CN104538953B - 一种基于概率潮流控制的tcsc优化配置方法 - Google Patents

Abstract

本发明公开了一种基于概率潮流控制的TCSC优化配置方法，是应用于电力***中，其特征是按如下步骤进行：1获取原始数据；2获得不确定因素取值；3对不确定因素取值抽样并进行潮流计算；4获得各个支路上的载荷率；5选取载荷率超过重载时载荷率的支路作为安装TCSC的支路；6获取串补支路；7建立改进的最优潮流模型；8再次对不确定因素取值抽样并进行最优潮流计算；9获得TCSC电抗值的优化值；10在串补支路处安装电抗值为优化值的TCSC，从而实现TCSC优化配置方法。本发明能更为全面的考虑电力***中不确定因素的影响，并更为有效的控制电力***的潮流，从而更加有利于电力***的安全运行。

Description

一种基于概率潮流控制的TCSC优化配置方法

技术领域

本发明涉及电力***分析领域，具体涉及一种基于概率潮流控制的TCSC优化配置方法。

背景技术

电力***中存在大量的不确定性因素，这些不确定因素会影响电力***的正常运行，电力***调度规划人员需要考虑不确定因素的影响来进行调度与规划。一方面考虑实际不确定因素进行预测分析，便于调度人员发现电力***中的薄弱环节并及时调整规划方案；另一方面，对于发现的薄弱环节采取有效的方法，调节不确定因素对电力***造成的不利影响。

TCSC是指晶闸管控制的串联电容器(ThyristorControlledSeriesCapacitor，简称TCSC)，TCSC能够快速、连续的改变所补偿的输电线路的等值电抗，具有提高电力***输电能力、增强电力***稳定性、有效控制输电线路潮流等优点；TCSC不断受到重视，越来越多地应用到电力***中。

目前，TCSC优化配置技术对电力***中的不确定因素考虑不足，得到的优化配置方案不能应对更多的不确定因素的影响，另外现有的TCSC优化配置方法忽略了日益增加的新能源的不确定性对该优化配置问题的影响。

目前在选择TCSC的安装位置和安装容量的问题上，往往是利用TCSC提高电力***的输电能力、提高电力***电压稳定性、降低网损、最小化电力***风险、降低电力不足期望等，却忽略了TCSC多用来控制电力***潮流的作用，较多考虑了TCSC对电力***状态越限情况的控制，忽略了未越限时TCSC的作用。

现有的TCSC优化配置技术中采用的TCSC计算模型，往往是把TCSC电抗值与输电线路阻抗相结合或者是把TCSC对输电线路潮流的影响转移到线路两端从而简化计算，但是，这两种方法存在一定的缺陷，若按照前一方法则表明TCSC是安装在输电线路中部，不符合实际情况，不便于对TCSC的管理与维护；若是按照后一方法计算则会忽略TCSC的功率损耗，在物理结构上也不符合实际。

发明内容

本发明为克服上述现有技术存在的不足之处，提供一种基于概率潮流控制的TCSC优化配置方法，以期更为全面的考虑电力***中不确定因素的影响，并更为有效的控制电力***的潮流，从而更加有利于电力***的安全运行。

本发明为解决技术问题采取如下技术方案：

本发明一种基于概率潮流控制的TCSC优化配置方法，是应用于电力***中，所述电力***是由各发电设备产生电能并汇集至各母线上，由所述各母线提供电能给用电设备并传送电能至各输电线路，经过所述各输电线路的传输，将所述电能送至各配电母线上的用电设备；将所述各母线和各配电母线记为节点t；将所述节点t依次编号为t₁,t₂,…,t_i,…t_N；t_i表示第i个节点；1≤i≤N；N表示所述节点的总数；将所述各输电线路记为支路L；将所述支路L依次编号为L₁,L₂,…,L_k,…,L_K；L_k表示第k个支路；1≤k≤K；K表示所述支路的总数；将所述各节点t上的用电设备记为D₁,D₂,…,D_i,…D_N；D_i表示第i个节点t_i上的用电设备；所述发电设备包括常规发电机组和风力发电机组和光伏发电设备；将所述各节点t上的常规发电机组记为G₁,G₂,…,G_i,…G_N；G_i表示第i个节点t_i上的常规发电机组；将所述各节点t上的风力发电机组记为W₁,W₂,…,W_i,…W_N；W_i表示第i个节点t_i上的风力发电机组；将所述各节点t上的光伏发电设备记为S₁,S₂,…,S_i,…S_N；S_i表示第i个节点t_i上的光伏发电设备；

其特点是：所述优化配置方法是按如下步骤进行：

步骤1、获取原始数据：

从所述电力***中获取由第i个节点t_i上的节点数据和第k个支路L_k上的支路数据构成的原始数据；从而获取N个节点上的原始数据和K个支路上的原始数据；

所述第i个节点t_i上的节点数据包括：第i个节点t_i上的电压幅值V_i、第i个节点t_i上的电压相角θ_i；第i个节点t_i上的常规发电机组G_i的有功功率第i个节点t_i上的常规发电机组G_i的无功功率第i个节点t_i上的常规发电机组G_i的故障率第i个节点t_i上的风力发电机组W_i的额定有功功率第i个节点t_i上的风力发电机组W_i的功率因数角第i个节点t_i上的光伏发电设备S_i的光照总面积第i个节点t_i上的光伏发电设备S_i的光电转换效率第i个节点t_i上的光伏发电设备S_i的功率因数角第i个节点t_i上的用电设备的有功功率的均值第i个节点t_i上的用电设备的有功功率的方差第i个节点t_i上的用电设备的功率因数角

所述第k个支路L_k上的支路数据包括：第k个支路L_k上的阻抗Z_k；第k个支路L_k上的允许通过的最大有功功率P_{max_k}；第k个支路L_k的故障率

步骤2、采用蒙特卡洛抽样方法获得不确定因素的取值；所述不确定因素包括：常规发电机组的实际有功功率和实际无功功率、风力发电机组的有功功率和无功功率、光伏发电设备的有功功率和无功功率、用电设备的有功功率和无功功率以及支路的运行状态；

步骤3、采用所述蒙特卡洛抽样方法对所述不确定因素的取值进行Num次抽样，并对所述电力***进行Num次潮流计算，获得所述K个支路上的有功潮流 表示第n次潮流计算所获得的K个支路上的有功潮流；1≤n≤Num；

步骤4、利用式(1)获得所述第k个支路L_k的载荷率从而获得所述K个支路上的载荷率：

${\mathrm{\ξ}}_{L_k}=\frac{\left|\frac{1}{Num}\underset{n=1}{\overset{Num}{\mathrm{\Σ}}}{P}_{L_k}^n\right|}{P_{\max \_k}}\×100\%---\left(1\right)$

步骤5、定义表示第k个支路L_k达到重载时的载荷率；当满足时，选取第k个支路L_k作为安装TCSC的支路；

步骤6、假设与所述第k个支路L_k两端相连的两个节点分别为t_a和t_b；在所述第k个支路L_k上，支路阻抗Z_k处于所述节点t_a和节点t_b之间，在所述支路阻抗Z_k与所述节点t_a之间或所述支路阻抗Z_k与所述节点t_b之间安装所述TCSC，从而在所述支路阻抗Z_k与所述TCSC之间形成串补节点t_τ；在所述串补节点t_τ与所述节点t_a之间或所述串补节点t_τ与所述节点t_b之间形成串补支路L_u；

