论文部分内容阅读
电力系统运行时会遇到很多的不确定性因素，而概率潮流计算是解决电力系统不确定性问题的重要工具。对于含大规模风电场并网的电力系统，风电场出力和负荷的变化不仅存在不确定性，还分别具有相关性。忽视变量间的相关性，可能会导致得到的系统潮流概率分布出现较大误差，从而造成系统规划和运行风险评估偏离实际。因此，概率潮流算法需要具备同时处理负荷相关性以及风速相关性的能力。 本文首先针对处理风电场风速相关性的相关风速采样方法进行了研究。现有基于秩相关系数的风速采样方法没有完全利用秩相关系数在单调变换过程中不变的特性，导致采样步骤较为繁琐。因此，本文提出了一种改进的基于秩相关系数的风速采样方法。通过利用单调变换过程中秩相关系数不变的特性简化采样步骤，从而减少了采样时间。算例仿真验证了算法的有效性和优越性。 然后，本文对同时考虑风速相关性和负荷相关性的电力系统概率潮流算法进行了研究。现有的基于直流潮流模型以及线性化交流潮流模型的概率潮流算法都采用蒙特卡洛方法统一处理风速和负荷的相关性，但该算法计算量较大，并且忽视了风速和负荷在概率分布特性上的差异。为此，本文提出基于分类处理风速相关性和负荷相关性的概率潮流计算方法。首先，通过结合上述基于秩相关系数的采样方法的蒙特卡洛法计算相关风电场的总风电功率的概率密度曲线。然后根据负荷呈正态分布的特性，采用线性相关系数描述负荷相关性并结合解析法快速求取总负荷的正态分布函数。最后，采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计算，该算法可以提高概率潮流的计算效率。 本文以含多风电场的IEEE14节点系统、IEEE RTS-96系统以及IEEE118节点系统为算例，与传统蒙特卡洛法、点估计法及累积量法进行比较，其中IEEE14节点系统采用线性化交流潮流模型，IEEE RTS-96系统和IEEE118节点系统采用直流潮流模型，仿真结果验证了本文方法的有效性和优越性。