CN105048451B - 一种基于新能源发电量区间预测的区间潮流计算方法 - Google Patents
一种基于新能源发电量区间预测的区间潮流计算方法 Download PDFInfo
- Publication number
- CN105048451B CN105048451B CN201510372963.9A CN201510372963A CN105048451B CN 105048451 B CN105048451 B CN 105048451B CN 201510372963 A CN201510372963 A CN 201510372963A CN 105048451 B CN105048451 B CN 105048451B
- Authority
- CN
- China
- Prior art keywords
- mrow
- mover
- msub
- msup
- interval
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 4
- 238000000205 computational method Methods 0.000 title abstract 2
- 230000006870 function Effects 0.000 claims description 48
- 238000010248 power generation Methods 0.000 claims description 46
- 238000004364 calculation method Methods 0.000 claims description 40
- 238000000034 method Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000004913 activation Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 3
- 239000002243 precursor Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- OAKJQQAXSVQMHS-UHFFFAOYSA-N Hydrazine Chemical compound NN OAKJQQAXSVQMHS-UHFFFAOYSA-N 0.000 claims 1
- 230000000452 restraining effect Effects 0.000 abstract 1
- 238000005286 illumination Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
Abstract
本发明公开了一种基于新能源发电量区间预测的区间潮流计算方法,包括以下步骤(1)采集参数数据发电量历史数据;(2)构造区间二型模糊逻辑***;(3)初始参数输入到***中,输出得到区间二型模糊预测集合;(4)构建区间潮流计算模型;(5)将集合作为区间潮流计算模型初次迭代区间,计算得到Krawczyk‑Moore算子,并用Krawczyk‑Moore算子和初始区间求交集,得到新的区间并将其作为第二次迭代的初始区间,判断该区间宽度是否满足收敛条件,若满足则输出区间,若不满足则返回步骤(4)进行下一次迭代。本发明避免人为规定初始区间所造成的区间迭代的不收敛,收敛过快或过慢问题,从而提高了计算的精确度。
Description
技术领域
本发明涉及一种基于新能源发电量区间预测的区间潮流计算方法,属于新能源发电领域。
背景技术
随着化石能源的逐渐枯竭,对环境污染与气候恶化所产生的重要影响,太阳能以及风电、光伏等可再生能源等新型发电技术的发展,可再生新能源发电成为满足负荷增长需求、减少环境污染、提高能源综合利用效率和供电可靠性的一种有效途径,在电网中得到广泛的应用。可再生能源发电主要利用太阳能、生物质能、风能、水能、波浪能等,受地理条件、天气情况和外部环境等因素的影响,这些可再生电源的发电量输出具有间歇性和随机性,难以得到精确的输出结果,可以通过模糊预测得到发电量预测区间。因而,传统的电力潮流计算成为含区间量的潮流计算,即区间潮流计算。
发明内容
针对现有技术存在的不足,本发明目的是提供一种基于新能源发电量区间预测的区间潮流计算方法,利用区间二型模糊逻辑处理不确定性问题的能力,得到新能源发电量的区间二型模糊预测集合,其中,区间二型模糊预测集合,明确了发电量的波动区间范围,该区间可以为区间潮流计算中的初始迭代区间,避免人为规定初始区间所造成的区间迭代的不收敛,收敛过快,收敛过慢等问题,从而提高了计算的精确度。
为了实现上述目的,本发明是通过如下的技术方案来实现:
本发明的一种基于新能源发电量区间预测的区间潮流计算方法,包括以下几个步骤:(1)采集分布式发电***的参数数据(以光伏发电***为例,参数数据为光照强度、环境温度、湿度)以及分布式发电量历史数据(以光伏发电***为例,历史数据为历史光照强度、历史环境温度、历史湿度和历史光伏电源发电量);(2)将步骤(1)中的参数数据作为输入,步骤(1)中的分布式发电量历史数据作为输出,构造区间二型模糊逻辑***,并设置所述区间二型模糊逻辑***的初始参数(以光伏发电***为例,初始参数有光照强度、环境温度、湿度);(3)训练所述区间二型模糊逻辑***,即将采集到的实时参数数据(以光伏发电***为例,将实时光照强度、实时环境温度、实时湿度)作为初始参数(初始光照强度,初始环境温度,初始湿度)输入到所构造的区间二型模糊逻辑***中,输出得到分布式电源发电量区间二型模糊预测集合;(4)构建区间潮流计算模型;(5)将步骤(3)得到的分布式电源发电量区间二型模糊预测集合作为区间潮流计算模型初次迭代区间,得到雅克比矩阵的区间扩展,根据Krawczyk-Moore算子定义计算得到Krawczyk-Moore算子,并用所述Krawczyk-Moore算子和初始迭代区间求交集,得到新的区间并将其作为第二次迭代的初始区间,然后判断该区间宽度是否满足收敛条件,若满足收敛条件,则输出区间,若不满足收敛条件则返回步骤(4)进行下一次迭代。
步骤(2)中,所述区间二型模糊逻辑***的构造方法如下:(2-1)设计模糊器:模糊器即通过一个主隶属度函数得到模糊区间,该主隶属度函数由上、下隶属度函数构成,所述分布式电源发电量区间二型模糊预测集合的主隶属函数选取均方差不确定的高斯函数,上、下隶属度函数如下式所示,模型有三个输入、一个输出,