步骤7、建立改进的最优潮流模型；

步骤8、根据所述改进的最优潮流模型，采用所述蒙特卡洛抽样方法对所述不确定因素取值再次进行Num次抽样，并对所述电力***进行Num次最优潮流计算，获得所述TCSC的电抗值x＝{x¹,x²,…,xⁿ,…,x^Num}；

步骤9、利用式(2)获得所述TCSC的电抗值x的优化值

$\stackrel{\‾}{x}=\frac{1}{Num}\underset{n=1}{\overset{Num}{\mathrm{\Σ}}}{x}^n---\left(2\right)$

步骤10、在所述第k个支路L_k的支路阻抗Z_k与所述节点t_a之间安装电抗值为的TCSC，从而实现TCSC优化配置方法。

本发明所述的基于概率潮流控制的TCSC优化配置方法，其特点也在于，

所述步骤2是按如下步骤进行：

步骤2.1、获得第i个节点t_i上的常规发电机组G_i的实际有功功率和第i个节点t_i上的常规发电机组G_i的实际无功功率从而获得N个节点上的常规发电机组的实际有功功率和实际无功功率：

步骤2.1.1、生成N个服从0～1之间均匀分布的随机数，记为ε₁,ε₂,…,ε_i,…ε_N；ε_i表示第i个随机数；

步骤2.1.2、利用式(3)获得所述第i个节点t_i上的常规发电机组G_i的实际有功功率和第i个节点t_i上的常规发电机组G_i的实际无功功率从而获得N个节点上的常规发电机组的实际有功功率和实际无功功率：

$\[P_{G_i}^{\′},Q_{G_i}^{\′}\]=\left\{\begin{array}{c}\[P_{G_i},Q_{G_i}\],{\mathrm{\ϵ}}_i>{\mathrm{\λ}}_{G_i}\\ \[0,0\],{\mathrm{\ϵ}}_i\≤{\mathrm{\λ}}_{G_i}\end{array}\right.---\left(3\right)$

步骤2.2、获得第i个节点t_i上的风力发电机组W_i的有功功率和第i个节点t_i上的风力发电机组W_i的无功功率从而获得N个节点上的风力发电机组的有功功率和无功功率：

步骤2.2.1、生成N个服从独立标准正态分布的随机数；

步骤2.2.2、采用正交变换和半经验公式的方法处理所述N个服从独立标准正态分布的随机数，获得N个服从威布尔分布且具有相关性的随机变量；

步骤2.2.3、令第i个节点t_i上的风力发电机组W_i的风速v_i等于所述N个服从威布尔分布且具有相关性的随机变量中的第i个变量；从而获得N个节点上的风力发电机组的风速；

步骤2.2.4、利用式(4)获得所述第i个节点t_i上的风力发电机组W_i的有功功率从而获得N个节点上的风力发电机组的有功功率：

$P_{W_i}=\left\{\begin{array}{cc}0& v_i<v_{c\_i},v_i>v_{o\_i}\\ \frac{v_i^{m_i}-v_{c\_i}^{m_i}}{v_{r\_i}^{m_i}-v_{c\_i}^{m_i}}{P}_{r\_W_i}& v_{c\_i}\&le;v_i<v_{r\_i}\\ P_{r\_W_i}& v_{r\_i}\&le;v_i\&le;v_{o\_i}\end{array}\right.---\left(4\right)$

式(4)中，v_{c_i}表示第i个节点t_i上的风力发电机组W_i的切入风速，v_{o_i}表示第i个节点t_i上的风力发电机组W_i的切出风速，v_{r_i}表示第i个节点t_i上的风力发电机组W_i的额定风速，m_i表示第i个节点t_i上的风力发电机组W_i的由风速求取有功功率的系数；

步骤2.2.5、利用式(5)获得所述第i个节点t_i上的风力发电机组W_i的无功功率从而获得N个节点上的风力发电机组的无功功率：

步骤2.3、获得第i个节点t_i上的光伏发电设备S_i的有功功率和第i个节点t_i上的光伏发电设备S_i的无功功率从而获得N个节点上的光伏发电设备的有功功率和无功功率：

步骤2.3.1、生成N个服从贝塔分布的随机数；

步骤2.3.2、令第i个节点t_i上的光伏发电设备S_i的光照强度等于所述N个服从贝塔分布的随机数中的第i个随机数；从而获得N个节点上的光伏发电设备的光照强度；

步骤2.3.3、利用式(6)获得所述第i个节点t_i上的光伏发电设备S_i的有功功率和第i个节点t_i上的光伏发电设备S_i的无功功率从而获得N个节点上的光伏发电设备的有功功率和无功功率：

步骤2.4、获得第i个节点t_i上的用电设备的有功功率和第i个节点t_i上的用电设备的无功功率从而获得N个节点上的用电设备的有功功率和无功功率：

步骤2.4.1、再次生成N个服从独立标准正太分布的随机数；

步骤2.4.2、采用正交变换的方法处理所述再次生成的N个服从独立标准正太分布的随机数，获得N个具有相关性的正态随机变量，在所述N个具有相关性的正态随机变量中，第i个随机变量的均值为且第i个随机变量的方差为

步骤2.4.3、令第i个节点t_i上的用电设备的有功功率等于所述步骤2.4.2中的N个随机变量的第i个随机变量；从而获得N个节点上的用电设备的有功功率；

步骤2.4.4、利用式(7)获得第i个节点t_i上的用电设备的无功功率从而获得N个节点上的用电设备的无功功率：

步骤2.5、获得第k个支路L_k的运行状态；从而获得K个支路的运行状态，所述运行状态为正常状态或故障状态：

步骤2.5.1、再次生成K个服从0～1之间均匀分布的随机数；

步骤2.5.2、比较所述再次生成的K个服从0～1之间均匀分布的随机数中的第k个随机数与所述第k个支路L_k的故障率的大小，若所述再次生成的K个服从0～1之间均匀分布的随机数中的第k个随机数大于所述第k个支路L_k的故障率则第k个支路L_k的运行状态为正常状态；若所述再次生成的K个服从0～1之间均匀分布的随机数中的第k个随机数小于等于所述第k个支路L_k的故障率则第k个支路L_k的运行状态为故障状态；从而获得第k个支路L_k的运行状态；进而获得K个支路的运行状态。

所述步骤7是按如下步骤进行：

假设在所述第k个支路L_k的支路阻抗Z_k与所述节点t_a之间安装所述TCSC；利用式(8)-式(14)获得改进的最优潮流模型：

目标函数：

等式约束：

$P_{set\_L_u}-\frac{V_a{V}_{\mathrm{\&tau;}}{\mathrm{sin\&theta;}}_{a\mathrm{\&tau;}}}{x}=0---\left(10\right)$

不等式约束：χ_{min_j}≤χ_j≤χ_{max_j}(11)

$-P_{max\_l}\&le;P_{L_l}\&le;P_{max\_l},l\&Element;\{1,2,...,K\}---\left(12\right)$

x_min≤x≤x_max(13)

