[发明专利]基于两阶段随机模糊模拟的配电网随机模糊潮流算法

权利要求书

1.基于两阶段随机模糊模拟的配电网随机模糊潮流算法，其特征在于，包括如下步骤：

S1、根据风速、光照强度以及负荷的历史数据建立其随机模糊模型；

S2、根据步骤S1建立的随机模糊模型来建立风电、光伏出力和负荷需求的随机模糊不确定模型；

S3、对步骤S2建立的随机模糊不确定模型进行随机模糊模拟，该随机模糊模拟包括两个阶段，分别为随机模糊阶段和模糊模拟阶段；

S4、建立输出变量的随机模糊模型，输出变量包括节点电压幅值、节点电压相角、线路有功功率、线路无功功率的随机模糊期望值和随机模糊标准差；

在步骤S3中，随机模糊阶段具体包括如下步骤：

通过下面的公式得到每个输入变量的三个估计点：

x_l,k＝μ_l+ξ_l,kσ_l

其中，μ_l和σ_l分别是随机输入变量x_l的均值和标准差；m为输入变量的个数，l为第l个变量；k为每个随机输入变量取的第k个点；ξ_l,k和w_l,k是标准位置系数和权重系数，计算公式如下：

λ_l,3和λ_l,4分别为随机变量x_l的偏度和峰度系数，计算公式如下：

当所有估计点取好之后，对2m+1个组合进行计算，计算公式如下：

Z(l,k)＝f(μ₁,μ₂,...,x_k,...μ_m)k＝1,2

Z(l,3)＝f(μ₁,μ₂,...,μ_k,...μ_m)

其中，f()为目标函数计算式；

最后利用权重系数计算得到输出变量的各阶矩，计算公式如下：

得到输出变量的随机期望值；

模糊模拟阶段包括如下步骤：

(1)设置e＝1，样本数i＝1；

(2)随机抽取风电出力、光伏出力和负荷需求的随机模糊不确定模型的模糊数的样本作为威布尔、beta和正态随机分布函数的参数，得到输入变量的随机分布函数；(3)进行N次随机潮流计算；

(4)取a＝min_1≤i≤NE_pro(Z_l)，b＝max_1≤i≤NE_pro(Z_l)；

(5)设置w＝1；

(6)随机产生r_w∈(a,b)；

(7)若r_w≥0,e＝e+Cr{θ∈Θ|(E_pro(Z_l))≥r_w}，若r_w＜0,e＝e-Cr{θ∈Θ|(E_pro(Z_l))≤r_w}

(8)w＝w+1；重复N次；

(9)

2.如权利要求1所述的基于两阶段随机模糊模拟的配电网随机模糊潮流算法，其特征在于，在步骤S1中，风速和光照强度分别采用威布尔分布函数和beta分布函数来拟合其分布规律，具体为：

根据在一段时间内风速的历史数据拟合得到两参数威布尔函数，其参数的范围作为风速随机模糊模型的模糊数的起始点参考值；

根据一段时间内的光照历史数据用beta函数拟合，其函数参数的范围作为光照随机模糊模型的模糊数的起始点参考值。

3.如权利要求1或2所述的基于两阶段随机模糊模拟的配电网随机模糊潮流算法，其特征在于，在步骤S2中，风电出力的随机模糊不确定模型由风速的随机模糊模型与风机出力-风速函数结合得到；光伏出力的随机模糊不确定模型由光照的随机模糊模型和光伏出力-光照函数结合得到；风电出力的随机模糊不确定模型如下：

风速的随机模糊模型和风机出力-风速函数分别为：

式中，P_w和P_rw分别是风机出力和风机额定出力；v为风速；v_i,v_r和v_o分别为切入，额定和切出风速；ξ_k和ξ_c是形状和尺度参数，皆为三角模糊数；k₁和k₂分别计算如下：

光伏出力的随机模糊不确定模型：

光照的随机模糊模型和光伏出力-风速函数分别为：

P_M＝rAη

式中，r和r_max分别是实际和最大的太阳辐照度；A表示光伏组件的面积；η是光伏的转换效率；R_M是光伏最大有功出力；P_M是光伏出力；ξ_a和ξ_b是伽马分布函数的参数，为三角模糊数；Γ表示伽马函数。