發(fā)布時(shí)間：2020-05-05 16:45

【摘要】：針對(duì)電網(wǎng)運(yùn)行中風(fēng)電和負(fù)荷的不確定性,提出了一種采用風(fēng)電場(chǎng)輸出功率分段離散化和負(fù)荷高斯混合模型的多場(chǎng)景概率潮流計(jì)算方法。在風(fēng)電場(chǎng)有向功率特性曲線(xiàn)的基礎(chǔ)上,分段離散化處理風(fēng)電場(chǎng)輸出功率,構(gòu)造風(fēng)電場(chǎng)輸出功率多場(chǎng)景。同時(shí),建立負(fù)荷的高斯混合模型,構(gòu)造負(fù)荷功率多場(chǎng)景。然后,確定系統(tǒng)注入功率多場(chǎng)景及其對(duì)應(yīng)的概率,在系統(tǒng)注入功率的每個(gè)場(chǎng)景中,風(fēng)電節(jié)點(diǎn)輸出功率為定值,負(fù)荷節(jié)點(diǎn)功率均服從高斯分布。最后,應(yīng)用全概率公式,將系統(tǒng)注入功率的每個(gè)場(chǎng)景中計(jì)算所得狀態(tài)變量的概率分布以該場(chǎng)景對(duì)應(yīng)的概率作為權(quán)重,整合計(jì)算得到最終的概率潮流結(jié)果。以改進(jìn)的IEEE 57節(jié)點(diǎn)系統(tǒng)進(jìn)行仿真分析,結(jié)果表明所提方法簡(jiǎn)化了概率潮流求解過(guò)程,提高了計(jì)算效率。
【圖文】：

組合，構(gòu)造系統(tǒng)中負(fù)荷功率的多個(gè)場(chǎng)景，且每個(gè)負(fù)荷場(chǎng)景中的負(fù)荷功率均服從高斯分布。然后，根據(jù)獨(dú)立性事件的性質(zhì)，由風(fēng)電場(chǎng)輸出功率多場(chǎng)景和負(fù)荷功率多場(chǎng)景確定系統(tǒng)注入功率多場(chǎng)景。由條件概率可知，在系統(tǒng)注入功率的每個(gè)場(chǎng)景中，各風(fēng)電節(jié)點(diǎn)的輸出功率為定值，系統(tǒng)中的隨機(jī)變量只包含服從高斯分布的負(fù)荷。因此，只需計(jì)算每個(gè)場(chǎng)景對(duì)應(yīng)狀態(tài)變量的期望和方差，便可得到對(duì)應(yīng)的高斯曲線(xiàn)。最后，根據(jù)全概率公式，將系統(tǒng)注入功率的每個(gè)場(chǎng)景對(duì)應(yīng)狀態(tài)變量的高斯曲線(xiàn)以及對(duì)應(yīng)概率為權(quán)重，加權(quán)整合出系統(tǒng)最終的概率潮流結(jié)果。圖２概率潮流計(jì)算思路Ｆｉｇ．２Ｐｒｏｃｅｄｕｒｅｏｆｐｒｏｂａｂｉｌｉｓｔｉｃｐｏｗｅｒｆｌｏｗｃａｌｃｕｌａｔｉｏｎ５算例分析為了便于說(shuō)明，本文采用加入風(fēng)電后的ＩＥＥＥ５７節(jié)點(diǎn)系統(tǒng)為例進(jìn)行概率潮流計(jì)算。改進(jìn)ＩＥＥＥ５７節(jié)點(diǎn)系統(tǒng)中，對(duì)發(fā)電機(jī)輸出功率做了適當(dāng)調(diào)整，以增加風(fēng)電的滲透率，功率的標(biāo)幺基準(zhǔn)值為１００ＭＶＡ。如附錄Ｃ圖Ｃ１所示，在節(jié)點(diǎn)４，３６處分別接入額定功率為３６ＭＷ和５４ＭＷ的風(fēng)電場(chǎng)，風(fēng)電場(chǎng)均為恒功率因數(shù)控制，功率因數(shù)為０．９８。負(fù)荷節(jié)點(diǎn)１４，２６，４２，５２采用ＧＭＭ擬合，其余負(fù)荷節(jié)點(diǎn)期望值取為原來(lái)系統(tǒng)負(fù)荷的確定值，標(biāo)準(zhǔn)差為期望值１０％的高斯分布。計(jì)算時(shí)，暫不考慮線(xiàn)路隨機(jī)故障和電網(wǎng)停運(yùn)，假設(shè)系統(tǒng)各隨機(jī)變量相互獨(dú)立。５．１風(fēng)電場(chǎng)輸出功率處理以某額定功率為５４ＭＷ的風(fēng)電場(chǎng)２０１４年全年１２個(gè)月（時(shí)間間隔為１５ｍｉｎ）的風(fēng)速（包含風(fēng)向）、風(fēng)電場(chǎng)輸出功率的歷史數(shù)據(jù)為例，文獻(xiàn)［３０］繪制的風(fēng)電場(chǎng)有向功率特性曲線(xiàn)見(jiàn)附錄Ｃ圖Ｃ２。本文通過(guò)該曲線(xiàn)，將