其中,是输入精确值,是均方差变化范围,K=1,2…p是输入维数,xk∈X是***输入;
(2-2)构造规则库:规则前、后件都选取分布式电源发电量区间二型模糊预测集合,主隶属函数是均值不确定的高斯函数,规则形式如下式:
其中是规则前件集合,y∈Y是规则输出,是后件集合,l=1,2…M,M是规则总数;
(2-3)构造推理机:推理过程如下式,参与计算的是分布式电源发电量区间二型模糊预测集合的上、下隶属度函数
其中:*是t-范数,取最小算子,分别是后件集合的上、下隶属度函数,分别是激活集合的上、下隶属度函数,
(2-4)由步骤(2-2)和(2-3)得到此多输入单输出多条模糊规则***的推理模型为:
取η,u,v为分布式发电***的参数数据,y为预测发电量,参数数据集合,为发电量集合,均为分布式电源发电量区间二型模糊预测集合,其中,由于采用中心集降型法,选为用质心所表示的区间集合,则的表达式可以写为下述的一个区间数:
(2-5)设计降型器:采用中心集降型方法,将各规则发电量集合用质心来代替,然后求质心的加权平均值,最终得到质心区间,具体表达式为:
式中:分别是各规则发电量集合质心的上、下界,分别是激活集合的上、下界,L、R是阈值。
步骤(4)中,所述区间潮流计算模型的构建方法如下:
为雅克比矩阵的区间扩展,代表电压相角的区间形式,代表电压幅值的区间形式,代表电压相角下界上界,是电压幅值的下界上界,是雅克比矩阵元素的区间形式,代表电压相角对有功的影响,是雅克比矩阵元素的区间形式,代表电压幅值对有功影响,是雅克比矩阵元素的区间形式,代表电压相角对无功的影响,是雅克比矩阵元素的区间形式,代表电压幅值对无功的影响分别是上述四个雅克比矩阵元素的区间形式的下界和上界。;
以子阵为例进行分析说明,
其中,代表节点i处,有功功率的偏移量,代表节点i处的电压相角区间形式,代表节点i处的电压幅值区间形式、代表节点j处的电压幅值区间形式,Gij代表节点i、j之间阻抗的实部,代表节点i和节点j之间相角差的区间形式,Bij节点i、j之间阻抗的虚部,代表节点j处的电压相角区间形式。
可看出和具有强相关性,独立考虑会增大区间范围,因此:
步骤(5)中,一次迭代Krawczyk-Moore算子的计算方法如下:
将Xcos作为初始区间X0
其中
I为单位阵,是自变量的区间形式,m为取区间数中点的中点函数,Pi为节点i处的有功功率,Qi为节点i处的无功功率。
步骤(5)中,利用Krawcyzk-Moore算子与初始区间x0求交集,得到新的区间x1:
其中,k代表了迭代次数,xk+1,xk分别代表第k+1和k次自变量的区间,Kk代表第k次的K-M算子。
步骤(5)中,所述收敛条件为且
其中,ω代表收敛系数,分别代表了第k+1和k次自变量的区间上界和下界。
本发明的有益效果在于:与现有考虑不确定性的潮流计算相比,本发明所用区间量来描述不确定量更切合实际情况,利用区间二型模糊逻辑***来得到初始迭代区间,避免了认为根据经验来设定初始区间造成的迭代收敛的一系列问题,而且节约了迭代时间,更适用于大型***;Krawczyk-Moore算子的适用,具有全局收敛性,它不仅给出了一个区间解,并且考虑了估计误差;区间二型模糊逻辑***和区间迭代法的结合使用,不仅可以成功的得到考虑不确定性的潮流计算解,而且解决了区间迭代法本身的一些缺点,具有较强的工程实际使用意义。
附图说明
图1为本发明的基于新能源发电量区间预测的区间潮流计算方法工作流程图;
图2为基于区间二型模糊逻辑***的发电量预测结构图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
参见图1,本发明的一种基于新能源发电量区间预测的区间潮流计算方法,包括以下几个步骤:
(1)采用多输入单输出方式,采集分布式发电***的参数数据以及分布式发电量历史数据;
(2)将参数数据作为输入,发电量作为输出,构造区间二型模糊逻辑***,设置***的初始参数;
(3)训练区间二型模糊逻辑***,将采集到的实时参数数据作为初始参数输入到所构造的区间二型模糊逻辑***中,输出得到分布式电源发电量区间二型模糊预测集合;
(4)构建区间潮流计算模型;
(5)将步骤(3)得到的分布式电源发电量区间二型模糊预测集合作为区间潮流计算模型初次迭代区间,得到雅克比矩阵的区间扩展,计算得到Krawczyk-Moore算子,并用Krawczyk-Moore算子和初始区间求交集,得到新的区间并将其作为第二次迭代的初始区间,判断该区间宽度是否满足收敛条件,若满足则输出区间,若不满足则返回步骤(4)进行下一次迭代。
参见图2,区间二型模糊逻辑***的构造方法如下:
A设计模糊器:模糊器将输入精确值转化为区间二型模糊预测集合,以充分处理电力负荷所具有的强不确定性。区间二型模糊预测集合的主隶属函数选取均方差不确定的高斯函数,上、下隶属度函数如下式所示。模型有3个输入、1个输出。
其中,是输入精确值,是均方差变化范围,K=1,2…p是输入维数。B构造规则库:规则前、后件都选取区间二型模糊预测集合,主隶属函数是均值不确定的高斯函数,规则形式如下式:
其中xk∈X是***输入,是规则前件集合y∈Y是规则输出,是后件集合。l=1,2…M,M是规则总数。
C构造推理机:对于区间二型Mamdani模糊模型,推理过程如下式,参与计算的是集合的上、下隶属度函数。
其中:*是t-范数,取最小算子,分别是后件集合的上、下隶属度函数,分别是激活集合的上、下隶属度函数。
D由过程(2)和(3)得到此多输入单输出多条模糊规则***的推理模型为:
取x,u,v为参数数据,y为预测发电量,参数数据集合,为发电量集合。均为区间二型模糊预测集合,其中由于采用中心集降型法选为用质心所表示的区间集合,则的表达式为:
E设计降型器:采用中心集降型方法,将各规则发电量集合用质心来代替,然后求质心的加权平均值,最终得到质心区间。计算中采用Karnik和Mendel提出的简化,具体表达式为:
式中:分别是各规则发电量集合质心的上、下界,分别是激活集合的上、下界,L、R是阈值。
步骤(4)中,区间潮流计算模型的构建方法如下:
为雅克比矩阵的区间扩展;
以子阵为例进行分析说明。
可看出和具有强相关性,独立考虑会增大区间范围,因此:
步骤(5)中,一次迭代Krawczyk-Moore算子的计算方法如下:
将Xcos作为初始区间x0
其中
I为单位阵。
步骤(5)中,利用Krawcyzk-Moore算子与初始区间x0求交集,得到新的区间X:
步骤(5)中,收敛条件为且
本实施例中,对于参数数据采用均方差不确定的高斯函数作为其上、下隶属度函数,将输入的精确值模糊化为单值二型模糊集合。区间二型模糊逻辑***的规则采用“IF-THEN”形式,Mamdani推理模型。由输入和规则前件产生激活集合,再由激活集合与后件集合计算输出,参与计算的是各集合的上、下隶属度函数。推理过程包括计算适配度、求激励强度、求有效的后件隶属度函数和求总输出隶属度函数。采用中心集降型方法,将各规则发电量集合用质心来代替,然后求质心的加权平均值,最终得到质心区间。使用区间量来描述潮流计算中的不确定性,简单而切合实际,而在上文中得到的质心区间可以作为区间潮流计算的初始区间。根据牛顿法的计算公式,以及网络拓扑结构,求得潮流计算中雅克比矩阵各元素的区间拓展。根据区间迭代法和上文中的雅克比矩阵区间扩展,与上文中的初始区间,得到Krawczyk-Moore算子,然后求出K-M算子与初始区间的交集,将其作为第二次迭代的初始区间,并判断是否满足收敛条件。
由于分布式发电机的发电量难以建立精确的数学模型,准确地预测发电量存在很大的难度。本发明采用区间来描述不确定量,简单直接,且比概率潮流更符合实际情况,计算量更小。本发明所述的区间二型模糊逻辑***无需建立精确的数学模型,利用语言形式的规则库描述不确定性信息逻辑,按照隶属函数模糊程度构造推理机,适合分布式电源发电量不确定性的特点。本发明采用基于牛顿法的区间迭代法,具有较好的鲁棒性,且可以全局收敛;采用从区间二型模糊预测集合作为初值,避免了初值问题引起的对分问题,简化了收敛过程。本发明提出的基于区间二型模糊逻辑***的区间潮流计算方法,可以进行准确的区间潮流计算,且解决了区间迭代法本身的收敛过快、过慢、不收敛的问题,具有较高的实用价值。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种基于新能源发电量区间预测的区间潮流计算方法,其特征在于,包括以下几个步骤:
(1)采集分布式发电***的参数数据以及分布式发电量历史数据;
(2)将步骤(1)中的参数数据作为输入,步骤(1)中的分布式发电量历史数据作为输出,构造区间二型模糊逻辑***,并设置所述区间二型模糊逻辑***的初始参数;
(3)训练所述区间二型模糊逻辑***,即将采集到的实时参数数据作为初始参数输入到所构造的区间二型模糊逻辑***中,输出得到分布式电源发电量区间二型模糊预测集合;
(4)构建区间潮流计算模型;
(5)将步骤(3)得到的分布式电源发电量区间二型模糊预测集合作为区间潮流计算模型初次迭代区间,得到雅克比矩阵的区间扩展,根据Krawczyk-Moore算子定义计算得到Krawczyk-Moore算子,并用所述Krawczyk-Moore算子和初始迭代区间求交集,得到新的区间并将其作为第二次迭代的初始区间,然后判断该区间宽度是否满足收敛条件,若满足收敛条件,则输出区间,若不满足收敛条件则返回步骤(4)进行下一次迭代。
2.根据权利要求1所述的基于新能源发电量区间预测的区间潮流计算方法,其特征在于,步骤(2)中,所述区间二型模糊逻辑***的构造方法如下:
(2-1)设计模糊器:模糊器即通过一个主隶属度函数得到模糊区间,该主隶属度函数由上、下隶属度函数构成,所述分布式电源发电量区间二型模糊预测集合的主隶属函数选取均方差不确定的高斯函数,上、下隶属度函数如下式所示,模型有三个输入、一个输出,
<mrow>
<msub>
<mover>
<mi>u</mi>
<mo>&OverBar;</mo>
</mover>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>exp</mi>
<mo>&lsqb;</mo>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>x</mi>
<mi>k</mi>
<mo>*</mo>
</msubsup>
</mrow>
<msub>
<mover>
<mi>&sigma;</mi>
<mo>&OverBar;</mo>
</mover>
<mi>k</mi>
</msub>
</mfrac>
<mo>)</mo>
<mo>^</mo>
<mn>2</mn>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<msub>
<munder>
<mi>u</mi>
<mo>&OverBar;</mo>
</munder>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>exp</mi>
<mo>&lsqb;</mo>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>x</mi>
<mi>k</mi>
<mo>*</mo>
</msubsup>
</mrow>
<msub>
<munder>
<mi>&sigma;</mi>
<mo>&OverBar;</mo>
</munder>
<mi>k</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mo>^</mo>
<mn>2</mn>
<mo>&rsqb;</mo>
</mrow>
其中,是输入精确值,是均方差变化范围,K=1,2...p是输入维数,xk∈X是***输入;
(2-2)构造规则库:规则前、后件都选取分布式电源发电量区间二型模糊预测集合,主隶属函数是均值不确定的高斯函数,规则形式如下式:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>I</mi>
<mi>F</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mi>i</mi>
<mi>s</mi>
<msubsup>
<mover>
<mi>F</mi>
<mo>~</mo>
</mover>
<mn>1</mn>
<mi>l</mi>
</msubsup>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mo>...</mo>
<mo>...</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mi>i</mi>
<mi>s</mi>
