论文部分内容阅读
风能和天然气均是储量丰富、安全清洁的绿色能源，对于缓解能源危机、环境污染以及气候变化等问题具有十分重要的作用。随着风力发电和天然气发电技术的广泛应用，电力系统的电源结构和电网形态正在发生变革。未来电网中，风能和天然气将逐渐替代煤炭成为电网电源结构中的重要能源，并且电力网络与天然气网络将呈现紧密耦合的形态。因此，分析和研究含大规模风电电力系统和电-气互联综合能源系统的特性，对保障未来新形态能源网络的安全、稳定、经济运行起到至关重要的作用。
风电出力的随机性、间歇性和波动性以及负荷的波动性向能源系统中引入了大量的不确定性，给系统规划和运行工作带来了巨大挑战。大规模风电并网表现出大范围波动的特性，同时天然气网络具有不同于电力网络的特征，使得传统的概率计算方法不完全适用于含大规模风电电力系统和电-气互联综合能源系统的场景。为此，本文重点对电力系统概率潮流计算、电力系统概率最优潮流计算以及电-气互联综合能源系统概率能流计算等问题展开研究，论文的主要工作总结如下:
(1)大规模风电并网给电网规划带来了大范围波动的不确定性因素，使得基于传统解析法的概率潮流计算产生明显的线性化误差。本文提出了一种聚类技术和半不变量法相结合的概率潮流计算方法。首先，采用Nataf逆变换方法生成输入随机变量（风电出力和负荷功率）的样本。其次，运用聚类技术对输入随机变量样本进行聚类，以实现各聚类簇中输入随机变量样本均具有较小的波动范围。然后，对各聚类簇样本进行基于半不变量法的概率潮流计算，得到输出随机变量的半不变量，进而利用全概率公式及半不变量与原点矩的关系，对各聚类簇所得半不变量进行整合，以得到最终的输出随机变量半不变量。最后，采用Gram-Charlier级数展开计算输出随机变量的概率密度函数。以含风电场的IEEE9节点和IEEE118节点系统为测试系统，验证了所提方法对于含大规模风电电力系统的适用性。
(2)概率最优潮流是解决电网调度运行中不确定性问题的重要工具，同样面临着风电出力大范围波动的问题。本文提出了一种基于聚类技术和半不变量法的电力系统概率最优潮流计算方法。首先，推导了输入变量（风电出力和负荷功率）对输出变量（目标函数、电压幅值与相角、发电机有功与无功出力）的灵敏度矩阵。其次，基于灵敏度矩阵建立了计及风电的半不变量法概率最优潮流计算模型。然后，将聚类技术与半不变量法相结合的思路引入到概率最优潮流计算中，提升了基于半不变量法的概率最优潮流计算方法在输入随机变量大范围波动情况下的计算精度。最后，应用6阶Cornish-Fisher级数展开计算输出随机变量的概率密度函数。通过对含风电场的IEEE9节点和IEEE118节点系统的测试，验证了所提方法适用于含大规模风电的电力系统。
(3)高比例可再生能源向电-气互联综合能源系统引入了大量大范围波动的不确定性因素。然而，由于天然气网络不同于电力网络的特征，上述所提传统K-means聚类技术与半不变量法相结合的方法不再适用于该场景。本文提出了一种基于改进K-means聚类技术和半不变量法的概率能流计算方法。首先，建立了考虑电力系统一次频率响应特性的电-气混合能流模型。其次，推导了输入变量（风电出力、光伏出力、电负荷功率和气负荷流量）对输出变量（电压幅值与相角、线路有功与无功潮流、天然气节点压力和输气管道流量）的灵敏度矩阵，并建立了基于半不变量法的概率能流计算模型。然后，通过对输入随机变量样本标准化以及引入整体灵敏度系数修正输入随机变量样本，对K-means聚类技术进行改进，使得改进的K-means能够考虑不同类型输入随机变量间波动范围、数值尺度和灵敏度系数差异的影响，聚类结果有利于减小半不变量法所得输出随机变量结果的整体误差。最后，结合改进的K-means聚类技术与半不变量法，提出一种适用于含高比例可再生能源的电-气互联综合能源系统概率能流计算方法。分别以构建的区域级综合能源系统和跨区级综合能源系统为测试系统，验证了所提方法对含高比例可再生能源的综合能源系统的适用性。
(4)针对传统基于节点法建立的天然气能流模型收敛性较差，以及半不变量法较难准确得到高度非正态随机变量概率分布的不足，本文提出了一种基于天然气网络等效回路能流模型和改进K-means的线性化概率能流计算方法。首先，建立了天然气网络等效模型，并基于牛顿回路法建立了天然气网络等效回路能流模型，既规避了节点能流模型收敛性较差的问题，又解决了传统回路能流模型不适用于无回路网络和处理非管道元件困难的问题。其次，基于天然气网络等效回路能流模型和电力系统节点潮流模型，建立了电-气互联综合能源系统的混合能流模型。最后，利用上述改进的K-means聚类技术，根据每组样本在对应聚类中心进行线性化计算的思路，提出了一种基于改进K-means聚类技术的线性化概率能流计算方法。算例分析分为两部分:1）以14节点天然气网络和20节点比利时天然气网络为测试系统，验证了所建立天然气回路能流模型具有良好的收敛性和准确性;2）以IEEE39节点输网系统和20节点比利时天然气网络组成的电-气互联综合能源系统为测试系统，验证了所提概率能流计算方法具有良好的准确性和计算效率。