$\max \{{\mathrm{\&eta;}}_{\min }{P}_{\max \_k},\frac{V_a{V}_{\mathrm{\&tau;}}{\mathrm{sin\&theta;}}_{a\mathrm{\&tau;}}}{x_{\max }}\}\&le;P_{set\_L_u}\&le;\min \{{\mathrm{\&eta;}}_{\max }{P}_{\max \_k},\frac{V_a{V}_{\mathrm{\&tau;}}{\mathrm{sin\&theta;}}_{\mathrm{\&alpha;}\mathrm{\&tau;}}}{x_{\min }}\}---\left(14\right)$

式(8)表示最小化电力***的运行成本和TCSC投资成本；分别表示第i个节点t_i上的常规发电机组G_i的运行成本系数，α₀、α₁、α₂分别表示所述TCSC的成本系数，s表示流过所述TCSC的无功功率值，I表示流过所述TCSC的电流幅值，x表示所述TCSC的电抗值；

式(9)表示第j个节点t_j的功率平衡方程，ΔP_j表示所述第j个节点t_j的有功不平衡量；ΔQ_j表示所述第j个节点t_j的无功不平衡量；P_j表示所述第j个节点t_j的节点有功功率，Q_j表示所述第j个节点t_j的节点无功功率；

式(10)表示将串补支路L_u的有功潮流控制为表示所述串补支路L_u的有功潮流期望值，θ_aτ表示第a个节点t_a的电压相角与第τ个节点t_τ的电压相角差；

式(11)表示第j个节点t_j的变量χ_j的取值范围，并有χ_{min_j}和χ_{max_j}分别为变量χ_j的最小值和最大值，并有 V_{max_j}和V_{min_j}分别表示第j个节点t_j的最大电压幅值和最小电压幅值，θ_{max_j}和θ_{min_j}分别表示第j个节点t_j的最大电压相角和最小电压相角，和分别表示第j个节点t_j上的常规发电机组G_j的最大有功功率和最小有功功率，和分别表示第j个节点t_j上的常规发电机组G_j的最大无功功率和最小无功功率；

式(12)表示第l个支路L_l上的有功潮流不能超过允许的最大有功潮流P_{max_l}；

式(13)表示所述TCSC的电抗值x的取值范围；x_max和x_min分别表示所述TCSC的最大电抗值和最小电抗值；

式(14)表示所述串补支路L_u的有功潮流期望值的取值范围；η_max和η_min分别表示所述串补支路L_u的有功潮流期望值与所述第k个支路L_k允许的最大有功潮流P_{max_k}之间比值的最大值和最小值。

与已有技术相比，本发明的有益效果体现在：

1、本发明从TCSC控制电力***潮流的角度，考虑了电力***中不确定因素的多样性，利用TCSC控制潮流的同时兼顾了TCSC的投资成本的目标函数，以此选择的TCSC优化配置方案能够更全面地反映实际情况，能够利用TCSC改善不确定因素对***潮流造成的不利影响，将电力***潮流控制在更为安全的范围内；根据潮流计算的结果安装TCSC，在不确定因素对电力***产生不利影响前及时安装TCSC，将有利于电力***更加安全地运行；本发明的方法对电力***的调度规划方案的制定也具有实际参考价值。

2、本发明考虑了电力***中不确定因素的多样性，考虑了含新能源发电的电力***中常规发电机的随机故障、风电机组获得的风速的随机性、光伏发电获得的光照强度的不确定性、用电设备功率的随机波动和输电线路的随机故障，克服了现有TCSC优化配置技术对电力***中不确定因素考虑不足的缺点，从而能够更为全面的反应实际不确定因素的影响，以此选择的TCSC优化方案更能符合实际“不确定”的需要，能够更好的适用于电力***中。

3、本发明考虑了风电机组的风速具有相关性以及用电设备功率也具有相关性的特点，充分考虑了实际的风速不会完全独立以及实际用电负荷会互相影响的情况，克服了现有TCSC优化配置技术中缺少考虑这一相关性的问题，从而使得本发明的技术更符合实际。

4、本发明从潮流控制的角度选择TCSC安装位置，利用概率潮流的方法选择众多不确定影响造成的重载支路作为TCSC的安装位置，克服了现有选择TCSC安装位置技术忽略了TCSC对具体支路潮流控制作用的缺点，更为充分考虑了TCSC的灵活控制潮流能力，同时选择安装位置时考虑到众多的不确定因素使得安装位置的选择更具合理性。

5、本发明采用将TCSC安装在支路一端的方式，增加节点和支路，克服了现有TCSC优化配置技术中采用把TCSC电抗值与输电线路阻抗相结合或者是把TCSC对输电线路潮流的影响转移到线路两端的方式的缺陷，能够考虑到TCSC的功率损耗，物理结构更符合实际，按照本发明的方式将TCSC安装在输电线路的一侧，更便于对TCSC的管理与维护。

6、本发明在先确定TCSC选址基础上，采用概率最优潮流模型，兼顾TCSC的潮流控制作用和优化TCSC的投资成本，对TCSC的安装容量进行了优化，克服了现有选择TCSC安装容量技术中缺少考虑TCSC对具体支路潮流控制作用，能够将电力***潮流控制在更为安全的范围内，同时优化投资成本，同时选择安装容量时考虑到众多的不确定因素使得选择的安装容量更符合实际需要。

7、本发明从控制支路潮流于安全范围内同时优化TCSC取值的角度出发，选择有功潮流期望值的取值范围，并形成了相应的不等式约束，克服了已有技术中缺少对TCSC控制目标设定的不足之处，能够将支路有功潮流控制在安全范围内同时优化TCSC的取值。

附图说明

图1为本发明的流程图；

图2为现有技术中输电线路Π形等值模型；

图3为本发明中采用的TCSC串联支路模型图；

图4为现有技术中TCSC的结构图。

具体实施方式

本实施例中，一种基于概率潮流控制的TCSC优化配置方法，是应用于电力***中，电力***是由各发电设备产生电能并汇集至各母线上，由各母线提供电能给用电设备并传送电能至各输电线路，经过各输电线路的传输，将电能送至各配电母线上的用电设备；将各母线和各配电母线记为节点t；将节点t依次编号为t₁,t₂,…,t_i,…t_N；t_i表示第i个节点；1≤i≤N；N表示节点的总数；将各输电线路记为支路L；将支路L依次编号为L₁,L₂,…,L_k,…,L_K；L_k表示第k个支路；1≤k≤K；K表示支路的总数；将各节点t上的用电设备记为D₁,D₂,…,D_i,…D_N；D_i表示第i个节点t_i上的用电设备；发电设备包括常规发电机组和风力发电机组和光伏发电设备；将各节点t上的常规发电机组记为G₁,G₂,…,G_i,…G_N；G_i表示第i个节点t_i上的常规发电机组；将各节点t上的风力发电机组记为W₁,W₂,…,W_i,…W_N；W_i表示第i个节点t_i上的风力发电机组；将各节点t上的光伏发电设备记为S₁,S₂,…,S_i,…S_N；S_i表示第i个节点t_i上的光伏发电设备；

如图1所示，TCSC优化配置方法是按如下步骤进行：

步骤1、获取原始数据：

从电力***中获取由第i个节点t_i上的节点数据和第k个支路L_k上的支路数据构成的原始数据；从而获取N个节点上的原始数据和K个支路上的原始数据；

第i个节点t_i上的节点数据包括：第i个节点t_i上的电压幅值V_i、第i个节点t_i上的电压相角θ_i；第i个节点t_i上的常规发电机组G_i的有功功率第i个节点t_i上的常规发电机组G_i的无功功率第i个节点t_i上的常规发电机组G_i的故障率第i个节点t_i上的风力发电机组W_i的额定有功功率第i个节点t_i上的风力发电机组W_i的功率因数角第i个节点t_i上的光伏发电设备S_i的光照总面积第i个节点t_i上的光伏发电设备S_i的光电转换效率第i个节点t_i上的光伏发电设备S_i的功率因数角第i个节点t_i上的用电设备的有功功率的均值第i个节点t_i上的用电设备的有功功率的方差第i个节点t_i上的用电设备的功率因数角

电力***中并不是每一个节点都接有发电设备：常规发电机组、风力发电机组、光伏发电设备以及用电设备，对于接有这些设备的节点则获取该节点的电压幅值、电压相角以及该节点上相应的设备数据，对于没有接有这些设备的节点则获取该节点的电压幅值、电压相角并把相应的设备数据设为零。这样便于从整体上对数据进行整合和处理；

第k个支路L_k上的支路数据包括：第k个支路L_k上的阻抗Z_k；第k个支路L_k上的允许通过的最大有功功率P_{max_k}；第k个支路L_k的故障率

输电线路受自身承载能力、环境因素以及电力***运行状况的影响，使得通过输电线路的有功功率受到限制，其允许通过的最大的有功功率记为P_{max_k}；

步骤2、采用蒙特卡洛抽样方法获得不确定因素的取值：不确定因素是指实际电力***中存在的具有随机性的因素，例如常规发电机组的随机故障、风速的随机性、光照强度的不确定性、用电设备的功率随机波动、输电线路的随机故障；本实施例中，不确定因素包括：常规发电机组的实际有功功率和实际无功功率、风力发电机组的有功功率和无功功率、光伏发电设备的有功功率和无功功率、用电设备的有功功率和无功功率以及支路的运行状态；

蒙特卡罗方法是已有技术，又称随机抽样技术或统计试验方法，是一种随机模拟方法，以概率和统计理论为基础，将所求解的问题与一定的概率模型相联系，用随机数来解决计算问题，用蒙特卡罗方法抽样能够获得大量的具有随机性的不确定因素的取值，能够描述具有随机性质的事物的实际特点；

步骤2.1、获得第i个节点t_i上的常规发电机组G_i的实际有功功率和第i个节点t_i上的常规发电机组G_i的实际无功功率从而获得N个节点上的常规发电机组的实际有功功率和实际无功功率：

步骤2.1.1、生成N个服从0～1之间均匀分布的随机数，记为ε₁,ε₂,…,ε_i,…ε_N；ε_i表示第i个随机数；

步骤2.1.2、令第i个节点t_i上的常规发电机组G_i的运行状态判断数为N个服从0～1之间均匀分布的随机数中的第i个随机数ε_i；从而获得N个节点上的常规发电机组的运行状态判断数；

步骤2.1.3、利用式(1)获得第i个节点t_i上的常规发电机组G_i的实际有功功率和第i个节点t_i上的常规发电机组G_i的实际无功功率从而获得N个节点上的常规发电机组的实际有功功率和实际无功功率：

$\&lsqb;P_{G_i}^{\&prime;},Q_{G_i}^{\&prime;}\&rsqb;=\left\{\begin{array}{c}\&lsqb;P_{G_i},Q_{G_i}\&rsqb;,{\mathrm{\&epsiv;}}_i>{\mathrm{\&lambda;}}_{G_i}\\ \&lsqb;0,0\&rsqb;,{\mathrm{\&epsiv;}}_i\&le;{\mathrm{\&lambda;}}_{G_i}\end{array}\right.---\left(1\right)$

式(1)表示用产生的随机数判断常规发电机组的运行状态，同时获得常规发电机组的有功功率和无功功率：当第i个节点t_i上的常规发电机组G_i的运行状态判断数ε_i大于第i个节点t_i上的常规发电机组G_i的故障率时，表明第i个节点t_i上的常规发电机组G_i正常运行；当ε_i小于等于时表明第i个节点t_i上的常规发电机组G_i故障，其有功功率和无功功率为零；

步骤2.2、获得第i个节点t_i上的风力发电机组W_i的有功功率和第i个节点t_i上的风力发电机组W_i的无功功率从而获得N个节点上的风力发电机组的有功功率和无功功率：

步骤2.2.1、生成N个服从独立标准正态分布的随机数；

步骤2.2.2、采用正交变换和半经验公式的方法处理N个服从独立标准正态分布的随机数，获得N个服从威布尔分布且具有相关性的随机变量；

正交变换和半经验公式均为采用的数学方法，正交变换可以将互相独立的变量变换成相互之间存在一定关联的变量，半经验公式给出了不同分布函数之间的转换关系；

步骤2.2.3、令第i个节点t_i上的风力发电机组W_i的风速v_i等于N个服从威布尔分布且具有相关性的随机变量中的第i个变量；从而获得N个节点上的风力发电机组的风速；

风速服从威布尔分布是概率论和数理统计的结果，可以描述实际风速的分布规律；实际地点临近的不同风电场的风速之间存在一定的联系，这一联系用不同节点上风速的相关性来描述；

步骤2.2.4、利用式(2)获得第i个节点t_i上的风力发电机组W_i的有功功率从而获得N个节点上的风力发电机组的有功功率：

$P_{W_i}=\left\{\begin{array}{cc}0& v_i<v_{c\_i},v_i>v_{o\_i}\\ \frac{v_i^{m_i}-v_{c\_i}^{m_i}}{v_{r\_i}^{m_i}-v_{c\_i}^{m_i}}{P}_{r\_W_i}& v_{c\_i}\&le;v_i<v_{r\_i}\\ P_{r\_W_i}& v_{r\_i}\&le;v_i\&le;v_{o\_i}\end{array}\right.---\left(2\right)$

式(2)表示风力发电机的输出功率与风速之间的关系；

式(2)中，v_{c_i}表示第i个节点t_i上的风力发电机组W_i的切入风速，v_{o_i}表示第i个节点t_i上的风力发电机组W_i的切出风速，v_{r_i}表示第i个节点t_i上的风力发电机组W_i的额定风速，m_i表示第i个节点t_i上的风力发电机组W_i的由风速求取有功功率的系数；

步骤2.2.5、利用式(3)获得第i个节点t_i上的风力发电机组W_i的无功功率从而获得N个节点上的风力发电机组的无功功率：

步骤2.3、获得第i个节点t_i上的光伏发电设备S_i的有功功率和第i个节点t_i上的光伏发电设备S_i的无功功率从而获得N个节点上的光伏发电设备的有功功率和无功功率：

步骤2.3.1、生成N个服从贝塔分布的随机数；

步骤2.3.2、令第i个节点t_i上的光伏发电设备S_i的光照强度等于N个服从贝塔分布的随机数中的第i个随机数；从而获得N个节点上的光伏发电设备的光照强度；

光照强度服从贝塔分布是概率论和数理统计的结果，可以描述实际光照强度的分布规律；

步骤2.3.3、利用式(4)获得第i个节点t_i上的光伏发电设备S_i的有功功率和第i个节点t_i上的光伏发电设备S_i的无功功率从而获得N个节点上的光伏发电设备的有功功率和无功功率：

光伏发电设备的核心是太阳能电池板，太阳能电池板获得光照并将其转换为电能，但是能量存在一定的损耗，不可能将光能完全转换成电能，所以存在光电转换效率

步骤2.4、获得第i个节点t_i上的用电设备的有功功率和第i个节点t_i上的用电设备的无功功率从而获得N个节点上的用电设备的有功功率和无功功率：

步骤2.4.1、再次生成N个服从独立标准正太分布的随机数；

步骤2.4.2、采用正交变换的方法处理再次生成的N个服从独立标准正太分布的随机数，获得N个具有相关性的正态随机变量，在N个具有相关性的正态随机变量中，第i个随机变量的均值为且第i个随机变量的方差为

步骤2.4.3、令第i个节点t_i上的用电设备的有功功率等于步骤2.4.2中N个随机变量的第i个随机变量；从而获得N个节点上的用电设备的有功功率；

步骤2.4.4、利用式(5)获得第i个节点t_i上的用电设备的无功功率从而获得N个节点上的用电设备的无功功率：

实际用电负荷功率服从正态分布是概率论和数理统计的结果，不同的用电负荷之间存在相互的影响，用不同节点上用电设备功率的相关性来描述；

步骤2.5、获得第k个支路L_k的运行状态；从而获得K个支路的运行状态，运行状态为正常状态或故障状态：

步骤2.5.1、再次生成K个服从0～1之间均匀分布的随机数；

步骤2.5.2、比较再次生成的K个服从0～1之间均匀分布的随机数中的第k个随机数与第k个支路L_k的故障率的大小，若再次生成的K个服从0～1之间均匀分布的随机数中的第k个随机数大于第k个支路L_k的故障率则第k个支路L_k的运行状态为正常状态；若再次生成的K个服从0～1之间均匀分布的随机数中的第k个随机数小于等于第k个支路L_k的故障率则第k个支路L_k的运行状态为故障状态；从而获得第k个支路L_k的运行状态；进而获得K个支路的运行状态。

步骤3、采用步骤2的蒙特卡洛抽样方法进行概率潮流计算，即对步骤2中的不确定因素的取值进行Num次抽样，并对电力***进行Num次潮流计算，获得K个支路上的有功潮流 表示第n次潮流计算所获得的K个支路上的有功潮流；1≤n≤Num；

电力***潮流计算是研究电力***稳态运行情况的一种基本电气计算，根据给定的运行条件和网络结构计算获得整个***的运行状态：各母线上的电压(幅值及相角)、各支路的功率以及功率损耗等。电力***潮流计算的结果是电力***稳定计算和故障分析的基础；

概率潮流计算是对不确定因素多次抽样并进行多次潮流计算；概率潮流早在1974就被提出，概率潮流计算可以计及电力***运行过程中的随机扰动或不确定因素对电力***潮流的影响，经计算得到的结果不再是某一个确定值，而是一系列变化的取值，可以描述实际潮流(节点电压、支路潮流及损耗等)的变化情况，并可以求得结果的期望、方差、概率密度及分布函数等；

抽样次数Num越大，获得的计算结果越好，越符合实际；

步骤4、利用式(6)获得第k个支路L_k的载荷率从而获得K个支路上的载荷率：

${\mathrm{\&xi;}}_{L_k}=\frac{\left|\frac{1}{Num}\underset{n=1}{\overset{Num}{\mathrm{\&Sigma;}}}{P}_{L_k}^n\right|}{P_{\max \_k}}\&times;100\%---\left(6\right)$

由于不确定因素的影响，支路有功潮流不再是一个确定的值，用概率潮流计算得到的支路有功潮流结果的期望值来表征支路的实际有功潮流；而支路载荷率用支路实际有功潮流与该支路允许的最大有功潮流比值的绝对值来描述，即式(6)；

步骤5、定义表示第k个支路L_k达到重载时的载荷率；当满足时，选取第k个支路L_k作为安装TCSC的支路；

支路重载是指支路负载未超过其允许负载上限但负载很大，一般由实际应用得到支路重载范围，支路重载往往对***安全运行有不利的影响；

用载荷率大小描述支路是否重载，载荷率值超过1称为过载，表明负载超过其允许负载上限，载荷率超过且小于1表明为重载；

在模拟实际不确定因素条件下，计算得到的支路潮流会发生较大变化，选择的重载甚至过载支路是实际电力***运行过程中发生重载或过载概率最大的支路，选择在此支路上安装TCSC，可以在不确定因素对电力***产生不利影响时利用TCSC加以有效的控制。

支路重载时的载荷率受输电线路物理条件的制约(热制约、拉力制约、弧垂制约)，与输电线路的物理状态及气象环境相关；另一方面受节点电压水平制约和***静态功角稳定的制约，受到运行条件(送受端电网强度、电压支撑能力等)的制约，受到输电断面传送功率能力的限制。

步骤6、假设与第k个支路L_k两端相连的两个节点分别为t_a和t_b；如图2所示，第k个支路L_k采用输电线路的Π形数学模型，Y_k表示第k个支路L_k上的对地导纳，表示将第k个支路L_k上的对地导纳Y_k分为两半分别并联到第k个支路L_k两侧，在第k个支路L_k上，支路阻抗Z_k处于节点t_a和节点t_b之间；

在支路阻抗Z_k与节点t_a之间或支路阻抗Z_k与节点t_b之间安装TCSC，从而在支路阻抗Z_k与TCSC之间形成串补节点t_τ；在串补节点t_τ与节点t_a之间或串补节点t_τ与节点t_b之间形成串补支路L_u；

将TCSC安装在支路靠近节点的一侧，就可以把TCSC与支路一侧的母线置于同一个变电所中，便于对TCSC的管理与维护；增加节点和支路，物理结构更符合实际，并且不会忽略掉TCSC的功率损耗；

步骤7、如图3所示，假设在第k个支路L_k的支路阻抗Z_k与节点t_a之间安装TCSC；TCSC图形上的箭头表示TCSC的电抗值是可以调节变化的；利用式(7)-式(13)获得改进的最优潮流模型：

最优潮流是指当电力***的结构参数和负荷情况等都已给定时，调节可利用的控制变量(如发电机输出功率等)来找到能满足所有运行约束条件的，并使电力***的某一性能指标(如发电成本或网络损耗)达到最优值下的电力***潮流分布；

最优潮流模型用数学模型的形式描述了各个运行约束条件以及要达到的性能指标；

改进的最优潮流模型，描述了最小化电力***运行成本和TCSC投资成本和控制串补支路L_u的有功潮流小于重载的目的，同时描述了各个约束条件的限制：

目标函数：

等式约束：

$P_{set\_L_u}-\frac{V_a{V}_{\mathrm{\&tau;}}{\mathrm{sin\&theta;}}_{a\mathrm{\&tau;}}}{x}=0---\left(9\right)$

不等式约束：χ_{min_j}≤χ_j≤χ_{max_j}(10)

$-P_{max\_l}\&le;P_{L_l}\&le;P_{max\_l},l\&Element;\{1,2,...,K\}---\left(11\right)$

x_min≤x≤x_max(12)

$\max \{{\mathrm{\&eta;}}_{\min }{P}_{\max \_k},\frac{V_a{V}_{\mathrm{\&tau;}}{\mathrm{sin\&theta;}}_{a\mathrm{\&tau;}}}{x_{\max }}\}\&le;P_{set\_L_u}\&le;\min \{{\mathrm{\&eta;}}_{\max }{P}_{\max \_k},\frac{V_a{V}_{\mathrm{\&tau;}}{\mathrm{sin\&theta;}}_{\mathrm{\&alpha;}\mathrm{\&tau;}}}{x_{\min }}\}---\left(13\right)$

式(7)表示最小化电力***的运行成本和TCSC投资成本；分别表示第i个节点t_i上的常规发电机组G_i的运行成本系数，α₀、α₁、α₂分别表示TCSC的成本系数，s表示流过TCSC的无功功率值，I表示流过TCSC的电流幅值，x表示TCSC的电抗值；

式(8)表示第j个节点t_j的功率平衡方程，ΔP_j表示第j个节点t_j的有功不平衡量；ΔQ_j表示第j个节点t_j的无功不平衡量；P_j表示第j个节点t_j的节点有功功率，Q_j表示第j个节点t_j的节点无功功率；第j个节点t_j的节点有功功率P_j表示由第j个节点t_j流向与第j个节点t_j相连的节点的有功功率之和，第j个节点t_j的节点无功功率Q_j表示由第j个节点t_j流向与第j个节点t_j相连的节点的无功功率之和；

式(9)表示将串补支路L_u的有功潮流控制为该式实现TCSC对支路有功潮流的控制作用；表示串补支路L_u的有功潮流期望值，θ_aτ表示第a个节点t_a的电压相角与第τ个节点t_τ的电压相角差；

式(10)表示第j个节点t_j的变量χ_j的取值范围，并有χ_{min_j}和χ_{max_j}分别为变量χ_j的最小值和最大值，并有 V_{max_j}和V_{min_j}分别表示第j个节点t_j的最大电压幅值和最小电压幅值，θ_{max_j}和θ_{min_j}分别表示第j个节点t_j的最大电压相角和最小电压相角，和分别表示第j个节点t_j上的常规发电机组G_j的最大有功功率和最小有功功率，和分别表示第j个节点t_j上的常规发电机组G_j的最大无功功率和最小无功功率；

式(11)表示第l个支路L_l上的有功潮流不能超过允许的最大有功潮流P_{max_l}；

式(12)表示TCSC的电抗值x的取值范围；x_max和x_min分别表示TCSC的最大电抗值和最小电抗值；

如图4所示，TCSC由旁路断路器、避雷器、电容、电阻、电抗、晶闸管组成，TCSC最大电抗值和最小电抗值x_max和x_min的取值受TCSC的组成元件(旁路断路器、避雷器、电容、电阻、电抗、晶闸管)的耐压、耐流能力的限制以及保护装置和***运行约束的影响，同时TCSC昂贵的成本对其串补范围也有所影响；

式(13)表示串补支路L_u的有功潮流期望值的取值范围；η_max和η_min分别表示串补支路L_u的有功潮流期望值与第k个支路L_k允许的最大有功潮流P_{max_k}之间比值的最大值和最小值；η_max和η_min能够限制串补支路L_u的有功潮流期望值不至于重载，η_max和η_min的大小受到输电线路自身条件和环境以及电力***运行条件的影响；

式(13)同时考虑了串补支路L_u的有功潮流期望值的取值低于重载同时还计及了TCSC的取值范围的影响：

考虑限制串补支路L_u的有功潮流期望值不至于重载，有式(14)：

${\mathrm{\&eta;}}_{min}{P}_{\max \_k}\&le;P_{set\_L_u}\&le;{\mathrm{\&eta;}}_{max}{P}_{\max \_k}---\left(14\right)$

考虑式(9)和式(12)，可以得到串补支路L_u的有功潮流期望值与TCSC的最大电抗值和最小电抗值x_max和x_min的关系如式(15)：

$\frac{V_a{V}_{\mathrm{\&tau;}}{\mathrm{sin\&theta;}}_{a\mathrm{\&tau;}}}{x_{max}}\&le;P_{set\_L_u}\&le;\frac{V_a{V}_{\mathrm{\&tau;}}{\mathrm{sin\&theta;}}_{a\mathrm{\&tau;}}}{x_{\min }}---\left(15\right)$

考虑串补支路L_u的有功潮流期望值的取值低于重载，同时计及TCSC取值范围的影响，联合式(14)和式(15)，得到串补支路L_u的有功潮流期望值最终的取值范围，即式(13)；

步骤8、根据改进的最优潮流模型，采用概率最优潮流方法，即采用步骤2的蒙特卡洛抽样方法对步骤2中的不确定因素取值再次进行Num次抽样，并对电力***进行Num次最优潮流计算，获得TCSC的电抗值x＝{x¹,x²,…,xⁿ,…,x^Num}；

概率最优潮流计算是对不确定因素多次抽样并进行多次最优潮流计算；概率最优潮流是指在最优潮流基础上，考虑电力***中的不确定因素，电力***的结构参数和负荷情况等都不再是某一给定值的情况下，寻找使得电力***性能指标最优时的电力***潮流分布；显然此时电力***的潮流不再是某一个取值；

根据改进的最优潮流模型进行Num次最优潮流计算是指在满足电力***运行约束条件下，寻找TCSC的电抗值和潮流分布，以达到控制串补支路L_u的有功潮流为的同时最小化电力***运行成本和TCSC投资成本的目的；

步骤9、利用式(16)获得TCSC的电抗值x的优化值

$\stackrel{\&OverBar;}{x}=\frac{1}{Num}\underset{n=1}{\overset{Num}{\mathrm{\&Sigma;}}}{x}^n---\left(16\right)$

由于不确定因素的影响，获得TCSC的电抗值x＝{x¹,x²,…,xⁿ,…,x^Num}不再是一个确定的值，每一次最优潮流计算得到的TCSC电抗值都是在该次不确定因素取值条件下得到的满足约束及目标的最优结果，而实际不确定因素具有随机性，不能采用任何一次计算结果来确定TCSC电抗值的最终取值，而TCSC电抗值的最终取值要由代表性，因此求取多次计算结果的期望值来表征实际需要的TCSC电抗值的最终取值，即式(16)；

步骤10、在第k个支路L_k的支路阻抗Z_k与节点t_a之间安装电抗值为的TCSC，从而实现TCSC优化配置方法。

以本发明的TCSC优化配置方法，选择的TCSC安装位置和TCSC安装容量(即TCSC的电抗值)，能够考虑电力***中不确定因素的多样性，利用TCSC控制潮流的同时兼顾了TCSC的投资成本；以本发明的TCSC优化配置方法，便于在不确定因素对电力***产生不利影响前及时安装TCSC，将有利于电力***更加安全地运行，对电力***的调度规划方案的制定也具有实际参考价值。

Claims (3)

1.一种基于概率潮流控制的TCSC优化配置方法，是应用于电力***中，所述电力***是由各发电设备产生电能并汇集至各母线上，由所述各母线提供电能给用电设备并传送电能至各输电线路，经过所述各输电线路的传输，将所述电能送至各配电母线上的用电设备；将所述各母线和各配电母线记为节点t；将所述节点t依次编号为t₁,t₂,…,t_i,…t_N；t_i表示第i个节点；1≤i≤N；N表示所述节点的总数；将所述各输电线路记为支路L；将所述支路L依次编号为L₁,L₂,…,L_k,…,L_K；L_k表示第k个支路；1≤k≤K；K表示所述支路的总数；将所述各节点t上的用电设备记为D₁,D₂,…,D_i,…D_N；D_i表示第i个节点t_i上的用电设备；所述发电设备包括常规发电机组和风力发电机组和光伏发电设备；将所述各节点t上的常规发电机组记为G₁,G₂,…,G_i,…G_N；G_i表示第i个节点t_i上的常规发电机组；将所述各节点t上的风力发电机组记为W₁,W₂,…,W_i,…W_N；W_i表示第i个节点t_i上的风力发电机组；将所述各节点t上的光伏发电设备记为S₁,S₂,…,S_i,…S_N；S_i表示第i个节点t_i上的光伏发电设备；

其特征是：所述优化配置方法是按如下步骤进行：

步骤1、获取原始数据：

从所述电力***中获取由第i个节点t_i上的节点数据和第k个支路L_k上的支路数据构成的原始数据；从而获取N个节点上的原始数据和K个支路上的原始数据；

所述第i个节点t_i上的节点数据包括：第i个节点t_i上的电压幅值V_i、第i个节点t_i上的电压相角θ_i；第i个节点t_i上的常规发电机组G_i的有功功率第i个节点t_i上的常规发电机组G_i的无功功率第i个节点t_i上的常规发电机组G_i的故障率第i个节点t_i上的风力发电机组W_i的额定有功功率第i个节点t_i上的风力发电机组W_i的功率因数角第i个节点t_i上的光伏发电设备S_i的光照总面积第i个节点t_i上的光伏发电设备S_i的光电转换效率第i个节点t_i上的光伏发电设备S_i的功率因数角第i个节点t_i上的用电设备的有功功率的均值第i个节点t_i上的用电设备的有功功率的方差第i个节点t_i上的用电设备的功率因数角

所述第k个支路L_k上的支路数据包括：第k个支路L_k上的阻抗Z_k；第k个支路L_k上的允许通过的最大有功功率P_{max_k}；第k个支路L_k的故障率

步骤2、采用蒙特卡洛抽样方法获得不确定因素的取值；所述不确定因素包括：常规发电机组的实际有功功率和实际无功功率、风力发电机组的有功功率和无功功率、光伏发电设备的有功功率和无功功率、用电设备的有功功率和无功功率以及支路的运行状态；

步骤3、采用所述蒙特卡洛抽样方法对所述不确定因素的取值进行Num次抽样，并对所述电力***进行Num次潮流计算，获得所述K个支路上的有功潮流 表示第n次潮流计算所获得的K个支路上的有功潮流；1≤n≤Num；

步骤4、利用式(1)获得所述第k个支路L_k的载荷率从而获得所述K个支路上的载荷率：

${\mathrm{\&xi;}}_{L_k}=\frac{\left|\frac{1}{Num}\underset{n=1}{\overset{Num}{\mathrm{\&Sigma;}}}{P}_{L_k}^n\right|}{P_{\max \_k}}\&times;100\%---\left(1\right)$

步骤5、定义表示第k个支路L_k达到重载时的载荷率；当满足时，选取第k个支路L_k作为安装TCSC的支路；

步骤6、假设与所述第k个支路L_k两端相连的两个节点分别为t_a和t_b；在所述第k个支路L_k上，支路阻抗Z_k处于所述节点t_a和节点t_b之间，在所述支路阻抗Z_k与所述节点t_a之间或所述支路阻抗Z_k与所述节点t_b之间安装所述TCSC，从而在所述支路阻抗Z_k与所述TCSC之间形成串补节点t_τ；在所述串补节点t_τ与所述节点t_a之间或所述串补节点t_τ与所述节点t_b之间形成串补支路L_u；

步骤7、建立改进的最优潮流模型；

步骤8、根据所述改进的最优潮流模型，采用所述蒙特卡洛抽样方法对所述不确定因素取值再次进行Num次抽样，并对所述电力***进行Num次最优潮流计算，获得所述TCSC的电抗值x＝{x¹,x²,…,xⁿ,…,x^Num}；

步骤9、利用式(2)获得所述TCSC的电抗值x的优化值

$\stackrel{\&OverBar;}{x}=\frac{1}{Num}\underset{n=1}{\overset{Num}{\mathrm{\&Sigma;}}}{x}^n---\left(2\right)$

步骤10、在所述第k个支路L_k的支路阻抗Z_k与所述节点t_a之间安装电抗值为的TCSC，从而实现TCSC优化配置方法。

2.根据权利要求1所述的基于概率潮流控制的TCSC优化配置方法，其特征是，所述步骤2是按如下步骤进行：

步骤2.1、获得第i个节点t_i上的常规发电机组G_i的实际有功功率和第i个节点t_i上的常规发电机组G_i的实际无功功率从而获得N个节点上的常规发电机组的实际有功功率和实际无功功率：

步骤2.1.1、生成N个服从0～1之间均匀分布的随机数，记为ε₁,ε₂,…,ε_i,…ε_N；ε_i表示第i个随机数；

步骤2.1.2、利用式(3)获得所述第i个节点t_i上的常规发电机组G_i的实际有功功率和第i个节点t_i上的常规发电机组G_i的实际无功功率从而获得N个节点上的常规发电机组的实际有功功率和实际无功功率：

$\&lsqb;P_{G_i}^{\&prime;},Q_{G_i}^{\&prime;}\&rsqb;=\left\{\begin{array}{c}\&lsqb;P_{G_i},Q_{G_i}\&rsqb;,{\mathrm{\&epsiv;}}_i>{\mathrm{\&lambda;}}_{G_i}\\ \&lsqb;0,0\&rsqb;,{\mathrm{\&epsiv;}}_i\&le;{\mathrm{\&lambda;}}_{G_i}\end{array}\right.---\left(3\right)$

步骤2.2、获得第i个节点t_i上的风力发电机组W_i的有功功率和第i个节点t_i上的风力发电机组W_i的无功功率从而获得N个节点上的风力发电机组的有功功率和无功功率：

步骤2.2.1、生成N个服从独立标准正态分布的随机数；

步骤2.2.2、采用正交变换和半经验公式的方法处理所述N个服从独立标准正态分布的随机数，获得N个服从威布尔分布且具有相关性的随机变量；

步骤2.2.3、令第i个节点t_i上的风力发电机组W_i的风速v_i等于所述N个服从威布尔分布且具有相关性的随机变量中的第i个变量；从而获得N个节点上的风力发电机组的风速；

步骤2.2.4、利用式(4)获得所述第i个节点t_i上的风力发电机组W_i的有功功率从而获得N个节点上的风力发电机组的有功功率：

$P_{W_i}=\left\{\begin{array}{cc}0& v_i<v_{c\_i},v_i>v_{o\_i}\\ \frac{v_i^{m_i}-v_{c\_i}^{m_i}}{v_{r\_i}^{m_i}-v_{c\_i}^{m_i}}{P}_{r\_W_i}& v_{c\_i}\&le;v_i<v_{r\_i}\\ P_{r\_W_i}& v_{r\_i}\&le;v_i\&le;v_{o\_i}\end{array}\right.---\left(4\right)$

式(4)中，v_{c_i}表示第i个节点t_i上的风力发电机组W_i的切入风速，v_{o_i}表示第i个节点t_i上的风力发电机组W_i的切出风速，v_{r_i}表示第i个节点t_i上的风力发电机组W_i的额定风速，m_i表示第i个节点t_i上的风力发电机组W_i的由风速求取有功功率的系数；

步骤2.2.5、利用式(5)获得所述第i个节点t_i上的风力发电机组W_i的无功功率从而获得N个节点上的风力发电机组的无功功率：

步骤2.3、获得第i个节点t_i上的光伏发电设备S_i的有功功率和第i个节点t_i上的光伏发电设备S_i的无功功率从而获得N个节点上的光伏发电设备的有功功率和无功功率：

步骤2.3.1、生成N个服从贝塔分布的随机数；

步骤2.3.2、令第i个节点t_i上的光伏发电设备S_i的光照强度等于所述N个服从贝塔分布的随机数中的第i个随机数；从而获得N个节点上的光伏发电设备的光照强度；

步骤2.3.3、利用式(6)获得所述第i个节点t_i上的光伏发电设备S_i的有功功率和第i个节点t_i上的光伏发电设备S_i的无功功率从而获得N个节点上的光伏发电设备的有功功率和无功功率：

步骤2.4、获得第i个节点t_i上的用电设备的有功功率和第i个节点t_i上的用电设备的无功功率从而获得N个节点上的用电设备的有功功率和无功功率：

步骤2.4.1、再次生成N个服从独立标准正太分布的随机数；

步骤2.4.2、采用正交变换的方法处理所述再次生成的N个服从独立标准正太分布的随机数，获得N个具有相关性的正态随机变量，在所述N个具有相关性的正态随机变量中，第i个随机变量的均值为且第i个随机变量的方差为

步骤2.4.3、令第i个节点t_i上的用电设备的有功功率等于所述步骤2.4.2中的N个随机变量的第i个随机变量；从而获得N个节点上的用电设备的有功功率；

步骤2.4.4、利用式(7)获得第i个节点t_i上的用电设备的无功功率从而获得N个节点上的用电设备的无功功率：

步骤2.5、获得第k个支路L_k的运行状态；从而获得K个支路的运行状态，所述运行状态为正常状态或故障状态：

步骤2.5.1、再次生成K个服从0～1之间均匀分布的随机数；

步骤2.5.2、比较所述再次生成的K个服从0～1之间均匀分布的随机数中的第k个随机数与所述第k个支路L_k的故障率的大小，若所述再次生成的K个服从0～1之间均匀分布的随机数中的第k个随机数大于所述第k个支路L_k的故障率则第k个支路L_k的运行状态为正常状态；若所述再次生成的K个服从0～1之间均匀分布的随机数中的第k个随机数小于等于所述第k个支路L_k的故障率则第k个支路L_k的运行状态为故障状态；从而获得第k个支路L_k的运行状态；进而获得K个支路的运行状态。

3.根据权利要求2所述的基于概率潮流控制的TCSC优化配置方法，其特征是，所述步骤7是按如下步骤进行：

假设在所述第k个支路L_k的支路阻抗Z_k与所述节点t_a之间安装所述TCSC；利用式(8)-式(14)获得改进的最优潮流模型：

目标函数：

等式约束：

$P_{set\_L_u}-\frac{V_a{V}_{\mathrm{\&tau;}}{\mathrm{sin\&theta;}}_{a\mathrm{\&tau;}}}{x}=0---\left(10\right)$

不等式约束：χ_{min_j}≤χ_j≤χ_{max_j}(11)

$-P_{max\_l}\&le;P_{L_l}\&le;P_{max\_l},l\&Element;\{1,2,...,K\}---\left(12\right)$

x_min≤x≤x_max(13)

$max\{{\mathrm{\&eta;}}_{min}{P}_{\max \_k},\frac{V_a{V}_{\mathrm{\&tau;}}{\mathrm{sin\&theta;}}_{a\mathrm{\&tau;}}}{x_{\max }}\}\&le;P_{set\_L_u}\&le;min\{{\mathrm{\&eta;}}_{max}{P}_{\max \_k},\frac{V_a{V}_{\mathrm{\&tau;}}{\mathrm{sin\&theta;}}_{a\mathrm{\&tau;}}}{x_{min}}\}---\left(14\right)$

式(8)表示最小化电力***的运行成本和TCSC投资成本；分别表示第i个节点t_i上的常规发电机组G_i的运行成本系数，α₀、α₁、α₂分别表示所述TCSC的成本系数，s表示流过所述TCSC的无功功率值，I表示流过所述TCSC的电流幅值，x表示所述TCSC的电抗值；

式(9)表示第j个节点t_j的功率平衡方程，ΔP_j表示所述第j个节点t_j的有功不平衡量；ΔQ_j表示所述第j个节点t_j的无功不平衡量；P_j表示所述第j个节点t_j的节点有功功率，Q_j表示所述第j个节点t_j的节点无功功率；

式(10)表示将串补支路L_u的有功潮流控制为表示所述串补支路L_u的有功潮流期望值，θ_aτ表示第a个节点t_a的电压相角与第τ个节点t_τ的电压相角差；

式(11)表示第j个节点t_j的变量χ_j的取值范围，并有χ_{min_j}和χ_{max_j}分别为变量χ_j的最小值和最大值，并有 V_{max_j}和V_{min_j}分别表示第j个节点t_j的最大电压幅值和最小电压幅值，θ_{max_j}和θ_{min_j}分别表示第j个节点t_j的最大电压相角和最小电压相角，和分别表示第j个节点t_j上的常规发电机组G_j的最大有功功率和最小有功功率，和分别表示第j个节点t_j上的常规发电机组G_j的最大无功功率和最小无功功率；

式(12)表示第l个支路L_l上的有功潮流不能超过允许的最大有功潮流P_{max_l}；

式(13)表示所述TCSC的电抗值x的取值范围；x_max和x_min分别表示所述TCSC的最大电抗值和最小电抗值；

式(14)表示所述串补支路L_u的有功潮流期望值的取值范围；η_max和η_min分别表示所述串补支路L_u的有功潮流期望值与所述第k个支路L_k允许的最大有功潮流P_{max_k}之间比值的最大值和最小值。