<msubsup>
<mover>
<mi>F</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
<mi>l</mi>
</msubsup>
<mo>...</mo>
<mo>...</mo>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mi> </mi>
<msub>
<mi>x</mi>
<mi>p</mi>
</msub>
<mi>i</mi>
<mi>s</mi>
<msubsup>
<mover>
<mi>F</mi>
<mo>~</mo>
</mover>
<mi>p</mi>
<mi>l</mi>
</msubsup>
<mo>,</mo>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>n</mi>
<mi> </mi>
<mi>y</mi>
<mi> </mi>
<mi>i</mi>
<mi>s</mi>
<msup>
<mover>
<mi>G</mi>
<mo>~</mo>
</mover>
<mi>l</mi>
</msup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中是规则前件集合,y∈Y是规则输出,是后件集合,l=1,2...M,M是规则总数;
(2-3)构造推理机:推理过程如下式,参与计算的是分布式电源发电量区间二型模糊预测集合的上、下隶属度函数
<mrow>
<msub>
<mi>u</mi>
<msup>
<mover>
<mi>G</mi>
<mo>~</mo>
</mover>
<mi>l</mi>
</msup>
</msub>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mo>&Integral;</mo>
<mrow>
<msup>
<mi>b</mi>
<mi>l</mi>
</msup>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<msup>
<munder>
<mi>f</mi>
<mo>&OverBar;</mo>
</munder>
<mi>l</mi>
</msup>
<mo>*</mo>
<msub>
<munder>
<mi>u</mi>
<mo>&OverBar;</mo>
</munder>
<msup>
<mover>
<mi>G</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>l</mi>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</msup>
</msub>
<mo>,</mo>
<msup>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
<mi>l</mi>
</msup>
<mo>*</mo>
<msub>
<mover>
<mi>u</mi>
<mo>&OverBar;</mo>
</mover>
<msup>
<mover>
<mi>G</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>l</mi>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</msup>
</msub>
<mo>&rsqb;</mo>
</mrow>
</msub>
<mfrac>
<mn>1</mn>
<msup>
<mi>b</mi>
<mi>l</mi>
</msup>
</mfrac>
<mi>y</mi>
<mo>&Element;</mo>
<mi>Y</mi>
</mrow>
其中:*是t-范数,取最小算子,分别是后件集合的上、下隶属度函数, f l分别是激活集合的上、下隶属度函数,
(2-4)由步骤(2-2)和(2-3)得到此多输入单输出多条模糊规则***的推理模型为:
取η,u,v为分布式发电***的参数数据,y为预测发电量,参数数据集合,为发电量集合,均为分布式电源发电量区间二型模糊预测集合,其中,由于采用中心集降型法,选为用质心所表示的区间集合,则的表达式可以写为下述的一个区间数:
<mrow>
<msup>
<mi>y</mi>
<mi>l</mi>
</msup>
<mo>=</mo>
<mo>&lsqb;</mo>
<msup>
<munder>
<mi>y</mi>
<mo>&OverBar;</mo>
</munder>
<mi>l</mi>
</msup>
<mo>,</mo>
<msup>
<mover>
<mi>y</mi>
<mo>&OverBar;</mo>
</mover>
<mi>l</mi>
</msup>
<mo>&rsqb;</mo>
</mrow>
(2-5)设计降型器:采用中心集降型方法,将各规则发电量集合用质心来代替,然后求质心的加权平均值,最终得到质心区间,具体表达式为:
<mrow>
<msub>
<mi>X</mi>
<mi>cos</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<munder>
<mi>y</mi>
<mo>&OverBar;</mo>
</munder>
<mo>,</mo>
<mover>
<mi>y</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mfrac>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</munderover>
<msup>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
<mi>l</mi>
</msup>
<munder>
<msup>
<mi>y</mi>
<mi>l</mi>
</msup>
<mo>&OverBar;</mo>
</munder>
<mo>+</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mi>L</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<munder>