风电出力的随机性、间歇性和波动性以及负荷的波动性向能源系统中引入了大量的不确定性，给系统规划和运行工作带来了巨大挑战。大规模风电并网表现出大范围波动的特性，同时天然气网络具有不同于电力网络的特征，使得传统的概率计算方法不完全适用于含大规模风电电力系统和电-气互联综合能源系统的场景。为此，本文重点对电力系统概率潮流计算、电力系统概率最优潮流计算以及电-气互联综合能源系统概率能流计算等问题展开研究，论文的主要工作总结如下:
(1)大规模风电并网给电网规划带来了大范围波动的不确定性因素，使得基于传统解析法的概率潮流计算产生明显的线性化误差。本文提出了一种聚类技术和半不变量法相结合的概率潮流计算方法。首先，采用Nataf逆变换方法生成输入随机变量（风电出力和负荷功率）的样本。其次，运用聚类技术对输入随机变量样本进行聚类，以实现各聚类簇中输入随机变量样本均具有较小的波动范围。然后，对各聚类簇样本进行基于半不变量法的概率潮流计算，得到输出随机变量的半不变量，进而利用全概率公式及半不变量与原点矩的关系，对各聚类簇所得半不变量进行整合，以得到最终的输出随机变量半不变量。最后，采用Gram-Charlier级数展开计算输出随机变量的概率密度函数。以含风电场的IEEE9节点和IEEE118节点系统为测试系统，验证了所提方法对于含大规模风电电力系统的适用性。
(2)概率最优潮流是解决电网调度运行中不确定性问题的重要工具，同样面临着风电出力大范围波动的问题。本文提出了一种基于聚类技术和半不变量法的电力系统概率最优潮流计算方法。首先，推导了输入变量（风电出力和负荷功率）对输出变量（目标函数、电压幅值与相角、发电机有功与无功出力）的灵敏度矩阵。其次，基于灵敏度矩阵建立了计及风电的半不变量法概率最优潮流计算模型。然后，将聚类技术与半不变量法相结合的思路引入到概率最优潮流计算中，提升了基于半不变量法的概率最优潮流计算方法在输入随机变量大范围波动情况下的计算精度。最后，应用6阶Cornish-Fisher级数展开计算输出随机变量的概率密度函数。通过对含风电场的IEEE9节点和IEEE118节点系统的测试，验证了所提方法适用于含大规模风电的电力系统。
(3)高比例可再生能源向电-气互联综合能源系统引入了大量大范围波动的不确定性因素。然而，由于天然气网络不同于电力网络的特征，上述所提传统K-means聚类技术与半不变量法相结合的方法不再适用于该场景。本文提出了一种基于改进K-means聚类技术和半不变量法的概率能流计算方法。首先，建立了考虑电力系统一次频率响应特性的电-气混合能流模型。其次，推导了输入变量（风电出力、光伏出力、电负荷功率和气负荷流量）对输出变量（电压幅值与相角、线路有功与无功潮流、天然气节点压力和输气管道流量）的灵敏度矩阵，并建立了基于半不变量法的概率能流计算模型。然后，通过对输入随机变量样本标准化以及引入整体灵敏度系数修正输入随机变量样本，对K-means聚类技术进行改进，使得改进的K-means能够考虑不同类型输入随机变量间波动范围、数值尺度和灵敏度系数差异的影响，聚类结果有利于减小半不变量法所得输出随机变量结果的整体误差。最后，结合改进的K-means聚类技术与半不变量法，提出一种适用于含高比例可再生能源的电-气互联综合能源系统概率能流计算方法。分别以构建的区域级综合能源系统和跨区级综合能源系统为测试系统，验证了所提方法对含高比例可再生能源的综合能源系统的适用性。
(4)针对传统基于节点法建立的天然气能流模型收敛性较差，以及半不变量法较难准确得到高度非正态随机变量概率分布的不足，本文提出了一种基于天然气网络等效回路能流模型和改进K-means的线性化概率能流计算方法。首先，建立了天然气网络等效模型，并基于牛顿回路法建立了天然气网络等效回路能流模型，既规避了节点能流模型收敛性较差的问题，又解决了传统回路能流模型不适用于无回路网络和处理非管道元件困难的问题。其次，基于天然气网络等效回路能流模型和电力系统节点潮流模型，建立了电-气互联综合能源系统的混合能流模型。最后，利用上述改进的K-means聚类技术，根据每组样本在对应聚类中心进行线性化计算的思路，提出了一种基于改进K-means聚类技术的线性化概率能流计算方法。算例分析分为两部分:1）以14节点天然气网络和20节点比利时天然气网络为测试系统，验证了所建立天然气回路能流模型具有良好的收敛性和准确性;2）以IEEE39节点输网系统和20节点比利时天然气网络组成的电-气互联综合能源系统为测试系统，验证了所提概率能流计算方法具有良好的准确性和计算效率。