[发明专利]一种基于概率盒理论的风电场不确定性潮流建模方法

权利要求书

1.一种基于概率盒理论的风电场不确定性潮流建模方法，其特征在于：所述方法的具体步骤如下：

Step1、统计分析风速的历史数据，得到风速大体符合韦伯分布，韦伯分布的概率密度函数为：

式中，v为风速，k为形状参数，c为尺度参数，k＞0,v＞0,c＞1；将风速的历史数据进行分组拟合出两个参数的不确定性区间

Step2、将k、c区间的上下界两两组合，便可得到四组符合韦伯分布的参数[k,c]，k为k的区间下界，为k的区间上界，c为c的区间下界，为c的区间上界，根据这四组参数分别得到它们对应的累积概率密度函数；

Step3、将概率分成n等份，在这四个累积概率密度函数中求得每个累积概率点对应的风速最大和最小值，将所有概率点的最大值按顺序连点成线，所有概率点的最小值按顺序连点成线，这两条线围成的图形便是风速的概率盒,表示为v^*；

Step4、利用概率盒和证据结构体DSS的转换关系，DSS是由有限个焦元组成，其形式为{([x₁,y₁],m₁),([x₂,y₂],m₂),…,([x_n,y_n],m_n)}，每个焦元是由一个区间[x_i,y_i]和相应区间对应的信度m_i组成，x_i为焦元的区间下界，y_i为焦元的区间上界，m_i为焦元的信度，每个焦元([x_i,y_i]，m_i)满足以下条件x_i≤y_i且∑m_i＝1，i＝1,2,…,n，将风速的概率盒等信度离散为n个焦元区间信度m₁＝m₂＝…＝m_n，v_n为风速每个焦元的区间下界，为风速每个焦元区间上界；

Step5、将每个焦元的区间上下界代入功率转化公式：

式中，P_w为风力发电机的输出有功功率，v为所测得的风速，r为风力发电机叶轮的半径，ρ为空气密度，C_p为风能转化系数，是风力发电机将风能转化为电能的转换效率；计算得到风电出力的DSSP_wn为风力发电机的输出有功功率每个焦元的区间下界，为风力发电机的输出有功功率每个焦元的区间上界；

Step6、将风电出力的DSS转化为概率盒把DSS的各焦元区间的下界值按照公式累积叠高得到概率盒下界，区间的上界值按照公式累积叠高得到概率盒的上界，带入累积概率分布函数其中来表示CDF上界，对应为DSS的累积似然函数，Y(x)来表示CDF下界，对应为DSS的累积置信函数，从而得到风电出力的概率盒z表示横坐标上连续可以取值的变量；

Step7、将Step6中得到的离散化为DSS代入到潮流计算方程中：

构建基于概率盒的潮流模型，并结合牛顿法对风电不确定系统进行潮流计算，式中，P_i为节点i的有功功率，Q_i为节点i的无功功率，U_i是节点i的电压幅值，δ_i是节点i的电压相角，G_ij是节点导纳矩阵的实部，B_ij是节点导纳矩阵的虚部；

Step8、潮流计算得到待求参数的DSS，将每个参数的DSS的每个焦元的区间上界连成一条线为概率盒上边界，区间下界连成一条线为概率盒下边界，最终得到风电不确定系统各参数的概率盒模型。

2.根据权利要求1所述的基于概率盒理论的风电场不确定性潮流建模方法，其特征在于：所述步骤Step7的具体步骤如下：

Step7.1、首先要给循环次数k赋初值为0，输入网络的原始数据，将求得的风力发电机输出功率的每个焦元区间上下界代入，形成节点导纳矩阵；

Step7.2、确定节点电压的初值和f_i⁽⁰⁾、迭代次数限制和迭代的精度要求，其中，为节点i的电压幅值初值；

Step7.3、由节点电压的初值求得修正方程式中的有功不平衡量ΔP_i⁽⁰⁾、无功不平衡量

Step7.4、由节点电压的初值求得修正方程式中的系数矩阵——雅克比矩阵J的各元素；

Step7.5、解修正方程式，求各节点电压的变化量和Δf_i⁽⁰⁾，即修正量；

Step7.6、计算各节点电压的新值和f_i⁽¹⁾，即修正后值；f_i^(k+1)＝f_i^(k)+Δf_i^(k)，k＝0,1,2,...；

Step7.7、利用各节点电压的新值自循环开始进入下一次迭代；

Step7.8、若计算满足收敛判据计算平衡节点功率及全部线路功率，否则返回“计算不收敛”；其中ε为一个极小数，ΔP_i^(k)为循环了k次之后的有功不平衡量，为循环了k次之后的无功不平衡量。