论文部分内容阅读
随着高比例可再生能源接入电网,风电出力、光伏出力与负荷的不确定性和相关性是影响电网安全稳定运行和可再生能源消纳的重要因素之一。如何建立源荷随机变量的联合概率分布,描述源荷随机变量的不确定性和相关性,是电网规划和运行控制等方面研究的基础。本文基于贝叶斯网络(bayesian networks,BN)提出一种新的源荷概率模型,以此为基础,将源荷相关性样本用于配电网概率潮流计算,并进一步研究了计及源荷相关性的分布式电源(distributed generation,DG)选址定容规划,提出了计及源荷相关性的关键线路辨识和线路过负荷风险评估方法,探索了高比例可再生能源参与市场竞争背景下的电价区间预测问题。主要工作和创新点包括:(1)针对服从任意分布的多维风速、多维光照强度和负荷,难以建立其联合概率分布的问题,创新性地提出了一种基于BN的源荷概率模型。考虑到连续型数据转换为离散型数据时存在信息损失的问题,采用最大信息系数的数据离散化方法,减少信息损失,拓展了模型的应用范围。以随机变量概率值的离散数据为样本,通过BN结构学习和参数学习,建立源荷概率模型。然后对模型采样,将采样得到的离散数据转换为连续数据,再经过累积概率分布的逆变换,获得源荷相关性样本。将源荷相关性样本与原始样本、C藤Copula样本的概率密度、累积概率分布、数字特征和三维散点图进行比较,检验了模型的有效性。将源荷相关性样本用于IEEE 33节点和IEEE 69节点配电网的概率潮流计算,检验了源荷相关性样本的计算精度。(2)针对现有的DG选址定容规划的研究中,未计及多维风速、多维光照强度与负荷的相关性对规划模型的影响,提出了计及源荷相关性的DG选址定容规划方法。以年综合费用最小为目标函数,将节点电压幅值和支路的视在功率作为机会约束条件,以DG安装容量和上级电网向配电网输送潮流的方向等作为确定性约束条件,建立DG选址定容机会约束模型,采用精英保留策略的遗传算法对模型求解。在IEEE 33节点配电网中,比较了是否计及源荷相关性对规划方案的影响,比较结果表明:计及源荷相关性的规划模型,能够准确地计算DG的发电量和负荷的用电量,配电网潮流的模拟符合实际情况,得到的规划方案的年综合费用高,节点电压幅值越限的概率低。在IEEE 69节点配电网中,比较了计及多维风速、多维光照强度与负荷的相关性,计及一维风速、一维光照强度与负荷的相关性,这两种情况下的规划方案,比较结果表明:前者比后者允许接入的DG总台数减少了11台,年综合费用降低了17.53%,规划方案更符合工程实际,优化了可再生能源的配置。(3)针对现有的关键线路静态辨识方法不能满足高比例可再生能源并网后对关键线路辨识提出的新要求,难以发现潜在的关键线路;针对现有的线路过负荷风险评估研究中,缺乏计及源荷相关性的评估方法,提出了计及源荷相关性的关键线路辨识和线路过负荷风险评估新方法。该方法将概率最优潮流与顺流潮流追踪法相结合,以线路的概率潮流介数和过负荷风险系数为指标,实现关键线路辨识和线路过负荷风险评估。IEEE 39节点和IEEE 118节点算例的辨识和评估结果表明:静态辨识方法的关键线路误判率为40%和50%;仅考虑源荷不确定性,不考虑源荷相关性的关键线路误判率为20%和40%,线路过负荷风险评估的误判率均为40%;所提方法的关键线路辨识和线路过负荷风险评估未出现误判,辨识和评估结果的精度高,检验了所提方法的有效性。(4)针对可再生能源发电成本低、出力不确定性强,易引起电价剧烈波动,现有的基于神经网络(neural network,NN)的直接区间预测法存在综合目标函数中分目标函数的权重系数不易选取的难题,创新性地提出了基于动态贝叶斯网络(dynamic bayesian network,DBN)的电价区间预测模型。首先分析了在高比例可生能源参与市场竞争背景下,电价的特点和影响电价的主要因素,以电价、风电发电量、总发电量和总用电量为随机变量,建立DBN电价区间预测模型,然后以风电发电量、总发电量和总用电量的预测值为推理证据,通过联合树推理实现了电价的区间预测。电价预测结果表明:DBN电价预测模型能给出电价预测区间和对应的概率以及电价点预测的均值,与粒子群(particle swarm optimization,PSO)优化核极限学习机(kernel extreme learning machine,KELM)的预测结果相比,DBN电价预测区间的覆盖概率高、平均带宽窄、累积带宽偏差小,电价预测区间的质量高。