<msup>
<mi>f</mi>
<mi>l</mi>
</msup>
<mo>&OverBar;</mo>
</munder>
<munder>
<msup>
<mi>y</mi>
<mi>l</mi>
</msup>
<mo>&OverBar;</mo>
</munder>
</mrow>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</munderover>
<msup>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
<mi>l</mi>
</msup>
<mo>+</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mi>L</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<munder>
<msup>
<mi>f</mi>
<mi>l</mi>
</msup>
<mo>&OverBar;</mo>
</munder>
</mrow>
</mfrac>
<mo>,</mo>
<mfrac>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>R</mi>
</munderover>
<munder>
<msup>
<mi>f</mi>
<mi>l</mi>
</msup>
<mo>&OverBar;</mo>
</munder>
<msup>
<mover>
<mi>y</mi>
<mo>&OverBar;</mo>
</mover>
<mi>l</mi>
</msup>
<mo>+</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mi>L</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msup>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
<mi>l</mi>
</msup>
<msup>
<mover>
<mi>y</mi>
<mo>&OverBar;</mo>
</mover>
<mi>l</mi>
</msup>
</mrow>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>R</mi>
</munderover>
<munder>
<msup>
<mi>f</mi>
<mi>l</mi>
</msup>
<mo>&OverBar;</mo>
</munder>
<mo>+</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mi>R</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msup>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
<mi>l</mi>
</msup>
</mrow>
</mfrac>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
式中:yl 、分别是各规则发电量集合质心的上、下界,fl 、分别是激活集合的上、下界,M、L、R是阈值。
3.根据权利要求2所述的基于新能源发电量区间预测的区间潮流计算方法,其特征在于,步骤(4)中,所述区间潮流计算模型的构建方法如下:
<mrow>
<mover>
<mi>x</mi>
<mo>~</mo>
</mover>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
</mtd>
</mtr>
<mtr>
<mtd>
<mover>
<mi>U</mi>
<mo>~</mo>
</mover>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<munder>
<mi>&theta;</mi>
<mo>&OverBar;</mo>
</munder>
<mo>,</mo>
<mover>
<mi>&theta;</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<munder>
<mi>U</mi>
<mo>&OverBar;</mo>
</munder>
<mo>,</mo>
<mover>
<mi>U</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<msup>
<mi>F</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mover>
<mi>x</mi>
<mo>~</mo>
</mover>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>-</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mover>
<mi>H</mi>
<mo>~</mo>
</mover>
</mtd>
<mtd>
<mover>
<mi>N</mi>
<mo>~</mo>
</mover>
</mtd>
</mtr>
<mtr>
<mtd>
<mover>
<mi>K</mi>
<mo>~</mo>
</mover>
</mtd>
<mtd>
<mover>
<mi>L</mi>
<mo>~</mo>
</mover>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mo>-</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<munder>
<mi>H</mi>
<mo>&OverBar;</mo>
</munder>
<mo>,</mo>
<mover>
<mi>H</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<munder>
<mi>N</mi>
<mo>&OverBar;</mo>
</munder>
<mo>,</mo>
<mover>
<mi>N</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<munder>
<mi>K</mi>
<mo>&OverBar;</mo>
</munder>
<mo>,</mo>
<mover>
<mi>K</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<munder>
<mi>L</mi>
<mo>&OverBar;</mo>
</munder>
<mo>,</mo>
<mover>
<mi>L</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
为雅克比矩阵的区间扩展,代表电压相角的区间形式,代表电压幅值的区间形式,θ,代表电压相角下界上界,U,是电压幅值的下界上界,是雅克比矩阵元素的区间形式,代表电压相角对有功的影响,是雅克比矩阵元素的区间形式,代表电压幅值对有功影响,是雅克比矩阵元素的区间形式,代表电压相角对无功的影响,是雅克比矩阵元素的区间形式,代表电压幅值对无功的影响H, K, N, L,分别是上述四个雅克比矩阵元素的区间形式的下界和上界;
以子阵为例进行分析说明,
<mrow>
<msub>
<mover>
<mi>H</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mo>&part;</mo>
<mi>&Delta;</mi>
<msub>
<mover>
<mi>P</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>=</mo>
<msub>
<mover>
<mi>U</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>&NotEqual;</mo>
<mi>i</mi>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mover>
<mi>U</mi>
<mo>~</mo>
</mover>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>sin</mi>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>cos</mi>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mover>
<mi>H</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mo>&part;</mo>
<mi>&Delta;</mi>
<msub>
<mover>
<mi>P</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mi>j</mi>
</msub>
</mrow>
</mfrac>
<mo>=</mo>
<mo>-</mo>
<msub>
<mover>
<mi>U</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
<msub>
<mover>
<mi>U</mi>
<mo>~</mo>
</mover>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>sin</mi>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中,代表节点i处,有功功率的偏移量,代表节点i处的电压相角区间形式,代表节点i处的电压幅值区间形式、代表节点j处的电压幅值区间形式,Gij代表节点i、j之间阻抗的实部,代表节点i和节点j之间相角差的区间形式,Bij节点i、j之间阻抗的虚部,代表节点j处的电压相角区间形式;
可看出和具有强相关性,独立考虑会增大区间范围,因此:
<mrow>
<msub>
<mover>
<mi>H</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mo>&part;</mo>
<mi>&Delta;</mi>
<msub>
<mover>
<mi>P</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>=</mo>
<mo>-</mo>
<msub>
<mover>
<mi>U</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
<msub>
<mover>
<mi>U</mi>
<mo>~</mo>
</mover>
<mi>j</mi>
</msub>
<msqrt>
<mrow>
<msup>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mover>
<mi>H</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mover>
<mi>U</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>&NotEqual;</mo>
<mi>i</mi>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mover>
<mi>U</mi>
<mo>~</mo>
</mover>
<mi>j</mi>
</msub>
<msqrt>
<mrow>
<msup>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
δij=arctan(-Bij/Gij)。
4.根据权利要求3所述的基于新能源发电量区间预测的区间潮流计算方法,其特征在于,步骤(5)中,一次迭代Krawczyk-Moore算子的计算方法如下:
将Xcos作为初始区间X0
<mrow>
<mi>K</mi>
<mo>=</mo>
<msup>
<mi>y</mi>
<mi>k</mi>
</msup>
<mo>-</mo>
<msup>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>y</mi>
<mi>k</mi>
