请属于风险评估,具体涉及一种含分布式电源配电网的概率风险评估方法和系统。
技术介绍
1、目前,随着全球能源危机和环境污染问题日益严重,可再生能源的开发和利用越来越受到重视。光伏发电作为一种清洁、可再生的能源,具有广泛的应用前景。将光伏发电系统并入电网,可以提高电网的供电能力,减少对传统能源的依赖,同时降低环境污染。近年来,我国在光伏发电技术方面取得了显著的进展,光伏发电成本不断降低,装机容量逐年增加。在此背景下,将光伏发电系统并入电网,可以有效利用光伏发电资源,提高电网运行的经济性。同时,随着高比例新能源不断接入电力系统,其所具有的间歇性和波动性给电网系统带来了高度的不确定性,影响到电网系统的安全稳定运行。
2、风险评估由于能够准确地刻画电力系统所面临的威胁、存在的弱点及造成的影响,而成为了确保系统安全、优质、经济地供应电能的首要研究。然而,随着高比例具有高度不确定性的分布式能源接入配电网,确定性的风险评估已经无法满足在规划、运行、交易、决策等领域的应用需求,而概率风险评估是评估高度不确定性系统风险的有力工具,因此针对分布式电源接入的配电网的概率风险评估成为非常必要的研究和亟待解决的难题。
技术实现思路
1、为克服上述现有技术的不足,本专利技术专利申请提出一种含分布式电源配电网的概率风险评估方法,包括:
2、基于分布式电源的出力数据对应的概率密度函数和所述分布式电源接入的配电网的负荷数据对应的概率密度函数,利用拟蒙特卡洛法进行概率潮流计算,得
3、基于所述概率潮流数据,利用风险偏好型效用函数,计算对应的越限风险指标;
4、根据所述越限风险指标,对所述分布式电源接入的配电网进行风险评估。
5、优选的,所述基于分布式电源的出力数据对应的概率密度函数和所述分布式电源接入的配电网的负荷数据对应的概率密度函数,利用拟蒙特卡洛法进行概率潮流计算,得到所述分布式电源接入的配电网的概率潮流数据,包括:
6、利用sobol序列对所述分布式电源的出力数据对应的概率密度函数进行抽样,得到所述分布式电源的不确定性出力数据;
7、利用sobol序列对所述分布式电源接入的配电网的负荷数据对应的概率密度函数进行抽样,得到所述分布式电源接入的配电网的不确定性负荷数据;
8、基于所述不确定性出力数据和不确定性负荷数据进行概率潮流计算,得到所述分布式电源接入的配电网的概率潮流数据。
9、优选的,所述根据所述越限风险指标,对所述分布式电源接入的配电网进行风险评估,包括:
10、根据所述越限风险指标,得到所述分布式电源接入的配电网的风险评分;
11、若所述风险评分超过评分阈值,所述分布式电源接入的配电网存在风险;
12、否则,所述分布式电源接入的配电网不存在风险。
13、优选的,所述概率潮流数据包括下述的一种或多种:节点电压数据和支路潮流数据;
14、所述节点电压数据对应的越限风险指标为电压越限风险指标;
15、所述支路潮流数据对应的越限风险指标为支路潮流越限指标。
16、优选的,所述节点电压数据对应的风险偏好型效用函数的数学模型如下:
17、
18、其中,gv表示电压越限风险指标;t表示分布式电源接入的配电网的总节点数;a=1…t;n表示越上限采样电压总数;i=1…n;m表示越下限采样电压总数;j=1…m;va-i表示节点a的第i个越上限的采样电压值;va-j表示节点a的第j个越下限的采样电压值;ps(va-i)表示节点a的第i个越上限的采样电压值的越上限概率;px(va-j)表示节点a的第j个越下限的采样电压值的越下限概率;ws(va-i)表示节点a的第i个越上限的采样电压值的越上限严重度;wx(va-j)表示节点a的第j个越下限的采样电压值的越下限严重度。
19、优选的,所述支路潮流数据对应的风险偏好型效用函数的数学模型如下:
20、
21、其中,gs表示支路潮流越限风险指标;l表示分布式电源接入的配电网的支路总数;b=1…l;lp表示有功越限总数;μ=1…lp;lq表示无功越限总数;pb-μ表示支路b的第μ个潮流越限的有功功率;表示支路b的第个潮流越限的无功功率;p(pb-μ)表示支路b的第μ个潮流越限的有功功率的越限概率;表示支路b的第个潮流越限的无功功率的越限概率;w(pb-μ)表示支路b的第μ个潮流有功越限严重度;表示支路b的第个潮流无功越限严重度。
22、优选的,所述分布式电源的出力数据包括下述的一种或多种:光伏出力数据和风电出力数据;
23、优选的,所述光伏出力数据对应的概率密度函数的数学模型如下:
24、
25、其中,f(ppv)表示光伏的实际输出功率为ppv时对应的概率密度函数;ppv表示光伏的实际输出功率;α表示贝塔分布的第一形状参数值;β表示贝塔分布的第二形状参数值;ppvmax表示光伏的最大输出功率;γ表示伽马函数。
26、优选的,所述风电出力数据对应的概率密度函数的数学模型如下:
27、
28、其中,f(v)表示风电实际风速为v时对应的概率密度函数;v表示实际风速;k表示韦布尔形状参数值;c表示韦布尔尺度系数值;t表示韦布尔位置参数值。
29、基于同一专利技术构思,本专利技术专利申请还提供了一种含分布式电源配电网的概率风险评估系统,包括:
30、潮流计算模块:用于基于分布式电源的出力数据对应的概率密度函数和所述分布式电源接入的配电网的负荷数据对应的概率密度函数,利用拟蒙特卡洛法进行概率潮流计算,得到所述分布式电源接入的配电网的概率潮流数据;
31、风险指标计算模块:用于基于所述概率潮流数据,利用风险偏好型效用函数,计算对应的越限风险指标;
32、风险评估模块:用于根据所述越限风险指标,对所述分布式电源接入的配电网进行风险评估。
33、所述潮流计算模块,具体用于:
34、利用sobol序列对所述分布式电源的出力数据对应的概率密度函数进行抽样,得到所述分布式电源的不确定性出力数据;
35、利用sobol序列对所述分布式电源接入的配电网的负荷数据对应的概率密度函数进行抽样,得到所述分布式电源接入的配电网的不确定性负荷数据;
36、基于所述不确定性出力数据和不确定性负荷数据进行概率潮流计算,得到所述分布式电源接入的配电网的概率潮流数据。
37、优选的,所述风险评估模块,具体用于:
38、根据所述越限风险指标,得到所述分布式电源接入的配电网的风险评分;
39、若所述风险评分超过评分阈值,所述分布式电源接入的配电网存在风险;
40、否则,所述分布式电源接入的配电网不存在风险。
41、优选的,所述潮流计算模本文档来自技高网...
【技术保护点】
1.一种含分布式电源配电网的概率风险评估方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述基于分布式电源的出力数据对应的概率密度函数和所述分布式电源接入的配电网的负荷数据对应的概率密度函数,利用拟蒙特卡洛法进行概率潮流计算,得到所述分布式电源接入的配电网的概率潮流数据,包括:
3.如权利要求1所述的方法,其特征在于,所述根据所述越限风险指标,对所述分布式电源接入的配电网进行风险评估,包括:
4.如权利要求1所述的方法,其特征在于,所述概率潮流数据包括下述的一种或多种:节点电压数据和支路潮流数据;
5.如权利要求4所述的方法,其特征在于,所述节点电压数据对应的风险偏好型效用函数的数学模型如下:
6.如权利要求4所述的方法,其特征在于,所述支路潮流数据对应的风险偏好型效用函数的数学模型如下:
7.如权利要求1所述的方法,其特征在于,所述分布式电源的出力数据包括下述的一种或多种:光伏出力数据和风电出力数据。
8.如权利要求7所述的方法,其特征在于,所述光伏出力数据对应的概率密度函数的
9.如权利要求7所述的方法,其特征在于,所述风电出力数据对应的概率密度函数的数学模型如下:
10.一种含分布式电源配电网的概率风险评估系统,其特征在于,包括:
11.如权利要求10所述的系统,其特征在于,所述潮流计算模块,具体用于:
12.如权利要求10所述的系统,其特征在于,所述潮流计算模块中的概率潮流数据包括下述的一种或多种:节点电压数据和支路潮流数据;
...【技术特征摘要】
1.一种含分布式电源配电网的概率风险评估方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述基于分布式电源的出力数据对应的概率密度函数和所述分布式电源接入的配电网的负荷数据对应的概率密度函数,利用拟蒙特卡洛法进行概率潮流计算,得到所述分布式电源接入的配电网的概率潮流数据,包括:
3.如权利要求1所述的方法,其特征在于,所述根据所述越限风险指标,对所述分布式电源接入的配电网进行风险评估,包括:
4.如权利要求1所述的方法,其特征在于,所述概率潮流数据包括下述的一种或多种:节点电压数据和支路潮流数据;
5.如权利要求4所述的方法,其特征在于,所述节点电压数据对应的风险偏好型效用函数的数学模型如下:
6.如权利要求4所述的方法,其...
【专利技术属性】
技术研发人员:盛万兴,李蕊,惠慧,王铭,赵阳,
申请(专利权)人:中国电力科学研究院有限公司,
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。