CN110474372B - 用于高渗透率可再生能源配电网的灵活性评估方法及系统 - Google Patents

用于高渗透率可再生能源配电网的灵活性评估方法及系统 Download PDF

Info

Publication number
CN110474372B
CN110474372B CN201910876831.8A CN201910876831A CN110474372B CN 110474372 B CN110474372 B CN 110474372B CN 201910876831 A CN201910876831 A CN 201910876831A CN 110474372 B CN110474372 B CN 110474372B
Authority
CN
China
Prior art keywords
power
distribution network
evaluated
power distribution
node
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
Application number
CN201910876831.8A
Other languages
English (en)
Other versions
CN110474372A (zh
Inventor
牛焕娜
杨璐
段夏云
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.)
China Agricultural University
Original Assignee
China Agricultural 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 China Agricultural University filed Critical China Agricultural University
Priority to CN201910876831.8A priority Critical patent/CN110474372B/zh
Publication of CN110474372A publication Critical patent/CN110474372A/zh
Application granted granted Critical
Publication of CN110474372B publication Critical patent/CN110474372B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明实施例提供一种用于高渗透率可再生能源配电网的灵活性评估方法及系统，该方法包括：根据各节点相邻时刻之间有功功率的相关性，获取各节点的有功功率波动量期望值，根据各节点有功功率和无功功率的相关性，获取各节点的无功功率波动量期望值；获取当前时刻潮流数据，以获取第一灵敏度矩阵、第二灵敏度矩阵和第三灵敏度矩阵；根据各节点有功功率波动量期望值、无功功率波动量期望值、第一和第二灵敏度矩阵，获取待评估配电网电压波动程度综合性评价指标，根据各节点有功功率波动量期望值、无功功率波动量期望值和第三灵敏度矩阵，获取待评估配电网关口功率波动程度评估指标，以获取灵活性评估结果。本发明实施例实现了配电网灵活性评估。

