[发明专利]基于改进Nataf变换的含高维相关不确定源的概率潮流高效计算方法

说明书

本发明公开了基于改进Nataf变换的含高维相关不确定源的概率潮流高效计算方法，主要步骤为：1)确定潮流计算模型的随机输入变量X和Pearson相关系数矩阵C_X；2)确定与随机输入变量X对应的n维标准正态分布变量Z和Pearson相关系数矩阵C_Z；3)生成n维独立且服从标准正态分布的随机变量G；4)计算得到具有相关性的标准正态域的变量Z。5)将具有相关性且服从标准高斯分布的变量转换为具有相关性的原始域变量。6)建立确定性概率潮流模型；7)计算生成的样本X_input每个维度上的数值范围，并生成配置点；8)完成PPF计算，得到PPF计算的输出W’_output。本发明可以分析含有高维线性相关随机变量的大规模电网，以高精度和快速的计算速度进行概率潮流计算与分析。

技术领域

本发明涉及新能源并网领域，具体是基于改进Nataf变换的含高维相关不确定源的概率潮流高效计算方法。

背景技术

近年来人类对清洁的环境和生活方式的追求，推动了可再生能源的快速发展和广泛利用。根据REN 21的2018年年度报告显示，在整个2017年内，可再生能源发电占全球电力生产总和的26.5％，其中水力发电和风力发电占16.4％和5.6％，剩余的4.5％包括生物质能、光伏、海洋发电等。然而，由于如风速、太阳辐射、潮汐流速等一次能源具有明显的随机性，必将给现代电力系统引入大量的概率不确定源。这导致电力系统运行分析具有如下特征——电力网络规模大，所含随机源个数多、种类多。

事实上，概率潮流(Probabilistic Power Flow，PPF)能够有效地对含有随机源的电力系统进行潮流分析，同时能够根据分析结果，对电力系统运行状态进行评估，还能够揭露系统运行中所存在的潜在风险。

PPF分析一般包括三个主要步骤：1)随机源的建模；2)PPF计算(即概率特性的传递)；3)对输出结果的分析。对于第一步，随机输入量的建模即为对不确定源的建模，不确定性建模主要侧重于构建随机输入变量的边缘分布及其相关性，这是整个PPF分析的基础。一般的，对于变量的边缘分布建模，需要假设变量服从的分布类型，估计分布参数，最后进行检验即可。但是在Pearson体系下的相关性建模中，在含有非正态分布的变量时，难以在原始概率空间中直接生成合适的样本。为了解决这一问题，Nataf变换便被引入。通过生成服从标准正态分布的样本，Nataf变换可以得到原始分布域的样本。这样一来，整个抽样过程就可以从产生标准正态分布的样本开始。Nataf变换中，关键步骤是求取标准正态分布空间内的相关系数矩阵。仅在求取一个相关系数时，这个过程的传统求取方法非常耗时。考虑到任意两个变量之间，都存在一个相关系数待求取，因此在含有高维随机变量的相关性建模中，传统方法是非常不可取的。

首先要明确的一点是，含有高维随机变量的电力系统，一定是一个规模非常大的网络，其确定性的潮流计算本身就非常耗时。将其确定性模型应用到PPF计算后，由于PPF需要产生大量的样本，每组样本都需要通过确定性模型的传递，因此对于大电网的PPF计算，本身也是极为耗时的。然而在对大电网进行运行分析时，基于网络原始确定性模型的PPF分析，几乎不能满足所要求的计算效率，无法对网络的运行状态进行准确的分析，也无法及时发现网络所存在的潜在威胁。

发明内容

本发明的目的是解决现有技术中存在的问题。

为实现本发明目的而采用的技术方案是这样的，基于改进Nataf变换的含高维相关不确定源的概率潮流高效计算方法，主要包括以下步骤：

1)确定潮流计算模型的随机输入变量X和随机输入变量X的Pearson相关系数矩阵C_X。所述随机输入变量X由电力系统不确定性源转化的可再生能源的有功功率输出。所述电力系统不确定性源包括风力发电厂的风速，光伏电站的太阳辐射强度，潮汐发电厂的潮汐流速和波动性负荷的负荷。不确定源个数为n。

进一步，确定潮流计算模型的随机输入变量X的主要步骤如下：