一种基于蒙特卡洛模拟的小干扰概率风险分析与仿真方法与流程

技术特征：

1.一种基于蒙特卡洛模拟的小干扰概率风险分析与仿真方法，其特征在于：包括顺序执行的以下步骤：

步骤1、根据同一区域内风电机组出力相关性以及不同节点负荷水平相关性，设置相关性系数，建立不确定性系统模型；

步骤2、针对建立的不确定性系统模型，采用蒙特卡洛仿真模拟，生成n个运行场景；

步骤3、在每个运行场景下对系统进行确定性小干扰稳定分析，对n个运行场景的分析结果进行数理统计生成关键振荡模式阻尼比的概率密度函数，进而得到系统小干扰安全稳定运行的概率；

步骤4、基于上述系统小干扰安全稳定运行的概率，结合小干扰失稳损失的基于阻尼比灵敏度的风险指标Risk，对系统进行风险评估。

2.根据权利要求1所述的基于蒙特卡洛模拟的小干扰概率风险分析与仿真方法，其特征在于：所述确定性小干扰稳定性分析具体如下：将系统状态空间在稳态平衡点附近进行线性化得到标准状态方程，根据标准状态方程计算其特征值并求解机电振荡模态，利用时域仿真与特征值分析，判别系统中的关键振荡模式特征值，进而得到关键振荡模式阻尼比ζ作为仿真结果；将不同场景的仿真结果通过概率论和数理统计获得关键振荡模式阻尼比ζ的概率密度函数P(ζ)，进而根据预设的阻尼比阈值ζ_set求取系统小干扰安全稳定运行的概率P_Steady。

3.根据权利要求2所述的基于蒙特卡洛模拟的小干扰概率风险分析与仿真方法，其特征在于：步骤4中，定义风险指标Risk为

Risk＝∫P(ζ)S(ζ)dζ

$S\left(\mathrm{\ζ}\right)=\left\{\begin{array}{cc}\left|\frac{\∂P}{\∂\mathrm{\ζ}}\right|(0.05-\mathrm{\ζ})& \mathrm{\ζ}\≤0.05\\ 0& \mathrm{\ζ}\>0.05\end{array}\right.$

其中：

S(ζ)为仿真模型中每一个运行场景的小干扰稳定严重度函数；

为关键振荡模式阻尼比对运行方式的灵敏度的倒数。

4.根据权利要求3所述的基于蒙特卡洛模拟的小干扰概率风险分析与仿真方法，其特征在于：所述S(ζ)中的关键振荡模式阻尼比对运行方式的灵敏度的倒数按照下述方法进行计算：

步骤4.1、将发电机相对关键振荡模式的相关因子按从大到小的顺序排序，并选出前m个满足下式的发电机：

$\frac{\underset{i=1}{\overset{m}{\Σ}}{p}_i}{\underset{j\∈n_G}{\Σ}{p}_j}\≥R_{set};$

式中：

p_i表示第i台发电机相对关键振荡模式的相关因子；

p_j表示第j台发电机相对关键振荡模式的相关因子；

n_G为系统中所有发电机集合；

R_set为设置的比例阈值；

步骤4.2、在选出的m台发电机中，筛选满足关键振荡模式阻尼比对运行方式的灵敏度倒数的发电机，台数记为N，P_k为发电机中第k台发电机的有功功率；

步骤4.3、获得关键振荡模式特征值λ对运行方式变化μ的灵敏度

步骤4.4根据步骤4.3得到关键振荡模式阻尼比ζ对运行方式变化μ的灵敏度其中分别为关键振荡模式特征值灵敏度的实部和虚部，δ₀，ω₀分别表示在选取计算的特定场景下系统关键振荡模式特征值的实部和虚部；

步骤4.5、将运行方式变化μ设定为上述筛选的N台发电机的有功出力的变化△P，从而得到的表达式，取倒数进而得到的表达式。

5.根据权利要求1所述的基于蒙特卡洛模拟的小干扰概率风险分析与仿真方法，其特征在于：所述步骤1中，风电机组出力与风速的关系按照如下公式计算：

并根据风电功率源地理位置设置同一区域内风电机组出力相关性系数ρ_ij，具体按照如下公式计算：

${\mathrm{\ρ}}_{ij}=\frac{Cov(v_i,v_j)}{{\mathrm{\σ}}_{v_i}{\mathrm{\σ}}_{v_j}}$

其中：

v、v_r、v_ci、v_co分别为风电机组的实际风速、额定风速、切入风速和切出风速，所述实际风速服从Weibull分布；P_w为风电机组实际有功输出；P_r为风电机组的额定有功功率；

v_i、v_j分别为与风电功率源i、j相关的风速变量；Cov(v_i,v_j)为v_i和v_j的协方差，分别为风电功率源i、j的风速标准差。

6.根据权利要求1所述的基于蒙特卡洛模拟的小干扰概率风险分析与仿真方法，其特征在于：所述步骤1中，采用正太分布模型描述负荷波动，并根据下式计算负荷x与负荷y之间的相关性系数ρ(x,y)：

$\mathrm{\ρ}(x,y)=\frac{\mathrm{cov}(x,y)}{{\[{\mathrm{\σ}}_r^2\left(x\right)\·{\mathrm{\σ}}_r^2\left(y\right)\]}^{1/2}}$

其中：

σ_r(·)表示负荷模型正态分布的标准差，cov(x,y)表示由历史数据分析获得的负荷x与负荷y的协方差。