[0035] W下为一具体实施例。
[0036] 步骤A.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。经过非正常数据筛选和错误数据剔除后，得到风电场输出功率样本集，选取适宜 的区间长度，对风电场输出功率标么值进行区间统计，得到风电场输出功率的频率分布直 方图。通过非参数回归方法，利用核函数估计对风电场输出功率的概率分布进行拟合，建立 风电场输出功率的非参数概率分布模型。
[0037] 步骤B.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。由若干个高斯密度函 数的线性组合逼近风电场输出功率的概率密度分布，单个高斯分布的概率密度函数fGO^,。） (X)表示如下：
[00 測
（1)
[0039] 式中：x为风电场输出功率的随机变量;μ为高斯分布的期望值;〇和〇2分别为高斯 分布的标准差和方差。
[0040] η个高斯分布的混合概率密度函数表示如下：
[0041 ]
(2)
[0042] 式中：Wk为混合分布中子高斯分布的权重，也称为混合系数;Wk和Ok分别为子高斯 分布的期望值和标准差。
[0043] 其中cok也可表示各混合成分的先验概率，它具有如下性质：
[0044]
(3)
[0045] 高斯混合模型中子高斯分布数量越多，拟合效果越好，同时计算量也会大大增加， 因此需要根据风电场输出功率的非参数概率分布模型选定合适的子高斯分布数量η。权重 ω k的初值设为1 /η，Wk和Ok的初值可W取节点注入功率的期望值和标准差。
[0046] 步骤C.求解各子高斯分布的参数，确定高斯混合分布特征。通过期望最大化 化xpectation Maximization，EM)算法的极大似然估计原则，迭代求解各子高斯分布的权 重wk，期望值Wk和标准差化，直至得到满足迭代收敛的解为止。
[0047] 步骤D.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。由于服从高斯分布的随机变量 的2阶W上半不变量为0,将每个子高斯分布作为风电场输出功率的一个场景，因此很容易 得到η组风电场输出功率场景的前2阶半不变量，即期望和方差。通过各场景中风电场输出 功率、发电机出力和负荷功率的期望值，得到节点注入功率的η个期望值，并在各场景的期 望值点，计算得到η组雅可比矩阵和状态变量节点电压、支路潮流的期望值。
[0048] 利用η个风电出力场景的前2阶半不变量，发电机出力和负荷功率的各阶半不变量 计算得到η组节点注入功率的各阶半不变量。为了避免卷积的大量计算，采用潮流计算的线 性化方程，根据半不变量的性质和节点注入功率的半不变量，进行η次计算得到状态变量节 点电压和支路潮流的变化量的各阶半不变量，然后利用Gram-Charlier级数展开式来逼近 状态变量的变化量的概率分布，进而得到每个场景下状态变量的累积分布函数，将运η组累 积分布函数用各子高斯分布的权重整合为电力系统状态变量最终的累积分布函数。
[0049] 步骤Ε.根据状态变量的累积分布函数，求解状态变量的越限概率指标和严重程度 指标，全面评估电力系统安全风险。根据状态变量节点电压和支路潮流的累积分布函数，遵 循相应的国际和国家标准，求解状态变量节点电压和支路潮流的越限概率指标和产生后果 的严重程度指标，对电力系统的安全风险进行评估。
[0050] W上所述，仅是本发明的较佳实例而已，并非对本发明作任何形式上的限制，本领 域技术人员利用上述掲示的技术内容做出些许简单修改、等同变化或装饰，均落在本发明 的保护范围内。
[0051] 本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
【主权项】
1. 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： 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； 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； 步骤三、求解各子高斯分布的参数，确定高斯混合分布特征； 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； 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。2. 如权利要求1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， 其特征在于: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； 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。3. 如权利要求1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， 其特征在于:步骤三中，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。4. 如权利要求1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， 其特征在于: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、负荷功率历史数据以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。
【专利摘要】本发明涉及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，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；建立风电场输出功率的高斯混合分布模型，确定子高斯分布的个数，初始化各子高斯分布的参数；求解各子高斯分布的参数，确定高斯混合分布特征；确定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。本发明，大大简化了系统节点注入功率的半不变量求取过程，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，为电力系统的安全风险评估提供有效的数据支撑。
【IPC分类】H02J3/00, H02J3/38, G06Q50/06, G06Q10/06
【公开号】CN105656031
【申请号】
【发明人】叶林, 张亚丽, 饶日晟
【申请人】中国农业大学
【公开日】2016年6月8日
【申请日】2016年2月17日