[发明专利]基于马尔科夫理论和比例分配原理的连续时段概率潮流预测方法

说明书

技术领域

本发明属于电力系统分析技术领域，具体涉及一种基于比例分配原理的马尔科夫理论连续时段概率潮流预测方法。

背景技术

随着大规模新能源发电接入电网，对新能源发电进行预测可以预防新能源发电的随机性对电力系统运行造成的不利影响。如果能够对连续时段内的电力系统的潮流进行预测，既能预测每一时刻支路潮流的概率分布情况，又能得到连续时段内支路潮流分布的发展趋势，会更有利于规划电力系统中新能源发电接入量的规划，对电力系统的稳定运行具有重要的指导意义。如今在大规模新能源发电接入的情况下，对支路潮流进行连续时间段内的预测还未得到研究人员的普遍关注,因此需要研究一种可以预测连续时段内概率潮流的方法。

发明内容

本发明提出一种基于比例分配原理的马尔科夫理论连续时段概率潮流预测方法，可以根据初始风电预测功率概率分布预测支路潮流在连续时段内各个时刻的概率分布情况以及发展趋势。

为了解决上述技术问题，本发明提供一种基于马尔科夫理论和比例分配原理的连续时段概率潮流预测方法，其特征在于，步骤如下：

步骤一，设置预想进行潮流计算的连续时间段数，根据地区风电功率的历史数据建立风电功率马尔科夫链模型；

步骤二，根据所述风电功率马尔科夫链模型和初始时刻风电预测功率概率分布的状态向量计算下一时刻的风电预测功率概率分布的状态向量；利用比例分配原理计算下一时刻风电预测功率变量各状态区间的抽样次数；使用蒙特卡洛抽样法分别对风电预测功率变量各状态区间进行抽样得到对应的风电预测功率值；根据所述风电预测功率值建立风电预测功率变量的样本矩阵；

步骤三，将所述风电预测功率变量的样本矩阵作为确定性潮流计算模型的输入量进行概率潮流计算；进行循环计算时，每次循环选择风电预测功率变量的样本矩阵的列向 量完成一个时刻的概率潮流计算，直到完成连续时段内每一个时刻的概率潮流计算；根据循环计算所得的连续时段内各个时刻输出变量的离散结果使用核密度估计拟合，得到输出变量的概率分布曲线。

进一步，所述步骤一中根据地区风电功率的历史数据建立风电功率马尔科夫链模型的方法为：根据地区风电功率的历史数据对风电功率划分状态区间，计算风电功率各状态间的转移概率值从而获得状态转移概率矩阵，根据状态转移概率矩阵建立风电功率的马尔科夫链模型；所述风电功率的马尔科夫链模型如(1)所示，

式(1)中：p^k_ij状态转移概率矩阵P^k的一个元素，表示风电功率从状态i向状态j演变的概率，且i,j＝1,2,…m；m为将功率历史数据等间隔划分成的状态区间的个数，N^k_ij为风电功率变量X^k从状态i向状态j演变的次数，k∈K，K为风电场的个数

本发明与现有技术相比，其显著优点在于，本发明将马尔科夫理论和比例分配原理与蒙特卡洛模拟法概率潮流计算相结合，将单一时刻的概率潮流计算推广到连续时间段内，并且可以根据初始风电预测功率概率分布预测支路潮流在连续时段内各个时刻的概率分布情况以及发展趋势。

附图说明

图1为本发明基于比例分配原理的马尔科夫理论连续时段概率潮流预测方法流程简图。

图2为本发明基于比例分配原理的马尔科夫理论连续时段概率潮流预测方法具体实现步骤流程图。

具体实施方式

容易理解，依据本发明的技术方案，在不变更本发明的实质精神的情况下，本领域 的一般技术人员可以想象出本发明基于比例分配原理的马尔科夫理论连续时段概率潮流预测方法的多种实施方式。因此，以下具体实施方式和附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限制或限定。

结合图1和图，本发明基于比例分配原理的马尔科夫理论连续时段概率潮流预测方法，包括以下步骤：

步骤一，设置预想进行潮流计算的连续时间段数；根据地区风电功率的历史数据对风电功率划分状态区间，计算风电功率各状态间的转移概率值并获得状态转移概率矩阵，从而建立风电功率的马尔科夫链模型。