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电力系统运行,具体涉及一种分布式光伏接入的区域电网概率潮流计算方法和系统。
技术介绍
1、目前,随着“碳达峰、碳中和”目标的提出,大力发展清洁能源是实现该目标的重要途径之一。分布式光伏作为绿色经济、土地利用率高的发电资源,近年来呈现“井喷式”增长,其大规模接入后给区域电网运行带来了更多的不确定性,这些不确定性将给电力系统的稳定性和安全性带来极大的挑战。
2、集中式光伏电站观测和控制能力强,发电曲线较为稳定,其出力概率分布可采用传统单一分布来表征,而分布式光伏的区域发电曲线由若干个接入末端的分布式光伏发电功率进行累加,尤其在渗透率较大时,其不确定性较高,出力概率分布存在不对称、多峰等现象,传统单一分布无法拟合其出力特征。因此,迫切需要对极高渗透率分布式光伏接入后的区域电网开展潮流计算,快速定量分析分布式光伏对电网电压、潮流等关键运行指标的影响。
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分布式光伏接入的区域电网概率潮流计算方法,包括:
2、利用极大似然估计法,对预先构建的自适应多维高斯混合模型进行求解,得到具有相关性随机变量的分布式光伏出力数据的概率密度函数;
3、利用三阶多项式正态变换对所述分布式光伏出力数据的概率密度函数进行状态转换,得到具有独立性正态随机变量的所述分布式光伏出力数据的概率密度函数;
4、基于所述具有独立性正态随机变量的所述分布式光伏出力数据的概率密度函数,得到分布式
5、其中,所述自适应多维高斯混合模型是基于分布式光伏出力数据的ap聚类结果进行构建的。
6、优选的,所述自适应多维高斯混合模型包括如下构建过程:
7、对分布式光伏出力数据进行ap聚类,得到所述分布式光伏出力数据对应的聚类中心点个数和各聚类中心点对应的均值向量和协方差矩阵;
8、将所述分布式光伏出力数据对应的聚类中心点个数作为自适应多维高斯混合模型的子高斯成分的数量,将所述各聚类中心点对应的均值向量和协方差矩阵作为所述自适应多维高斯混合模型的初始值,构建所述自适应多维高斯混合模型。
9、优选的,所述利用极大似然估计法,对预先构建的自适应多维高斯混合模型进行求解,得到具有相关性随机变量的分布式光伏出力数据的概率密度函数,包括:
10、利用极大似然估计法,求解所述自适应多维高斯混合模型,得到高斯混合参数值;
11、根据所述高斯混合参数值,得到具有相关性随机变量的分布式光伏出力数据的概率密度函数;
12、其中,所述高斯混合参数值包括下述的一种或多种:各子高斯成分的均值向量、协方差矩阵和权重系数。
13、优选的,所述自适应多维高斯混合模型对应的表达式如下:
14、
15、其中,fgmm(x)表示基于相关性随机变量x的自适应多维高斯混合模型;g表示子高斯成分的个数;g=1...g;ωg表示第g个子高斯成分的权重系数;μg表示第g个子高斯成分的期望向量;σg表示第g个子高斯成分的协方差矩阵;d表示向量维度;t表示转置;r表示关联系数值。
16、优选的,所述基于所述具有独立性正态随机变量的所述分布式光伏出力数据的概率密度函数,得到分布式光伏接入的区域电网的节点电压分布和线路潮流分布作为潮流计算结果,包括:
17、基于所述具有独立性正态随机变量的所述分布式光伏出力数据的概率密度函数,计算所述概率密度函数的各阶半不变量;
18、根据所述概率密度函数的各阶半不变量,利用线性化潮流方程,得到分布式光伏接入的区域电网的节点电压的各阶半不变量和线路潮流的各阶半不变量;
19、根据所述分布式光伏接入的区域电网的节点电压的各阶半不变量和线路潮流的各阶半不变量,得到潮流计算结果。
20、优选的,所述根据所述分布式光伏接入的区域电网的节点电压的各阶半不变量和线路潮流的各阶半不变量,得到潮流计算结果,包括:
21、对所述分布式光伏接入的区域电网的节点电压的各阶半不变量中的每个子高斯成分进行cornish-fisher级数展开,得到每个子高斯成分中节点电压的概率密度函数;
22、将所述每个子高斯成分中节点电压的概率密度函数进行加权求和,得到节点电压的最终概率密度函数作为所述分布式光伏接入的区域电网的节点电压分布;
23、对所述分布式光伏接入的区域电网的线路潮流的各阶半不变量中的每个子高斯成分进行cornish-fisher级数展开,得到每个子高斯成分中线路功率的概率密度函数;
