本发明涉及一种考虑负荷增长和新能源出力随机的电压稳定评估方法，属于电力系统稳定分析与控制的
技术领域：
。
背景技术：
：目前基于确定性的电压稳定评估体系已经趋于成熟，但电网在实际运行中存在诸多随机因素，特别是近些年来风电、光伏等新能源机组并网，使得确定性研究无法满足系统随机变化的要求。因此，研究计及随机因素的电压稳定评估方法对系统的安全稳定运行具有重要意义。计及负荷变化、电源出力和元件故障的电压稳定评估方法得到了充分研究。研究计及负荷增长和新能源出力随机的电压稳定概率评估具有重要工程实际意义。目前对于负荷增长不确定性的研究主要问题是难以定义负荷增长的期望，现有的定义方法缺乏实际意义。文献一《基于负荷不确定性建模的静态电压稳定性风险评估》(中国电机工程学报，2016年第36卷第13期第3471页)考虑负荷增长的随机性，用正态分布来模拟随机增长，通过将增负荷节点分类来考虑各类节点增长方式的不同，但各节点随机增长的期望取该节点的基态负荷值缺乏实际意义。文献二《考虑不均衡区域负荷增长的在线电压稳定评估》(电力自动化设备，2011年第31卷第3期第58页)在确定性电压稳定评估中负荷增长量的给定是根据下一时段负荷预测结果与当前负荷水平的差值，给负荷随机增长期望值的给定提供参考。电源出力的随机性主要考虑大规模新能源机组出力的间歇性和不确定性，主要有风电和光伏出力，需要根据评估地区的气象因素、时间因素等，其出力随风速和太阳辐照度的变化而变化。技术实现要素：本发明所要解决的技术问题是针对上述
背景技术：
的不足，提出了一种考虑负荷增长和新能源出力随机的电压稳定评估方法，该方法定义负荷增长方向和新能源出力随机时，计及了历史负荷数据、负荷预测结果以及风电场、光伏电场出力的不确定性，引入概率分析方法，使得电压稳定评估结果更具有参考意义。本发明采用如下技术方案实现：本发明考虑负荷增长和新能源出力随机的电压稳定评估方法，包括以下具体步骤：1)建立负荷增长和新能源出力随机的电压稳定负荷裕度计算模型；2)根据评估意愿和先验知识指定负荷和发电增长范围，获取增长范围内各节点相关参数；3)对指定负荷增长范围内负荷节点的历史负荷数据采用改进k均值聚类方法进行分类，得到各负荷节点群，根据负荷分类和负荷预测计算负荷增长范围内节点群负荷增长方向，基于负荷增长方向和新能源出力的随机性分别建立概率分布模型；4)根据各概率分布通过拉丁超立方采样技术得到负荷增长方向和新能源出力采样样本；5)根据各样本的负荷增长方向和新能源出力样本，利用连续潮流计算有功负荷裕度。直至计算完所有采样样本，得到各样本下的负荷裕度值，求取负荷裕度的统计特征，分析电压稳定概率评估结果。本发明采用以上技术方案与现有技术相比，具有以下技术效果：(1)对负荷节点进行聚类，考虑不同类型负荷增长方式的不同，计及同一类负荷变化的相关性，不同类型负荷变化的独立性，同时将各负荷节点群增长系数列为随机变量，降低了随机变量的维度，从而减少了计算量；(2)基于负荷预测结果定义负荷增长随机变化的期望，相较于其它方法更能真实反映电力系统实际负荷增长方式。(3)与确定性电压稳定评估方法相比，本发明计及了负荷增长和新能源出力随机性，用概率分布来体现不确定性，概率评估结果有助于系统运行人员全面了解电网电压稳定负荷裕度的概率分布情况，对电网运行方式的制定和电力系统调度有一定的指导意义。附图说明图1为本发明方法的流程图；图2为拉丁超立方采样示意图；图3为连续潮流的计算过程示意图；图4为ieee118节点系统接线图；图5为区域b负荷-发电增长模式下的负荷裕度概率密度分布示意图；图6为区域a和区域b负荷-发电增长模式下的负荷裕度概率密度分布示意图；图7为区域a发电增长区域b负荷增长模式下的负荷裕度概率密度分布示意图；图8为区域b发电增长区域a负荷增长模式下的负荷裕度概率密度分布示意图。具体实施方式下面结合附图对本发明的技术方案做进一步的详细说明：本发明公开了一种考虑负荷增长和新能源出力随机的电压稳定评估方法，属于电力系统稳定分析与控制的
技术领域：
。本发明考虑负荷增长和新能源出力随机对电压稳定评估的影响，提出了一种随机电压稳定负荷裕度计算方法，将不确定问题转化为确定性问题求解。该方法考虑了负荷增长和新能源出力的随机性，根据历史负荷数据采用改进k均值聚类算法将负荷节点分类，基于负荷预测结果定义负荷随机增长的期望，根据负荷增长方向、风电和光伏出力的概率分布应用拉丁超立方采样获得负荷增长方向和电源出力样本，在此基础上运用连续潮流对各样本进行确定性的电压稳定负荷裕度计算，进而获得负荷裕度的统计特征。本发明所涉及的考虑负荷增长和新能源出力随机的电压稳定评估方法计算流程图如图1所示。具体按照以下步骤：1)建立负荷增长和新能源出力随机的电压稳定负荷裕度计算模型。电压稳定负荷裕度计算通常转化为电压稳定临界点的计算，以负荷裕度为目标函数，考虑负荷增长方向向量和新能源出力的随机性以及系统静态安全约束，构成如下随机电压稳定负荷裕度计算模型：式中：λ为负荷参数，标量，无单位；pli0、qli0分别为节点i负荷的有功和无功功率；pgi0、qgi0和分别为节点i常规发电机有功、无功出力和新能源发电机有功、无功出力，其中上标“～”表示随机变量；pgi,max、pgi,min和qgi,max、qgi,min分别为节点i常规发电机有功出力上、下限和无功出力上、下限；pri,max、pri,min和qri,max、qri,min分别为节点i新能源发电机有功出力上、下限和无功出力上、下限；和kgi分别为节点i的有功、无功负荷增长系数和常规发电机有功出力增长系数；vi、vj分别为节点i与j的电压幅值；gij、bij分别为导纳矩阵中第i行第j列元素的实部和虚部；θij为节点i与j之间的相角差。ωn为所有节点集合；ωg为常规发电机节点集合；ωr为新能源发电机节点集合；ωl为负荷节点集合。由于各节点的负荷增长系数kpi、kqi和新能源出力pri、qri为随机变量，则计算得到的负荷裕度也是一个随机量，其概率分布特征与kpi、kqi和pri、qri的随机分布特征密切相关。2)根据评估意愿和先验知识指定负荷和发电增长范围，获取增长范围内各节点相关参数。在进行电压稳定评估之前，系统运行人员需要根据评估意愿指定负荷和发电增长的范围，如按区域或地区增长，并得到各负荷节点和发电机节点的相关参数信息，如负荷节点的历史负荷和负荷预测值、发电机节点出力上下限等等。启动计算的系统规划和运行人员具有电网运行特征的先验知识，如规划人员了解未来一段时间哪些地区规划有新的电源点，其发电会增长，哪些地区规划有新的负荷点，其负荷会大量增长；而调度人员了解短期内哪些分区发电有增加的裕度，哪些分区负荷会增长。3)对指定负荷增长范围内负荷节点的历史负荷数据采用改进k均值聚类方法进行分类，得到各负荷节点群，根据负荷分类和负荷预测计算负荷增长范围内节点群负荷增长方向，基于负荷增长方向和新能源出力的随机性分别建立概率分布模型。31)对于系统运行人员指定的负荷增长范围内的负荷，其增长模式也是与其负荷类型紧密相关的，在负荷增长方向的定义中考虑其分类，使得负荷裕度计算结果更加具有实际意义。本发明基于各负荷节点历史负荷数据采用改进k均值聚类算法将负荷变化相似的节点归到同一类，实现负荷分类的改进k均值聚类算法具体步骤如下：311)已知n个负荷节点的历史负荷数据(1天24点)，得到各负荷样本pli＝[pli,1,pli,2…pli,24]，(i＝1,2…n)，指定聚类数目k；312)先对各负荷样本进行一次层次聚类，根据层次聚类的结果得到各类的初始均值向量uj＝[uj,1,uj,2…uj,24]，(j＝1,2…k)；313)计算各负荷样本pli与各均值向量uj的欧氏距离dist(pli,uj)：将距离某个均值向量最小的样本划入该均值向量所在的类，对所有样本划分后得到k个负荷节点群cj＝{pj,1,pj,2…pj,nj}，其中nj为第j个节点群的负荷节点个数；314)根据步骤313)的聚类结果更新各节点群均值向量uj：315)重复步骤313)和步骤314)，直到聚类结果不再变化时停止计算，得到负荷聚类结果。32)得到各负荷节点群后，根据各节点群负荷预测结果，定义第j类节点群第t时刻的负荷增长系数ηj,t为：式中：pj,k,tmax表示第j类负荷中的第k个负荷节点日尖峰时刻tmax的有功负荷预测值；pj,k,t表示第j类负荷中的第k个负荷节点第t时刻的实际有功负荷值。33)由于负荷聚类是依据负荷变化的相似程度，定义负荷增长方向时，假定不同节点群之间负荷增长相互独立，同一节点群内各节点有功负荷增长系数与节点群增长系数相同，即群内各负荷同调增长，且各节点无功负荷按恒定功率因数比例增长，负荷增长带来的网损增量由全网的松弛节点来承担，则对于第j个节点群内的第i个负荷节点的增长系数有：kpi,j＝kqi,j＝γj式中：kpi,j和kqi,j分别表示第j个节点群内的第i个节点的有功增长系数和无功增长系数。34)定义常规发电机组的发电增长方式为各发电机按有功备用容量比例分配有功增长功率，其中有功备用容量pres,i定义为pres,i＝pgi，max-pgi0则发电机i出力的有功增长方向为该种增长方式下各发电机出力同时达到上限，此时发电增长范围内无可用的有功储备，为计算至电压稳定临界点，功率缺额由指定发电增长范围外的发电机以某种方式承担。35)建立负荷增长概率分布模型对于聚类后的各负荷节点群，将各节点群有功负荷增长系数γj列为随机变量，假定负荷增长波动满足正态分布，即，正态分布的期望μj＝ηj,t，标准差为σj，则γj的概率密度函数为36)建立风电场出力概率模型对风电场而言，其输出功率取决于该地区的风速，风速的随机变化近似服从双参数的威布尔分布，其概率密度函数为：式中：v为风速；kw为威布尔分布的形状参数；cw为尺度参数。单个风机有功输出功率pwg随风速v的变化用如下函数表示：式中：vci为切入风速；vr为额定风速；vco为切出风速；pr为风机的额定功率；k1和k2为常数，其中k1＝pr/(vr-vci)，k2＝-k1vci。经相关统计，大部分时间内风速基本维持在vci与vr之间，则单个风机出力的概率密度函数为风电场输出功率pwi为：pwi＝nwipwg式中：nwi为风电场的风机台数。风电场运行方式按恒功率因数运行，则无功功率出力qwi为式中：为功率因数角。37)建立光伏发电系统出力概率模型对于光伏发电系统，光照辐照度的变化在一定时间段内近似满足贝塔分布，其概率密度函数为式中：r太阳光照辐照度；rmax为最大辐射度；α和β为贝塔分布形状参数。光伏电场的输出有功功率psi与光照辐照度r的关系用如下函数表示：psi＝raη式中：a为太阳能方阵的总面积；η为光电转换效率。则光伏电场出力的概率密度函数为式中：pmax＝rmaxaη。通常光伏发电系统只向电网提供有功功率，本发明不考虑光伏发电系统的无功出力。38)新能源机组并网后在潮流计算中，将每一个风电场或光伏电场等值为一个pq节点，其有功和无功出力分别为pri和qri。计及了新能源机组的随机出力后，将pri和qri分别列为随机变量，则的新能源机组随机出力可表示如下：4)根据各概率分布通过拉丁超立方采样技术得到负荷增长方向和新能源出力采样样本。根据步骤35)、步骤36)和步骤37)得到的各个节点群的负荷增长系数和新能源出力概率分布，利用拉丁超立方采样方法得到负荷增长方向和新能源出力样本集，其步骤如下：41)假设系统有n个随机变量，输入随机变量x为各负荷节点群的有功负荷增长方向、各风电场和光伏电场的有功出力，设为x＝[x1,x2,…,xn]，采样规模为m，其中一个随机变量xk(k＝1,2,…,n)的概率分布函数为yk＝fk(xk)，值域为[0,1]。采样时将值域分为m个等间距不重叠的子区间，选取子区间的中点作为采样值，则随机变量xk的第i(i＝1,2,…,m)个采样值为其中是fk(·)的反函数。采样过程如图2所示。42)经过步骤41)采样过程得到初始采样矩阵xn×m相关性较高，用cholesky分解法进行排序，通过改变采样值的排列顺序来减小相关性。43)经过步骤41)和步骤42)两个步骤得到满足各随机变量概率分布且相关性较低的负荷方向和新能源出力样本集。5)根据各样本的负荷增长方向和新能源出力样本，利用连续潮流计算有功负荷裕度。直至计算完所有采样样本，得到各样本下的负荷裕度值，求取负荷裕度的统计特征，分析电压稳定概率评估结果。51)针对每一个采样样本中的新能源出力pri、qri以及负荷增长系数kpi、kqi采用连续潮流求解电压稳定负荷裕度值。考虑新能源出力以及负荷增长和发电增长的参数化连续潮流方程为：52)重复步骤51)，直至计算完所有负荷方向和新能源出力样本集，得到不同样本下各个负荷裕度值。53)根据各负荷裕度值求取负荷裕度统计特征，设lm(xi)为第i个样本xi对应的负荷裕度，m为样本总数，p0为区域基态有功负荷，本发明考虑的负荷裕度统计特征如下：1)区域相对负荷裕度：2)期望：3)标准差：4)最大值lmmin与最小值lmmax及其各自对应的负荷增长方向dmin，dmax。5)概率密度分布信息。连续潮流通过在常规潮流方程中引入负荷变化参数并增加一维扩展方程，采用预测-校正的方法解决常规潮流方程在临界点附近雅克比矩阵奇异的问题。连续潮流主要过程包括预测、校正、参数化策略和步长控制四部分，其计算示意图如图3所示。下面结合图4至图8，以ieee118节点系统为具体实例，说明本发明所属模型和方法的可行性和有效性。ieee118节点系统接线图如图4所示，将整个系统分为两个区域，分别为区域a和区域b。风电场和光伏发电系统数据如表1和表2所示。在ieee118节点系统中，节点23、39和114分别接入风电场，节点44和118分别接入光伏发电系统。表1风电场相关参数风电场nwpr/mwvci/(m/s)vr/(m/s)kwcw11000.754.015.01.46.02501.503.014.01.87.03402.003.014.01.66.5表2光伏发电系统相关参数光伏电站aηrmaxαβ12000147000.950.9521800147000.900.90本实例模拟两种负荷-发电增长模式：1)区域负荷-发电增长；2)区域间负荷-发电增长。将指定负荷增长区域内的负荷分为3类，基于各节点群的负荷预测峰值定义负荷增长系数随机变化的期望，为表明所提算法的有效性，定义两种运行场景：场景1：确定性评估。指定负荷增长区域内所有负荷确定性增长，功率因数保持恒定，各节点群增长系数取期望值，不计及新能源机组的出力。场景2：本发明所提概率性评估方法。正态分布标准差取期望值的5％，拉丁超立方采样次数取200。分别计算两种运行场景下的各负荷-发电增长模式得到负荷裕度的统计特征和系统薄弱母线信息(负荷裕度单位：mw)。(1)区域负荷-发电增长表3区域负荷-发电增长模式统计特征区域b负荷-发电增长和区域a和区域b负荷-发电增长模式下的负荷裕度概率密度分布分别如图5和图6所示。(2)各区域间负荷-发电增长表4各区域间负荷-发电增长统计特征区域a发电增长区域b负荷增长和区域a发电增长区域b负荷增长模式下的负荷裕度概率密度分布分别如图7和图8所示。从以上各计算结果可知，考虑负荷增长和新能源出力的电压稳定概率评估相较于电压稳定确定性评估的结果更全面，后者是前者取样样本中的一个特例，且前者可给出各负荷增长方向和各新能源出力水平下的各负荷裕度值和负荷裕度的整体概率分布信息。综合看来，考虑了负荷增长和新能源出力随机的电压稳定概率评估结果能给系统的安全稳定运行提供有价值的参考。以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。当前第1页12