１）得到風(fēng)電場(chǎng)輸出功率的離散點(diǎn)，其對(duì)應(yīng)的概率如式（２）所示。然后，通過(guò)式（３）得到風(fēng)電場(chǎng)輸出功率場(chǎng)景數(shù)Ｃｗｉｎｄ１＝２８０，Ｃｗｉｎｄ２＝１４０，Ｃｗｉｎｄ３＝８８。最后，根據(jù)式（４）計(jì)算每個(gè)風(fēng)電場(chǎng)輸出功率場(chǎng)景對(duì)應(yīng)的概率。５．２負(fù)荷的ＧＭＭ建立不妨以附錄Ｂ圖Ｂ１（ｄ）的負(fù)荷概率分布為例，選取了Ｎｏｒｍａｌ分布、Ｂｅｔａ分布、Ｗｅｉｂｕｌｌ分布、Ｇａｍｍａ分布和ＧＭＭ擬合負(fù)荷的概率密度分布。各分布模型的擬合效果如圖３所示，各分布模型擬合誤差指標(biāo)計(jì)算結(jié)果如附錄Ｃ表Ｃ１所示。圖３負(fù)荷的概率分布擬合Ｆｉｇ．３Ｐｒｏｂａｂｉｌｉｔｙｄｅｎｓｉｔｙｆｉｔｔｉｎｇｏｆｌｏａｄ通過(guò)對(duì)比分析發(fā)現(xiàn)，，負(fù)荷的概率分布直方圖呈現(xiàn)不對(duì)稱(chēng)的現(xiàn)象。Ｎｏｒｍａｌ分布只能擬合對(duì)稱(chēng)的單峰分布，Ｂｅｔａ分布、Ｗｅｉｂｕｌｌ分布、Ｇａｍｍａ分布雖具有不對(duì)稱(chēng)性，但無(wú)法表示多峰情況。ＧＭＭ可以擬合多峰分布且擬合效果更好，具有較廣的應(yīng)用范圍。于是，本文選取了某４個(gè)地區(qū)２０１５年全年１２個(gè)月的有效數(shù)據(jù)（時(shí)間間隔為１５ｍｉｎ），分別建立負(fù)荷節(jié)點(diǎn)１４，２６，４２，５２的概率分布直方圖，采用ＥＭ算法對(duì)各負(fù)荷節(jié)點(diǎn)的ＧＭＭ進(jìn)行參數(shù)估計(jì)，對(duì)應(yīng)參數(shù)如附錄Ｃ表Ｃ２所示。５．３構(gòu)造系統(tǒng)注入功率多場(chǎng)景負(fù)荷節(jié)點(diǎn)的ＧＭＭ中子成分隨機(jī)組合后，由式（１１）構(gòu)造負(fù)荷功率場(chǎng)景數(shù)Ｃｌｏａｄ＝５４。結(jié)合５．１節(jié)所述風(fēng)電場(chǎng)輸出功率場(chǎng)景數(shù)的３種情況，由式（１６）得到對(duì)應(yīng)的注入功率場(chǎng)景數(shù)，情況１下Ｃ１＝１５１２０

【相似文獻(xiàn)】

相關(guān)期刊論文 前3條

1 羅綿輝;梁平;;基于高斯混合模型的汽輪機(jī)振動(dòng)故障診斷[J];核動(dòng)力工程;2009年06期

2 董玉亮;李亞瓊;曹海斌;何成兵;顧煜炯;;基于運(yùn)行工況辨識(shí)的風(fēng)電機(jī)組健康狀態(tài)實(shí)時(shí)評(píng)價(jià)方法[J];中國(guó)電機(jī)工程學(xué)報(bào);2013年11期

3 ;[J];;年期

本文編號(hào)：2650459