24、将所述每个子高斯成分中线路功率的概率密度函数进行加权求和,得到线路功率的最终概率密度函数作为所述分布式光伏接入的区域电网的线路潮流分布。
25、优选的,所述基于所述具有独立性正态随机变量的所述分布式光伏出力数据的概率密度函数,计算所述概率密度函数的各阶半不变量,包括:
26、基于所述具有独立性正态随机变量的所述分布式光伏出力数据的概率密度函数,计算所述概率密度函数的各阶原点矩;
27、根据所述概率密度函数的各阶原点矩,得到所述概率密度函数的各阶半不变量。
28、优选的,所述概率密度函数的各阶原点矩对应的表达式如下:
29、
30、其中,mk表示概率密度函数对应的k阶原点矩;z表示独立性正态随机变量;zk表示独立性正态随机变量z的k阶矩;fgmm(z)表示基于独立性正态随机变量z的分布式光伏出力数据的概率密度函数。
31、优选的,所述根据所述概率密度函数的各阶半不变量,利用线性化潮流方程,得到分布式光伏接入的区域电网的节点电压的各阶半不变量和线路潮流的各阶半不变量,包括:
32、根据所述概率密度函数的各阶半不变量,得到所述概率密度函数的节点注入有功功率的各阶半不变量和节点注入无功功率的各阶半不变量;
33、基于所述概率密度函数的节点注入有功功率的各阶半不变量和节点注入无功功率的各阶半不变量,利用线性化潮流方程,得到分布式光伏接入的区域电网的节点电压的各阶半不变量和线路潮流的各阶半不变量。
34、优选的,所述线性化潮流方程对应的表达式如下:
35、
36、其中;[δv,δθ](k)表示关于节点电压v和电压相角θ的k阶半不变量;[δpl,δql](k)表示关于线路潮流有功功率p1和无功功率q1的k阶半不变量;[δpn,δqn](k)表示关于节点注入有功功率pn和无功功率qn的k阶半不变量;δv表示电压修正值;δθ表示相角修正值;k表示半不变量的阶数;δpl表示线路传输有功功率的随机扰动向量;δql表示线路传输无功功率的随机扰动向量;j0表示雅可比矩阵;δpn表示节点注入有功功率的随机扰动向量;δqn表示节点注入无功功率的随机扰动向量;g0表示灵敏度矩阵。
...
【技术保护点】
1.一种分布式光伏接入的区域电网概率潮流计算方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述自适应多维高斯混合模型包括如下构建过程:
3.如权利要求2所述的方法,其特征在于,所述利用极大似然估计法,对预先构建的自适应多维高斯混合模型进行求解,得到具有相关性随机变量的分布式光伏出力数据的概率密度函数,包括:
4.如权利要求3所述的方法,其特征在于,所述自适应多维高斯混合模型对应的表达式如下:
5.如权利要求1所述的方法,其特征在于,所述基于所述具有独立性正态随机变量的所述分布式光伏出力数据的概率密度函数,得到分布式光伏接入的区域电网的节点电压分布和线路潮流分布作为潮流计算结果,包括:
6.如权利要求5所述的方法,其特征在于,所述根据所述分布式光伏接入的区域电网的节点电压的各阶半不变量和线路潮流的各阶半不变量,得到潮流计算结果,包括:
7.如权利要求5所述的方法,其特征在于,所述基于所述具有独立性正态随机变量的所述分布式光伏出力数据的概率密度函数,计算所述概率密度函数的各阶半不变量,包括:<
...【技术特征摘要】
1.一种分布式光伏接入的区域电网概率潮流计算方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述自适应多维高斯混合模型包括如下构建过程:
3.如权利要求2所述的方法,其特征在于,所述利用极大似然估计法,对预先构建的自适应多维高斯混合模型进行求解,得到具有相关性随机变量的分布式光伏出力数据的概率密度函数,包括:
4.如权利要求3所述的方法,其特征在于,所述自适应多维高斯混合模型对应的表达式如下:
5.如权利要求1所述的方法,其特征在于,所述基于所述具有独立性正态随机变量的所述分布式光伏出力数据的概率密度函数,得到分布式光伏接入的区域电网的节点电压分布和线路潮流分布作为潮流计算结果,包括:
6.如权利要求5所述的方法,其特征在于,所述根据所述分布式光伏接入的区域电网的节点电压的各阶半不变量和线路潮流的各阶半不变量,得到潮流计算结果,包括:
...【专利技术属性】
技术研发人员:廖家齐,于若英,刘瑜俊,叶荣波,曹潇,栗峰,王会超,华光辉,刘海璇,卢刚,于芃,梁兆洪,史筱玮,
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。