Description

用于高渗透率可再生能源配电网的灵活性评估方法及系统
技术领域
本发明涉及配电网评估技术领域，尤其涉及一种用于高渗透率可再生能源配电网的灵活性评估方法及系统。
背景技术
配电网直接面向用户，具有可再生能源渗透率高、网架结构薄弱和有功无功不能解耦等特点。随着分布式可再生能源渗透率不断提高，煤改电推行以及用户电气化的普及，大量电采暖设备、空调设备和电动汽车等随机性负荷的出现，导致配电网的安全稳定运行面临着严峻挑战。传统配电网依靠上级电网实现电力电量平衡，而其辐射状分布的特点和可再生能源渗透率的提高，又会削弱上级电网的调节能力。因此，新的用电场景下关口功率和系统电压波动频繁，运行灵活性差的问题凸显，如何在考虑网络结构影响下，表征配电网中各节点的有功无功波动量和调节量对配电网灵活性造成的影响，成为配电网亟待解决的问题。
目前，有关电力系统灵活性的研究主要面向大电网输电系统，针对高渗透率可再生能源，以及不确定性负荷引起的电源跟踪净负荷波动爬坡不足问题展开，解决的是大电网有功功率的动态平衡问题，侧重于长周期的能量调度。而针对高渗透率可再生能源配电网的灵活性评估，还仅限于概念和研究方向的初步阶段，虽然有少量面向该配电网灵活性的研究，但也只是通过可再生能源消纳量和电压越限率等指标，被动地评估配电网灵活性的状况。
因此，现在亟需一种用于高渗透率可再生能源配电网的灵活性评估方法及系统解决上述问题。
发明内容
针对现有技术存在的问题，本发明实施例提供一种用于高渗透率可再生能源配电网的灵活性评估方法及系统。
第一方面，本发明实施例提供了一种用于高渗透率可再生能源配电网的灵活性评估方法，包括：
根据各个节点相邻时刻之间有功功率的相关性，获取待评估配电网中各个节点下一时刻的有功功率波动量期望值，根据各个节点有功功率和无功功率的相关性，获取所述待评估配电网中各个节点下一时刻的无功功率波动量期望值；
获取所述待评估配电网当前时刻的潮流数据，并根据所述潮流数据，获取第一灵敏度矩阵、第二灵敏度矩阵和第三灵敏度矩阵；其中，所述第一灵敏度矩阵为电压波动量对有功功率预期波动量的灵敏度矩阵，所述第二灵敏度矩阵为电压波动量对无功功率预期波动量的灵敏度矩阵，所述第三灵敏度矩阵为关口节点有功功率预期波动量对每个节点有功功率和每个节点无功功率预期波动量的灵敏度矩阵；
根据所述有功功率波动量期望值、所述无功功率波动量期望值、所述第一灵敏度矩阵和所述第二灵敏度矩阵，获取所述待评估配电网的电压波动程度综合性评价指标，根据所述有功功率波动量期望值、所述无功功率波动量期望值和所述第三灵敏度，获取所述待评估配电网的关口功率波动程度评估指标，以根据所述电压波动程度综合性评价指标和所述关口功率波动程度评估指标，获取所述待评估配电网的灵活性评估结果。
进一步地，在所述根据各个节点相邻时刻之间有功功率的相关性，获取待评估配电网中各个节点下一时刻的有功功率波动量期望值，根据各个节点有功功率和无功功率的相关性，获取所述待评估配电网中各个节点下一时刻的无功功率波动量期望值之前，所述方法还包括：
根据待评估配电网的历史数据，分别获取所述待评估配电网的有功功率密度函数和无功功率密度函数；
所述有功功率密度函数的公式为：
Figure GDA0002717184310000021
其中，f(pi,c,t)表示待评估配电网中第i个节点的第c类设备在t时刻的有功功率密度函数，m表示样本容量，K(·)表示核函数，h表示窗宽系数；
所述无功功率密度函数的公式为：
Figure GDA0002717184310000031
其中，f(qi,c,t)表示待评估配电网中第i个节点的第c类设备在t时刻的无功功率密度函数，m表示样本容量，K(·)表示核函数，h表示窗宽系数。
进一步地，所述根据各个节点相邻时刻之间有功功率的相关性，获取待评估配电网中各个节点下一时刻的有功功率波动量期望值，包括：
根据所述有功功率密度函数，获取待评估配电网的有功功率分布函数，公式为：
Figure GDA0002717184310000032
其中，F(pi,c,t)表示待评估配电网中第i个节点的第c类设备在t时刻的有功功率分布函数；
根据待评估配电网的有功功率分布函数，获取待评估配电网相邻时刻之间有功功率相关性的每一类Copula分布函数，公式为：
Figure GDA0002717184310000033
其中，Ck(F(pi,c,t),F(pi,c,t+1))表示待评估配电网中第i个节点的第c类设备，在t时刻和t+1时刻的有功功率相关性的第k类Copula分布函数；F(pi,c,t+1)表示待评估配电网中第i个节点的第c类设备在t+1时刻的有功功率分布函数，Φk表示第k类Copula分布函数的生成元函数，
Figure GDA0002717184310000034
表示第k类Copula分布函数的生成元函数的逆函数，t时刻表示当前时刻，t+1时刻表示当前t时刻的下一时刻；
根据待评估配电网的有功功率分布函数，获取待评估配电网相邻时刻之间有功功率相关性的经验Copula分布函数，公式为：
Figure GDA0002717184310000035
其中，Ce(F(pi,c,t),F(pi,c,t+1))表示待评估配电网中第i个节点的第c类设备，在t时刻和t+1时刻的有功功率相关性的经验Copula分布函数；
Figure GDA0002717184310000036
表示待评估配电网中第i个节点的第c类设备在t时刻时，样本数据的第j个顺序统计量；
Figure GDA0002717184310000041
表示待评估配电网中第i个节点的第c类设备在t+1时刻时，样本数据的第j个顺序统计量；I[]表示指示性函数，m表示样本数量；
根据待评估配电网相邻时刻之间有功功率相关性的每一类Copula分布函数，和待评估配电网相邻时刻之间有功功率相关性的经验Copula分布函数，获取欧式距离之和，公式为：
Figure GDA0002717184310000042
其中，
Figure GDA0002717184310000043
表示待评估配电网相邻时刻之间有功功率相关性的第k类Copula分布函数，和待评估配电网相邻时刻之间有功功率相关性的经验Copula分布函数，在每个样本节点的欧式距离之和；
根据欧式距离之和，获取待评估配电网相邻时刻之间有功功率相关性的最优Copula分布函数C(F(pi,c,t),F(pi,c,t+1))，以用于得到待评估配电网中各个节点下一时刻的有功功率波动量期望值。
进一步地，所述根据各个节点相邻时刻之间有功功率的相关性，获取待评估配电网中各个节点下一时刻的有功功率波动量期望值，还包括：
根据待评估配电网相邻时刻之间有功功率相关性的最优Copula分布函数C(F(pi,c,t),F(pi,c,t+1))，获取待评估配电网相邻时刻的有功功率联合概率密度函数，公式为：
Figure GDA0002717184310000044
其中，f(pi,c,t,pi,c,t+1)表示待评估配电网中第i个节点的第c类设备在t时刻和t+1时刻的有功功率联合概率密度函数；c(f(pi,c,t),f(pi,c,t+1))表示待评估配电网中第i个节点的第c类设备，在t时刻和t+1时刻的有功功率相关性的Copula密度函数；C(F(pi,c,t),F(pi,c,t+1))表示待评估配电网中第i个节点的第c类设备，在t时刻和t+1时刻的有功功率相关性的最优Copula分布函数；
根据待评估配电网相邻时刻的有功功率联合概率密度函数，获取待评估配电网基于当前时刻，在下一时刻的有功功率条件概率密度函数，公式为：
Figure GDA0002717184310000045
其中，f(pi，c，t+1|pi，c，t)表示待评估配电网中第i个节点的第c类设备基于t时刻，在t+1时刻的有功功率条件概率密度函数；
根据待评估配电网基于当前时刻，在下一时刻的有功功率条件概率密度函数，获取待评估配电网的下一时刻有功功率波动量基于当前时刻有功功率的条件概率密度函数，公式为：
f(Δpi，c，t|pi，c，t)＝c(f(pi，c，t)，f(Δpi，c，t+pi，c，t))f(Δpi，c，t+pi，c，t)；
其中，Δpi，c，t表示待评估配电网中第i个节点的第c类设备的有功功率波动量，Δpi，c，t＝pi，c，t+1-pi，c，t；
根据待评估配电网的下一时刻有功功率波动量基于当前时刻有功功率的条件概率密度函数和连续型随机变量期望值定义公式，获取待评估配电网下一时刻的有功功率波动量期望值，公式为：
Figure GDA0002717184310000051
其中，E(Δpi，c，t)表示待评估配电网中第i个节点的第c类设备在t时刻的有功功率波动量期望值；
根据待评估配电网中各个节点的各类设备下一时刻的有功功率波动量期望值，获取待评估配电网中每个节点下一时刻的有功功率波动量期望值，公式为：
Δpi，t＝∑cE(Δpi，c，t)；
其中，Δpi，t表示待评估配电网中第i个节点在t时刻下一时刻的有功功率波动量期望值。
进一步地，所述根据各个节点有功功率和无功功率的相关性，获取所述待评估配电网中各个节点下一时刻的无功功率波动量期望值，包括：
根据所述无功功率密度函数，获取待评估配电网的无功功率分布函数，公式为：
Figure GDA0002717184310000052
其中，F(qi，c，t)表示表示待评估配电网中第i个节点的第c类设备在t时刻的无功功率分布函数；
根据待评估配电网的无功功率分布函数，获取待评估配电网有功功率和无功功率相关性的每一类Copula分布函数，公式为：
Figure GDA0002717184310000061
其中，Ck(F(pi，c，t)，F(qi，c，t))表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率相关性的第k类Copula分布函数；
根据待评估配电网的无功功率分布函数，获取待评估配电网有功功率和无功功率相关性的经验Copula分布函数，公式为：
Figure GDA0002717184310000062
其中，Ce(F(pi，c，t)，F(qi，c，t))表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率相关性的经验Copula分布函数；
Figure GDA0002717184310000063
表示待评估配电网中第i个节点的第c类设备在t时刻时，样本数据的第j个顺序统计量；
根据待评估配电网有功功率和无功功率相关性的每一类Copula分布函数，和待评估配电网有功功率和无功功率相关性的经验Copula分布函数，获取欧式距离之和，公式为：
Figure GDA0002717184310000064
其中，
Figure GDA0002717184310000065
表示待评估配电网有功功率和无功功率相关性的第k类Copula分布函数，和待评估配电网有功功率和无功功率相关性的经验Copula分布函数，在每个样本节点的欧式距离之和；
根据欧式距离之和，获取待评估配电网有功功率和无功功率相关性的最优Copula分布函数C(F(pi，c，t)，F(qi，c，t))，以用于得到待评估配电网中各个节点下一时刻的无功功率波动量期望值。
进一步地，所述根据各个节点有功功率和无功功率的相关性，获取所述待评估配电网各个节点下一时刻的无功功率波动量期望值，还包括：
根据待评估配电网有功功率和无功功率相关性的最优Copula分布函数C(F(pi，c，t)，F(qi，c，t))，获取待评估配电网有功功率和无功功率的联合概率密度函数，公式为：
Figure GDA0002717184310000066
其中，f(pi，c，t，qi，c，t)表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率的联合概率密度函数，C(f(pi，c，t)，f(qi，c，t))表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率相关性的Copula分布函数，c(f(pi，c，t)，f(qi，c，t))表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率相关性的Copula密度函数；C(F(pi，c，t)，F(qi，c，t))表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率相关性的最优Copula分布函数；
根据待评估配电网有功功率和无功功率的联合概率密度函数，获取待评估配电网无功功率基于有功功率的条件概率密度函数，公式为：
Figure GDA0002717184310000071
其中，f(qi，c，t|pi，c，t)表示待评估配电网中第i个节点的第c类设备t时刻的无功功率基于有功功率的条件概率密度函数；
根据待评估配电网基于当前时刻，在下一时刻的有功功率条件概率密度函数，以及待评估配电网无功功率基于有功功率的条件概率密度函数，获取待评估配电网下一时刻的无功功率期望值，公式为：
Figure GDA0002717184310000072
其中，E(qi，c，t+1)表示待评估配电网中第i个节点的第c类设备t+1时刻的无功功率期望值，f(qi，c，t+1|pi，c，t+1)表示待评估配电网中第i个节点的第c类设置t+1时刻的无功功率基于有功功率的条件概率密度函数；
根据待评估配电网下一时刻的无功功率期望值，获取待评估配电网下一时刻的无功功率波动量期望值，公式为：
Δqi，c，t＝E(qi，c，t+1)-qi，c，t；
其中，Δqi，c，t表示待评估配电网中第i个节点的第c类设备t时刻的无功功率波动量期望值，qi，c，t表示待评估配电网中第i个节点的第c类设备t时刻的无功功率值；
根据待评估配电网中各个节点的各类设备下一时刻的无功功率波动量期望值，获取待评估配电网中各个节点下一时刻的无功功率波动量期望值，公式为：
Δqi，t＝∑c(Δqi，c，t)；
其中，Δqi，t表示待评估配电网中第i个节点在t时刻下一时刻的无功功率波动量期望值。
进一步地，根据所述有功功率波动量期望值、所述无功功率波动量期望值、所述第一灵敏度矩阵和所述第二灵敏度矩阵，获取所述待评估配电网的电压波动程度综合性评价指标；根据所述有功功率波动量期望值、所述无功功率波动量期望值和所述第三灵敏度，获取所述待评估配电网的关口功率波动程度评估指标，以根据所述电压波动程度综合性评价指标和所述关口功率波动程度评估指标，获取所述待评估配电网的灵活性评估结果，包括：
根据所述有功功率波动量期望值、所述无功功率波动量期望值、所述第一灵敏度矩阵和所述第二灵敏度矩阵，获取所述待评估配电网的电压预期波动量列向量，公式为：
ΔVt＝SP，tΔPt+SQ，tΔQt；
其中，ΔPt表示待评估配电网t时刻的有功功率波动量期望值的列向量，ΔQt表示表示待评估配电网t时刻的无功功率波动量期望值的列向量，SP，t表示待评估配电网t时刻电压波动量对有功功率预期波动量的灵敏度矩阵，SQ，t表示待评估配电网t时刻电压波动量对无功功率预期波动量的灵敏度矩阵；
根据所述待评估配电网的电压预期波动量列向量，获取所述待评估配电网的电压波动程度综合性评价指标，公式为：
Figure GDA0002717184310000081
其中，λ表示待评估配电网的节点电压权重系数行向量；
根据所述有功功率波动量期望值、所述无功功率波动量期望值和所述第三灵敏度，获取所述待评估配电网的关口功率波动程度评估指标，公式为：
Figure GDA0002717184310000082
其中，ΔP0，t表示待评估配电网的关口节点t时刻的有功功率波动量；Mt表示待评估配电网的关口节点t时刻的有功功率预期波动量，对每个节点有功功率和每个节点无功功率预期波动量的灵敏度矩阵。
第二方面，本发明实施例提供了一种用于高渗透率可再生能源配电网的灵活性评估系统，包括：
第一处理模块，用于根据各个节点相邻时刻之间有功功率的相关性，获取待评估配电网中各个节点下一时刻的有功功率波动量期望值，根据各个节点有功功率和无功功率的相关性，获取所述待评估配电网中各个节点下一时刻的无功功率波动量期望值；
第二处理模块，用于获取所述待评估配电网当前时刻的潮流数据，并根据所述潮流数据，获取第一灵敏度矩阵、第二灵敏度矩阵和第三灵敏度矩阵；其中，所述第一灵敏度矩阵为电压波动量对有功功率预期波动量的灵敏度矩阵，所述第二灵敏度矩阵为电压波动量对无功功率预期波动量的灵敏度矩阵，所述第三灵敏度矩阵为关口节点有功功率预期波动量对每个节点有功功率和每个节点无功功率预期波动量的灵敏度矩阵；
第三处理模块，用于根据所述有功功率波动量期望值、所述无功功率波动量期望值、所述第一灵敏度矩阵和所述第二灵敏度矩阵，获取所述待评估配电网的电压波动程度综合性评价指标，根据所述有功功率波动量期望值、所述无功功率波动量期望值和所述第三灵敏度，获取所述待评估配电网的关口功率波动程度评估指标，以根据所述电压波动程度综合性评价指标和所述关口功率波动程度评估指标，获取所述待评估配电网的灵活性评估结果。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的一种用于高渗透率可再生能源配电网的灵活性评估方法及系统，通过配电网电压波动量和关口功率波动量，与配电网中各个节点有功功率波动量和无功功率波动量的灵敏度关系，获取配电网的电压波动程度综合性评价指标和关口功率波动程度评价指标，从而对配电网进行灵活性评估，得到配电网灵活性评估指标结果，实现了高渗透率可再生能源配电网的灵活性评估。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的用于高渗透率可再生能源配电网的灵活性评估方法的流程示意图；
图2为本发明实施例提供的用于高渗透率可再生能源配电网的灵活性评估系统的结构示意图；
图3为本发明实施例提供的电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的用于高渗透率可再生能源配电网的灵活性评估方法的流程示意图，如图1所示，本发明实施例提供了一种用于高渗透率可再生能源配电网的灵活性评估方法，包括：
步骤101，根据各个节点相邻时刻之间有功功率的相关性，获取待评估配电网中各个节点下一时刻的有功功率波动量期望值，根据各个节点有功功率和无功功率的相关性，获取所述待评估配电网中各个节点下一时刻的无功功率波动量期望值。
在本发明实施例中，在步骤101之前，首先根据待评估配电网的历史数据，分别获取所述待评估配电网的有功功率密度函数和无功功率密度函数；
所述有功功率密度函数的公式为：
Figure GDA0002717184310000111
其中，f(pi,c,t)表示待评估配电网中第i个节点的第c类设备在t时刻的有功功率密度函数，m表示样本容量，K(·)表示核函数，h表示窗宽系数；具体地，由于在高渗透率可再生能源配电网中，风能和太阳能等可再生能源发电和用户随机性用电行为与自然周期有密切关系，经过对其运行功率状况进行统计分析发现，相邻时刻的有功功率具有一定的延续性和相依性。因此，通过收集可再生能源发电和用户随机性负荷相邻时刻相关性信息，基于当前运行状态，可以对下一时刻有功功率波动期望值做出评估。在本发明实施例中，对待评估配电网的历史数据按照节点、设备类型和时刻进行分类，从而获取待评估配电网中各个节点的各个设备类型在不同时刻下的有功功率样本数据pi,c,t,j，其中，i＝1,…,n表示节点编号；c＝1，2，3分别表示光伏设备、风机设备和负荷设备的类型编号；t＝1,…,24表示一天中24个时刻编号；j＝1,…,m表示m个样本数据编号。由于核密度估计方法属于非参数估计，不需要对样本分布做假设，只需根据数据本身的特点和性质来拟合分布，因此，采用平滑的峰值核函数来拟合观察到的数据点，从而对真实的概率分布曲线进行模拟，从而获取待评估配电网的有功功率密度函数：
Figure GDA0002717184310000112
需要说明的是，在本发明实施例中，核函数为高斯核函数，
Figure GDA0002717184310000113
Figure GDA0002717184310000114
进一步地，所述无功功率密度函数的公式为：
Figure GDA0002717184310000115
其中，f(qi,c,t)表示待评估配电网中第i个节点的第c类设备在t时刻的无功功率密度函数，m表示样本容量，K(·)表示核函数，h表示窗宽系数；具体地，在本发明实施例中，对待评估配电网的历史数据按照节点、设备类型和时刻进行分类，从而获取待评估配电网中各个节点的各个设备类型在不同时刻下的无功功率样本数据qi,c,t,j，其中，i＝1,…,n表示节点编号；c＝1，2，3分别表示光伏设备、风机设备和负荷设备的类型编号；t＝1,…,24表示一天中24个时刻编号；j＝1,…,m表示m个样本数据编号，需要说明的是，在本发明实施例中，无功功率密度函数的核函数同样采用高斯核函数。
具体地，在上述实施例的基础上，所述根据各个节点相邻时刻之间有功功率的相关性，获取待评估配电网中各个节点下一时刻的有功功率波动量期望值，包括：
根据所述有功功率密度函数，获取待评估配电网的有功功率分布函数，公式为：
Figure GDA0002717184310000121
其中，F(pi,c,t)表示待评估配电网中第i个节点的第c类设备在t时刻的有功功率分布函数，并且该有功功率分布函数是通过对应密度函数所在取值范围内积分得到；
根据待评估配电网的有功功率分布函数，获取待评估配电网相邻时刻之间有功功率相关性的每一类Copula分布函数，公式为：
Figure GDA0002717184310000122
其中，Ck(F(pi,c,t),F(pi,c,t+1))表示待评估配电网中第i个节点的第c类设备，在t时刻和t+1时刻的有功功率相关性的第k类Copula分布函数；F(pi,c,t+1)表示待评估配电网中第i个节点的第c类设备在t+1时刻的有功功率分布函数，Φk表示第k类Copula分布函数的生成元函数，
Figure GDA0002717184310000123
表示第k类Copula分布函数的生成元函数的逆函数，t时刻表示当前时刻，t+1时刻表示当前t时刻的下一时刻。需要说明的是，在本发明实施例中，每一类Copula分布函数的生成元函数可以是正态Copula分布函数、t-Copula分布函数或阿基米德Copula分布函数；
根据待评估配电网的有功功率分布函数，获取待评估配电网相邻时刻之间有功功率相关性的经验Copula分布函数，公式为：
Figure GDA0002717184310000124
其中，Ce(F(pi,c,t),F(pi,c,t+1))表示待评估配电网中第i个节点的第c类设备，在t时刻和t+1时刻的有功功率相关性的经验Copula分布函数；
Figure GDA0002717184310000125
表示待评估配电网中第i个节点的第c类设备在t时刻时，样本数据的第j个顺序统计量；
Figure GDA0002717184310000131
表示待评估配电网中第i个节点的第c类设备在t+1时刻时，样本数据的第j个顺序统计量；I[]表示指示性函数，m表示样本数量，若
Figure GDA0002717184310000132
则
Figure GDA0002717184310000133
若
Figure GDA0002717184310000134
则
Figure GDA0002717184310000135
根据待评估配电网相邻时刻之间有功功率相关性的每一类Copula分布函数，和待评估配电网相邻时刻之间有功功率相关性的经验Copula分布函数，获取欧式距离之和，公式为：
Figure GDA0002717184310000136
其中，
Figure GDA0002717184310000137
表示待评估配电网相邻时刻之间有功功率相关性的第k类Copula分布函数，和待评估配电网相邻时刻之间有功功率相关性的经验Copula分布函数，在每个样本节点的欧式距离之和；
根据欧式距离之和，获取待评估配电网相邻时刻之间有功功率相关性的最优Copula分布函数C(F(pi,c,t),F(pi,c,t+1))，以用于得到待评估配电网中各个节点下一时刻的有功功率波动量期望值。在本发明实施例中，选取
Figure GDA0002717184310000138
最小值对应的Copula分布函数作为待评估配电网相邻时刻之间有功功率相关性的最优Copula分布函数。
在上述实施例的基础上，所述根据各个节点相邻时刻之间有功功率的相关性，获取待评估配电网中各个节点下一时刻的有功功率波动量期望值，还包括：
根据待评估配电网相邻时刻之间有功功率相关性的最优Copula分布函数C(F(pi,c,t),F(pi,c,t+1))，获取待评估配电网相邻时刻的有功功率联合概率密度函数，公式为：
Figure GDA0002717184310000139
其中，f(pi,c,t,pi,c,t+1)表示待评估配电网中第i个节点的第c类设备在t时刻和t+1时刻的有功功率联合概率密度函数；c(f(pi,c,t),f(pi,c,t+1))表示待评估配电网中第i个节点的第c类设备，在t时刻和t+1时刻的有功功率相关性的Copula密度函数；C(F(pi,c,t),F(pi,c,t+1))表示待评估配电网中第i个节点的第c类设备，在t时刻和t+1时刻的有功功率相关性的最优Copula分布函数；
根据待评估配电网相邻时刻的有功功率联合概率密度函数，获取待评估配电网基于当前时刻，在下一时刻的有功功率条件概率密度函数，公式为：
Figure GDA0002717184310000141
其中，f(pi,c,t+1|pi,c,t)表示待评估配电网中第i个节点的第c类设备基于t时刻，在t+1时刻的有功功率条件概率密度函数；
根据待评估配电网基于当前时刻，在下一时刻的有功功率条件概率密度函数，获取待评估配电网的下一时刻有功功率波动量基于当前时刻有功功率的条件概率密度函数，公式为：
f(Δpi,c,t|pi,c,t)＝c(f(pi,c,t),f(Δpi,c,t+pi,c,t))f(Δpi,c,t+pi,c,t)；
其中，Δpi,c,t表示待评估配电网中第i个节点的第c类设备的有功功率波动量，Δpi,c,t＝pi,c,t+1-pi,c,t；
根据待评估配电网的下一时刻有功功率波动量基于当前时刻有功功率的条件概率密度函数和连续型随机变量期望值定义公式，获取待评估配电网下一时刻的有功功率波动量期望值，公式为：
Figure GDA0002717184310000142
其中，E(Δpi,c,t)表示待评估配电网中第i个节点的第c类设备在t时刻的有功功率波动量期望值；
根据待评估配电网中各个节点的各类设备下一时刻的有功功率波动量期望值，对待评估配电网中每个节点的所有设备的有功功率波动量期望值进行求和，获取待评估配电网中每个节点下一时刻的有功功率波动量期望值，公式为：
Δpi,t＝∑cE(Δpi,c,t)；
其中，Δpi,t表示待评估配电网中第i个节点在t时刻下一时刻的有功功率波动量期望值。
由于配电网中各类型设备特有的物理特性，任意时刻可再生能源发电和用户随机性负荷的有功功率和无功功率之间存在着非线性相关特性。因此，需要对各类型设备的相关性关系进行分析，基于上述实施例的有功功率波动量期望值的方法，对下一时刻无功功率波动量期望值做出评估。具体地，在上述实施例的基础上，所述根据各个节点有功功率和无功功率的相关性，获取所述待评估配电网中各个节点下一时刻的无功功率波动量期望值，包括：
根据所述无功功率密度函数，获取待评估配电网的无功功率分布函数，公式为：
Figure GDA0002717184310000151
其中，F(qi，c，t)表示表示待评估配电网中第i个节点的第c类设备在t时刻的无功功率分布函数，并且该无功功率分部函数是通过对应密度函数所在取值范围内积分得到；
根据待评估配电网的无功功率分布函数，获取待评估配电网有功功率和无功功率相关性的每一类Copula分布函数，公式为：
Figure GDA0002717184310000152
其中，Ck(F(pi，c，t)，F(qi，c，t))表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率相关性的第k类Copula分布函数；
根据待评估配电网的无功功率分布函数，获取待评估配电网有功功率和无功功率相关性的经验Copula分布函数，公式为：
Figure GDA0002717184310000153
其中，Ce(F(pi，c，t)，F(qi，c，t))表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率相关性的经验Copula分布函数；
Figure GDA0002717184310000154
表示待评估配电网中第i个节点的第c类设备在t时刻时，样本数据的第j个顺序统计量；
根据待评估配电网有功功率和无功功率相关性的每一类Copula分布函数，和待评估配电网有功功率和无功功率相关性的经验Copula分布函数，获取欧式距离之和，公式为：
Figure GDA0002717184310000155
其中，
Figure GDA0002717184310000156
表示待评估配电网有功功率和无功功率相关性的第k类Copula分布函数，和待评估配电网有功功率和无功功率相关性的经验Copula分布函数，在每个样本节点的欧式距离之和；
根据欧式距离之和，获取待评估配电网有功功率和无功功率相关性的最优Copula分布函数C(F(pi，c，t)，F(qi，c，t))，以用于得到待评估配电网中各个节点下一时刻的无功功率波动量期望值。在本发明实施例中，选取
Figure GDA0002717184310000163
最小值对应的Copula分布函数作为待评估配电网有功功率和无功功率相关性的最优Copula分布函数；
在上述实施例的基础上，所述根据各个节点有功功率和无功功率的相关性，获取所述待评估配电网各个节点下一时刻的无功功率波动量期望值，还包括：
根据待评估配电网有功功率和无功功率相关性的最优Copula分布函数C(F(pi，c，t)，F(qi，c，t))，获取待评估配电网有功功率和无功功率的联合概率密度函数，公式为：
Figure GDA0002717184310000161
其中，f(pi，c，t，qi，c，t)表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率的联合概率密度函数，C(f(pi，c，t)，f(qi，c，t))表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率相关性的Copula分布函数，c(f(pi，c，t)，f(qi，c，t))表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率相关性的Copula密度函数；C(F(pi，c，t)，F(qi，c，t))表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率相关性的最优Copula分布函数；
根据待评估配电网有功功率和无功功率的联合概率密度函数，获取待评估配电网无功功率基于有功功率的条件概率密度函数，公式为：
Figure GDA0002717184310000162
其中，f(qi，c，t|pi，c，t)表示待评估配电网中第i个节点的第c类设备t时刻的无功功率基于有功功率的条件概率密度函数；
根据待评估配电网基于当前时刻，在下一时刻的有功功率条件概率密度函数，以及待评估配电网无功功率基于有功功率的条件概率密度函数，获取待评估配电网下一时刻的无功功率期望值，公式为：
Figure GDA0002717184310000171
其中，E(qi，c，t+1)表示待评估配电网中第i个节点的第c类设备t+1时刻的无功功率期望值，f(qi，c，t+1|pi，c，t+1)表示待评估配电网中第i个节点的第c类设置t+1时刻的无功功率基于有功功率的条件概率密度函数；
根据待评估配电网下一时刻的无功功率期望值，获取待评估配电网下一时刻的无功功率波动量期望值，公式为：
Δqi，c，t＝E(qi，c，t+1)-qi，c，t；
其中，Δqi，c，t表示待评估配电网中第i个节点的第c类设备t时刻的无功功率波动量期望值，qi，c，t表示待评估配电网中第i个节点的第c类设备t时刻的无功功率值；
根据待评估配电网中各个节点的各类设备下一时刻的无功功率波动量期望值，获取待评估配电网中各个节点下一时刻的无功功率波动量期望值，公式为：
Δqi，t＝∑c(Δqi，c，t)；
其中，Δqi，t表示待评估配电网中第i个节点在t时刻下一时刻的无功功率波动量期望值。
步骤102，获取所述待评估配电网当前时刻的潮流数据，并根据所述潮流数据，获取第一灵敏度矩阵、第二灵敏度矩阵和第三灵敏度矩阵；其中，所述第一灵敏度矩阵为电压波动量对有功功率预期波动量的灵敏度矩阵，所述第二灵敏度矩阵为电压波动量对无功功率预期波动量的灵敏度矩阵，所述第三灵敏度矩阵为关口节点有功功率预期波动量对每个节点有功功率和每个节点无功功率预期波动量的灵敏度矩阵。
在本发明实施例中，电力系统潮流方程为：
Figure GDA0002717184310000172
其中，Pi表示待评估配电网中第i个节点的有功功率注入量，Qi表示待评估配电网中第i个节点的无功功率注入量，Vi表示待评估配电网中第i个节点的电压幅值，Vj表示待评估配电网中第j个节点的电压幅值，Gij表示待评估配电网中第i个节点和第j个节点支路之间的电导值，Bij表示待评估配电网中第i个节点和第j个节点支路之间的电纳值，θij表示待评估配电网中第i个节点和第j个节点之间电压的相角差。
将上述电力系统潮流方程进行简化，得到简化后的潮流方程，公式为：
W＝f(X)；
其中，W表示节点注入量列向量，通过待评估配电网中各个节点的有功功率和无功功率组成；X表示节点状态量列向量，通过待评估配电网中各个节点的电压幅值和相角组成。
进一步地，在电力系统发送功率波动之后，简化后的潮流方程依然成立，其中，节点注入量列向量W和节点状态量列向量X的表达式分别为：
W＝W0+ΔW；
X＝X0+ΔX；
其中，W0表示节点注入量的当前值列向量，ΔW表示节点注入量的波动量列向量，X0表示节点状态量的当前值列向量，ΔX表示节点状态量的波动量列向量。在电力系统发送功率波动之后，根据节点注入量列向量W和节点状态量列向量X的表达式，将简化后的潮流方程进行泰勒级数展开，得到泰勒级数展开后的潮流方程，公式为：
W0+ΔW＝f(X0+ΔX)＝f(X0)+J0ΔX+…；
其中，J0表示当前状态下牛顿-拉夫逊潮流计算最后一次迭代得到的雅克比矩阵，其中，当前状态下的潮流方程为：
W0＝f(X0)；
将泰勒级数展开后的潮流方程进行高次项忽略，得到高次项忽略后的公式：
Figure GDA0002717184310000181
其中，ΔP表示节点的有功功率波动量列向量，ΔQ表示节点的无功功率波动量列向量，Δθ表示节点的电压相角列向量，ΔV表示节点的电压幅值波动量列向量；H、N、J、L分别表示当前状态下，牛顿-拉夫逊潮流计算最后一次迭代得到的雅克比矩阵，具体表示为：
Figure GDA0002717184310000191
Figure GDA0002717184310000192
Figure GDA0002717184310000193
Figure GDA0002717184310000194
Figure GDA0002717184310000195
Figure GDA0002717184310000196
Figure GDA0002717184310000197
Figure GDA0002717184310000198
根据分块矩阵求逆，将高次项忽略后的公式进行变换，得到分块矩阵求逆后的公式：
Figure GDA0002717184310000199
其中，
ΔV＝-L-1J(H-NL-1J)-1ΔP+(L-JH-1N)-1ΔQ，
并定义SP＝(N-1-JH-1L-1),SQ＝(L-1-HJ-1N-1)，通过对上述ΔV进行简化，得到：
ΔV＝SPΔP+SQΔQ；
其中，SP表示电压波动量对有功功率预期波动量的灵敏度矩阵，即第一灵敏度矩阵；SQ表示电压波动量对无功功率预期波动量的灵敏度矩阵，即第二灵敏度矩阵。
在本发明实施例中，对于待评估配电网中某个节点i，其相邻时刻之间的有功功率波动量预期值可表示为：
ΔPi,t＝Pi,t+1-Pi,t；
其中，ΔPi,t表示待评估配电网中第i个节点在t时刻下一时刻的有功功率波动量期望值，Pi,t+1表示待评估配电网中第i个节点在t+1时刻的有功功率值，Pi,t表示待评估配电网中第i个节点在t时刻的有功功率波动量值；
进一步地，对于待评估配电网中某个节点i，其相邻时刻之间的无功功率波动量预期值可表示为：
ΔQi,t＝Qi,t+1-Qi,t；
其中，ΔQi,t表示待评估配电网中第i个节点在t时刻下一时刻的无功功率波动量期望值，Qi,t+1表示待评估配电网中第i个节点在t+1时刻的无功功率值，Qi,t表示待评估配电网中第i个节点在t时刻的无功功率值。
进一步地，在上述实施例的基础上，根据所述有功功率波动量期望值、所述无功功率波动量期望值、所述第一灵敏度矩阵和所述第二灵敏度矩阵，获取所述待评估配电网的电压波动程度综合性评价指标，具体包括：
根据所述有功功率波动量期望值、所述无功功率波动量期望值、所述第一灵敏度矩阵和所述第二灵敏度矩阵，获取所述待评估配电网的电压预期波动量列向量，公式为：
ΔVt＝SP,tΔPt+SQ,tΔQt；
其中，ΔVt表示待评估配电网t时刻的节点电压舆情波动量列向量，并以每个节点相邻时刻之间的电压变化值作为构成元素；ΔPt表示待评估配电网t时刻的有功功率波动量期望值的列向量，ΔQt表示表示待评估配电网t时刻的无功功率波动量期望值的列向量，分别对应以每个节点相邻时刻之间的有功功率和无功功率的变化值，即ΔPi,t和ΔQi,t；SP,t表示待评估配电网t时刻电压波动量对有功功率预期波动量的灵敏度矩阵；SQ,t表示待评估配电网t时刻电压波动量对无功功率预期波动量的灵敏度矩阵；
根据所述待评估配电网的电压预期波动量列向量，获取所述待评估配电网的电压波动程度综合性评价指标，公式为：
Figure GDA0002717184310000201
其中，
Figure GDA0002717184310000202
通过电力系统各个节点电压权重系数行向量与t时刻电力系统各个节点电压波动值列向量的绝对值相乘得到，用于表征t时刻配电网各个节点功率波动引起的系统电压波动情况；λ表示待评估配电网的节点电压权重系数行向量。根据待评估配电网的电压波动程度综合性评价指标公式可知，配电网电压波动程度综合性评价指标
Figure GDA0002717184310000211
为非负值，在理想情况下，
Figure GDA0002717184310000212
表示通过配电网系统内的灵活资源调节，可以完全消纳由于可再生能源与不确定性负荷的功率变化引起的电压波动；
Figure GDA0002717184310000213
值越小，说明该配电网系统的综合电压波动程度越小，表明该配电网系统在t时刻调节能力越强，灵活性水平越高。
在上述实施例的基础上，根据所述有功功率波动量期望值、所述无功功率波动量期望值和所述第三灵敏度，获取所述待评估配电网的关口功率波动程度评估指标，以根据所述电压波动程度综合性评价指标和所述关口功率波动程度评估指标，获取所述待评估配电网的灵活性评估结果，具体包括：
根据所述有功功率波动量期望值、所述无功功率波动量期望值和所述第三灵敏度，获取所述待评估配电网的关口功率波动程度评估指标，公式为：
Figure GDA0002717184310000214
其中，ΔP0,t表示待评估配电网的关口节点t时刻的有功功率波动量；Mt表示待评估配电网的关口节点t时刻的有功功率预期波动量，对每个节点有功功率和每个节点无功功率预期波动量的灵敏度矩阵。
具体地，关口节点有功功率的潮流计算方程为：
Figure GDA0002717184310000215
其中，P0表示关口节点的有功功率，V0表示关口节点的电压幅值，G0j表示节点j到关口节点支路之间的电导值，B0j表示节点j到关口节点支路之间的电纳值，θj表示节点j的电压相角值。
在随机潮流计算过程中，关口节点作为平衡节点，其电压幅值和电压相角值为恒定值，关口节点的有功功率波动量表达式为：
Figure GDA0002717184310000216
其中，ΔP0表示关口节点的有功功率波动量；Δθ表示除关口节点以外，其他各个节点的电压相角波动量；ΔV表示除关口节点以外，其他各个节点的电压幅值波动量；A表示关口节点的有功功率波动量对各个节点电压相角波动量的灵敏度矩阵；B表示关口节点的有功功率波动量对各个节点电压幅值波动量的灵敏度矩阵。其中：
Figure GDA0002717184310000221
其中，Ai表示分块矩阵A矩阵中第i个元素；Bi表示分块矩阵B矩阵中第i个元素。
然后，将分块矩阵求逆后的公式：
Figure GDA0002717184310000222
代入到关口节点的有功功率波动量表达式中，得到：
Figure GDA0002717184310000223
定义
Figure GDA0002717184310000224
对
Figure GDA0002717184310000225
进行简化，得到：
Figure GDA0002717184310000226
根据所述有功功率波动量期望值、所述无功功率波动量期望值和所述第三灵敏度，获取所述待评估配电网的关口功率波动程度评估指标，公式为：
Figure GDA0002717184310000227
根据待评估配电网的关口功率波动程度评估指标进行分析，关口功率波动程度评估指标
Figure GDA0002717184310000228
用于表征t时刻配电网内，各个节点功率变化引起的关口节点处有功功率波动情况，反映了该配电网对上级电网造成的冲击影响。同时，关口功率波动程度评估指标
Figure GDA0002717184310000229
为非负值，在理想情况下，
Figure GDA00027171843100002210
表明通过配电网系统内灵活资源调节，可以完全消纳由于各个节点净负荷功率变化引起的关口节点有功功率的波动。若
Figure GDA0002717184310000231
越大，表明该配电网在t时刻自身调节能力越差，灵活性水平越低；若
Figure GDA0002717184310000232
越小，表明该配电网在t时刻自身调节能力越强，灵活性水平越高。
步骤103，根据所述有功功率波动量期望值、所述无功功率波动量期望值、所述第一灵敏度矩阵和所述第二灵敏度矩阵，获取所述待评估配电网的电压波动程度综合性评价指标，根据所述有功功率波动量期望值、所述无功功率波动量期望值和所述第三灵敏度，获取所述待评估配电网的关口功率波动程度评估指标，以根据所述电压波动程度综合性评价指标和所述关口功率波动程度评估指标，获取所述待评估配电网的灵活性评估结果。
本发明实施例提供的一种用于高渗透率可再生能源配电网的灵活性评估方法，通过配电网电压波动量和关口功率波动量，与配电网中各个节点有功功率波动量和无功功率波动量的灵敏度关系，获取配电网的电压波动程度综合性评价指标和关口功率波动程度评价指标，从而对配电网进行灵活性评估，得到配电网灵活性评估指标结果，实现了高渗透率可再生能源配电网的灵活性评估。
图2为本发明实施例提供的用于高渗透率可再生能源配电网的灵活性评估系统的结构示意图，如图2所示，本发明实施例提供了一种用于高渗透率可再生能源配电网的灵活性评估系统，包括第一处理模块201、第二处理模块202和第三处理模块203，其中，第一处理模块201用于根据各个节点相邻时刻之间有功功率的相关性，获取待评估配电网中各个节点下一时刻的有功功率波动量期望值，根据各个节点有功功率和无功功率的相关性，获取所述待评估配电网中各个节点下一时刻的无功功率波动量期望值；第二处理模块202用于获取所述待评估配电网当前时刻的潮流数据，并根据所述潮流数据，获取第一灵敏度矩阵、第二灵敏度矩阵和第三灵敏度矩阵；其中，所述第一灵敏度矩阵为电压波动量对有功功率预期波动量的灵敏度矩阵，所述第二灵敏度矩阵为电压波动量对无功功率预期波动量的灵敏度矩阵，所述第三灵敏度矩阵为关口节点有功功率预期波动量对每个节点有功功率和每个节点无功功率预期波动量的灵敏度矩阵；第三处理模块203用于根据所述有功功率波动量期望值、所述无功功率波动量期望值、所述第一灵敏度矩阵和所述第二灵敏度矩阵，获取所述待评估配电网的电压波动程度综合性评价指标，根据所述有功功率波动量期望值、所述无功功率波动量期望值和所述第三灵敏度，获取所述待评估配电网的关口功率波动程度评估指标，以根据所述电压波动程度综合性评价指标和所述关口功率波动程度评估指标，获取所述待评估配电网的灵活性评估结果。
本发明实施例提供的一种用于高渗透率可再生能源配电网的灵活性评估系统，通过配电网电压波动量和关口功率波动量，与配电网中各个节点有功功率波动量和无功功率波动量的灵敏度关系，获取配电网的电压波动程度综合性评价指标和关口功率波动程度评价指标，从而对配电网进行灵活性评估，得到配电网灵活性评估指标结果，实现了高渗透率可再生能源配电网的灵活性评估。
在上述实施例的基础上，所述系统还包括：
历史数据处理模块，用于根据待评估配电网的历史数据，分别获取所述待评估配电网的有功功率密度函数和无功功率密度函数；
所述有功功率密度函数的公式为：
Figure GDA0002717184310000241
其中，f(pi,c,t)表示待评估配电网中第i个节点的第c类设备在t时刻的有功功率密度函数，m表示样本容量，K(·)表示核函数，h表示窗宽系数；
所述无功功率密度函数的公式为：
Figure GDA0002717184310000242
其中，f(qi,c,t)表示待评估配电网中第i个节点的第c类设备在t时刻的无功功率密度函数，m表示样本容量，K(·)表示核函数，h表示窗宽系数。
本发明实施例提供的系统是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。
图3为本发明实施例提供的电子设备结构示意图，参照图3，该电子设备可以包括：处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信。处理器301可以调用存储器303中的逻辑指令，以执行如下方法：根据各个节点相邻时刻之间有功功率的相关性，获取待评估配电网中各个节点下一时刻的有功功率波动量期望值，根据各个节点有功功率和无功功率的相关性，获取所述待评估配电网中各个节点下一时刻的无功功率波动量期望值；获取所述待评估配电网当前时刻的潮流数据，并根据所述潮流数据，获取第一灵敏度矩阵、第二灵敏度矩阵和第三灵敏度矩阵；其中，所述第一灵敏度矩阵为电压波动量对有功功率预期波动量的灵敏度矩阵，所述第二灵敏度矩阵为电压波动量对无功功率预期波动量的灵敏度矩阵，所述第三灵敏度矩阵为关口节点有功功率预期波动量对每个节点有功功率和每个节点无功功率预期波动量的灵敏度矩阵；根据所述有功功率波动量期望值、所述无功功率波动量期望值、所述第一灵敏度矩阵和所述第二灵敏度矩阵，获取所述待评估配电网的电压波动程度综合性评价指标，根据所述有功功率波动量期望值、所述无功功率波动量期望值和所述第三灵敏度，获取所述待评估配电网的关口功率波动程度评估指标，以根据所述电压波动程度综合性评价指标和所述关口功率波动程度评估指标，获取所述待评估配电网的灵活性评估结果。
此外，上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的用于高渗透率可再生能源配电网的灵活性评估方法，例如包括：根据各个节点相邻时刻之间有功功率的相关性，获取待评估配电网中各个节点下一时刻的有功功率波动量期望值，根据各个节点有功功率和无功功率的相关性，获取所述待评估配电网中各个节点下一时刻的无功功率波动量期望值；获取所述待评估配电网当前时刻的潮流数据，并根据所述潮流数据，获取第一灵敏度矩阵、第二灵敏度矩阵和第三灵敏度矩阵；其中，所述第一灵敏度矩阵为电压波动量对有功功率预期波动量的灵敏度矩阵，所述第二灵敏度矩阵为电压波动量对无功功率预期波动量的灵敏度矩阵，所述第三灵敏度矩阵为关口节点有功功率预期波动量对每个节点有功功率和每个节点无功功率预期波动量的灵敏度矩阵；根据所述有功功率波动量期望值、所述无功功率波动量期望值、所述第一灵敏度矩阵和所述第二灵敏度矩阵，获取所述待评估配电网的电压波动程度综合性评价指标，根据所述有功功率波动量期望值、所述无功功率波动量期望值和所述第三灵敏度，获取所述待评估配电网的关口功率波动程度评估指标，以根据所述电压波动程度综合性评价指标和所述关口功率波动程度评估指标，获取所述待评估配电网的灵活性评估结果。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种用于高渗透率可再生能源配电网的灵活性评估方法，其特征在于，包括：
根据各个节点相邻时刻之间有功功率的相关性，获取待评估配电网中各个节点下一时刻的有功功率波动量期望值，根据各个节点有功功率和无功功率的相关性，获取所述待评估配电网中各个节点下一时刻的无功功率波动量期望值；
获取所述待评估配电网当前时刻的潮流数据，并根据所述潮流数据，获取第一灵敏度矩阵、第二灵敏度矩阵和第三灵敏度矩阵；其中，所述第一灵敏度矩阵为电压波动量对有功功率预期波动量的灵敏度矩阵，所述第二灵敏度矩阵为电压波动量对无功功率预期波动量的灵敏度矩阵，所述第三灵敏度矩阵为关口节点有功功率预期波动量对每个节点有功功率和每个节点无功功率预期波动量的灵敏度矩阵；
根据所述有功功率波动量期望值、所述无功功率波动量期望值、所述第一灵敏度矩阵和所述第二灵敏度矩阵，获取所述待评估配电网的电压波动程度综合性评价指标，根据所述有功功率波动量期望值、所述无功功率波动量期望值和所述第三灵敏度，获取所述待评估配电网的关口功率波动程度评估指标，以根据所述电压波动程度综合性评价指标和所述关口功率波动程度评估指标，获取所述待评估配电网的灵活性评估结果。
2.根据权利要求1所述的用于高渗透率可再生能源配电网的灵活性评估方法，其特征在于，在所述根据各个节点相邻时刻之间有功功率的相关性，获取待评估配电网中各个节点下一时刻的有功功率波动量期望值，根据各个节点有功功率和无功功率的相关性，获取所述待评估配电网中各个节点下一时刻的无功功率波动量期望值之前，所述方法还包括：
根据待评估配电网的历史数据，分别获取所述待评估配电网的有功功率密度函数和无功功率密度函数；
所述有功功率密度函数的公式为：
Figure FDA0002717184300000011
其中，f(pi,c,t)表示待评估配电网中第i个节点的第c类设备在t时刻的有功功率密度函数，m表示样本容量，K(·)表示核函数，h表示窗宽系数；
所述无功功率密度函数的公式为：
Figure FDA0002717184300000021
其中，f(qi,c,t)表示待评估配电网中第i个节点的第c类设备在t时刻的无功功率密度函数，m表示样本容量，K(·)表示核函数，h表示窗宽系数。
3.根据权利要求2所述的用于高渗透率可再生能源配电网的灵活性评估方法，其特征在于，所述根据各个节点相邻时刻之间有功功率的相关性，获取待评估配电网中各个节点下一时刻的有功功率波动量期望值，包括：
根据所述有功功率密度函数，获取待评估配电网的有功功率分布函数，公式为：
Figure FDA0002717184300000022
其中，F(pi,c,t)表示待评估配电网中第i个节点的第c类设备在t时刻的有功功率分布函数；
根据待评估配电网的有功功率分布函数，获取待评估配电网相邻时刻之间有功功率相关性的每一类Copula分布函数，公式为：
Figure FDA0002717184300000023
其中，Ck(F(pi,c,t),F(pi,c,t+1))表示待评估配电网中第i个节点的第c类设备，在t时刻和t+1时刻的有功功率相关性的第k类Copula分布函数；F(pi,c,t+1)表示待评估配电网中第i个节点的第c类设备在t+1时刻的有功功率分布函数，Φk表示第k类Copula分布函数的生成元函数，
Figure FDA0002717184300000024
表示第k类Copula分布函数的生成元函数的逆函数，t时刻表示当前时刻，t+1时刻表示当前t时刻的下一时刻；
根据待评估配电网的有功功率分布函数，获取待评估配电网相邻时刻之间有功功率相关性的经验Copula分布函数，公式为：
Figure FDA0002717184300000025
其中，Ce(F(pi,c,t),F(pi,c,t+1))表示待评估配电网中第i个节点的第c类设备，在t时刻和t+1时刻的有功功率相关性的经验Copula分布函数；
Figure FDA0002717184300000031
表示待评估配电网中第i个节点的第c类设备在t时刻时，样本数据的第j个顺序统计量；
Figure FDA0002717184300000032
表示待评估配电网中第i个节点的第c类设备在t+1时刻时，样本数据的第j个顺序统计量；I[]表示指示性函数，m表示样本数量；
根据待评估配电网相邻时刻之间有功功率相关性的每一类Copula分布函数，和待评估配电网相邻时刻之间有功功率相关性的经验Copula分布函数，获取欧式距离之和，公式为：
Figure FDA0002717184300000033
其中，
Figure FDA0002717184300000034
表示待评估配电网相邻时刻之间有功功率相关性的第k类Copula分布函数，和待评估配电网相邻时刻之间有功功率相关性的经验Copula分布函数，在每个样本节点的欧式距离之和；
根据欧式距离之和，获取待评估配电网相邻时刻之间有功功率相关性的最优Copula分布函数C(F(pi,c,t),F(pi,c,t+1))，以用于得到待评估配电网中各个节点下一时刻的有功功率波动量期望值。
4.根据权利要求3所述的用于高渗透率可再生能源配电网的灵活性评估方法，其特征在于，所述根据各个节点相邻时刻之间有功功率的相关性，获取待评估配电网中各个节点下一时刻的有功功率波动量期望值，还包括：
根据待评估配电网相邻时刻之间有功功率相关性的最优Copula分布函数C(F(pi,c,t),F(pi,c,t+1))，获取待评估配电网相邻时刻的有功功率联合概率密度函数，公式为：
Figure FDA0002717184300000035
其中，f(pi,c,t,pi,c,t+1)表示待评估配电网中第i个节点的第c类设备在t时刻和t+1时刻的有功功率联合概率密度函数；c(f(pi,c,t),f(pi,c,t+1))表示待评估配电网中第i个节点的第c类设备，在t时刻和t+1时刻的有功功率相关性的Copula密度函数；C(F(pi,c,t),F(pi,c,t+1))表示待评估配电网中第i个节点的第c类设备，在t时刻和t+1时刻的有功功率相关性的最优Copula分布函数；
根据待评估配电网相邻时刻的有功功率联合概率密度函数，获取待评估配电网基于当前时刻，在下一时刻的有功功率条件概率密度函数，公式为：
Figure FDA0002717184300000041
其中，f(pi,c,t+1|pi,c,t)表示待评估配电网中第i个节点的第c类设备基于t时刻，在t+1时刻的有功功率条件概率密度函数；
根据待评估配电网基于当前时刻，在下一时刻的有功功率条件概率密度函数，获取待评估配电网的下一时刻有功功率波动量基于当前时刻有功功率的条件概率密度函数，公式为：
Figure FDA0002717184300000042
其中，Δpi,c,t表示待评估配电网中第i个节点的第c类设备的有功功率波动量，Δpi,c,t＝pi,c,t+1-pi,c,t；
根据待评估配电网的下一时刻有功功率波动量基于当前时刻有功功率的条件概率密度函数和连续型随机变量期望值定义公式，获取待评估配电网下一时刻的有功功率波动量期望值，公式为：
Figure FDA0002717184300000043
其中，E(Δpi,c,t)表示待评估配电网中第i个节点的第c类设备在t时刻的有功功率波动量期望值；
根据待评估配电网中各个节点的各类设备下一时刻的有功功率波动量期望值，获取待评估配电网中每个节点下一时刻的有功功率波动量期望值，公式为：
Δpi,t＝∑cE(Δpi,c,t)；
其中，Δpi,t表示待评估配电网中第i个节点在t时刻下一时刻的有功功率波动量期望值。
5.根据权利要求4所述的用于高渗透率可再生能源配电网的灵活性评估方法，其特征在于，所述根据各个节点有功功率和无功功率的相关性，获取所述待评估配电网中各个节点下一时刻的无功功率波动量期望值，包括：
根据所述无功功率密度函数，获取待评估配电网的无功功率分布函数，公式为：
Figure FDA0002717184300000044
其中，F(qi,c,t)表示表示待评估配电网中第i个节点的第c类设备在t时刻的无功功率分布函数；
根据待评估配电网的无功功率分布函数，获取待评估配电网有功功率和无功功率相关性的每一类Copula分布函数，公式为：
Figure FDA0002717184300000051
其中，Ck(F(pi,c,t),F(qi,c,t))表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率相关性的第k类Copula分布函数；
根据待评估配电网的无功功率分布函数，获取待评估配电网有功功率和无功功率相关性的经验Copula分布函数，公式为：
Figure FDA0002717184300000052
其中，Ce(F(pi,c,t),F(qi,c,t))表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率相关性的经验Copula分布函数；
Figure FDA0002717184300000053
表示待评估配电网中第i个节点的第c类设备在t时刻时，样本数据的第j个顺序统计量；
根据待评估配电网有功功率和无功功率相关性的每一类Copula分布函数，和待评估配电网有功功率和无功功率相关性的经验Copula分布函数，获取欧式距离之和，公式为：
Figure FDA0002717184300000054
其中，
Figure FDA0002717184300000055
表示待评估配电网有功功率和无功功率相关性的第k类Copula分布函数，和待评估配电网有功功率和无功功率相关性的经验Copula分布函数，在每个样本节点的欧式距离之和；
根据欧式距离之和，获取待评估配电网有功功率和无功功率相关性的最优Copula分布函数C(F(pi,c,t),F(qi,c,t))，以用于得到待评估配电网中各个节点下一时刻的无功功率波动量期望值。
6.根据权利要求5所述的用于高渗透率可再生能源配电网的灵活性评估方法，其特征在于，所述根据各个节点有功功率和无功功率的相关性，获取所述待评估配电网各个节点下一时刻的无功功率波动量期望值，还包括：
根据待评估配电网有功功率和无功功率相关性的最优Copula分布函数C(F(pi,c,t),F(qi,c,t))，获取待评估配电网有功功率和无功功率的联合概率密度函数，公式为：
Figure FDA0002717184300000061
其中，f(pi,c,t,qi,c,t)表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率的联合概率密度函数，C(f(pi,c,t),f(qi,c,t))表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率相关性的Copula分布函数，c(f(pi,c,t),f(qi,c,t))表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率相关性的Copula密度函数；C(F(pi,c,t),F(qi,c,t))表示待评估配电网中第i个节点的第c类设备t时刻的有功功率和无功功率相关性的最优Copula分布函数；
根据待评估配电网有功功率和无功功率的联合概率密度函数，获取待评估配电网无功功率基于有功功率的条件概率密度函数，公式为：
Figure FDA0002717184300000062
其中，f(qi,c,t|pi,c,t)表示待评估配电网中第i个节点的第c类设备t时刻的无功功率基于有功功率的条件概率密度函数；
根据待评估配电网基于当前时刻，在下一时刻的有功功率条件概率密度函数，以及待评估配电网无功功率基于有功功率的条件概率密度函数，获取待评估配电网下一时刻的无功功率期望值，公式为：
Figure FDA0002717184300000063
其中，E(qi,c,t+1)表示待评估配电网中第i个节点的第c类设备t+1时刻的无功功率期望值，f(qi,c,t+1|pi,c,t+1)表示待评估配电网中第i个节点的第c类设置t+1时刻的无功功率基于有功功率的条件概率密度函数；
根据待评估配电网下一时刻的无功功率期望值，获取待评估配电网下一时刻的无功功率波动量期望值，公式为：
Δqi,c,t＝E(qi,c,t+1)-qi,c,t；
其中，Δqi,c,t表示待评估配电网中第i个节点的第c类设备t时刻的无功功率波动量期望值，qi,c,t表示待评估配电网中第i个节点的第c类设备t时刻的无功功率值；
根据待评估配电网中各个节点的各类设备下一时刻的无功功率波动量期望值，获取待评估配电网中各个节点下一时刻的无功功率波动量期望值，公式为：
Δqi,t＝∑c(Δqi,c,t)；
其中，Δqi,t表示待评估配电网中第i个节点在t时刻下一时刻的无功功率波动量期望值。
7.根据权利要求6所述的用于高渗透率可再生能源配电网的灵活性评估方法，其特征在于，根据所述有功功率波动量期望值、所述无功功率波动量期望值、所述第一灵敏度矩阵和所述第二灵敏度矩阵，获取所述待评估配电网的电压波动程度综合性评价指标；根据所述有功功率波动量期望值、所述无功功率波动量期望值和所述第三灵敏度，获取所述待评估配电网的关口功率波动程度评估指标，以根据所述电压波动程度综合性评价指标和所述关口功率波动程度评估指标，获取所述待评估配电网的灵活性评估结果，包括：
根据所述有功功率波动量期望值、所述无功功率波动量期望值、所述第一灵敏度矩阵和所述第二灵敏度矩阵，获取所述待评估配电网的电压预期波动量列向量，公式为：
ΔVt＝SP,tΔPt+SQ,tΔQt；
其中，ΔPt表示待评估配电网t时刻的有功功率波动量期望值的列向量，ΔQt表示待评估配电网t时刻的无功功率波动量期望值的列向量，SP,t表示待评估配电网t时刻电压波动量对有功功率预期波动量的灵敏度矩阵SP，SQ,t表示待评估配电网t时刻电压波动量对无功功率预期波动量的灵敏度矩阵SQ，SP＝(N-1-JH-1L-1),SQ＝(L-1-HJ-1N-1)，H、N、J、L分别表示当前状态下，牛顿-拉夫逊潮流计算最后一次迭代得到的雅克比矩阵；
根据所述待评估配电网的电压预期波动量列向量，获取所述待评估配电网的电压波动程度综合性评价指标，公式为：
Figure FDA0002717184300000071
其中，λ表示待评估配电网的节点电压权重系数行向量；
根据所述有功功率波动量期望值、所述无功功率波动量期望值和所述第三灵敏度，获取所述待评估配电网的关口功率波动程度评估指标，公式为：
Figure FDA0002717184300000081
其中，ΔP0,t表示待评估配电网的关口节点t时刻的有功功率波动量；Mt表示待评估配电网的关口节点t时刻的有功功率预期波动量，对每个节点有功功率和每个节点无功功率预期波动量的灵敏度矩阵M，
Figure FDA0002717184300000082
A表示关口节点的有功功率波动量对各个节点电压相角波动量的灵敏度矩阵；B表示关口节点的有功功率波动量对各个节点电压幅值波动量的灵敏度矩阵，其中：
Figure FDA0002717184300000083
其中，Ai表示分块矩阵A矩阵中第i个元素；Bi表示分块矩阵B矩阵中第i个元素，P0表示关口节点的有功功率。
8.一种用于高渗透率可再生能源配电网的灵活性评估系统，其特征在于，包括：
第一处理模块，用于根据各个节点相邻时刻之间有功功率的相关性，获取待评估配电网中各个节点下一时刻的有功功率波动量期望值，根据各个节点有功功率和无功功率的相关性，获取所述待评估配电网中各个节点下一时刻的无功功率波动量期望值；
第二处理模块，用于获取所述待评估配电网当前时刻的潮流数据，并根据所述潮流数据，获取第一灵敏度矩阵、第二灵敏度矩阵和第三灵敏度矩阵；其中，所述第一灵敏度矩阵为电压波动量对有功功率预期波动量的灵敏度矩阵，所述第二灵敏度矩阵为电压波动量对无功功率预期波动量的灵敏度矩阵，所述第三灵敏度矩阵为关口节点有功功率预期波动量对每个节点有功功率和每个节点无功功率预期波动量的灵敏度矩阵；
第三处理模块，用于根据所述有功功率波动量期望值、所述无功功率波动量期望值、所述第一灵敏度矩阵和所述第二灵敏度矩阵，获取所述待评估配电网的电压波动程度综合性评价指标，根据所述有功功率波动量期望值、所述无功功率波动量期望值和所述第三灵敏度，获取所述待评估配电网的关口功率波动程度评估指标，以根据所述电压波动程度综合性评价指标和所述关口功率波动程度评估指标，获取所述待评估配电网的灵活性评估结果。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述用于高渗透率可再生能源配电网的灵活性评估方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述用于高渗透率可再生能源配电网的灵活性评估方法的步骤。
CN201910876831.8A 2019-09-17 2019-09-17 用于高渗透率可再生能源配电网的灵活性评估方法及系统 Active CN110474372B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910876831.8A CN110474372B (zh) 2019-09-17 2019-09-17 用于高渗透率可再生能源配电网的灵活性评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910876831.8A CN110474372B (zh) 2019-09-17 2019-09-17 用于高渗透率可再生能源配电网的灵活性评估方法及系统

Publications (2)

Publication Number Publication Date
CN110474372A CN110474372A (zh) 2019-11-19
CN110474372B true CN110474372B (zh) 2020-12-15

Family

ID=68516052

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910876831.8A Active CN110474372B (zh) 2019-09-17 2019-09-17 用于高渗透率可再生能源配电网的灵活性评估方法及系统

Country Status (1)

Country Link
CN (1) CN110474372B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114204599A (zh) * 2021-12-14 2022-03-18 广东电网有限责任公司 一种抑制配电网电压波动的分布式储能布点运行控制方法
CN116054282B (zh) * 2022-11-25 2023-08-18 国网安徽省电力有限公司经济技术研究院 一种配电网与输电网公共连接点有功无功灵活性评估方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004242452A (ja) * 2003-02-07 2004-08-26 Mitsubishi Electric Corp 電力系統の縮約モデル作成装置
CN103248051B (zh) * 2013-05-25 2015-07-08 国电南瑞科技股份有限公司 一种评估风电场功率波动影响电网运行安全风险的方法
CN107769245A (zh) * 2017-09-05 2018-03-06 清华大学 一种考虑风电功率波动概率特性的主导节点选择方法
CN107944757A (zh) * 2017-12-14 2018-04-20 上海理工大学 电力互联系统可再生能源消纳能力评估分析方法
CN108074015B (zh) * 2017-12-25 2023-10-27 中国电力科学研究院有限公司 一种风电功率超短期预测方法及系统
CN108805745B (zh) * 2018-06-06 2021-10-29 浙江大学 一种配电网的灵活性评估方法
CN108879659A (zh) * 2018-06-22 2018-11-23 天津大学 一种弹性配电网灵活性的评价方法
CN109347110B (zh) * 2018-10-29 2022-01-28 河海大学 一种含高比例风电并网的自适应线性化概率潮流计算方法
CN109462254A (zh) * 2018-11-16 2019-03-12 国网辽宁省电力有限公司电力科学研究院 一种基于电压灵敏度提升光伏消纳能力的方法
CN109617071B (zh) * 2019-02-22 2022-05-03 南方电网科学研究院有限责任公司 一种用于配电网供电能力的分析方法、装置及存储介质

Also Published As

Publication number Publication date
CN110474372A (zh) 2019-11-19

Similar Documents

Publication Publication Date Title
Zhou et al. Prediction of photovoltaic power output based on similar day analysis, genetic algorithm and extreme learning machine
Shu et al. Latin hypercube sampling techniques for power systems reliability analysis with renewable energy sources
Ren et al. Probabilistic power flow analysis based on the stochastic response surface method
De Giorgi et al. Assessment of the benefits of numerical weather predictions in wind power forecasting based on statistical methods
Mohammadi et al. Predicting the wind power density based upon extreme learning machine
Lin et al. Fast cumulant method for probabilistic power flow considering the nonlinear relationship of wind power generation
Vafaeipour et al. Application of sliding window technique for prediction of wind velocity time series
Ma et al. Analysis of voltage stability uncertainty using stochastic response surface method related to wind farm correlation
Buygi et al. Impacts of large-scale integration of intermittent resources on electricity markets: A supply function equilibrium approach
Nosratabadi et al. Nonparametric probabilistic unbalanced power flow with adaptive kernel density estimator
Abou El‐Ela et al. Minimisation of voltage fluctuation resulted from renewable energy sources uncertainty in distribution systems
Liu et al. PV generation forecasting with missing input data: A super-resolution perception approach
CN110474372B (zh) 用于高渗透率可再生能源配电网的灵活性评估方法及系统
CN105656031A (zh) 基于高斯混合分布特征的含风电电力系统安全风险评估方法
Danoune et al. The Whale Optimization Algorithm for efficient PEM fuel cells modeling
Liu et al. Probabilistic load flow analysis of active distribution network adopting improved sequence operation methodology
CN110009141B (zh) 基于sdae特征提取和svm分类模型的爬坡事件预测方法及系统
Abdullah et al. A noniterative method to estimate load carrying capability of generating units in a renewable energy rich power grid
Li et al. States prediction for solar power and wind speed using BBA‐SVM
Geng et al. Simplified sequential simulation of bulk power system reliability via chronological probability model of load supplying capability
Mahmoud et al. Efficient SPF approach based on regression and correction models for active distribution systems
He et al. Probabilistic solar irradiance forecasting via a deep learning‐based hybrid approach
Bensoussan et al. Cox–Ingersoll–Ross model for wind speed modeling and forecasting
CN110532642A (zh) 一种综合能源系统概率能流的计算方法
Cano et al. Comparative analysis of HESS (battery/supercapacitor) for power smoothing of PV/HKT, simulation and experimental analysis

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