论文部分内容阅读
在现代电力系统中,潮流计算是状态分析、优化控制、系统规划和稳定运行的基础。潮流计算的目标是获得电力系统中的功率分布和节点电压。近年来,包括风能和太阳能的可再生能源被接入到电力系统中。由于其固有的不确定性、间歇性和波动性,电力系统的潮流计算问题变得更加复杂,这使得传统的确定性潮流方法难以胜任。概率潮流(PLF)可以评估由可再生能源和电力系统中的其他随机因素引起的不确定性。自1974年首次提出以来,已取得了大量研究成果。PLF计算方法可以分为蒙特卡罗模拟方法(MCSM),解析法和点估计法。在进行概率潮流计算时,应当考虑随机变量之间的相关性,包括线性相关性和非线性相关性。传统的线性相关系数不能衡量随机变量之间的非线性相关性,所以应该使用更加精确的相关性建模方法。Copula函数完整描述了随机变量之间的相关结构,进而更加精确地建立随机变量相关性模型。当维数增大时,传统Copula理论灵活性较差,而藤Copula能够更加灵活地构建高维相关模型且考虑到各个随机变量之间的相关性特点。本文使用藤Copula方法建立风速相关性模型。除此之外,本文使用非参数核密度方法估计风速的边缘分布,核密度估计不受具体风速分布的限制,相比于各参数模型拟合效果更好。在考虑随机变量相关性时,应兼顾概率潮流的计算效率。大规模简单随机抽样能够提供高精度计算结果,但耗时较长,应使用更高效率且满足精度要求的计算方法。本文计及多风电功率间的相关性研究了电力系统概率潮流计算问题。首先提出了一种基于D藤Copula和改进的拉丁超立方体采样(LHS)的PLF计算方法,此方法考虑了多风速之间的相关性。藤Copula可以灵活地构建多变量之间的相关关系,并使用二元Copula作为其构建模块。非参数核密度估计用于估计风速边缘分布,故所提出的方法不受风速分布的限制。与简单随机抽样(SRS)方法相比,LHS方法具有更高的采样效率。案例研究验证了该方法的准确性和有效性。然后,本文又提出了一种基于准蒙特卡洛法(Quasi-Monte Carlo method)和截断正则藤Copula(Regular vine Copula,R-vine Copula)的PLF计算方法。对于更高维度的相关性建模,R藤Copula不受D-vine和C-vine等特例的限制。另外,该方法考虑了构建R藤Copula时的计算负担,采用截断方法以减少时间和内存消耗。相比于蒙特卡洛法,准蒙特卡洛法有更高的收敛速度。针对IEEE 118节点电力系统的PLF数字仿真计算结果验证了本文所提方法的有效性。本文提出的这两个方法也可用于处理电力系统中其它变量之间的相关性问题,如风电功率与负荷之间的相关性问题,光伏电池出力与负荷之间的相关性问题。