[发明专利]一种分类处理负荷和风速相关性的直流概率潮流方法

摘要

本发明提供了一种分类处理负荷和风速相关性的直流概率潮流方法。该方法采用基于拉丁超立方采样的蒙特卡罗法求得相关风电场的总风电功率的概率密度曲线；利用负荷一般呈正态分布的特性，采用解析法快速计算总负荷的正态分布函数；最后应用卷积法将两类概率计算结果进行综合。由于在处理具有相关性负荷时避免了负荷样本的生成与采样,该方法可以在保证准确度的前提下，大幅提高概率潮流计算的效率，对系统规划和运行风险评估等有重要意义。

主权项

1.一种分类处理负荷和风速相关性的直流概率潮流方法，其特征在于，包括以下步骤：步骤1、根据直流潮流模型，得出线路流动功率的线性表达式，将其分为发电机出力、风电场出力及负荷需求三部分；步骤2、对步骤1中的风电场出力部分，采用基于拉丁超立方采样的蒙特卡罗法拟合得出其总出力的概率密度曲线，拟合步骤具体为：步骤2‑1、对风速进行分层抽样，风电场数为K，采样规模为K*N，N为每个风电场的采样数，对于每一个风电场，风速变量X服从威布尔分布，其累积概率分布函数为式中b是形状参数，c是尺度参数，Y的取值范围为[0,1],把Y的取值空间均分为N等份，即[0,1/N]、[1/N,2/N]、...、[N‑1/N,1]，从每个区间中选择区间中点作为采样点的分布函数值，则采样值可通过求反函数x＝F‑1(Y)得到，反函数为这样可以生成规模为K*N的初始样本；步骤2‑2、对步骤2‑1中得出的初始风速样本进行排序，使样本满足所要求的相关系数矩阵；设K个风电场风速间相关系数矩阵为Cw，其中独立风电场对应的相关系数为0，这样即将所有风电场视为一个风电场组，相关风速和独立风速采样能同时进行；将Cw进行cholesky分解：Cw＝BBT，得到B矩阵；然后对K个相互独立的标准正态分布随机变量进行采样规模为N的随机抽样，得到K*N的样本矩阵W，由Z＝BW，根据Z中元素的大小顺序得出顺序矩阵Ls，Ls为K*N的矩阵，每一行为整数1到N的一个排列，对应于Z中相应行的元素的大小顺序；对分层抽样得到的风速初始样本按照顺序矩阵Ls进行排序，即可得到具有所要求的相关性的风速样本；步骤2‑3、根据步骤2‑2中得出的风速样本计算对应的风电功率样本，所用风机输出特性公式为：式中，Prate为风电场额定功率，Vci为切入风速、Vrate为额定风速、Vco为切出风速；步骤2‑4、根据步骤2‑3中得出的风电功率样本确定风电总出力的样本，所用公式为步骤1中风电出力部分：式中，Pw为风电总出力，K为风电场个数，Pwk为风电厂出力,αk为风电厂出力系数；步骤2‑5、将步骤2‑4中的样本离散点拟合，拟合得出风电总出力的概率密度曲线；根据风电总出力的取值范围将其分为多个区间，得到其取值落在相应区间内的频率，进而以频率与区间长度的比值作为概率密度，拟合出风电总出力的概率密度曲线；步骤3、对步骤1中的负荷需求部分，采用解析法计算得出总负荷的正态分布函数的表达式；步骤4、忽略发电机停运，步骤1中的发电机出力部分为常数，使用卷积方法将步骤2得到的概率密度曲线和步骤3得到的总负荷的正态分布函数结合起来，得到线路流动功率的概率密度曲线。