CN103984855A - 一种电力系统不确定性跟踪的复仿射数学方法 - Google Patents

一种电力系统不确定性跟踪的复仿射数学方法 Download PDF

Info

Publication number
CN103984855A
CN103984855A CN201410182690.7A CN201410182690A CN103984855A CN 103984855 A CN103984855 A CN 103984855A CN 201410182690 A CN201410182690 A CN 201410182690A CN 103984855 A CN103984855 A CN 103984855A
Authority
CN
China
Prior art keywords
node
voltage
power
affine
uncertain
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.)
Granted
Application number
CN201410182690.7A
Other languages
English (en)
Other versions
CN103984855B (zh
Inventor
王守相
韩亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201410182690.7A priority Critical patent/CN103984855B/zh
Publication of CN103984855A publication Critical patent/CN103984855A/zh
Application granted granted Critical
Publication of CN103984855B publication Critical patent/CN103984855B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种电力系统不确定性跟踪的复仿射数学方法,是一种基于复仿射数学理论的不确定变量影响力指标,提出了电力系统节点功率不确定性对电力系统节点电压影响分析方法,针对电力系统节点功率的波动性和随机性,提出不确定变量影响力指标,用于定量分析电力系统任意节点的电压或功率不确定性对系统各个节点电压和各条支路功率不确定性的影响,包括将节点功率和节点电压波动区间值转换为复仿射值;通过基于复仿射数学理论的三相不平衡潮流计算方法计算各节点电压和各支路功率;计算各不确定源在电力系统各节点及各线路的不确定性影响力;输出计算结果。本发明能够实现对各个节点的电压或功率不确定性对系统不确定性贡献的追踪。

Description

一种电力系统不确定性跟踪的复仿射数学方法
技术领域
本发明涉及一种电力系统不确定性分析方法。特别是涉及一种电力系统不确定性跟踪的复仿射数学方法。
背景技术
电力系统实际运行中会存在大量的不确定因素,不确定分析在电力系统中越来越重要。由于电力系统规模庞大,结构复杂,各种因素相互影响,传统的不确定潮流分析方法(概率潮流、模糊潮流、区间潮流等)最终的输出结果为一分布(概率分布、模糊分布或区间分布),这一分布只能体现多个不确定变量共同作用后的结果,但无法分析每个不确定输入源对不确定输出变量的影响程度。
发明内容
本发明所要解决的技术问题是,提供一种用于定量分析电力系统任意节点的电压或功率不确定性对系统各个节点电压和各条支路功率不确定性影响的电力系统不确定性跟踪的复仿射数学方法。
本发明所采用的技术方案是:一种电力系统不确定性跟踪的复仿射数学方法,是一种基于复仿射数学理论的不确定变量影响力指标,提出了电力系统节点功率不确定性对电力系统节点电压影响分析方法,包括如下步骤:
1)设定电力系统中有N个节点,所述的N个节点中,有n个不确定功率输入源,各不确定输入源功率的仿射形式为:
S ^ j i = S 0 j i + S j i ϵ j
式中:为节点j第i相复仿射功率注入值,j=1,2,…,n,i=A,B,C;
为节点j第i相的额定功率;
εj为节点j的功率噪声元;
为功率噪声元系数。
同理,设定系统中有k个PV节点,各PV节点电压的仿射形式为:
U ^ j i = U 0 j i + U j i ϵ j
式中:为节点j第i相复仿射电压值,j=1,2,…,k,i=A,B,C;
为节点j第i相的电压额定值;
εj为节点j的电压噪声元;
为电压噪声元系数;
2)利用基于复仿射数学理论的三相不平衡潮流计算方法计算得出节点j第i相的电压仿射值:
U ^ j i = u 0 + Σ l = 1 n + k u l ϵ l
式中:为节点j第i相复仿射电压值,j=1,2,…,N(除PV节点外),i=A,B,C;
u0为节点j第i相复仿射电压值的中值;
εl为节点j电压的第l个噪声元,l=1,2,…,(n+k);
ul为节点j电压的第l个噪声元系数,l=1,2,…,(n+k);
支路L第i相的功率仿射值:
S ^ L i = s 0 + Σ l = 1 n + k s l ϵ l
式中:为节点j第i相复仿射电压值,j=1,2,…,N,i=A,B,C;
s0为节点j第i相复仿射电压值的中值;
εl为节点j电压的第l个噪声元,l=1,2,…,(n+k);
sl为节点j电压的第l个噪声元系数,l=1,2,…,(n+k)
3)计算第m个功率不确定源的不确定变量对节点电压的影响力:
δ m = | u m | Σ k = 1 n + k | u k | × 100 %
式中:δm为第m个不确定源的不确定变量影响力,m=1,2,…,(n+k)。
本发明的一种电力系统不确定性跟踪的复仿射数学方法,针对电力系统节点功率的波动性和随机性,提出不确定变量影响力指标,用于定量分析电力系统任意节点的电压或功率不确定性对系统各个节点电压和各条支路功率不确定性的影响,从而实现对各个节点的电压或功率不确定性对系统不确定性贡献的追踪。
附图说明
图1是IEEE13节点算例接线图。
具体实施方式
下面结合实施例和附图对本发明的一种电力系统不确定性跟踪的复仿射数学方法做出详细说明。
本发明的一种电力系统不确定性跟踪的复仿射数学方法,针对电力系统节点功率的波动性和随机性,提出不确定变量影响力指标,用于定量分析电力系统任意节点的电压或功率不确定性对系统各个节点电压和各条支路功率不确定性的影响,从而实现对各个节点的电压或功率不确定性对系统不确定性贡献的追踪。
本发明的一种电力系统不确定性跟踪的复仿射数学方法,是一种基于复仿射数学理论的不确定变量影响力指标,提出了电力系统节点功率不确定性对电力系统节点电压影响分析方法,包括如下步骤:
1)设定电力系统中有N个节点,所述的N个节点中,有n个不确定功率输入源,各不确定输入源功率的仿射形式为:
S ^ j i = S 0 j i + S j i ϵ j
式中:为节点j第i相复仿射功率注入值,j=1,2,…,n,i=A,B,C;
为节点j第i相的额定功率;
εj为节点j的功率噪声元;
为功率噪声元系数。
同理,设定系统中有k个PV节点,各PV节点电压的仿射形式为:
U ^ j i = U 0 j i + U j i ϵ j
式中:为节点j第i相复仿射电压值,j=1,2,…,k,i=A,B,C;
为节点j第i相的电压额定值;
εj为节点j的电压噪声元;
为电压噪声元系数;
2)利用基于复仿射数学理论的三相不平衡潮流计算方法计算得出节点j第i相的电压仿射值,所述的基于复仿射数学理论的三相不平衡潮流计算方法,是在申请号为201310131540.9的专利申请中所公开的,根据其所公开的方法,很快就可以算出节点j第i相的电压仿射值:
U ^ j i = u 0 + Σ l = 1 n + k u l ϵ l
式中:为节点j第i相复仿射电压值,j=1,2,…,N(除PV节点外),i=A,B,C;
u0为节点j第i相复仿射电压值的中值;
εl为节点j电压的第l个噪声元,l=1,2,…,(n+k);
ul为节点j电压的第l个噪声元系数,l=1,2,…,(n+k);
支路L第i相的功率仿射值:
S ^ L i = s 0 + Σ l = 1 n + k s l ϵ l
式中:为节点j第i相复仿射电压值,j=1,2,…,N,i=A,B,C;
s0为节点j第i相复仿射电压值的中值;
εl为节点j电压的第l个噪声元,l=1,2,…,(n+k);
sl为节点j电压的第l个噪声元系数,l=1,2,…,(n+k)
3)计算第m个功率不确定源的不确定变量对节点电压的影响力:
δ m = | u m | Σ k = 1 n + k | u k | × 100 %
式中:δm为第m个不确定源的不确定变量影响力,m=1,2,…,(n+k)。
在本发明的一种电力系统不确定性跟踪的复仿射数学方法中,所给出的N、n、k都是大于等于1的整数。
下面以图1所示的具有13个负荷节点的电力系统算例为例按照如下过程进一步说明本发明。
1、将节点功率或节点电压波动区间值转换为复仿射值;
2、通过基于仿射数学的不确定潮流计算方法计算各节点电压和各支路功率;
3、计算各不确定源在电力系统各节点的不确定性影响力;
4、输出计算结果。
表1为此算例的负荷数据,系统其它数据与IEEE-13节点算例相同,不再赘述。其中有三个功率不确定源,分别在节点634(不确定源1),节点675(不确定源2)以及节点684(不确定源3)。
表1
表2为IEEE-13节点电力系统不确定源在不同节点处不确定变量影响力计算结果(A相)。
表2
计算结果表明,本发明提出的一种电力系统不确定性跟踪的复仿射数学方法,基于复仿射理论的不确定变量影响力指标能够获得各功率不确定源对电力系统各节点电压和支路功率的影响力,而其他不确定潮流计算方法无法求解此类问题。

