[发明专利]一种基于vine copula函数确定概率最优潮流的方法

说明书

本发明公开了一种基于vine copula函数确定概率最优潮流的方法，包括：以发电费用最小为目标函数，建立含多风电场的概率最优潮流模型；根据非参数核密度拟合风速，建立单风电场风速分布函数；利用单风电场风速分布函数和Vine Copula函数，建立多风电场风速联合分布模型；基于多风电场风速联合分布模型利用Rosenblatt变换和三点估计法确定负荷和风电的M种情景以及每种情形发生的概率，根据多风电场的概率最优潮流模型利用内点法计算M种情景下的最优潮流；根据M种情景下的最优潮流和每种情形发生的概率，得到概率最优潮流。本发明有效地描述风速的多元化相关性结构，计算效率高，能够及时地为电力系统运行提供有效的信息。

技术领域

本发明属于概率最优潮流计算领域，更具体地，涉及一种基于vine copula函数确定概率最优潮流的方法。

背景技术

近年来，风电装机容量增速迅猛，然而风电的消纳问题却成为遏制其发展的主要瓶颈。风电的随机性、波动性以及间歇性给电力系统运行造成了巨大影响；此外，在一定范围的空间区域内，各风电场之间存在复杂的相关性。因此，在分析含多风电场的电力系统最优潮流问题中，应综合考虑风电的不确定性和相关性，建立考虑风速相关性的概率最优潮流模型。

为求解考虑风速相关性的概率最优潮流，首先需要建立考虑风速相关性的多风电场风速模型或风电模型，目前常见的模型包括基于相关系数矩阵的边缘分布模型以及基于Copula函数的联合分布模型。其中，基于相关系数矩阵的边缘分布模型仅需已知随机变量的边缘分布，并通过相关系数矩阵建立随机变量间的耦合关系。但是，该模型构建的前提是随机变量相关系数矩阵的确立，而目前该矩阵的获取多凭借实践经验，可信度不高，可能造成概率最优潮流计算不准确甚至错误的情况；此外，该模型仅通过相关系数作为随机变量相关性的描述指标，而在实际情况中，各风电场风速之间相关性复杂多变，因此利用该模型难以完整描述多风电场风速之间的相依关系。实际上，线性相关系数、Spearman相关系数等均不能完整描述随机变量之间的相关性，随机变量相关特性的完整表征方式是联合概率分布。

Copula函数是一维边缘分布与多维联合分布之间的连接函数，是构建多维随机变量联合概率分布的有效工具。但是，由于Copula函数仅能描述单一类型的相关性结构，因此主要用于构建两随机变量的联合分布模型，难以准确描述多维随机变量可能存在的多元化相关性结构。针对此问题，有学者采用Vine Copula函数构建了多风电场风速相依模型，并利用蒙特卡洛采样完成概率潮流计算，但是计算效率低，且没有求解概率最优潮流。

由此可见，现有技术在描述多风电场之间相关性时存在缺陷，尽管有研究较好描述了多风电场风速相依关系，但计算效率低，且没有求解概率最优潮流。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于vine copula函数确定概率最优潮流的方法，由此解决现有技术在描述多风电场之间相关性时存在缺陷，计算效率低，且没有求解概率最优潮流的技术问题。

为实现上述目的，本发明提供了一种基于vine copula函数确定概率最优潮流的方法，包括：

(1)以发电费用最小为目标函数，建立含多风电场的概率最优潮流模型；

(2)根据非参数核密度拟合风速，建立单风电场风速分布函数；

(3)利用单风电场风速分布函数和Vine Copula函数，建立多风电场风速联合分布模型；

(4)基于多风电场风速联合分布模型利用Rosenblatt变换和三点估计法确定负荷和风电的M种情景以及每种情形发生的概率，根据多风电场的概率最优潮流模型利用内点法计算M种情景下的最优潮流；

(5)根据M种情景下的最优潮流和每种情形发生的概率，得到概率最优潮流。

进一步地，步骤(1)的具体实现方式为：