基于高斯混合分布特征的含风电电力系统安全风险评估方法
【技术领域】
[0001] 本发明设及电力系统运行与控制领域，具体说是基于高斯混合分布特征的含风电 电力系统安全风险评估方法。
【背景技术】
[0002] 随着经济的快速发展和日益严峻的环境压力，电网运行环境呈现出新的特征，尤 其是风电大规模并网，给电力系统的安全运行带来了新的挑战。
[0003] 潮流分析是电力系统安全评估的基础与前提，采用概率潮流计算方法，考虑风电 出力波动等随机因素，通过概率理论建立表征系统不确定性的数学模型，能够更全面反映 电力系统的运行条件，并发现电力系统中的潜在风险和脆弱元。
[0004] 针对于含风电电力系统中基于概率潮流的安全风险评估问题，有一种典型的思路 就是:基于风电场输出功率的概率模型，直接求解风电场输出功率的各阶原点矩，然后将其 转化为半不变量进行卷积计算，但是该计算过程往往要耗费大量时间，且随着风电的大规 模接入，风电场输出功率的不确定性增加，其概率密度非正态性凸显，不服从于任何一种典 型的概率分布，原点矩的求解变得更加繁琐，耗费大量的时间，进一步降低了传统概率潮流 计算方法的效率和准确性。
【发明内容】
[0005] 针对现有技术中存在的缺陷，本发明的目的在于提供基于高斯混合分布特征的含 风电电力系统安全风险评估方法，将具有非正态性的风电场输出功率的概率密度转化为典 型的高斯混合分布，不仅可W精确的量化风电场输出功率的概率分布，大大简化了系统节 点注入功率的半不变量求取过程，弥补传统概率潮流计算中求解半不变量所采用方法单一 的缺陷，进一步提高了节点注入功率的半不变量计算的效率和状态变量节点电压和支路潮 流的累积分布函数的准确性，为电力系统电压越限、支路潮流过载的安全风险评估提供有 效的数据支撑。
[0006] 为达到W上目的，本发明采取的技术方案是：
[0007] 基于高斯混合分布特征的含风电电力系统安全风险评估方法，其特征在于，包括 如下步骤：
[000引步骤一、统计风电场输出功率历史数据的分布，建立风电场输出功率的非参数概 率分布模型；
[0009] 步骤二、建立风电场输出功率的高斯混合分布模型，通过风电场输出功率的非参 数概率分布模型确定子高斯分布的个数，初始化各子高斯分布的参数；
[0010] 步骤Ξ、求解各子高斯分布的参数，确定高斯混合分布特征；
[0011] 步骤四、基于风电场输出功率的高斯混合分布特征，采用半不变量法进行概率潮 流计算，确定状态变量节点电压和支路潮流的累积分布函数；
[0012] 步骤五、根据状态变量节点电压和支路潮流的累积分布函数，计算状态变量越限 概率和产生后果的严重程度，全面评估电力系统安全风险。
[0013] 在上述技术方案的基础上，步骤一中，依赖于风电场输出功率的历史数据，根据非 参数估计原理，统计各节点注入功率的经验概率分布，建立风电场输出功率的非参数概率 分布模型；
[0014] 步骤二中，将风电场输出功率表示为高斯混合分布模型，并确定子高斯分布的个 数。
[0015] 在上述技术方案的基础上，步骤Ξ中，利用聚类分析算法迭代求解各子高斯分布 的参数，确定高斯混合分布特征。
[0016] 在上述技术方案的基础上，步骤四中，根据高斯混合分布特征，将每个子高斯分布 作为风电场输出功率的一个场景，并用子高斯分布的期望和方差来表征风电场一个出力场 景的前两阶半不变量，即为期望和方差，结合系统发电机出力、负荷功率历史数据W及电力 系统拓扑结构和数据信息，采用牛拉法计算雅可比矩阵和状态变量的期望值，采用半不变 量法对每个场景进行概率潮流计算，整合得到电力系统状态变量最终的累积分布函数。
[0017] 本发明所述的基于高斯混合分布特征的含风电电力系统安全风险评估方法，将具 有非正态性的风电场输出功率的概率密度转化为典型的高斯混合分布，不仅可W精确的量 化风电场输出功率的概率分布，大大简化了系统节点注入功率的半不变量求取过程，弥补 传统概率潮流计算中求解半不变量所采用方法单一的缺陷，进一步提高了节点注入功率的 半不变量计算的效率和状态变量节点电压和支路潮流的累积分布函数的准确性，为电力系 统电压越限、支路潮流过载的安全风险评估提供有效的数据支撑。
【附图说明】
[001引本发明有如下附图：
[0019] 图1本发明的流程示意图。
【具体实施方式】
[0020] W下结合附图对本发明作进一步详细说明。
[0021] 本发明所述的基于高斯混合分布特征的含风电电力系统安全风险评估方法，针对 于基于概率潮流的含风电电力系统中安全风险评估中风电场输出功率概率分布求解困难 (半不变量求解繁琐）的问题，包括如下步骤：
[0022] 步骤一、统计风电场输出功率历史数据的分布，建立风电场输出功率的非参数概 率分布模型；
[0023] 步骤二、建立风电场输出功率的高斯混合分布模型，通过风电场输出功率的非参 数概率分布模型确定子高斯分布的个数，初始化各子高斯分布的参数；
[0024] 步骤Ξ、求解各子高斯分布的参数，确定高斯混合分布特征；
[0025] 步骤四、基于风电场输出功率的高斯混合分布特征，采用半不变量法进行概率潮 流计算，确定状态变量节点电压和支路潮流的累积分布函数；
[0026] 步骤五、根据状态变量节点电压和支路潮流的累积分布函数，计算状态变量越限 概率和产生后果的严重程度，全面评估电力系统安全风险。
[0027] 在上述技术方案的基础上，步骤一中，依赖于风电场输出功率的历史数据，根据非 参数估计原理，统计各节点注入功率的经验概率分布，建立风电场输出功率的非参数概率 分布模型；
[0028] 步骤二中，将风电场输出功率表示为高斯混合分布模型，并确定子高斯分布的个 数。
[0029] 在上述技术方案的基础上，步骤Ξ中，利用聚类分析算法迭代求解各子高斯分布 的参数，确定高斯混合分布特征。
[0030] 在上述技术方案的基础上，步骤四中，根据高斯混合分布特征，将每个子高斯分布 作为风电场输出功率的一个场景，并用子高斯分布的期望和方差来表征风电场一个出力场 景的前两阶半不变量，即为期望和方差，结合系统发电机出力、负荷功率历史数据W及电力 系统拓扑结构和数据信息，采用牛拉法计算雅可比矩阵和状态变量的期望值，采用半不变 量法对每个场景进行概率潮流计算，整合得到电力系统状态变量最终的累积分布函数。
[0031] 本发明所采用的技术方案是:综合考虑如下因素：
[0032] 1、风电场输出功率历史数据；
[0033] 2、发电机出力和负荷功率历史数据；
[0034] 3、电力系统拓扑结构和数据信息。