Claims (1)

1.一种电力系统不确定性跟踪的复仿射数学方法,其特征在于,是一种基于复仿射数学理论的不确定变量影响力指标,提出了电力系统节点功率不确定性对电力系统节点电压影响分析方法,包括如下步骤:
1)设定电力系统中有N个节点,所述的N个节点中,有n个不确定功率输入源,各不确定输入源功率的仿射形式为:
S ^ j i = S 0 j i + S j i ϵ j
式中:为节点j第i相复仿射功率注入值,j=1,2,…,n,i=A,B,C;
为节点j第i相的额定功率;
εj为节点j的功率噪声元;
为功率噪声元系数。
同理,设定系统中有k个PV节点,各PV节点电压的仿射形式为:
U ^ j i = U 0 j i + U j i ϵ j
式中:为节点j第i相复仿射电压值,j=1,2,…,k,i=A,B,C;
为节点j第i相的电压额定值;
εj为节点j的电压噪声元;
为电压噪声元系数;
2)利用基于复仿射数学理论的三相不平衡潮流计算方法计算得出节点j第i相的电压仿射值:
U ^ j i = u 0 + Σ l = 1 n + k u l ϵ l
式中:为节点j第i相复仿射电压值,j=1,2,…,N(除PV节点外),i=A,B,C;
u0为节点j第i相复仿射电压值的中值;
εl为节点j电压的第l个噪声元,l=1,2,…,(n+k);
ul为节点j电压的第l个噪声元系数,l=1,2,…,(n+k);
支路L第i相的功率仿射值:
S ^ L i = s 0 + Σ l = 1 n + k s l ϵ l
式中:为节点j第i相复仿射电压值,j=1,2,…,N,i=A,B,C;
s0为节点j第i相复仿射电压值的中值;
εl为节点j电压的第l个噪声元,l=1,2,…,(n+k);
sl为节点j电压的第l个噪声元系数,l=1,2,…,(n+k)
3)计算第m个功率不确定源的不确定变量对节点电压的影响力:
δ m = | u m | Σ k = 1 n + k | u k | × 100 %
式中:δm为第m个不确定源的不确定变量影响力,m=1,2,…,(n+k)。
CN201410182690.7A 2014-04-30 2014-04-30 一种电力系统不确定性跟踪的复仿射数学方法 Active CN103984855B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410182690.7A CN103984855B (zh) 2014-04-30 2014-04-30 一种电力系统不确定性跟踪的复仿射数学方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410182690.7A CN103984855B (zh) 2014-04-30 2014-04-30 一种电力系统不确定性跟踪的复仿射数学方法

Publications (2)

Publication Number Publication Date
CN103984855A true CN103984855A (zh) 2014-08-13
CN103984855B CN103984855B (zh) 2017-02-15

Family

ID=51276823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410182690.7A Active CN103984855B (zh) 2014-04-30 2014-04-30 一种电力系统不确定性跟踪的复仿射数学方法

Country Status (1)

Country Link
CN (1) CN103984855B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106662478A (zh) * 2014-09-04 2017-05-10 高准公司 差示流量计工具
CN106712028A (zh) * 2016-11-14 2017-05-24 哈尔滨工程大学 一种考虑电源负荷波动的交直流电网潮流计算分析方法
CN111181166A (zh) * 2020-02-17 2020-05-19 福州大学 一种预测校正的不确定性仿射潮流方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
G.MANSON: ""Calculating frequency response functions for uncertain systems using complex affine analysis"", 《JOURNAL OF SOUND AND VIBRATION》 *
丁涛等: ""一种非迭代仿射算法的输电网区间潮流计算方法"", 《中国电机工程学报》 *
丁涛等: ""基于区间和仿射运算的不确定潮流算法"", 《电力系统自动化》 *
韩亮等: ""含光伏风电的基于仿射算法的配电三相潮流计算"", 《电网技术》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106662478A (zh) * 2014-09-04 2017-05-10 高准公司 差示流量计工具
CN106712028A (zh) * 2016-11-14 2017-05-24 哈尔滨工程大学 一种考虑电源负荷波动的交直流电网潮流计算分析方法
CN106712028B (zh) * 2016-11-14 2019-06-14 哈尔滨工程大学 一种考虑电源负荷波动的交直流电网潮流计算分析方法
CN111181166A (zh) * 2020-02-17 2020-05-19 福州大学 一种预测校正的不确定性仿射潮流方法
CN111181166B (zh) * 2020-02-17 2022-10-28 福州大学 一种预测校正的不确定性仿射潮流方法

Also Published As

Publication number Publication date
CN103984855B (zh) 2017-02-15

Similar Documents

Publication Publication Date Title
Atherton et al. Methods for computing the time response of fractional‐order systems
Karimipour et al. Parallel relaxation‐based joint dynamic state estimation of large‐scale power systems
CN108054757B (zh) 一种内嵌无功和电压的n-1闭环安全校核方法
Liu et al. Sub-module short circuit fault diagnosis in modular multilevel converter based on wavelet transform and adaptive neuro fuzzy inference system
CN103984855A (zh) 一种电力系统不确定性跟踪的复仿射数学方法
Liu et al. Fast power system dynamic simulation using continued fractions
Balouji et al. Digital realisation of the IEC flickermeter using root mean square of the voltage waveform
Artale et al. A virtual tool for load flow analysis in a micro-grid
Solopov Criterion complex optimization in electric-power systems
Oh et al. Voltage estimation method for power distribution networks using high-precision measurements
CN103093079A (zh) 基于仿射算术的辐射型配电网不确定潮流分析方法
Vasilyev et al. Analysis of parametrical stability of the amplitude-phase converter with various filters
Cisneros-Magaña et al. Time-domain voltage sag state estimation based on the unscented Kalman filter for power systems with nonlinear components
Hussin et al. On the solution of fractional order nonlinear boundary value problems by using differential transformation method
Ren et al. Incremental broad learning for real‐time updating of data‐driven power system dynamic security assessment models
Varricchio et al. Hybrid modal‐balanced truncation method based on power system transfer function energy concepts
CN107102543B (zh) 一种能量路由器抗干扰控制器的形成方法及装置
Song et al. Load modeling methodologies for cascading outage simulation considering power system stability
CN103927594A (zh) 基于自学习复合数据源自回归模型的风电功率预测方法
Włodarczyk et al. The application of hypergeometric functions to computing fractional order derivatives of sinusoidal functions
CN103927596A (zh) 基于复合数据源自回归模型的风电功率超短期预测方法
Darvishi et al. Continuous estimation of speed and torque of induction motors using the unscented Kalman filter under voltage sag
Gajda et al. Using Monte Carlo analysis for practical investigation of sensitivity of electronic converters in respect to component tolerances
Kim et al. A novel supervisory control algorithm to improve the performance of a real-time PV power-hardware-in-loop simulator with Non-RTDS
Schlachter et al. Load Recognition in Hardware-Based Low Voltage Distribution Grids Using Convolutional Neural Networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant