CN112564181A - 考虑新能源出力不确定性的在线概率安全监测方法 - Google Patents
考虑新能源出力不确定性的在线概率安全监测方法 Download PDFInfo
- Publication number
- CN112564181A CN112564181A CN202011336764.XA CN202011336764A CN112564181A CN 112564181 A CN112564181 A CN 112564181A CN 202011336764 A CN202011336764 A CN 202011336764A CN 112564181 A CN112564181 A CN 112564181A
- Authority
- CN
- China
- Prior art keywords
- node
- new energy
- distribution
- voltage
- power
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000009826 distribution Methods 0.000 claims abstract description 106
- 238000002347 injection Methods 0.000 claims abstract description 71
- 239000007924 injection Substances 0.000 claims abstract description 71
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 44
- 230000014509 gene expression Effects 0.000 claims description 36
- 239000013598 vector Substances 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 9
- 238000005315 distribution function Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 238000007476 Maximum Likelihood Methods 0.000 claims description 2
- 238000001698 laser desorption ionisation Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 8
- 230000008878 coupling Effects 0.000 abstract description 2
- 238000010168 coupling process Methods 0.000 abstract description 2
- 238000005859 coupling reaction Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000009467 reduction Effects 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及考虑新能源出力不确定性的在线概率安全监测方法,属于电力系统运行安全分析监测技术领域。该方法首先使用柯西分布描述新能源输入的不确定性;然后利用线性化潮流模型建立新能源随机注入与节点电压和支路潮流间的线性关系;之后,建立描述电网在线概率安全监测的监测指标,计算得到影响电压波动性较大的新能源注入节点。本发明考虑了支路潮流中有功功率与无功功率的耦合,解析的得到安全监测指标,计算效率高,适合应用于电网在线概率安全监测等场景之中。
Description
技术领域
本发明属于电力系统运行安全分析监测技术领域,具体涉及一种考虑新能源出力不确定性的在线概率安全监测方法。
背景技术
配电网是电力系统的重要组成部分,与输电网相比,配电网的有功功率与无功功率不解耦,因此在配电网的经济调度中,需要考虑有功调度之后的无功控制问题。
同时,近年来越来越多的可再生能源接入配电网,而可再生能源的出力具有随机性,因此需要在配电网的经济调度中引入考虑不确定性的优化算法。
目前常用的经济调度方法主要是基于直流潮流的有功调度,通过求解一个二次规划问题得到调度计划,其不足之处在于无法考虑有功功率与无功功率的耦合,且没有考虑新能源接入电网带来的不确定性。
新能源出力的不确定性是其大规模接入电网的障碍之一,监测电网接入的新能源对电网运行指标的影响有利于保证电网的安全性与可靠性,对于在线运行场景的电力系统安全监测还需要算法具有快速性。
目前常用的安全监测方法主要是基于模拟法的随机潮流算法,该方法通过对不确定性抽样获得样本集,进而根据抽样结果较为全面的分析不确定性对电网的影响。其不足之处在于计算速度较慢,且无法得到监测指标的解析表达式,使后续分析不便进行。因此如何克服现有技术的不足是目前电力系统运行安全分析监测技术领域亟需解决的问题。
发明内容
本发明的目的是为了解决现有技术的不足,提供一种考虑新能源出力不确定性的在线概率安全监测方法,该方法使用柯西分布描述新能源输入的不确定性;利用线性化潮流模型建立随机注入与节点电压和支路潮流间的线性关系;同时建立描述电网在线概率安全监测的监测指标,并能够计算得到影响电压波动性较大的随机注入。本发明解析的得到安全监测指标,计算效率高,适合应用于电网在线概率安全监测等场景之中。
为实现上述目的,本发明采用的技术方案如下:
一种考虑新能源出力不确定性的在线概率安全监测方法,包括以下步骤:
使用柯西分布描述新能源输入的不确定性;
利用线性化潮流模型建立新能源随机注入与节点电压和支路潮流间的线性关系;
建立描述电网在线概率安全监测的监测指标,计算得到影响电压波动性较大的新能源注入节点;为后续有针对性的减小新能源注入的不确定性、运行优化控制改变电网结构以提高电网运行的安全性工作提供指导。
进一步,优选的是,使用柯西分布描述新能源输入的不确定性具体为:
将可再生能源的预测误差表示为可再生能源出力实际值与预测值之差,其表达式如下:
将节点负荷的预测误差表示为节点负荷实际值与预测值之差,其表达式如下:
使用柯西分布拟合可再生能源出力和节点负荷的预测误差数据εDG和εload的概率分布;一维柯西分布的概率密度函数表达式为:
进一步,优选的是,利用线性化潮流模型建立新能源随机注入与节点电压和支路潮流间的线性关系,具体为:
对于电力系统,将再生能源出力和节点负荷看作电力系统的随机注入x;线性化概率潮流方程如下:
y=Ax+C
其中,x表示系统的输入随机变量,y表示输出向量,y是随机向量x的线性变换,A、C为系数矩阵;
引用DLPF线性化潮流模型,将节点按照节点类型排序,下标R、S、L分别表示Vθ,PV,PQ节点,nR,nS,nL分别表示Vθ,PV,PQ节点的数量;如θR为Vθ节点的节点对应的电压相角,VR,VS为Vθ节点、PV节点对应的电压幅值;节点电压幅值、相角关于节点有功无功的表达式如下:
其中,PSG为PV节点的传统发电厂有功出力,PLG与QLG为PQ节点的有功和无功注入;通过节点导纳矩阵Y简化得到;上标“’”表示未考虑支路并联参数,只考虑串联参数;节点导纳矩阵Y=G+jB,G为节点导纳矩阵的实部,B为节点导纳矩阵的虚部;
随机注入x为新能源或负荷的预测误差ε的概率分布和新能源或负荷实际有功功率P的概率分布都是在给定预测值前提下的条件概率分布,从本质上说二者是一致的;且为便于将随机变量与确定量区分,后文将用统一表示随机注入x;令无功与有功满足线性关系:Q=λ·P,写为矩阵形式即:
其中,QLD为PQ节点无功矩阵;λ1,λ2…λnL为PQ节点有功无功对应线性关系的系数,组合成为(nS+nL)×nL维系数矩阵Λ;
当可再生能源出力和节点负荷变化时,电力系统和调频机组的有功出力将按照出力分配系数α随之改变;因此,PSG为随机注入的函数且满足以下方程式:
其中,上标“^”表示计划值或预测值,为第m个调频机组出力的计划值,为第w个PV节点、第k个PQ节点的新能源加负荷的有功预测值;上标“~”表示随机注入量,为第w个PV节点、第k个PQ节点的新能源加负荷的有功随机注入量;
PLG=0,将写为矩阵形式如下:
通过上述步骤得到有功无功的表达式,并代入得到节点电压幅值、相角表达式,将其写为y=Ax+C形式如下:
根据DLPF线性化潮流模型,考虑变压器变比的支路潮流表达式为:
Aij=AgbCLLVAV-AbgCLLθAθ
Cij=AgbCLLVCV-AbgCLLθCθ
其中,Aij、Cij为支路有功无功潮流与随机注入间的系数矩阵;设Vi,Vj在中的位置分别为m,n,θi,θj在中的位置分别为p,q,则上式中,CLLV为1×L维行向量,其第m个元素为第n个元素为-1,其余元素均为0;CLLθ为1×(S+L)维行向量,其第p个元素为第q个元素为-1,其余元素均为0。
进一步,优选的是,建立描述电网在线概率安全监测的监测指标,计算得到影响电压波动性较大的新能源注入节点,具体为:
由于柯西分布具有线性不变性,即对于任意的列向量如果随机向量x~Cauchy(Μ,Σ),则有aTx~Cauchy(aTΜ,aTΣa);即如果已知电力系统随机注入的柯西分布并能够得到运行安全监测指标与随机注入之间的线性关系,则由柯西分布的线性不变性可推知安全监测指标服从的柯西分布,从而通过柯西分布的累积分布函数直接计算得到运行安全监测指标的越限概率值;
已知:
得到:
其中,ΜP为随机注入拟合的柯西分布的位置参数矩阵,ΣP为随机注入拟合的柯西分布的尺度参数矩阵;
利用计算得到的节点电压和支路潮流满足的柯西分布,计算电压越限和支路潮流越限风险值;所述的风险值为越限的可能性函数与严重性函数乘积的积分;
节点Vi的电压越上限严重性函数Sevhv(vi)与越下限严重性函数Sevlv(vi)定义如下:
当Vi的节点电压等于正常运行的上下限值Vi或Vi时,此时节点电压越线风险为0,随着节点电压幅值越来越偏离正常值,可能性减小,但严重性在增大,风险值为节点电压偏离正常范围的程度与柯西分布概率密度函数乘积的积分;
安全运行时支路潮流需满足:
其中,支路的视在功率容量Sij表示线路的热约束;
对于有随机注入的线路而言,支路潮流过载风险值中包含的严重性函数Sevol量化为点(Pij,Qij)到以原点为圆心,半径r=Sij的圆的距离的二次方,将其乘以Pij与Qij的联合概率密度函数并积分得到该支路的潮流过载风险值ROLij:
系统的风险值为各元件风险值的和,由此得到系统过电压风险值RHVsys、系统低电压风险值RLVsys、系统潮流越限风险值ROLsys:
RHVsys=∑RHVi
RLVsys=∑RLVi
ROLsys=∑ROLij
接下来计算影响电压波动性较大的新能源注入节点,以寻找导致节点电压风险值较大的新能源注入节点,为安全监测后的优化控制做准备;
计算波动性相对影响指标,得到影响电压波动性较大的新能源注入节点。
进一步,优选的是,m=1。
本发明中,指数2m是为了解决严重性函数中存在的“遮蔽”缺陷,即若m=0,会出现多个小的越限的加和与只有一个大的越限情况的严重性近似的情况,但可知后者对电网的影响更严重,因此优选设置m=1,以避免“遮蔽”缺陷。
本发明与现有技术相比,其有益效果为:
本发明方法将新能源出力的不确定性纳入安全监测模型中,现有技术多用高斯分布拟合新能源出力的不确定性,在线安全监测的时间尺度较短,往往关注未来一小时内的系统运行安全情况,但实际数据显示高斯分布对短期新能源预测误差的拟合效果很不理想,而柯西分布是目前对短期新能源预测误差拟合精度最高的独立单分布。因此用柯西分布提高了拟合精度,是电网提高安全监测准确性的重要基础。利用线性化潮流模型构建了节点电压、支路潮流与随机注入间的线性关系,解析的得到安全监测指标,解析法随机潮流计算的计算效率远高于模拟法,且分析了影响节点电压波动性的来源,适合应用于电网在线概率安全监测等场景之中。
附图说明
图1为case 33算例及新能源注入位置示意图;
图2为高斯分布与柯西分布拟合数据性能比较;
图3为高斯分布与柯西分布计算电压风险值结果示意图;其中,(a)为节点过电压风险值,(b)为节点低电压风险值。
图4为误差对比图,其中(a)为高斯分布与柯西分布拟合数据误差对比;(b)为高斯分布与柯西分布计算低电压风险值误差对比。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限定本发明的范围。实施例中未注明具体技术或条件者,按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者,均为可以通过购买获得的常规产品。
本发明提出的考虑新能源出力不确定性的在线概率安全监测方法,该方法包括以下步骤:
(1)使用柯西分布描述新能源输入的不确定性。
可再生能源的预测误差可以表示为可再生能源出力实际值与预测值之差,其表达式如下:
可再生能源有功功率预测误差一般假设服从某一概率分布,预测误差的概率和可再生能源实际有功功率的概率都是在给定预测值前提下的条件概率,从本质上说二者是一致的。短时间尺度风电出力预测误差表现出较高的“尖峰特性”和明显的“拖尾特性”,与其它分布对风电预测误差数据的拟合结果对比表明,柯西分布是精度最高的一种单分布;此外,柯西分布还是一种满足“线性不变性”并可解析表达的稳定分布。这一性质将有利于后文对节点电压越限风险值和支路潮流越限风险值的计算。负荷的预测误差也可写为类似的表达式如下:
短时间尺度预测的精度较高,此时,无论分布式电源出力还是节点负荷,预测误差用柯西分布拟合的精度总是很高。因为预测精度高时,预测误差更多的集中在0值附近,而柯西分布的“尖峰特性”则可以很好的反映这种集中。因此,本发明使用柯西分布描述可再生能源出力和负荷的预测误差的概率分布。
(2)利用线性化潮流模型建立新能源随机注入与节点电压和支路潮流间的线性关系。
(2-1)对于电力系统而言,可将再生能源出力和负荷看作电力系统的随机注入x。线性化概率潮流方程如下:
y=Ax+C
其中,x表示系统的输入随机变量,y表示输出向量,y是随机向量x的线性变换,A、C为系数矩阵。DLPF模型是一种可以计及节点电压幅值的线性化潮流方程,在输配电网中都有较高的精确度。将节点按照节点类型排序,下标“R,S,L”分别表示Vθ,PV,PQ节点。根据DLPF模型,节点电压幅值、相角关于节点有功无功的表达式如下:
(2-2)当可再生能源出力和负荷变化时,电力系统和调频机组的有功出力将按照出力分配系数α随之改变。因此,PSG为随机注入的函数且满足以下方程式:
PLG=0,将写为矩阵形式如下:
(2-3)通过上述步骤可以得到有功无功的表达式,并代入得到节点电压幅值、相角表达式,将其写为y=Ax+C形式如下:
(2-4)根据DLPF模型,考虑变压器变比的支路潮流表达式为:
其中,t为变压器变比,gij,bij为支路ij的导纳,可以通过建立与随机注入之间的表达式。当节点i,j均为PQ节点,即i∈L,j∈L时,Vi,Vj和θi,θj均是随机注入的线性函数,因此的表达式可写为:
设Vi,Vj在中的位置分别为m,n,θi,θj在中的位置分别为p,q,则上式中,CLLV为1×L维行向量,其第m个元素为第n个元素为-1,其余元素均为0;CLLθ为1×(S+L)维行向量,其第p个元素为第q个元素为-1,其余元素均为0。当i,j不全为PQ节点时,支路潮流的系数矩阵可同理得到。
(3)运行安全监测指标计算,具体过程包括以下步骤:
(3-1)如上文所述,柯西分布具有线性不变性,即对于如果随机向量x~Cauchy(Μ,Σ),则有aTx~Cauchy(aTΜ,aTΣa)。即如果我们已知电力系统随机注入的柯西分布并能够得到运行安全监测指标与随机注入之间的线性关系,则由柯西分布的线性不变性可以推知安全监测指标服从的柯西分布,从而通过柯西分布的累积分布函数直接计算得到运行安全监测指标的越限概率值。
已知:
可以得到:
(3-2)对于输网而言,重点关注的是节点电压幅值越限上限风险值、越下限风险值和支路潮流过载风险值。对于配网而言,则主要关注根节点的节点电压幅值越限风险值和支路潮流越限风险值。为了全面监测电网运行的安全水平,电力系统运行安全监测应对电力系统面临的风险给出可能性与严重性的综合度量,即风险值是可能性与严重性的乘积。本发明研究的是由于新能源出力的不确定性造成的风险,利用上节计算得到的节点电压和支路潮流满足的柯西分布,计算风险值即为计算越限可能性与严重性乘积的积分。节点Vi的电压越上限严重性函数Sevhv(vi)与越下限严重性函数Sevlv(vi)定义如下:
其中 V i是节点电压幅值正常运行的上下限值,指数2m是为了解决严重性函数中存在的“遮蔽”缺陷,即若m=0.5,会出现多个小的越限的加和与只有一个大的越限情况的严重性近似的情况,但可知后者对电网的影响更严重,因此一般设置m=1,以避免“遮蔽”缺陷。当Vi的节点电压等于正常运行的上下限值或V i时,此时电压的概率密度函数值较大(可能性较大)但不对系统造成影响(严重性为0),因此此时的风险为0,随着节点电压幅值越来越偏离正常值,可能性减小,但严重性在增大,风险值为节点电压偏离正常范围的程度与柯西分布概率密度函数乘积的积分。
其中,节点Vi的过电压风险为RHVi,低电压风险为RLVi,μVi,σVi为节点Vi对应的边缘分布中的位置参数和尺度参数。
(3-3)安全运行时支路潮流应满足:
其中,支路的视在功率容量Sij表示线路的热约束。对于有随机注入的线路而言,支路潮流过载风险值中包含的严重性可以量化为点(Pij,Qij)到以原点为圆心,半径r=Sij的圆的距离的二次方,将其乘以Pij与Qij的联合概率密度函数并积分可以得到该支路的潮流过载风险值:
系统的风险值为各元件风险值的和:
RHVsys=∑RHVi
RLVsys=∑RLVi
ROLsys=∑ROLij
通过波动性相对影响指标,可以分析每个随机注入对节点电压Vi波动性的影响。
应用实例
使用Matpower 33节点算例,如图1所示,在节点3、13、31加入分布式光伏以代表新能源不确定性注入,新能源渗透率为15%。用柯西分布与现有技术多使用的高斯分布分别拟合新能源数据并计算电压风险值。
图2中浅灰色方块为新能源出力预测误差直方,黑色实线为柯西分布拟合结果,灰色虚线为高斯分布拟合结果。设拟合误差的误差均方根值RMSE设置为:
其中,n为直方图区间数,为拟合后得到的柯西分布或高斯分布的概率密度函数,pdfi His为直方图代表的历史数据的概率密度函数。图2与图4(a)均可证明,柯西分布具有更小的拟合误差,用柯西分布描述新能源随机性的效果更好。
利用本发明提供方法计算节点电压的过电压风险和低电压风险值,由于case33算例作为配网算例,末端的节点电压较低,因此没有过电压风险而存在较大的低电压风险。计算结果与利用实际数据的蒙特卡洛方法(MC)进行比较,比较结果如图3和图4(b),可见:高斯分布和柯西分布的描述精度都在可以接受的范围内,但误差计算显示,利用柯西分布可以得到更精确的风险值计算效果,可以证明本发明所提方法的优越性。
以上显示和描述了本发明的基本原理、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 (5)
1.一种考虑新能源出力不确定性的在线概率安全监测方法,其特征在于,包括以下步骤:
使用柯西分布描述新能源输入的不确定性;
利用线性化潮流模型建立新能源随机注入与节点电压和支路潮流间的线性关系;
建立描述电网在线概率安全监测的监测指标,计算得到影响电压波动性较大的新能源注入节点。
2.根据权利要求1所述的考虑新能源出力不确定性的在线概率安全监测方法,其特征在于,使用柯西分布描述新能源输入的不确定性具体为:
将可再生能源的预测误差表示为可再生能源出力实际值与预测值之差,其表达式如下:
将节点负荷的预测误差表示为节点负荷实际值与预测值之差,其表达式如下:
使用柯西分布拟合可再生能源出力和节点负荷的预测误差数据εDG和εload的概率分布;一维柯西分布的概率密度函数表达式为:
3.根据权利要求1所述的考虑新能源出力不确定性的在线概率安全监测方法,其特征在于,利用线性化潮流模型建立新能源随机注入与节点电压和支路潮流间的线性关系,具体为:
对于电力系统,将再生能源出力和节点负荷看作电力系统的随机注入x;线性化概率潮流方程如下:
y=Ax+C
其中,x表示系统的输入随机变量,y表示输出向量,y是随机向量x的线性变换,A、C为系数矩阵;
引用DLPF线性化潮流模型,将节点按照节点类型排序,下标R、S、L分别表示Vθ,PV,PQ节点,nR,nS,nL分别表示Vθ,PV,PQ节点的数量;θR为Vθ节点的节点对应的电压相角,VR,VS为Vθ节点、PV节点对应的电压幅值;节点电压幅值、相角关于节点有功无功的表达式如下:
其中,PSG为PV节点的传统发电厂有功出力,PLG与QLG为PQ节点的有功和无功注入;通过节点导纳矩阵Y简化得到;上标“’”表示未考虑支路并联参数,只考虑串联参数;节点导纳矩阵Y=G+jB,G为节点导纳矩阵的实部,B为节点导纳矩阵的虚部;
随机注入x为新能源或负荷的预测误差ε的概率分布和新能源或负荷实际有功功率P的概率分布都是在给定预测值前提下的条件概率分布,从本质上说二者是一致的;且为便于将随机变量与确定量区分,后文将用统一表示随机注入x;令无功与有功满足线性关系:Q=λ·P,写为矩阵形式即:
当可再生能源出力和节点负荷变化时,电力系统和调频机组的有功出力将按照出力分配系数α随之改变;因此,PSG为随机注入的函数且满足以下方程式:
其中,上标“^”表示计划值或预测值,为第m个调频机组出力的计划值,为第w个PV节点、第k个PQ节点的新能源加负荷的有功预测值;上标“~”表示随机注入量,为第w个PV节点、第k个PQ节点的新能源加负荷的有功随机注入量;
PLG=0,将写为矩阵形式如下:
通过上述步骤得到有功无功的表达式,并代入得到节点电压幅值、相角表达式,将其写为y=Ax+C形式如下:
根据DLPF线性化潮流模型,考虑变压器变比的支路潮流表达式为:
Aij=AgbCLLVAV-AbgCLLθAθ
Cij=AgbCLLVCV-AbgCLLθCθ
4.根据权利要求3所述的考虑新能源出力不确定性的在线概率安全监测方法,其特征在于,建立描述电网在线概率安全监测的监测指标,计算得到影响电压波动性较大的新能源注入节点,具体为:
由于柯西分布具有线性不变性,即对于任意的列向量如果随机向量x~Cauchy(Μ,Σ),则有aTx~Cauchy(aTΜ,aTΣa);即如果已知电力系统随机注入的柯西分布并能够得到运行安全监测指标与随机注入之间的线性关系,则由柯西分布的线性不变性可推知安全监测指标服从的柯西分布,从而通过柯西分布的累积分布函数直接计算得到运行安全监测指标的越限概率值;
已知:
得到:
其中,ΜP为随机注入拟合的柯西分布的位置参数矩阵,ΣP为随机注入拟合的柯西分布的尺度参数矩阵;
利用计算得到的节点电压和支路潮流满足的柯西分布,计算电压越限和支路潮流越限风险值;所述的风险值为越限的可能性函数与严重性函数乘积的积分;
节点Vi的电压越上限严重性函数Sevhv(vi)与越下限严重性函数Sevlv(vi)定义如下:
当Vi的节点电压等于正常运行的上下限值或V i时,此时节点电压越线风险为0,随着节点电压幅值越来越偏离正常值,可能性减小,但严重性在增大,风险值为节点电压偏离正常范围的程度与柯西分布概率密度函数乘积的积分;
安全运行时支路潮流需满足:
其中,支路的视在功率容量Sij表示线路的热约束;
对于有随机注入的线路而言,支路潮流过载风险值中包含的严重性函数Sevol量化为点(Pij,Qij)到以原点为圆心,半径r=Sij的圆的距离的二次方,将其乘以Pij与Qij的联合概率密度函数并积分得到该支路的潮流过载风险值ROLij:
系统的风险值为各元件风险值的和,由此得到系统过电压风险值RHVsys、系统低电压风险值RLVsys、系统潮流越限风险值ROLsys:
RHVsys=∑RHVi
RLVsys=∑RLVi
ROLsys=∑ROLij
接下来计算影响电压波动性较大的新能源注入节点,以寻找导致节点电压风险值较大的新能源注入节点,为安全监测后的优化控制做准备;
计算波动性相对影响指标,得到影响电压波动性较大的新能源注入节点。
5.根据权利要求4所述的考虑新能源出力不确定性的在线概率安全监测方法,其特征在于,m=1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011336764.XA CN112564181B (zh) | 2020-11-25 | 2020-11-25 | 考虑新能源出力不确定性的在线概率安全监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011336764.XA CN112564181B (zh) | 2020-11-25 | 2020-11-25 | 考虑新能源出力不确定性的在线概率安全监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112564181A true CN112564181A (zh) | 2021-03-26 |
CN112564181B CN112564181B (zh) | 2023-05-26 |
Family
ID=75043609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011336764.XA Active CN112564181B (zh) | 2020-11-25 | 2020-11-25 | 考虑新能源出力不确定性的在线概率安全监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112564181B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113765155A (zh) * | 2021-08-30 | 2021-12-07 | 南方电网能源发展研究院有限责任公司 | 基于稀疏网格随机配置点的电力系统随机调度方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160061189A1 (en) * | 2014-09-02 | 2016-03-03 | Siemens Industry, Inc. | Systems, methods and apparatus for improved energy management systems with security-oriented probabilistic wind power generation dispatch |
CN105591387A (zh) * | 2016-03-03 | 2016-05-18 | 天津大学 | 计及风电不确定性的基于安全域的电力系统安全监测方法 |
CN107732970A (zh) * | 2017-11-10 | 2018-02-23 | 国网甘肃省电力公司经济技术研究院 | 一种新能源并网电力系统的静态安全概率评估方法 |
CN107730111A (zh) * | 2017-10-12 | 2018-02-23 | 国网浙江省电力公司绍兴供电公司 | 一种考虑用户负荷和新能源接入的配网电压风险评估模型 |
CN108306303A (zh) * | 2018-01-17 | 2018-07-20 | 南方电网科学研究院有限责任公司 | 一种考虑负荷增长和新能源出力随机的电压稳定评估方法 |
CN108898287A (zh) * | 2018-06-11 | 2018-11-27 | 国网江西省电力有限公司电力科学研究院 | 大规模光伏并网的配电网运行风险评估方法 |
-
2020
- 2020-11-25 CN CN202011336764.XA patent/CN112564181B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160061189A1 (en) * | 2014-09-02 | 2016-03-03 | Siemens Industry, Inc. | Systems, methods and apparatus for improved energy management systems with security-oriented probabilistic wind power generation dispatch |
CN105591387A (zh) * | 2016-03-03 | 2016-05-18 | 天津大学 | 计及风电不确定性的基于安全域的电力系统安全监测方法 |
CN107730111A (zh) * | 2017-10-12 | 2018-02-23 | 国网浙江省电力公司绍兴供电公司 | 一种考虑用户负荷和新能源接入的配网电压风险评估模型 |
CN107732970A (zh) * | 2017-11-10 | 2018-02-23 | 国网甘肃省电力公司经济技术研究院 | 一种新能源并网电力系统的静态安全概率评估方法 |
CN108306303A (zh) * | 2018-01-17 | 2018-07-20 | 南方电网科学研究院有限责任公司 | 一种考虑负荷增长和新能源出力随机的电压稳定评估方法 |
CN108898287A (zh) * | 2018-06-11 | 2018-11-27 | 国网江西省电力有限公司电力科学研究院 | 大规模光伏并网的配电网运行风险评估方法 |
Non-Patent Citations (1)
Title |
---|
吕颖等: "考虑大规模集中接入风电功率波动相关性的在线概率安全评估", 《电网技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113765155A (zh) * | 2021-08-30 | 2021-12-07 | 南方电网能源发展研究院有限责任公司 | 基于稀疏网格随机配置点的电力系统随机调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112564181B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luo et al. | Short‐term operational planning framework for virtual power plants with high renewable penetrations | |
Hu et al. | A new clustering approach for scenario reduction in multi-stochastic variable programming | |
Wang et al. | Research and application of a combined model based on multi-objective optimization for multi-step ahead wind speed forecasting | |
Musbah et al. | Energy management of hybrid energy system sources based on machine learning classification algorithms | |
CN106532778B (zh) | 一种计算分布式光伏并网最大准入容量的方法 | |
Wan et al. | Data-driven hierarchical optimal allocation of battery energy storage system | |
CN113688567A (zh) | 一种考虑冲击负荷的虚拟电厂两阶段优化调度方法 | |
CN112418496B (zh) | 一种基于深度学习的配电台区储能配置方法 | |
CN112952807A (zh) | 考虑风电不确定性与需求响应的多目标优化调度方法 | |
CN112508731A (zh) | 一种考虑主动管理模式的分布式电源优化配置方法 | |
CN112564181A (zh) | 考虑新能源出力不确定性的在线概率安全监测方法 | |
CN112865170B (zh) | 一种基于场景概率的考虑风电出力相关性的负荷恢复优化方法 | |
Uzun et al. | Rule extraction and performance estimation by using variable neighborhoodsearch for solar power plant in Konya | |
Jeong et al. | Robust prequalification process of a distribution system operator considering N‐1 contingency | |
Lujano‐Rojas et al. | Probabilistic methodology for estimating the optimal photovoltaic capacity in distribution systems to avoid power flow reversals | |
Salhi et al. | Fuzzy multi-objective optimal power flow using genetic algorithms applied to algerian electrical network | |
CN113690930B (zh) | 基于nsga-iii算法的分布式光伏电源中长期选址定容方法 | |
Xie et al. | Coordinate sizing of energy storage and transmission line for a remote renewable power plant | |
CN115618922A (zh) | 光伏功率预测方法、设备、光伏发电系统及存储介质 | |
Dou et al. | Adaptive Encoder-Decoder Model Considering Spatio-Temporal Features for Short-Term Power Prediction of Distributed Photovoltaic Station | |
Wang et al. | A bi-level programming model for distribution network expansion planning with distributed generations and energy storage systems | |
Gavrilas et al. | An enhanced ANN wind power forecast model based on a fuzzy representation of wind direction | |
Gurusinghe et al. | Particle swarm optimization for voltage stability analysis | |
Laowanitwattana et al. | Application of arbitrary polynomial chaos expansion to probabilistic power flow analysis of power systems with renewable energy sources | |
CN115000968B (zh) | 基于博弈和风电出力相关性的海上风电接入系统规划方法 |
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 |