</msup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>&lsqb;</mo>
<mi>I</mi>
<mo>-</mo>
<msup>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msup>
<msup>
<mi>F</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mover>
<mi>x</mi>
<mo>~</mo>
</mover>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mrow>
<mo>(</mo>
<mover>
<mi>x</mi>
<mo>~</mo>
</mover>
<mo>-</mo>
<msup>
<mi>y</mi>
<mi>k</mi>
</msup>
<mo>)</mo>
</mrow>
</mrow>
其中
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>y</mi>
<mi>k</mi>
</msup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>m</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>U</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mi>m</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>U</mi>
<mo>~</mo>
</mover>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>m</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>m</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>m</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>m</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Q</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>m</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>U</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mi>m</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>U</mi>
<mo>~</mo>
</mover>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>m</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>m</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>m</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>m</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
<mrow>
<msup>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>m</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>F</mi>
<mo>&prime;</mo>
</msup>
<mo>(</mo>
<mover>
<mi>x</mi>
<mo>~</mo>
</mover>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
</mrow>
I为单位阵,是自变量的区间形式,m为取区间数中点的中点函数,Pi为节点i处的有功功率,Qi为节点i处的无功功率。
5.根据权利要求4所述的基于新能源发电量区间预测的区间潮流计算方法,其特征在于,步骤(5)中,利用Krawcyzk-Moore算子与初始区间x0求交集,得到新的区间x1:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mover>
<mi>x</mi>
<mo>~</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msup>
<mo>=</mo>
<msup>
<mover>
<mi>x</mi>
<mo>~</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>&cap;</mo>
<msup>
<mi>K</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,k代表了迭代次数,分别代表第k+1和k次自变量的区间,K(k)代表第k次的Krawcyzk-Moore算子。
6.根据权利要求5所述的基于新能源发电量区间预测的区间潮流计算方法,其特征在于,步骤(5)中,所述收敛条件为|x k+1-x k|<ω且
其中,ω代表收敛系数, x k+1,x k分别代表了第k+1和k次自变量的区间上界和下界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510372963.9A CN105048451B (zh) | 2015-06-30 | 2015-06-30 | 一种基于新能源发电量区间预测的区间潮流计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510372963.9A CN105048451B (zh) | 2015-06-30 | 2015-06-30 | 一种基于新能源发电量区间预测的区间潮流计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105048451A CN105048451A (zh) | 2015-11-11 |
