CN107221933B - 一种概率潮流计算方法 - Google Patents
一种概率潮流计算方法 Download PDFInfo
- Publication number
- CN107221933B CN107221933B CN201610165451.XA CN201610165451A CN107221933B CN 107221933 B CN107221933 B CN 107221933B CN 201610165451 A CN201610165451 A CN 201610165451A CN 107221933 B CN107221933 B CN 107221933B
- Authority
- CN
- China
- Prior art keywords
- wind power
- power
- probability distribution
- semi
- invariant
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 17
- 238000002347 injection Methods 0.000 claims abstract description 25
- 239000007924 injection Substances 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000012937 correction Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 239000000243 solution Substances 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission 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
- 238000011156 evaluation Methods 0.000 description 1
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical compound CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000013076 uncertainty analysis Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种概率潮流计算方法，基于风电功率波动特性和预测误差，主要步骤为：步骤A：统计风电功率波动的概率分布；步骤B：统计风电功率预测误差的概率分布；步骤C：建立预测风电功率与实测风电功率的联合条件预测误差概率分布模型；步骤D：建立风电功率概率分布模型；步骤E：计算含风电电力***节点注入功率的半不变量；步骤F：计算节点电压和支路潮流的概率分布。该方法弥补传统基于风电功率概率分布表征节点注入功率随机变量所采用模型单一、考虑因素过少所带来的弊端，提高了电力***节点注入功率半不变量求解的精确度。
Description
技术领域
本发明涉及电力***运行与控制领域，具体涉及一种基于风电功率波动特性和预测误差的概率潮流计算方法。
背景技术
风电场一般处于网架结构较薄弱的电网末端，风能的天然波动性，导致风电机组的出力具有随机性和间歇性，这不仅容易引发电压稳定问题和电能质量问题，还会改变电网线路的传输功率和电网原有的潮流分布。随着风力发电技术的快速发展，风电在电力***中所占比例不断的扩大，其对电网的影响也越来越明显，直接导致电力***的不确定性显著增加，这给电网安全稳定运行带来前所未有的挑战，因此对用于电力***不确定性分析的概率潮流计算的研究日益受到广泛关注。
电力***概率潮流是智能电网调度控制的重要功能模块之一，其主要功能是利用概率统计方法处理***运行中的随机因素，综合考虑电力***网络拓扑结构、元件参数、节点负荷和发电机出力等变量的不确定性，同时分析因风速波动而引起的风电出力随机性，获得***电压和支路潮流的概率统计信息，这一技术在调度自动化***中起着举足轻重的作用。
目前，国内外对于含风电的电力***概率潮流的研究越来越广泛和深入，最简单直接的是假设风速服从威布尔分布，并且在大多数情况下，其风功率概率模型是在风速‐风电功率曲线的基础上建立的，依靠累加风机输出功率结果，建立风电功率输出概率模型，获得风电场输出功率的半不变量。该方法模型简单，而且在大多数情况下，一个区域内的风力发电机并非都有可用的在线数据，因此靠累加风机输出功率结果得到风电场输出功率的方法可行性不能满足要求。随着风速的波动性增强和风电场的大规模并网，风速‐风电功率曲线的误差不断加大，风电功率输出概率模型的精度也快速下降，很难实时准确的反映***实际运行状态。因此需要提供一种运用统计学方法建立风电功率预测误差概率模型，从而获得风电功率输出概率分布，适用于***在线评估分析，结果更具有客观性和实用性的技术方案。
发明内容
为了克服上述现有技术的不足，本发明提供了一种基于风电功率波动特性和预测误差的概率潮流计算方法。该方法针对基于半不变量法的含风电电力***概率潮流计算中节点注入功率的不确定性问题，利用风电场风电功率采样数据，经过处理与筛选后得到的样本集，采用统计学方法，建立风电功率波动模型和预报误差概率模型，通过适当修正得到预测风电功率与实测风电功率的联合条件预报误差分布，进一步得到风电功率概率分布模型，不仅可以用风电功率预报误差这一随机变量的概率特性，弥补传统基于风电功率输出概率模型表征节点注入功率随机变量所采用模型单一、考虑因素过少所带来的弊端，提高了节点注入功率半不变量求解的精确度。
本发明所采用的技术方案是：综合考虑如下因素：
1、历史风电功率实测数据；
2、历史风电功率预测数据；
3、含风电的电力***拓扑结构和数据信息。
在以上因素的基础上，基于风电功率波动特性和预测误差的概率潮流计算方法步骤包括：
步骤A：统计风电功率波动的概率分布；
步骤B：统计风电功率预测误差的概率分布；
步骤C：建立预测风电功率与实测风电功率的联合条件预测误差概率分布模型。；
步骤D：建立风电功率概率分布模型；
步骤E：计算含风电电力***节点注入功率的半不变量；
步骤F：计算节点电压和支路潮流的概率分布。
所述步骤A根据风电场实测风电功率样本集统计风电功率波动的概率分布。
所述步骤B根据风电场实测风电功率样本集和预测风电功率样本集统计风电功率预测误差的概率分布。
所述步骤C采用修正系数对波动概率分布和预测误差概率分布在相同实测风电功率条件下的概率进行加权，建立预测风电功率与实测风电功率的联合条件预测误差概率分布模型。
设根据当前实测风电功率Pt条件下的风电功率波动概率分布得到的t+1时段实测风电功率为某个值的概率为α，根据预测风电功率Ppredict条件下的预测误差概率分布得到的t+1时段与实测风电功率为相同值的概率为β，则联合条件预测误差概率分布得到的t+1时段风电功率为该值的概率为r，r与α、β的关系如下：
r＝r1α+r2β (1)
式中：r1、r2分别为2个分布权重的修正系数，为保证加权修正后概率分布之和为1，令r1+r2＝1。
所述步骤D通过所述联合条件预测误差概率分布模型结合风电功率预测值，建立风电功率概率分布模型。
所述步骤E包括：
E-1.根据风电功率概率分布模型，提取风电功率的原点矩信息；
E-2.根据原点矩和半不变量的对应关系，计算由于风电因素引起节点注入功率变化的半不变量；
E-3.风电因素引起节点注入功率变化的半不变量结合非风电因素引起节点注入功率变化的半不变量，计算电力***节点注入功率变化的半不变量。
所述步骤E-2中原点矩和半不变量的递推关系如下：
式中：αr为随机变量的r阶原点矩；kr为随机变量的r阶半不变量；
表示从r个不同元素中取j个元素的组合数。
所述步骤E-2通过下式计算电力***节点注入功率的半不变量：
ΔW(k)＝ΔWwind (k)+ΔWother (k) (3)
式中：ΔW(k)为节点注入功率的变化量的k阶半不变量；
和
分别为风电因素和其他非风电因素引起节点注入功率变化的k阶半不变量。
所述步骤F根据雅可比矩阵和输出随机变量节点电压、支路潮流的期望值计算节点电压和支路潮流的概率分布。
与最接近的现有技术比，本发明提供的技术方案具有如下优异效果：
该方法利用预测风电功率与实测风电功率为联合条件的预测误差概率分布，缓解了传统风电功率概率分布统计过程中因时间太短造成统计样本过少和因加大统计时间长度容易造成结果失真的矛盾，弥补了传统基于风电功率概率分布表征节点注入功率随机变量所采用模型单一、考虑因素过少所带来的弊端，提高了电力***节点注入功率半不变量求解的精确度。
附图说明
上述仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，以下结合附图与具体实施方式对本发明作进一步的详细说明。
图1为本发明基于风电功率波动特性和预测误差的概率潮流计算方法的流程示意图。
具体实施方式
下面结合附图对本发明进一步说明。
步骤A.通过风电场风电功率实测样本集，统计风电功率的波动概率分布。统计一段时期内当前实测风电功率Pt与下一时段实测风电功率Pt+1的差值，建立Pt条件下，不同Pt+1值(统计物理量ΔP＝Pt+1-Pt)的风电功率波动概率分布模型。
步骤B.通过风电场风电功率实测和预测样本集，统计风电功率预测误差概率分布。统计一段时间内实测风电功率Pt+1与其预测风电功率Ppredict的差值，建立Ppredict条件下，不同Pt+1值(统计物理量Δζ＝Pt+1-Ppredic)的预测误差概率分布模型。
步骤C.采用适当的修正系数对波动概率分布和误差概率分布在相同实测风电功率条件下的概率进行加权，建立预测风电功率与实测风电功率的联合条件预测误差概率分布模型。设根据Pt条件下的风电功率波动概率分布得到的t+1时段实测风电功率为某个值的概率为a，根据Ppredict条件下的预测误差概率分布得到的t+1时段实测风电功率为相同值的概率为β，则联合条件预测误差概率分布得到的t+1时段风电功率为该值的概率为r。设r与a、β的关系如下：
r＝r1α+r2β (1)
式中：r1、r2分别为2个分布权重的修正系数，为保证加权修正后概率分布之和为1，令r1+r2＝1。由于a和β随着时间的推移会发生改变，且都是统计量，因此，修正系数也是统计量，并且会随着时间的推移而改变。
修正系数可以依据当前实测风电功率Pt和预测风电功率Ppredict条件下ε(统计物理量ε＝Pt-Ppredic)的概率分布计算得到，其中：
式中：Pε(ε＝0)为ε＝0时的概率。通过加权修正后，形成以预测风电功率Ppredict与实测风电功率Pt为联合条件的不同Pt+1的概率分布(统计物理量为Δζ)，即建立预测风电功率与实测风电功率的联合条件预测误差概率分布模型。
步骤D.利用联合条件预测误差概率分布模型和风电功率预测值，建立短期风电功率概率分布模型，在风电功率预测值的基础上叠加联合条件预测误差值，得到风电功率概率分布模型，
步骤E.计算含风电电力***节点注入功率的半不变量，求取风电注入功率的原点矩，由原点矩和半不变量的递推关系，得到风电因素引起节点注入功率的半不变量。原点矩和半不变量的递推关系如下：
式中：αr为随机变量的r阶原点矩；kr为随机变量的r阶半不变量；
表示从r个不同元素中取j个元素的组合数。
然后通过下式计算电力***节点注入功率变化的半不变量。
ΔW(k)＝ΔWwind (k)+ΔWother (k) (3)
式中：ΔW(k)为节点注入功率的变化量的k阶半不变量；
和
分别为风电因素和其他非风电因素引起节点注入功率变化的k阶半不变量。
步骤F.利用节点注入功率的半不变量、雅可比矩阵和节点电压、支路潮流的期望，计算节点电压和支路潮流的概率分布。将电力***典型的计算潮流的功率方程在基准运行点处进行泰勒级数展开，并忽略2次及其以上的高次项，即可得到潮流计算的线性化模型，然后通过半不变量的计算性质，得到电力***节点电压、支路潮流的半不变量，在此基础上，采用Cornish-Fisher级数展开得到节点电压和支路潮流的概率分布。
最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。
Claims (8)
1.一种概率潮流计算方法，其特征在于，所述方法包括以下步骤：
步骤A：统计风电功率波动的概率分布；
步骤B：统计风电功率预测误差的概率分布；
步骤C：建立预测风电功率与实测风电功率的联合条件预测误差概率分布模型；
步骤D：建立风电功率概率分布模型；
步骤E：计算含风电电力***节点注入功率的半不变量；
步骤F：计算节点电压和支路潮流的概率分布；
所述步骤C采用修正系数对波动概率分布和预测误差概率分布在相同实测风电功率条件下的概率进行加权，建立预测风电功率与实测风电功率的联合条件预测误差概率分布模型；
将根据当前实测风电功率Pt条件下的风电功率波动概率分布得到的t+1时段实测风电功率为某个值的概率作为α，将根据预测风电功率Ppredict条件下的预测误差概率分布得到的t+1时段与实测风电功率为相同值的概率作为β，联合条件预测误差概率分布得到的t+1时段风电功率为该值的概率如下式所示：
r＝r1α+r2β (1)
式中：r1、r2分别为2个分布权重的修正系数，为保证加权修正后概率分布之和为1，令r1+r2＝1。
2.根据权利要求1所述的计算方法，其特征在于，所述步骤A根据风电场实测风电功率样本集统计风电功率波动的概率分布。
3.根据权利要求1所述的计算方法，其特征在于，所述步骤B根据风电场实测风电功率样本集和预测风电功率样本集统计风电功率预测误差的概率分布。
4.根据权利要求1所述的计算方法，其特征在于，所述步骤D通过所述联合条件预测误差概率分布模型结合风电功率预测值，建立风电功率概率分布模型。
5.根据权利要求1所述的计算方法，其特征在于，所述步骤E包括：E-1.根据风电功率概率分布模型，提取风电功率的原点矩信息；
E-2.根据原点矩和半不变量的递推关系，计算由于风电因素引起节点注入功率变化的半不变量；
E-3.风电因素引起节点注入功率变化的半不变量结合非风电因素引起节点注入功率变化的半不变量，计算电力***节点注入功率的半不变量。
6.根据权利要求5所述的计算方法，其特征在于，所述步骤E-2中原点矩和半不变量的递推关系如下式所示：
式中：αr为随机变量的r阶原点矩；kr为随机变量的r阶半不变量；
表示从r个不同元素中取j个元素的组合数。
7.根据权利要求5所述的计算方法，其特征在于，所述步骤E-2用下式计算电力***节点注入功率的半不变量：
ΔW(k)＝ΔWwind (k)+ΔWother (k) (3)
式中：ΔW(k)为节点注入功率的变化量的k阶半不变量；
和
分别为风电因素和其他非风电因素引起节点注入功率变化的k阶半不变量。
8.根据权利要求1所述的计算方法，其特征在于，所述步骤F根据雅可比矩阵和输出随机变量节点电压、支路潮流的期望值计算节点电压和支路潮流的概率分布。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610165451.XA CN107221933B (zh) | 2016-03-22 | 2016-03-22 | 一种概率潮流计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610165451.XA CN107221933B (zh) | 2016-03-22 | 2016-03-22 | 一种概率潮流计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107221933A CN107221933A (zh) | 2017-09-29 |
| CN107221933B true CN107221933B (zh) | 2020-07-24 |
Family
ID=59927287
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610165451.XA Active CN107221933B (zh) | 2016-03-22 | 2016-03-22 | 一种概率潮流计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107221933B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109117951B (zh) * | 2018-01-15 | 2021-11-16 | 重庆大学 | 基于bp神经网络的概率潮流在线计算方法 |
| CN108471113A (zh) * | 2018-04-10 | 2018-08-31 | 广东工业大学 | 一种基于主元分析和Cornish-Fisher展开的PLF-CM计算方法 |
| CN111740415B (zh) * | 2020-07-03 | 2022-02-11 | 西安交通大学 | 电力***稳态潮流风险辨识预防方法、存储介质及设备 |
| CN111985711B (zh) * | 2020-08-19 | 2024-02-02 | 华北电力大学（保定） | 一种风电功率概率预测模型建立方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003037937A (ja) * | 2001-07-26 | 2003-02-07 | Kansai Electric Power Co Inc:The | 電力系統における設備の無効電力容量算定方法 |
| CN103208798A (zh) * | 2013-03-26 | 2013-07-17 | 河海大学 | 一种含风电场电力***概率潮流的计算方法 |
| CN103986156A (zh) * | 2014-05-14 | 2014-08-13 | 国家电网公司 | 一种考虑风电接入的动态概率潮流计算方法 |
| CN104485665A (zh) * | 2014-12-17 | 2015-04-01 | 河海大学 | 计及风速预测误差时空相关性的动态概率潮流计算方法 |
| CN104751006A (zh) * | 2015-04-16 | 2015-07-01 | 中国电力科学研究院 | 一种计及变量相关性的概率潮流计算方法 |
-
2016
- 2016-03-22 CN CN201610165451.XA patent/CN107221933B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003037937A (ja) * | 2001-07-26 | 2003-02-07 | Kansai Electric Power Co Inc:The | 電力系統における設備の無効電力容量算定方法 |
| CN103208798A (zh) * | 2013-03-26 | 2013-07-17 | 河海大学 | 一种含风电场电力***概率潮流的计算方法 |
| CN103986156A (zh) * | 2014-05-14 | 2014-08-13 | 国家电网公司 | 一种考虑风电接入的动态概率潮流计算方法 |
| CN104485665A (zh) * | 2014-12-17 | 2015-04-01 | 河海大学 | 计及风速预测误差时空相关性的动态概率潮流计算方法 |
| CN104751006A (zh) * | 2015-04-16 | 2015-07-01 | 中国电力科学研究院 | 一种计及变量相关性的概率潮流计算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于风电场功率特性的日前风电预测误差概率分布研究;丁华杰 等;《中国电机工程学报》;20131205;第33卷(第34期);第136-144 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107221933A (zh) | 2017-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112084651B (zh) | 计及疲劳损伤的多尺度风电igbt可靠性评估方法及*** | |
| CN107221933B (zh) | 一种概率潮流计算方法 | |
| CN109063276B (zh) | 适用于长时域风速波动的风电场动态等值建模方法 | |
| CN103106314B (zh) | 太阳能光伏电源输出功率的时序概率建模方法 | |
| CN104901309B (zh) | 考虑风速相关性的电力***静态安全评估方法 | |
| CN104537233B (zh) | 一种基于核密度估计的配电网伪量测生成方法 | |
| CN105244890A (zh) | 新能源并网的无功优化方法 | |
| CN104951654A (zh) | 基于控制变量抽样的大规模风电场可靠性评估方法 | |
| CN110048428B (zh) | 基于概率守恒原理的电力***概率潮流计算方法 | |
| CN109149566A (zh) | 一种大功率缺失下频率最低点预测的仿真模型的建模方法 | |
| CN102539823A (zh) | 一种wtg风速分布的预测方法 | |
| CN109193791B (zh) | 一种基于改进shapley值的风电汇聚趋势性分状态量化方法 | |
| CN110752622A (zh) | 一种配电网仿射状态估计方法 | |
| CN110705066A (zh) | 基于投影积分的气电耦合园区综合能源***动态仿真方法 | |
| CN106251238B (zh) | 风电场建模序列离散化步长的选取及模型误差分析方法 | |
| CN110943485B (zh) | 双馈风电场等值模型仿真可信度的指标评价方法 | |
| CN111177973A (zh) | 一种基于强化学习的光伏阵列在线建模方法 | |
| Li et al. | Wind power correlation analysis based on mix copula | |
| CN110276132B (zh) | 一种多风电场的基于不同时间尺度的风速相关性描述方法 | |
| An et al. | A generalized data preprocessing method for wind power prediction | |
| Zhou et al. | Uncertainty analysis of dynamic thermal rating of overhead transmission line | |
| CN109494747A (zh) | 一种基于交替梯度算法的电网概率潮流计算方法 | |
| Khatavkar et al. | Impact of probabilistic nature and location of wind generation on transmission power flows | |
| CN114491389B (zh) | 一种太阳能电池组件等效电路参数的提取和估算方法 | |
| Tian et al. | Security Region-Based Time Series Production Simulation of Renewable Energy Power Grids |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |