CN113128071B - 一种含光伏发电的发电***可靠性评估方法 - Google Patents
一种含光伏发电的发电***可靠性评估方法 Download PDFInfo
- Publication number
- CN113128071B CN113128071B CN202110500928.6A CN202110500928A CN113128071B CN 113128071 B CN113128071 B CN 113128071B CN 202110500928 A CN202110500928 A CN 202110500928A CN 113128071 B CN113128071 B CN 113128071B
- Authority
- CN
- China
- Prior art keywords
- sequence
- power generation
- generator
- state
- matrix
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 110
- 238000011156 evaluation Methods 0.000 title abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 91
- 238000005070 sampling Methods 0.000 claims abstract description 61
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000004519 manufacturing process Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 106
- 230000001186 cumulative effect Effects 0.000 claims description 10
- 230000001174 ascending effect Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 abstract description 3
- 238000009826 distribution Methods 0.000 description 7
- 238000000342 Monte Carlo simulation Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种含光伏发电的发电***可靠性评估方法,包括:参数初始化;模拟产生光伏发电出力序列;修正原始负荷序列;建立等值负荷多状态模型;使用交叉熵重要抽样法计算发电***中发电机的最优不可用度;利用LHS方法生成发电***发电机状态序列和对应的似然比序列;计算含光伏发电的发电***可靠性指标。本发明在实现光伏出力随机生产模拟和建立***等值负荷模型的基础上,通过将交叉熵重要抽样和LHS抽样法相结合,有效地提高了***随机抽样的效率,加速了含光伏发电的电力***可靠性评估的计算速度。
Description
技术领域
本发明属于电力***分析技术领域,具体涉及一种含光伏发电的发电***可靠性评估方法,尤其涉及一种基于改进拉丁超立方抽样(Latin hypercube sampling,LHS)的含光伏发电的发电***可靠性评估方法。
背景技术
随着传统化石能源的逐渐枯竭和大气污染、温室效应等环境问题的日益突出,光伏发电在世界范围内得到了快速发展。然而,光伏出力具有强烈的随机性和不确定性,未来高比例光伏发电的并网增加了电力***运行分析的复杂性,因此有必要对包含光伏发电的电力***可靠性评估问题开展研究。
发电***可靠性评估方法主要分为解析法和蒙特卡洛方法两大类,其中解析法的计算量随***规模的增大呈指数增长,同时存在着新能源发电***解析模型建模过程复杂的问题,因此基于蒙特卡洛方法的可靠性评估方法在含新能源的电力***可靠性评估中得到了更广泛的应用。针对传统蒙特卡洛方法存在的抽样样本大、收敛速度慢的问题,研究人员提出了拉丁超立方抽样(Latin hypercube sampling,LHS)、交叉熵抽样等方差减小技术。LHS方法通过分层抽样在不改变输出随机变量样本分布的情况下,使得产生的样本分布更加均匀,因而能够在抽取少量样本的情况下提高抽样效率;而交叉熵抽样(Crossentropy,CE)方法则在保持原样本数学期望不变的条件下,以交叉熵最小为目标寻找最优重要抽样概率密度分布,即通过改变样本空间的概率分布使得抽取的样本以更大的概率落在关注的参数取值区域,从而缩减了样本数量。由此可见,LHS方法和交叉熵抽样方法从不同的角度提高了***状态的抽样效率,将交叉熵理论与LHS抽样相结合,能够进一步提高电力***可靠性评估的抽样效率。
发明内容
针对上述问题,本发明提出一种含光伏发电的发电***可靠性评估方法,在实现光伏出力随机生产模拟和建立***等值负荷模型的基础上,采用交叉熵方法求解发电机组的近似最优概率密度分布,然后基于所求得的近似最优概率分布函数,采用LHS方法对发电机组状态进行分层抽样,从而加速了含光伏发电的电力***可靠性评估的计算速度。
为了实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
一种含光伏发电的发电***可靠性评估方法,包括:
步骤1:参数初始化;
步骤2:基于光伏发电统计数据,模拟产生光伏发电出力序列;
步骤3:将原始负荷序列与所述光伏发电出力序列进行点对点修正,获取修正后的负荷序列;
步骤4:对修正后的负荷序列进行线性化分或者聚类,建立等值负荷的多状态模型;
步骤5:使用交叉熵重要抽样法计算发电***中发电机的最优不可用度;
步骤6:根据所述发电机的最优不可用度,利用LHS方法生成发电***发电机状态序列和对应的似然比序列;
步骤7:基于所述发电***发电机状态序列、对应的似然比序列和等值负荷的多状态模型,计算出含光伏发电的发电***可靠性指标。
可选地,所述光伏发电出力序列的产生方法包括以下步骤:
步骤2-1,读取光伏发电统计数据中的光伏出力历史小时序列数据,记为样本数组A,其样本数为NPV,舍去样本数据中的0,剩余的数据构成样本数组XPV,其样本数为n;
步骤2-2,假设数组XPV中的n个样本变量为{XPV,1,XPV,2,...,XPV,n},样本变量XPV最小值为a,最大值为b,概率密度函数为f(XPV),则光伏出力的非参数核密度估计为其中,j1是样本数n的索引,带宽/>σ为标准差,K(·)表示核函数,且/>
步骤2-3,将变量XPV的定义域[a,b]等分为任意的m个点,用步骤2-2中的非参数核密度估计法对这m个点分别求出其对应的概率密度估计值并计算得各点的概率估计值为:
其中iPV=1,2,...,m;
步骤2-4,以步骤2-3中各点的概率估计值计算/>处的累积概率估计值:
其中,jPV是iPV的索引,的最小值记为c,/>的最大值记为d;
步骤2-5,以步骤2-4中各个估计值为间隔点,将累积概率区间分为m-1份,在每一个小区间内,利用三次样条插值法得到该区间上样本值XPV关于累积概率估计值yPV的三次多项式:/>其中iM=1,2,…,m-1;
步骤2-6,从小到大依次取其中i1=1,2,...,n,若/>则将/>代入步骤2-5中对应区间的多项式求得所需样本值/>否则/>
步骤2-7,将步骤2-1中舍去的(NPV-n)个0数据与步骤2-6中求得的n个样本值排列成新的数组Z,Z的样本数是NPV,其数据为从小到大排列的数据,数组Z即为模拟的光伏出力数据;
步骤2-8,对步骤2-7中模拟的光伏出力序列Z按原始数据的位置特性进行排序,得到光伏电站时序出力序列Z’。
可选地,所述步骤2-8中排序的具体过程为:
步骤2-8-1,对步骤2-1中的样本数组A标记位置,对应的位置序列矩阵记为B=[1,2,…,NPV]T;
步骤2-8-2,将样本数组A中的数据从小到大排列得到新的数组A’,对应的位置矩阵变为B’=[i2,…,NPV,…,j2]T,其中,i2∈{1,2,...,NPV},j2∈{1,2,...,NPV};
步骤2-8-3,新建一个NPV×2的矩阵C,将步骤2-7中模拟的光伏出力序列Z作为矩阵C的第一列,位置矩阵B’作为矩阵C的第二列,得到新的矩阵C;
步骤2-8-4,对步骤2-8-3中的矩阵序列B’按从小到大的顺序排列,则矩阵C中对应的Z变为Z’,Z’即为符合原始数据特性的光伏电站时序出力数据。
可选地,所述修正后的负荷序列的具体获取方法包括:
将原始负荷序列逐小时减去光伏发电对应时刻出力序列,得到修正后的等值负荷序列。
可选地,所述多状态等值负荷模型包括:负荷水平序列和负荷水平概率序列/>其中,WPiw为负荷水平WLiw对应的负荷概率,iw=1,2,...,Nw;Nw为多级负荷水平总数,/>
可选地,所述发电***中发电机的最优不可用度的计算方法包括以下步骤:
步骤5-1,交叉熵参数初始化:交叉熵重要抽样样本规模N;分位数ρ;平滑因子p;最大迭代次数Nkmax;给定M台发电机组出力和该机组对应的不可用度向量u、初次迭代不可用度向量v0=u,其中v0为1×M阶向量;迭代计算次数k=1;
步骤5-2,生成N个***状态序列,具体方法为:产生N个[0,1]区间的随机数向量,并与k-1次迭代计算使用的***发电机最优不可用度序列vk-1进行比较,若随机数则令/>否则令/>其中/>表示第ns个随机数向量中第/>个元素,/>表示第ns个***发电机状态向量中的第/>个元素;
步骤5-3,根据步骤5-2得到的***发电机状态序列,计算N个***发电机状态下的***发电机出力总量,将N个***发电机出力总量按从小到大顺序进行排序,得到升序排列的***发电机供电总量序列;
步骤5-4,根据步骤5-3得到的升序排列的***发电机出力总量序列,更新可安全供电总负荷Lk的值,确定***在N个状态下的切负荷标志序列;
步骤5-5,根据步骤5-2得到的***发电机状态序列和此次迭代计算使用的发电机最优不可用度序列vk-1,计算N个***状态似然比序列;
步骤5-6,根据步骤5-5得到的***发电机状态似然比序列,计算此次(即第k次)***发电机最优不可用度序列vk;
步骤5-7,判断可安全供电总负荷Lk是否达到指定的平均负荷PL,亦或迭代次数k是否达到最大值Nkmax,若满足条件,即Lk=PL或k=Nkmax时,转入步骤6;否则令k=k+1,并返回步骤5-2。
可选地,所述步骤5-4中计算***切负荷标志序列的具体步骤包括:
步骤5-4-1,记步骤5-3得到的升序排列的***发电机供电总量序列为P;若Pt>PL,则令Lk=Pt;否则,令Lk=PL;从而计算得到第k次迭代的安全供电总负荷Lk,其中ρ为分位数,Pt为***发电机供电总量序列P中的第t个元素,其中t=ρ×N;PL为给定平均负荷,计算公式为
步骤5-4-2,记步骤5-3得到的未排序前的***发电机供电总量序列为SL;记第ns个***发电机状态序列为***在N个***发电机状态下的切负荷标志序列为H;若/>则/>否则/>其中/>表示***在发电机状态/>下的供电总量,/>表示状态下***对应的切负荷标志值。
可选地,所述步骤5-5中所述似然比的计算公式为:
其中,W表示***发电机状态似然比序列,为发电***状态/>的似然比,/>表示第/>个***发电机状态序列,/>表示第/>个***发电机状态序列中第/>台发电机状态值,M为***发电机数,/>表示***第/>台发电机的初始不可用度值,/>为***第/>个发电机在第k-1次迭代计算使用的不可用度值;其中/>
可选地,步骤5-6中所述vk的计算公式为:
引入平滑因子p,按式v′kj′=pvkj′+(1-p)v(k-1)j′计算,得到vk,其中vk,j′表示第k次迭代计算得到的发电机不可用度序列vk中第j′台发电机的不可用度值,为***状态Xi′的似然比,Xi′表示第i′个***发电机状态序列,Xi′j′表示第i′个***发电机状态序列第j′台发电机状态值,H(Xi′)表示***状态Xi′的切负荷标志值,其中i′=1,2,...,N,j′=1,2,...,M。
可选地,所述发电***发电机状态序列和对应的似然比序列的生产方法包括以下步骤:
步骤6-1,LHS参数初始化:拉丁超立方法采样规模N2;***发电机台数M;
步骤6-2,根据步骤5得到的***发电机最优不可用度序列v*,计算***发电机状态原始采样矩阵R;
步骤6-3,逐行随机生成M×N2阶***发电机状态排列矩阵,它的每一行由[1,N2]范围内的N2个不重复的正整数构成,整数的值代表该***发电机状态采样矩阵对应行对应元素的排列位置;
步骤6-4,根据步骤6-2得到的原始采样矩阵R,计算***发电机状态行相关系数矩阵ρ;
步骤6-5,将步骤6-4得到的相关系数矩阵ρ分解,构造行相关性更小的***发电机状态排列矩阵Qs *;
步骤6-6,将步骤6-2得到的***发电机状态原始采样矩阵R按照步骤6-5得到的排列矩阵Qs *重新排列,生成M×N2阶***发电机状态采样矩阵;
步骤6-7,根据***发电机最优不可用度序列v*,结合步骤6-6得到的采样矩阵,产生新的M×N2阶***发电机状态矩阵WX;
步骤6-8,根据步骤6-7产生的***发电机状态矩阵WX,计算1×N2阶***发电机状态似然比序列WW。
可选地,所述步骤6-2中所述***发电机状态原始采样矩阵R的计算公式为:
其中,N2为拉丁超立方抽样方法的采样规模数,e和λ都为定常数,Rj*z表示矩阵R的第j*行第z列元素,v* j*为发电机不可用度序列v*中第j*台发电机的不可用度值,z=1,2,...,N2,j*=1,2,...,M;
可选地,所述步骤6-4中所述***发电机状态相关系数矩阵ρ的计算公式为:
其中,M为***发电机数;ρi″j″表示相关系数矩阵ρ中第i″行与第j″行的相关系数,Ri″q表示矩阵R的第i″行第q列元素,Rj″q表示矩阵R的第j″行第q列元素,表示矩阵R的第i″行平均值,/>表示矩阵R的第j″行平均值。
可选地,所述步骤6-5中相关系数矩阵ρ的分解方法为:
采用Cholesky分解方法,将相关系数矩阵ρ分解为DDT的矩阵乘积形式,其中D为非奇异下三角矩阵;再根据步骤6-3生成的排列矩阵Qs,生成一个行相关性更小的矩阵G,计算公式为再根据矩阵G每行元素值的大小,将元素用对应整数编号替换,生成***发电机状态排列矩阵Qs *。
可选地,所述含光伏发电的发电***可靠性指标的计算方法包括:
步骤7-1,令***发电机状态序列索引wc=0;
步骤7-2,令负荷水平索引wk=0;
步骤7-3,wk=wk+1;wc=wc+1;
步骤7-4,从步骤6中生成的***发电机状态矩阵WX中逐次选取***发电机状态序列WXwc,逐次选取负荷水平WLwk;WXwc为发电机状态矩阵WX中第wc个序列,WLwk为负荷水平序列WL中第wk个元素,其对应的负荷概率为WPwk;
步骤7-5,更新第wk个负荷水平下***可靠性指标的指示函数;
步骤7-6,判断wk<Nw是否成立,若满足条件,则转入步骤7-7;否则,转入步骤7-3;
步骤7-7,更新多级负荷水平下的***可靠性指标及方差系数;
步骤7-8,若步骤7-7所计算的方差系数满足收敛条件,则输出发电***可靠性指标;否则,转入步骤7-2。
可选地,所述步骤7-5中,更新第wk个负荷水平WLwk下的***可靠性指标指示函数的具体方法为:对步骤7-4中的***状态序列WXwc进行***状态分析,判断***状态WXwc是否产生切负荷;若产生切负荷,则指标指示函数为其中SD为切负荷量,其大小为负荷水平WLwk与***M台发电机在状态WXwc下发电总量的差值;若没有产生切负荷,即***M台发电机在状态WXwc下发电总量大于负荷水平WLwk,则指标指示函数为FLOLP(WXwc)=0,FEENS(WXwc)=0。
可选地,所述步骤7-7更新多级负荷水平下的***可靠性指标及方差系数的计算公式为:
与现有技术相比,本发明的有益效果:
本发明采用分段三次样条插值函数克服了光伏出力的累积概率分布函数的反函数无法写出具体表达式时不能应用LHS方法的问题,在保证LHS方法抽样精度和效率都足够高的同时,能准确地模拟出光伏发电出力序列。
本发明以减小重要抽样概率密度函数与理论上最优重要抽样概率密度函数的交叉熵最小为目标函数,求取近似最优的重要抽样概率分布,在保证可靠性指标期望值近似不变的基础上,提高了稀有事件的出现概率,大大减小了电力***可靠性评估抽样次数,提高了抽样效率;在此基础上进一步应用LHS方法,以交叉熵寻优得到的最优重要抽样概率分布进行分层抽样,在提高稀有事件概率的基础上保证了样本点区间全覆盖,避免了数据出现截尾现象,从而进一步提高了***状态的抽样效率。本发明提供的方法充分利用了交叉熵抽样和LHS抽样方法的优点,有效提高了电力***可靠性评估的计算速度。
附图说明
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明,其中:
图1是本发明实施例的发电***可靠性评估方法的流程示意图;
图2是使用交叉熵重要抽样法,寻优求取***发电机最优不可用度的流程示意图;
图3是使用拉丁超立方抽样,求取***发电机状态序列和似然比序列流程示意图;
图4是计算含光伏发电的发电***可靠性指标流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
本发明中提供了一种基于改进LHS的含光伏发电的发电***可靠性评估方法,具体包含的步骤有:参数初始化;模拟产生光伏发电出力序列;修正原始负荷序列;建立等值负荷多状态模型;使用交叉熵重要抽样法计算发电***中发电机的最优不可用度;利用LHS方法生成发电***发电机状态序列和对应的似然比序列;计算含光伏发电的发电***可靠性指标。本发明在实现光伏出力随机生产模拟和建立***等值负荷模型的基础上,通过将交叉熵重要抽样和LHS抽样法相结合,有效地提高了***随机抽样的效率,加速了含光伏发电的电力***可靠性评估的计算速度。本发明中所提及的***均指电力***。
如图1所示,所述基于改进LHS的含光伏发电的发电***可靠性评估方法,包含步骤如下:
步骤1:参数初始化;
步骤2:基于光伏发电统计数据,模拟产生光伏发电出力序列;
在本发明实施例的一种具体实施方式中,所述步骤2具体包含如下步骤:
步骤2-1,读取光伏发电统计数据中的光伏出力历史小时序列数据,记为样本数组A,数组A的长度记为NPV;将样本数据中的0舍去,剩余的数据构成数组XPV,数组XPV的长度为n;
步骤2-2,假设数组XPV中的n个样本变量为{XPV,1,XPV,2,...,XPV,n},样本变量XPV最小值为a,最大值为b,概率密度函数为f(XPV),则光伏出力的非参数核密度估计为
其中,j1是样本数n的索引,带宽σ为标准差,K(·)表示核函数,且/>
步骤2-3,将变量XPV的定义域[a,b]等分为任意的m个点,用步骤2-2中的非参数核密度估计法对这m个点分别求出其对应的概率密度估计值并计算得各点的概率估计值为;
其中,iPV=1,2,...,m;
步骤2-4,以步骤2-3中各点的概率估计值计算/>处的累积概率估计值:
其中,jPV是iPV的索引,的最小值记为c,/>的最大值记为d;
步骤2-5,以步骤2-4中各个估计值为间隔点,将累积概率区间分为m-1份,在每一个小区间内,利用三次样条插值法得到该区间上样本值XPV关于累积概率估计值yPV的三次多项式:/>其中iM=1,2,…,m-1;
步骤2-6,从小到大依次取其中i1=1,2,...,n,若/>则将代入步骤2-5中对应区间的多项式求得所需样本值/>否则/>
步骤2-7,将步骤2-1中舍去的(NPV-n)个0数据与步骤2-6中求得的n个样本值排列成新的数组Z,Z的样本数是NPV,其数据为从小到大排列的数据,数组Z即为模拟的光伏出力数据;
步骤2-8,对步骤2-7中模拟的光伏出力序列Z按原始数据的位置特性进行排序,得到光伏电站时序出力序列Z’;
所述步骤2-8中排序的具体过程为:
步骤2-8-1,对步骤2-1中的样本数组A标记位置,对应的位置序列矩阵记为B=[1,2,…,NPV]T;
步骤2-8-2,将样本数组A中的数据从小到大排列得到新的数组A’,对应的位置矩阵变为B’=[i2,…,NPV,…,j2]T,其中,i2∈{1,2,...,NPV},j2∈{1,2,...,NPV};
步骤2-8-3,新建一个NPV×2的矩阵C,将步骤2-7中模拟的光伏出力序列Z作为矩阵C的第一列,位置矩阵B’作为矩阵C的第二列,得到新的矩阵C;
步骤2-8-4,对步骤2-8-3中的矩阵序列B’按从小到大的顺序排列,则矩阵C中对应的Z变为Z’,Z’即为符合原始数据特性的光伏电站时序出力数据。
步骤3:将原始负荷序列与步骤2生成的光伏出力序列进行点对点修正,获取修正后的负荷序列;
其中,修正方法是:将原始负荷序列逐小时减去光伏发电对应时刻出力序列。
步骤4:对修正后的负荷序列进行线性化分或者聚类,建立等值负荷的多状态模型;
其中,多状态等值负荷模型中包括负荷水平序列负荷水平概率序列/>其中,WPiw为负荷水平WLiw对应的负荷概率,iw=1,2,...,Nw;Nw为多级负荷水平总数,/>
步骤5:使用交叉熵重要抽样法计算***中发电机的最优不可用度;
如图2所示,在本发明实施例的一种具体实施方式中,所述步骤5具体包含如下步骤:
步骤5-1,交叉熵参数初始化:交叉熵重要抽样样本规模N;分位数ρ;平滑因子p;最大迭代次数Nkmax;给定M台发电机组出力和该机组对应的不可用度向量u、初次迭代不可用度向量v0=u,其中v0为1×M阶向量;迭代计算次数k=1;
步骤5-2,生成N个***状态序列,具体方法为:产生N个[0,1]区间的随机数向量,并与k-1次迭代计算使用的***发电机最优不可用度序列vk-1进行比较,若随机数则令/>否则令/>其中/>表示第ns个随机数向量中第/>个元素,/>表示第ns个***发电机状态向量中的第/>个元素。
步骤5-3,根据步骤5-2得到的***发电机状态序列,计算N个***发电机状态下的***发电机出力总量,将N个***发电机出力总量按从小到大顺序进行排序,得到升序排列的***发电机供电总量序列;
步骤5-4,根据步骤5-3得到的升序排列的***发电机出力总量序列,更新可安全供电总负荷Lk的值,确定***在N个状态下的切负荷标志序列;
其中,计算***切负荷标志序列的具体做法为:
步骤5-4-1,记步骤5-3得到的升序排列的***发电机供电总量序列为P;若Pt>PL,则令Lk=Pt;否则,令Lk=PL;从而计算得到第k次迭代的安全供电总负荷Lk,其中ρ为分位数,Pt为***发电机供电总量序列P中的第t个元素,其中t=ρ×N;PL为给定平均负荷,计算公式为
步骤5-4-2,记步骤5-3得到的未排序前的***发电机供电总量序列为SL;记第ns个***发电机状态序列为***在N个***发电机状态下的切负荷标志序列为H;若/>则/>否则/>其中/>表示***在发电机状态/>下的供电总量,/>表示/>状态下***对应的切负荷标志值。
步骤5-5,根据步骤5-2得到的***发电机状态序列和此次迭代计算使用的发电机最优不可用度序列vk-1,计算N个***状态似然比序列;
其中,似然比的计算公式:
其中,W表示***发电机状态似然比序列,为***状态/>的似然比,表示第/>个***发电机状态序列,/>表示第/>个***发电机状态序列中第/>台发电机状态值,M为***发电机数,/>表示***第/>台发电机的初始不可用度值,/>为***第/>个发电机在第k-1次迭代计算使用的不可用度值;其中/>
步骤5-6,根据步骤5-5得到的***发电机状态似然比序列,计算此次(即第k次)***发电机最优不可用度序列vk;
其中,vk的计算公式:并引入平滑因子p,按式v′kj′=pvkj′+(1-p)v(k-1)j′计算,得到vk,其中vk,j′表示第k次迭代计算得到的发电机不可用度序列vk中第j′台发电机的不可用度值,W(Xi′;u,vk-1)为***状态Xi′的似然比,Xi′表示第i′个***发电机状态序列,Xi′j′表示第i′个***发电机状态序列第j′台发电机状态值,H(Xi′)表示***状态Xi′的切负荷标志值,其中i′=1,2,...,N,j′=1,2,...,M。
步骤5-7,判断可安全供电总负荷Lk是否达到指定的平均负荷PL,亦或迭代次数k是否达到最大值Nkmax,若满足条件,即Lk=PL或k=Nkmax时,转入步骤6;否则令k=k+1,并返回步骤5-2。
步骤6:根据所述发电机的最优不可用度,利用LHS方法生成发电***发电机状态序列和对应的似然比序列;
如图3所示,在本发明实施例的一种具体实施方式中,所述步骤6具体包含如下步骤:
步骤6-1,参数初始化;拉丁超立方法采样规模N2;***发电机台数M;
步骤6-2,根据步骤5得到的***发电机最优不可用度序列v*,计算***发电机状态原始采样矩阵R;
其中,N2为拉丁超立方抽样方法的采样规模数,e和λ都为定常数,Rj*z表示矩阵R的第j*行第z列元素,v* j*为发电机不可用度序列v*中第j*台发电机的不可用度值,z=1,2,...,N2,j*=1,2,...,M;
步骤6-3,逐行随机生成M×N2阶***发电机状态排列矩阵,它的每一行由[1,N2]范围内的N2个不重复的正整数构成,整数的值代表该***发电机状态采样矩阵对应行对应元素的排列位置;
步骤6-4,根据步骤6-2得到的原始采样矩阵R,计算***发电机状态行相关系数矩阵ρ;