CN105048451B true CN105048451B (zh) | 2018-04-20 |
Family
ID=54454775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510372963.9A Active CN105048451B (zh) | 2015-06-30 | 2015-06-30 | 一种基于新能源发电量区间预测的区间潮流计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105048451B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203883A (zh) * | 2016-07-21 | 2016-12-07 | 中国电力科学研究院 | 一种基于区间的配电网小信号稳定性计算方法 |
CN106447175B (zh) * | 2016-09-07 | 2019-06-11 | 广东工业大学 | 光伏发电***日发电量的广义梯形模糊集确定方法及装置 |
CN106779384B (zh) * | 2016-12-07 | 2021-04-20 | 大连理工大学 | 一种基于信息粒度最优分配的钢铁工业高炉煤气长期区间预测方法 |
CN108549985B (zh) * | 2018-04-13 | 2022-04-19 | 深圳供电局有限公司 | 一种求解区间直流潮流模型的改进蒙特卡洛方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102904265B (zh) * | 2012-10-17 | 2014-12-17 | 华南理工大学 | 一种基于区间潮流的变电站电压无功控制方法和*** |
CN103236691B (zh) * | 2013-04-16 | 2015-01-21 | 天津大学 | 基于复仿射数学理论的三相不平衡潮流计算方法 |
-
2015
- 2015-06-30 CN CN201510372963.9A patent/CN105048451B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105048451A (zh) | 2015-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | A multi-step ahead photovoltaic power prediction model based on similar day, enhanced colliding bodies optimization, variational mode decomposition, and deep extreme learning machine | |
CN107425520B (zh) | 一种含节点注入功率不确定性的主动配电网三相区间状态估计方法 | |
CN105048451B (zh) | 一种基于新能源发电量区间预测的区间潮流计算方法 | |
CN103106544B (zh) | 一种基于t-s型模糊神经网络的光伏发电预测*** | |
CN102682222B (zh) | 一种基于风电波动规律的连续潮流计算方法 | |
CN103077300A (zh) | 一种基于二型模糊逻辑的分布式光伏电源发电量预测方法 | |
CN105656031A (zh) | 基于高斯混合分布特征的含风电电力***安全风险评估方法 | |
CN104901309B (zh) | 考虑风速相关性的电力***静态安全评估方法 | |
CN111428351B (zh) | 基于前推回代法的电-热综合能源***潮流计算方法 | |
CN113158573B (zh) | 一种基于深度学习的小水电群区域配网最优潮流获取方法 | |
CN104050517A (zh) | 基于grnn神经网络的光伏发电预测方法 | |
CN114091816B (zh) | 基于数据融合的门控图神经网络的配电网状态估计方法 | |
CN103823504A (zh) | 一种基于最小二乘支持向量机的最大功率跟踪控制方法 | |
Majumder et al. | Solar power forecasting using a hybrid EMD-ELM method | |
CN106786977B (zh) | 一种电动汽车充电站的充电调度方法 | |
CN104036329A (zh) | 一种基于多智能体协同寻优的含光伏微源主动配网拓扑重构方法 | |
CN105354655A (zh) | 计及功率相关性的光伏电站群置信容量评估方法 | |
CN105931134A (zh) | 一种含并网光伏电站的***可靠性评估方法 | |
CN112465271B (zh) | 一种面向储能平抑风电波动场景的储能电池选型方法 | |
Abdullah et al. | A noniterative method to estimate load carrying capability of generating units in a renewable energy rich power grid | |
CN104751006A (zh) | 一种计及变量相关性的概率潮流计算方法 | |
Xia et al. | Short-term PV power forecasting based on time series expansion and high-order fuzzy cognitive maps | |
CN112508279A (zh) | 基于空间相关性的区域分布式光伏预测方法及*** | |
Karabiber et al. | Short term PV power estimation by means of extreme learning machine and support vector machine | |
CN111668845A (zh) | 一种计及光伏相关性的概率潮流计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |