一种概率潮流计算方法与流程

本发明涉及电力系统运行与控制领域，具体涉及一种基于风电功率波动特性和预测误差的概率潮流计算方法。

背景技术：

风电场一般处于网架结构较薄弱的电网末端，风能的天然波动性，导致风电机组的出力具有随机性和间歇性，这不仅容易引发电压稳定问题和电能质量问题，还会改变电网线路的传输功率和电网原有的潮流分布。随着风力发电技术的快速发展，风电在电力系统中所占比例不断的扩大，其对电网的影响也越来越明显，直接导致电力系统的不确定性显著增加，这给电网安全稳定运行带来前所未有的挑战，因此对用于电力系统不确定性分析的概率潮流计算的研究日益受到广泛关注。

电力系统概率潮流是智能电网调度控制的重要功能模块之一，其主要功能是利用概率统计方法处理系统运行中的随机因素，综合考虑电力系统网络拓扑结构、元件参数、节点负荷和发电机出力等变量的不确定性，同时分析因风速波动而引起的风电出力随机性，获得系统电压和支路潮流的概率统计信息，这一技术在调度自动化系统中起着举足轻重的作用。

目前，国内外对于含风电的电力系统概率潮流的研究越来越广泛和深入，最简单直接的是假设风速服从威布尔分布，并且在大多数情况下，其风功率概率模型是在风速‐风电功率曲线的基础上建立的，依靠累加风机输出功率结果，建立风电功率输出概率模型，获得风电场输出功率的半不变量。该方法模型简单，而且在大多数情况下，一个区域内的风力发电机并非都有可用的在线数据，因此靠累加风机输出功率结果得到风电场输出功率的方法可行性不能满足要求。随着风速的波动性增强和风电场的大规模并网，风速‐风电功率曲线的误差不断加大，风电功率输出概率模型的精度也快速下降，很难实时准确的反映系统实际运行状态。因此需要提供一种运用统计学方法建立风电功率预测误差概率模型，从而获得风电功率输出概率分布，适用于系统在线评估分析，结果更具有客观性和实用性的技术方案。

技术实现要素：

为了克服上述现有技术的不足，本发明提供了一种基于风电功率波动特性和预测误差的概率潮流计算方法。该方法针对基于半不变量法的含风电电力系统概率潮流计算中节点注入功率的不确定性问题，利用风电场风电功率采样数据，经过处理与筛选后得到的样本集，采用统计学方法，建立风电功率波动模型和预报误差概率模型，通过适当修正得到预测风电功率与实测风电功率的联合条件预报误差分布，进一步得到风电功率概率分布模型，不仅可以用风电功率预报误差这一随机变量的概率特性，弥补传统基于风电功率输出概率模型表征节点注入功率随机变量所采用模型单一、考虑因素过少所带来的弊端，提高了节点注入功率半不变量求解的精确度。

本发明所采用的技术方案是：综合考虑如下因素：

1、历史风电功率实测数据；

2、历史风电功率预测数据；

3、含风电的电力系统拓扑结构和数据信息。

在以上因素的基础上，基于风电功率波动特性和预测误差的概率潮流计算方法步骤包括：

步骤a：统计风电功率波动的概率分布；

步骤b：统计风电功率预测误差的概率分布；

步骤c：建立预测风电功率与实测风电功率的联合条件预测误差概率分布模型。；

步骤d：建立风电功率概率分布模型；

步骤e：计算含风电电力系统节点注入功率的半不变量；

步骤f：计算节点电压和支路潮流的概率分布。

所述步骤a根据风电场实测风电功率样本集统计风电功率波动的概率分布。

所述步骤b根据风电场实测风电功率样本集和预测风电功率样本集统计风电功率预测误差的概率分布。

所述步骤c采用修正系数对波动概率分布和预测误差概率分布在相同实测风电功率条件下的概率进行加权，建立预测风电功率与实测风电功率的联合条件预测误差概率分布模型。

设根据当前实测风电功率pt条件下的风电功率波动概率分布得到的t+1时段实测风电功率为某个值的概率为α，根据预测风电功率ppredict条件下的预测误差概率分布得到的t+1时段与实测风电功率为相同值的概率为β，则联合条件预测误差概率分布得到的t+1时段风电功率为该值的概率为r，r与α、β的关系如下：

r＝r1α+r2β(1)

式中：r1、r2分别为2个分布权重的修正系数，为保证加权修正后概率分布之和为1，令r1+r2＝1。

所述步骤d通过所述联合条件预测误差概率分布模型结合风电功率预测值，建立风电功率概率分布模型。

所述步骤e包括：

e-1.根据风电功率概率分布模型，提取风电功率的原点矩信息；

e-2.根据原点矩和半不变量的对应关系，计算由于风电因素引起节点注入功率变化的半不变量；

e-3.风电因素引起节点注入功率变化的半不变量结合非风电因素引起节点注入功率变化的半不变量，计算电力系统节点注入功率变化的半不变量。

所述步骤e-2中原点矩和半不变量的递推关系如下：

式中：αr为随机变量的r阶原点矩；kr为随机变量的r阶半不变量；表示从r个不同元素中取j个元素的组合数。

所述步骤e-2通过下式计算电力系统节点注入功率的半不变量：

δw^(k)＝δwwind^(k)+δwother^(k)(3)

式中：δw^(k)为节点注入功率的变化量的k阶半不变量；和分别为风电因素和其他非风电因素引起节点注入功率变化的k阶半不变量。

所述步骤f根据雅可比矩阵和输出随机变量节点电压、支路潮流的期望值计算节点电压和支路潮流的概率分布。

与最接近的现有技术比，本发明提供的技术方案具有如下优异效果：

该方法利用预测风电功率与实测风电功率为联合条件的预测误差概率分布，缓解了传统风电功率概率分布统计过程中因时间太短造成统计样本过少和因加大统计时间长度容易造成结果失真的矛盾，弥补了传统基于风电功率概率分布表征节点注入功率随机变量所采用模型单一、考虑因素过少所带来的弊端，提高了电力系统节点注入功率半不变量求解的精确度。

附图说明

上述仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，以下结合附图与具体实施方式对本发明作进一步的详细说明。

图1为本发明基于风电功率波动特性和预测误差的概率潮流计算方法的流程示意图。

具体实施方式

下面结合附图对本发明进一步说明。

步骤a.通过风电场风电功率实测样本集，统计风电功率的波动概率分布。统计一段时期内当前实测风电功率pt与下一时段实测风电功率pt+1的差值，建立pt条件下，不同pt+1值(统计物理量δp＝pt+1-pt)的风电功率波动概率分布模型。

步骤b.通过风电场风电功率实测和预测样本集，统计风电功率预测误差概率分布。统计一段时间内实测风电功率pt+1与其预测风电功率ppredict的差值，建立ppredict条件下，不同pt+1值(统计物理量δζ＝pt+1-ppredic)的预测误差概率分布模型。

步骤c.采用适当的修正系数对波动概率分布和误差概率分布在相同实测风电功率条件下的概率进行加权，建立预测风电功率与实测风电功率的联合条件预测 误差概率分布模型。设根据pt条件下的风电功率波动概率分布得到的t+1时段实测风电功率为某个值的概率为a，根据ppredict条件下的预测误差概率分布得到的t+1时段实测风电功率为相同值的概率为β，则联合条件预测误差概率分布得到的t+1时段风电功率为该值的概率为r。设r与a、β的关系如下：

r＝r1α+r2β(1)

式中：r1、r2分别为2个分布权重的修正系数，为保证加权修正后概率分布之和为1，令r1+r2＝1。由于a和β随着时间的推移会发生改变，且都是统计量，因此，修正系数也是统计量，并且会随着时间的推移而改变。

修正系数可以依据当前实测风电功率pt和预测风电功率ppredict条件下ε(统计物理量ε＝pt-ppredic)的概率分布计算得到，其中：

式中：pε(ε＝0)为ε＝0时的概率。通过加权修正后，形成以预测风电功率ppredict与实测风电功率pt为联合条件的不同pt+1的概率分布(统计物理量为δζ)，即建立预测风电功率与实测风电功率的联合条件预测误差概率分布模型。

步骤d.利用联合条件预测误差概率分布模型和风电功率预测值，建立短期风电功率概率分布模型，在风电功率预测值的基础上叠加联合条件预测误差值，得到风电功率概率分布模型，

步骤e.计算含风电电力系统节点注入功率的半不变量，求取风电注入功率的原点矩，由原点矩和半不变量的递推关系，得到风电因素引起节点注入功率的半不变量。原点矩和半不变量的递推关系如下：

式中：αr为随机变量的r阶原点矩；kr为随机变量的r阶半不变量；表示从r个不同元素中取j个元素的组合数。

然后通过下式计算电力系统节点注入功率变化的半不变量。

δw^(k)＝δwwind^(k)+δwother^(k)(3)

式中：δw^(k)为节点注入功率的变化量的k阶半不变量；和分别为风电因素和其他非风电因素引起节点注入功率变化的k阶半不变量。

步骤f.利用节点注入功率的半不变量、雅可比矩阵和节点电压、支路潮流的期望，计算节点电压和支路潮流的概率分布。将电力系统典型的计算潮流的功率方程在基准运行点处进行泰勒级数展开，并忽略2次及其以上的高次项，即可得到潮流计算的线性化模型，然后通过半不变量的计算性质，得到电力系统节点电压、支路潮流的半不变量，在此基础上，采用cornish-fisher级数展开得到节点电压和支路潮流的概率分布。

最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。