其中,计算相关系数矩阵ρ的公式为:
/>
其中M为***发电机数;ρi″j″表示相关系数矩阵ρ中第i″行与第j″行的相关系数,Ri″q表示矩阵R的第i″行第q列元素,Rj″q表示矩阵R的第j″行第q列元素,表示矩阵R的第i″行平均值,/>表示矩阵R的第j″行平均值。
步骤6-5,将步骤6-4得到的相关系数矩阵ρ分解,构造行相关性更小的***发电机状态排列矩阵Qs *;
其中,相关系数矩阵分解方法为Cholesky分解方法。这种方法将相关系数矩阵ρ分解为DDT的矩阵乘积形式,其中D为非奇异下三角矩阵;再根据步骤6-3生成的排列矩阵Qs,生成一个行相关性更小的矩阵G,计算公式为再根据矩阵G每行元素值的大小,将元素用对应整数编号替换,生成***发电机状态排列矩阵Qs *。
步骤6-6,将步骤6-2得到的***发电机状态原始采样矩阵R按照步骤6-5得到的排列矩阵Qs *重新排列,生成M×N2阶***发电机状态采样矩阵;
步骤6-7,根据***发电机最优不可用度序列v*,结合步骤6-6得到的采样矩阵,产生新的M×N2阶***发电机状态矩阵WX;
其中,生成***发电机状态序列的方法与步骤5-2中所提到的方法相同。
步骤6-8,根据步骤6-7产生的***发电机状态矩阵WX,计算1×N2阶***发电机状态似然比序列WW;
其中,计算似然比序列的公式与步骤5-5中的相同,应注意带入的是***发电机最优不可用度序列v*,发电机状态为步骤6-7计算得到的***发电机状态。
步骤7:基于所述发电***发电机状态序列、对应的似然比序列和等值负荷的多状态模型,计算出含光伏发电的发电***可靠性指标。
如图4所示,在本发明实施例的一种具体实施方式中,所述步骤7具体包括如下步骤:
步骤7-1,令***发电机状态序列索引wc=0;
步骤7-2,令负荷水平索引wk=0;
步骤7-3,wk=wk+1;wc=wc+1;
步骤7-4,从步骤6中生成的***发电机状态矩阵WX中逐次选取***发电机状态序列WXwc,逐次选取负荷水平WLwk;WXwc为发电机状态矩阵WX中第wc个序列,WLwk为负荷水平序列WL中第wk个元素,其对应的负荷概率为WPwk;
步骤7-5,更新第wk个负荷水平下***可靠性指标的指示函数;
其中,更新第wk个负荷水平WLwk下的***可靠性指标指示函数的具体方法:对步骤7-4中的***状态序列WXwc进行***状态分析,判断***状态WXwc是否产生切负荷;若产生切负荷,则指标指示函数:
FLOLP(WXwc)=WW(WXwc)×WPwk
FEENS(WXwc)=8760×SD×WW(WXwc)×WPwk
其中,SD为切负荷量,其大小为负荷水平WLwk与***M台发电机在状态WXwc下发电总量的差值;若没有产生切负荷,即***M台发电机在状态WXwc下发电总量大于负荷水平WLwk,则指标指示函数为FLOLP(WXwc)=0,FEENS(WXwc)=0。
步骤7-6,判断wk<Nw是否成立,若满足条件,则转入步骤7-7;否则,转入步骤7-3;
步骤7-7,更新多级负荷水平下的***可靠性指标及方差系数;
其中,更新多级负荷水平下的***可靠性指标及方差系数的计算公式为:
步骤7-8,若步骤7-7所计算的方差系数满足收敛条件,则输出发电***可靠性指标;否则,转入步骤7-2。
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 (8)
1.一种含光伏发电的发电***可靠性评估方法,其特征在于,包括:
步骤1:参数初始化;
步骤2:基于光伏发电统计数据,模拟产生光伏发电出力序列;
步骤3:将原始负荷序列与所述光伏发电出力序列进行点对点修正,获取修正后的负荷序列;
步骤4:对修正后的负荷序列进行线性化分或者聚类,建立等值负荷的多状态模型;
步骤5:使用交叉熵重要抽样法计算发电***中发电机的最优不可用度;
步骤6:根据所述发电机的最优不可用度,利用LHS方法生成发电***发电机状态序列和对应的似然比序列;
步骤7:基于所述发电***发电机状态序列、对应的似然比序列和等值负荷的多状态模型,计算出含光伏发电的发电***可靠性指标;
所述发电***发电机最优不可用度的计算方法包括以下步骤:
步骤5-1,交叉熵参数初始化:交叉熵重要抽样样本规模N;分位数ρ;平滑因子p;最大迭代次数Nkmax;给定M台发电机组出力和该机组对应的不可用度向量u、初次迭代不可用度向量v0=u,其中v0为1×M阶向量;迭代计算次数k=1;
步骤5-2,生成N个***状态序列,具体方法为:产生N个[0,1]区间的随机数向量,并与k-1次迭代计算使用的***发电机最优不可用度序列vk-1进行比较,若随机数则令/>否则令/>其中/>表示第ns个随机数向量中第/>个元素,/>表示第ns个***发电机状态向量中的第/>个元素;
步骤5-3,根据步骤5-2得到的***发电机状态序列,计算N个***发电机状态下的***发电机出力总量,将N个***发电机出力总量按从小到大顺序进行排序,得到升序排列的***发电机供电总量序列;
步骤5-4,根据步骤5-3得到的升序排列的***发电机出力总量序列,更新可安全供电总负荷Lk的值,确定***在N个状态下的切负荷标志序列;
步骤5-5,根据步骤5-2得到的***发电机状态序列和此次迭代计算使用的发电机最优不可用度序列vk-1,计算N个***状态似然比序列;
步骤5-6,根据步骤5-5得到的***发电机状态似然比序列,计算此次,即第k次,***发电机最优不可用度序列vk;
步骤5-7,判断可安全供电总负荷Lk是否达到指定的平均负荷PL,亦或迭代次数k是否达到最大值Nkmax,若满足条件,即Lk=PL或k=Nkmax时,转入步骤6;否则令k=k+1,并返回步骤5-2;
所述发电***发电机状态序列和对应的似然比序列的生产方法包括以下步骤:
步骤6-1,LHS参数初始化:拉丁超立方法采样规模N2;***发电机台数M;
步骤6-2,根据步骤5得到的***发电机最优不可用度序列v*,计算***发电机状态原始采样矩阵R;
步骤6-3,逐行随机生成M×N2阶***发电机状态排列矩阵,它的每一行由[1,N2]范围内的N2个不重复的正整数构成,整数的值代表***发电机状态采样矩阵对应行对应元素的排列位置;
步骤6-4,根据步骤6-2得到的原始采样矩阵R,计算***发电机状态行相关系数矩阵ρ;
步骤6-5,将步骤6-4得到的相关系数矩阵ρ分解,构造行相关性更小的***发电机状态排列矩阵Qs *;
步骤6-6,将步骤6-2得到的***发电机状态原始采样矩阵R按照步骤6-5得到的排列矩阵Qs *重新排列,生成M×N2阶***发电机状态采样矩阵;
步骤6-7,根据***发电机最优不可用度序列v*,结合步骤6-6得到的采样矩阵,产生新的M×N2阶***发电机状态矩阵WX;
步骤6-8,根据步骤6-7产生的***发电机状态矩阵WX,计算1×N2阶***发电机状态似然比序列WW。
2.根据权利要求1所述的一种含光伏发电的发电***可靠性评估方法,其特征在于,所述光伏发电出力序列的产生方法包括以下步骤:
步骤2-1,读取光伏发电统计数据中的光伏出力历史小时序列数据,记为样本数组A,其样本数为NPV,舍去样本数据中的0,剩余的数据构成样本数组XPV,其样本数为n;步骤2-2,假设数组XPV中的n个样本变量为{XPV,1,XPV,2,...,XPV,n},样本变量XPV最小值为a,最大值为b,概率密度函数为f(XPV),则光伏出力的非参数核密度估计为其中,j1是样本数n的索引,带宽/>σ为标准差,K(·)表示核函数,且
步骤2-3,将变量XPV的定义域[a,b]等分为任意的m个点,用步骤2-2中的非参数核密度估计法对这m个点分别求出其对应的概率密度估计值并计算得各点的概率估计值为:
其中,iPV=1,2,...,m;
步骤2-4,以步骤2-3中各点的概率估计值计算/>处的累积概率估计值:
其中,jPV是iPV的索引,的最小值记为c,/>的最大值记为d;
步骤2-5,以步骤2-4中各个估计值为间隔点,将累积概率区间分为m-1份,在每一个小区间内,利用三次样条插值法得到该区间上样本值XPV关于累积概率估计值yPV的三次多项式:/>其中iM=1,2,…,m-1
步骤2-6,从小到大依次取其中i1=1,2,...,n,若/>则将/>代入步骤2-5中对应区间的多项式求得所需样本值/>否则/>
步骤2-7,将步骤2-1中舍去的(NPV-n)个0数据与步骤2-6中求得的n个样本值排列成新的数组Z,Z的样本数是NPV,其数据为从小到大排列的数据,数组Z即为模拟的光伏出力数据;
步骤2-8,对步骤2-7中模拟的光伏出力序列Z按原始数据的位置特性进行排序,得到光伏电站时序出力序列Z’。
3.根据权利要求2所述的一种含光伏发电的发电***可靠性评估方法,其特征在于:所述步骤2-8中排序的具体过程为:
步骤2-8-1,对步骤2-1中的样本数组A标记位置,对应的位置序列矩阵记为B=[1,2,…,NPV]T;
步骤2-8-2,将样本数组A中的数据从小到大排列得到新的数组A’,对应的位置矩阵变为B’=[i2,…,NPV,…,j2]T,其中,i2∈{1,2,...,NPV},j2∈{1,2,...,NPV};
步骤2-8-3,新建一个NPV×2的矩阵C,将步骤2-7中模拟的光伏出力序列Z作为矩阵C的第一列,位置矩阵B’作为矩阵C的第二列,得到新的矩阵C;
步骤2-8-4,对步骤2-8-3中的矩阵序列B’按从小到大的顺序排列,则矩阵C中对应的Z变为Z’,Z’即为符合原始数据特性的光伏电站时序出力数据。
4.根据权利要求1所述的一种含光伏发电的发电***可靠性评估方法,其特征在于:所述步骤5-4中计算***切负荷标志序列的具体步骤包括:
步骤5-4-1,记步骤5-3得到的升序排列的***发电机供电总量序列为P;若Pt>PL,则令Lk=Pt;否则,令Lk=PL;从而计算得到第k次迭代的安全供电总负荷Lk,其中ρ为分位数,Pt为***发电机供电总量序列P中的第t个元素,其中t=ρ×N;PL为给定平均负荷,计算公式为
步骤5-4-2,记步骤5-3得到的未排序前的***发电机供电总量序列为SL;记第ns个***发电机状态序列为***在N个***发电机状态下的切负荷标志序列为H;若/>则/>否则/>其中/>表示***在发电机状态/>下的供电总量,/>表示/>状态下***对应的切负荷标志值。
5.根据权利要求1所述的一种含光伏发电的发电***可靠性评估方法,其特征在于:所述似然比的计算公式为:
其中,W表示***发电机似然比序列,为***状态/>的似然比,/>表示第个***发电机状态序列,/>表示第/>个***发电机状态序列中第/>台发电机状态值,M为***发电机数,/>表示***第/>台发电机的初始不可用度值,/>为***第/>个发电机在第k-1次迭代计算使用的不可用度值;其中/>
所述vk的计算公式为:
引入平滑因子p,按式v′kj′=pvkj′+(1-p)v(k-1)j′计算,得到vk,其中vk,j′表示第k次迭代计算得到的发电机不可用度序列vk中第j′台发电机的不可用度值,为***状态Xi′的似然比,Xi′表示第i′个***发电机状态序列,Xi′j′表示第i′个***发电机状态序列第j′台发电机状态值,H(Xi′)表示***状态Xi′的切负荷标志值,其中i′=1,2,...,N,j′=1,2,...,M。
6.根据权利要求1所述的一种含光伏发电的发电***可靠性评估方法,其特征在于:所述***发电机状态原始采样矩阵R的计算公式为:
其中,N2为拉丁超立方抽样方法的采样规模数,e和λ都为定常数,表示矩阵R的第j*行第z列元素,/>为发电机不可用度序列v*中第j*台发电机的不可用度值,z=1,2,...,N2,j*=1,2,...,M;
所述发电***发电机状态相关系数矩阵ρ的计算公式为:
其中,M为发电***发电机数;ρi″j″表示相关系数矩阵ρ中第i″行与第j″行的相关系数,Ri″q表示矩阵R的第i″行第q列元素,Rj″q表示矩阵R的第j″行第q列元素,表示矩阵R的第i″行平均值,/>表示矩阵R的第j″行平均值。
7.根据权利要求1所述的一种含光伏发电的发电***可靠性评估方法,其特征在于:所述含光伏发电的发电***可靠性指标的计算方法包括:
步骤7-1,令***发电机状态序列索引wc=0;
步骤7-2,令负荷水平索引wk=0;
步骤7-3,wk=wk+1;wc=wc+1;
步骤7-4,从步骤6中生成的***发电机状态矩阵WX中逐次选取***发电机状态序列WXwc,逐次选取负荷水平WLwk;WXwc为发电机状态矩阵WX中第wc个序列,WLwk为负荷水平序列WL中第wk个元素,其对应的负荷概率为WPwk;
步骤7-5,更新第wk个负荷水平下***可靠性指标的指示函数;
步骤7-6,判断wk<Nw是否成立,若满足条件,则转入步骤7-7;否则,转入步骤7-3;
步骤7-7,更新多级负荷水平下的***可靠性指标及方差系数;
步骤7-8,若步骤7-7所计算的方差系数满足收敛条件,则输出发电***可靠性指标;
否则,转入步骤7-2。
8.根据权利要求7所述的一种含光伏发电的发电***可靠性评估方法,其特征在于:所述步骤7-5中,更新第wk个负荷水平WLwk下的***可靠性指标指示函数的具体方法为:对步骤7-4中的***状态序列WXwc进行***状态分析,判断***状态WXwc是否产生切负荷;若产生切负荷,则指标指示函数为其中SD为切负荷量,其大小为负荷水平WLwk与***M台发电机在状态WXwc下发电总量的差值;若没有产生切负荷,即***M台发电机在状态WXwc下发电总量大于负荷水平WLwk,则指标指示函数为FLOLP(WXwc)=0,FEENS(WXwc)=0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110500928.6A CN113128071B (zh) | 2021-05-08 | 2021-05-08 | 一种含光伏发电的发电***可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110500928.6A CN113128071B (zh) | 2021-05-08 | 2021-05-08 | 一种含光伏发电的发电***可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113128071A CN113128071A (zh) | 2021-07-16 |
CN113128071B true CN113128071B (zh) | 2024-02-09 |
Family
ID=76781470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110500928.6A Active CN113128071B (zh) | 2021-05-08 | 2021-05-08 | 一种含光伏发电的发电***可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113128071B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114239999A (zh) * | 2021-12-30 | 2022-03-25 | 重庆大学 | 基于交叉熵重要抽样的元件可靠性参数优化解析方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063255A (zh) * | 2014-07-18 | 2014-09-24 | 上海电力学院 | 基于序列运算的并网型微网经济运行方法 |
CN104638672A (zh) * | 2015-01-26 | 2015-05-20 | 东南大学 | 一种考虑变量相关性的光伏穿透功率极限的确定方法 |
CN106096827A (zh) * | 2016-06-02 | 2016-11-09 | 国网山东省电力公司济南供电公司 | 基于混合抽样与最小切负荷计算的可靠性计算方法及平台 |
CN106557832A (zh) * | 2016-10-14 | 2017-04-05 | 同济大学 | 一种微电网选址定容方法 |
CN107480825A (zh) * | 2017-08-17 | 2017-12-15 | 广东电网有限责任公司电力科学研究院 | 一种计及容量可信度的光伏电站优化规划方法 |
CN107681685A (zh) * | 2017-09-13 | 2018-02-09 | 国网甘肃省电力公司电力科学研究院 | 一种考虑光伏非线性相关性的电力***概率潮流计算方法 |
JP2018173357A (ja) * | 2017-03-31 | 2018-11-08 | 国立大学法人大阪大学 | 試験方法、試験サンプル、試験システム、評価方法、評価システム、及び評価プログラム |
WO2019045262A1 (ko) * | 2017-08-31 | 2019-03-07 | 주식회사 하이메틱스 | 전력부하 전력소모량 시뮬레이션 장치 및 방법 |
CN109978404A (zh) * | 2019-04-04 | 2019-07-05 | 国网经济技术研究院有限公司 | 计及不确定性因素与场景削减的输电通道扩展规划方法 |
CN110516629A (zh) * | 2019-08-30 | 2019-11-29 | 河海大学常州校区 | 一种基于多云层特征的云层检测及分类方法 |
CN110514298A (zh) * | 2019-08-30 | 2019-11-29 | 河海大学常州校区 | 一种基于地基云图的太阳辐照强度计算方法 |
CN111753397A (zh) * | 2020-05-25 | 2020-10-09 | 国网福建省电力有限公司 | 一种计及分布式电源相关性的配电***可靠性评估方法 |
CN111950900A (zh) * | 2020-08-12 | 2020-11-17 | 国网山东省电力公司烟台供电公司 | 一种电力***源网荷储本质安全风险评估方法 |
CN112508731A (zh) * | 2020-11-03 | 2021-03-16 | 南京工程学院 | 一种考虑主动管理模式的分布式电源优化配置方法 |
CN112632794A (zh) * | 2020-12-30 | 2021-04-09 | 苏州电力设计研究院有限公司 | 基于交叉熵参数子集模拟优化的电网可靠性评估方法 |
-
2021
- 2021-05-08 CN CN202110500928.6A patent/CN113128071B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063255A (zh) * | 2014-07-18 | 2014-09-24 | 上海电力学院 | 基于序列运算的并网型微网经济运行方法 |
CN104638672A (zh) * | 2015-01-26 | 2015-05-20 | 东南大学 | 一种考虑变量相关性的光伏穿透功率极限的确定方法 |
CN106096827A (zh) * | 2016-06-02 | 2016-11-09 | 国网山东省电力公司济南供电公司 | 基于混合抽样与最小切负荷计算的可靠性计算方法及平台 |
CN106557832A (zh) * | 2016-10-14 | 2017-04-05 | 同济大学 | 一种微电网选址定容方法 |
JP2018173357A (ja) * | 2017-03-31 | 2018-11-08 | 国立大学法人大阪大学 | 試験方法、試験サンプル、試験システム、評価方法、評価システム、及び評価プログラム |
CN107480825A (zh) * | 2017-08-17 | 2017-12-15 | 广东电网有限责任公司电力科学研究院 | 一种计及容量可信度的光伏电站优化规划方法 |
WO2019045262A1 (ko) * | 2017-08-31 | 2019-03-07 | 주식회사 하이메틱스 | 전력부하 전력소모량 시뮬레이션 장치 및 방법 |
CN107681685A (zh) * | 2017-09-13 | 2018-02-09 | 国网甘肃省电力公司电力科学研究院 | 一种考虑光伏非线性相关性的电力***概率潮流计算方法 |
CN109978404A (zh) * | 2019-04-04 | 2019-07-05 | 国网经济技术研究院有限公司 | 计及不确定性因素与场景削减的输电通道扩展规划方法 |
CN110516629A (zh) * | 2019-08-30 | 2019-11-29 | 河海大学常州校区 | 一种基于多云层特征的云层检测及分类方法 |
CN110514298A (zh) * | 2019-08-30 | 2019-11-29 | 河海大学常州校区 | 一种基于地基云图的太阳辐照强度计算方法 |
CN111753397A (zh) * | 2020-05-25 | 2020-10-09 | 国网福建省电力有限公司 | 一种计及分布式电源相关性的配电***可靠性评估方法 |
CN111950900A (zh) * | 2020-08-12 | 2020-11-17 | 国网山东省电力公司烟台供电公司 | 一种电力***源网荷储本质安全风险评估方法 |
CN112508731A (zh) * | 2020-11-03 | 2021-03-16 | 南京工程学院 | 一种考虑主动管理模式的分布式电源优化配置方法 |
CN112632794A (zh) * | 2020-12-30 | 2021-04-09 | 苏州电力设计研究院有限公司 | 基于交叉熵参数子集模拟优化的电网可靠性评估方法 |
Non-Patent Citations (2)
Title |
---|
基于伪序贯蒙特卡洛的光伏并网发电***可靠性分析;史杰 等;《电力学报》;第35卷(第5期);385-393 * |
复杂大电网快速可靠性评估方法研究;陈启;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》(第02期);C042-2130 * |
Also Published As
Publication number | Publication date |
---|---|
CN113128071A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116011686B (zh) | 基于多数据融合的充电棚光伏发电储量预测方法 | |
CN112632794B (zh) | 基于交叉熵参数子集模拟优化的电网可靠性评估方法 | |
CN111709454B (zh) | 一种基于最优copula模型的多风电场出力聚类评估方法 | |
CN110212592B (zh) | 基于分段线性表达的火电机组负荷调节最大速率估计方法及*** | |
CN112329339B (zh) | 一种风电场短期风速预测方法 | |
CN111401755A (zh) | 基于马尔科夫链的多新能源出力场景生成方法、装置及*** | |
CN112669168B (zh) | 一种风电功率短期预测方法 | |
CN113128071B (zh) | 一种含光伏发电的发电***可靠性评估方法 | |
CN110795691B (zh) | 基于改进拟蒙特卡洛法的配电网风险评估方法 | |
CN111797132B (zh) | 考虑时空相关性的多可再生能源电站功率场景生成方法 | |
CN112733273A (zh) | 一种基于遗传算法和最大似然估计确定贝叶斯网络参数的方法 | |
CN113919107A (zh) | 基于最大熵原理与交叉熵重要抽样的电网可靠性评估方法 | |
CN112990553A (zh) | 使用自注意机制和双线性融合的风电超短期功率预测方法 | |
WO2023115760A1 (zh) | 基于局部代理模型的电机多目标鲁棒性优化方法 | |
CN103324821A (zh) | 一种基于组合插值的gm(1,1)模型预测方法 | |
CN109146131A (zh) | 一种日前风力发电预测方法 | |
CN106909798A (zh) | 一种基于累积概率曲线的逐日降水多模式集合方法 | |
CN112418504B (zh) | 一种基于混合变量选择优化深度信念网络风速预测方法 | |
CN110490384A (zh) | 一种区域气候模式动力降尺度要素误差订正方法 | |
CN114186709A (zh) | 基于帝王蝶算法优化灰色模型关键参数的能源预测方法 | |
CN115173421B (zh) | 一种基于渐进拉丁超立方采样的概率最优潮流计算方法 | |
CN104091041B (zh) | 基于高阶矩的发电功率估算方法和*** | |
CN116073369A (zh) | 采用蒙特卡洛模拟改进的Copula光伏出力概率区间预测方法 | |
CN109902007B (zh) | 一种基于点染色模型的测试用例生成方法 | |
CN112417768A (zh) | 一种基于藤结构Pair-Copula的风电相关性条件采样方法 |
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 |