智能電網(wǎng)和新能源技術(shù)的發(fā)展,推動(dòng)了柔性負(fù)荷的應(yīng)用,也使得負(fù)荷側(cè)的構(gòu)成及不確定性更加復(fù)雜,同時(shí)電網(wǎng)數(shù)據(jù)在進(jìn)入大數(shù)據(jù)時(shí)代后呈爆發(fā)式增長(zhǎng),給電力系統(tǒng)的安全穩(wěn)定評(píng)估帶來(lái)挑戰(zhàn)�？捎幂旊娔芰Γ╝vailable transfer capability,ATC）是電力系統(tǒng)調(diào)度和電力市場(chǎng)交易的重要參考,經(jīng)典ATC計(jì)算方法難以滿足電力系統(tǒng)ATC在線評(píng)估的要求,數(shù)據(jù)挖掘方法為該問題提供了新的思路。本文對(duì)計(jì)及負(fù)荷側(cè)不確定性的ATC快速評(píng)估方法展開研究,主要研究工作和取得的成果主要有:（1）提出了負(fù)荷側(cè)不確定性的表征方法,主要考慮了風(fēng)電出力、光伏出力、價(jià)格型需求響應(yīng)和激勵(lì)型需求響應(yīng)的不確定性。負(fù)荷側(cè)不確定性和源側(cè)不確定性不同,負(fù)荷側(cè)的大部分負(fù)荷節(jié)點(diǎn)都有不確定性,因?yàn)樵摫碚鞣椒ň哂锌莎B加性,所以能有效處理負(fù)荷側(cè)的這一特點(diǎn)。以北愛爾蘭2019年風(fēng)電數(shù)據(jù)、山東某區(qū)域2016年光伏數(shù)據(jù)、山東電網(wǎng)某市負(fù)荷數(shù)據(jù)為樣本進(jìn)行分析,結(jié)果表明風(fēng)電和光伏的不確定性表征方法具有較強(qiáng)的適應(yīng)性,能夠較好地?cái)M合風(fēng)電和光伏出力的預(yù)測(cè)誤差概率分布的多峰和不對(duì)稱的特點(diǎn),與核密度分布、T分布和正態(tài)分布相比,該方法具有更高的精度。子高斯個(gè)數(shù)會(huì)影響不... 

【文章來(lái)源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－２風(fēng)電出力預(yù)測(cè)誤差的概率分布??

ｉ?ｉ?ｉ?ｉ???ｉ?Ｉ—１１１?＿?ｉ?ｉｉ?ｉｉ?ｉｗ—??ｉ??－１．２?－１?－０．８?－０．６?－０．４?－０．２?０?０．２?０．４?０．６??預(yù)測(cè)誤差（ＰＵ）??６?廠??????Ｉ?ｌｌ?Ｉ概率直方圖??｜＾４?－?，?Ａ??高斯混合模型??叢２—?！?ｋ－中，—１??〇?ｉ?．?－ｖｎＴｒＫｆｌｌｌｌ?ｉｒｔｌＴｎｆＴＨ＾???｜???－１．５?－１?－０．５?０?０．５?１??預(yù)測(cè)誤差（ｐｕ）??圖２－３光伏出力預(yù)測(cè)誤差的概率分布??從圖２－２和圖２－３中可以看出，風(fēng)電和光伏的預(yù)測(cè)誤差概率分布呈現(xiàn)出多峰??和不對(duì)稱的特點(diǎn)，而ＧＭＭ很好地?cái)M合這一特點(diǎn)。ＧＭＭ由多個(gè)高斯分布組成，??在子高斯個(gè)數(shù)足夠多的情況下，可以擬合任意形狀的概率分布，具有較強(qiáng)的適應(yīng)??性，能夠很好地適應(yīng)風(fēng)電和光伏的預(yù)測(cè)誤差概率分布的變化。??ＭＡＥ和ＲＭＳＥ能夠衡量不同類型分布的擬合精度，其計(jì)算方法如式（２－１５）和??式（２－１６）所示。ＭＡＥ是對(duì)模型誤差的平均幅度的評(píng)估，而ＲＭＳＥ用于測(cè)量模型??誤差的離散度，指標(biāo)值越小，模型擬合精度越高。??ＭＳＥ＝＾Ｚ（＾－＾）２?（２－１５）??麵￡＝指?ｔ（ｐｉ－ｐ２）２?（２－１６）??式中，＾表示該模型對(duì)應(yīng)取值；／＾表示實(shí)際值；Ｎ為樣本個(gè)數(shù)。??為了驗(yàn)證本文表征方法的有效性，分別使用本文表征方法、核密度分布、Ｔ??分布與正態(tài)分布來(lái)擬合風(fēng)電和光伏出力預(yù)測(cè)誤差的概率分布，結(jié)果如表２－１和表??１７??

山東大學(xué)碩士學(xué)位論文??不同高斯分布數(shù)下的高斯混合模型的ＢＩＣ??１０００?－??５００?－?＼?＾?＊?＊??－５００?－?＼??呈－１＿－?—－？一…？—??－１５００?－?Ｉ??－２０００?＇?＼??＿２５。。＿??－３０００?＾卜、命?＊十＂ｖ“－一ｒ＾＿．」，＿＿＿??０?２?４?６?８?１０?１２?１４?１６?１８?２０??ｋ??圖２－７不同高斯分布數(shù)下的光伏出力預(yù)測(cè)誤差的高斯混合模型的ＢＩＣ??由圖２－４－圖２－７可看出，在子高斯數(shù)量較小時(shí)，ＡＩＣ和ＢＩＣ下降較為明顯，??后續(xù)ＡＩＣ呈現(xiàn)小幅度波動(dòng)趨勢(shì)，ＢＩＣ隨子高斯個(gè)數(shù)的增長(zhǎng)而増大。每組數(shù)據(jù)的??樣本規(guī)模為３０００，選擇懲罰項(xiàng)是子高斯個(gè)數(shù)和樣本數(shù)量的ＢＩＣ作為主要衡量標(biāo)??準(zhǔn)，ＡＩＣ為輔助參考。從圖２－６中可看出，五組數(shù)據(jù)的ＢＩＣ最小值比較集中，有??四組數(shù)據(jù)在子高斯數(shù)為３時(shí)ＢＩＣ達(dá)到最小值，另一組數(shù)據(jù)在子高斯數(shù)為３時(shí)ＢＩＣ??與ＢＩＣ最小值接近，因此選擇子高斯數(shù)為３的ＧＭＭ表征風(fēng)電出力不確定性。??從圖２－７中可以看出，雖然五組數(shù)據(jù)的ＢＩＣ未在某一子高斯數(shù)下集中達(dá)到最小值，??但是ＢＩＣ最小值多集中在子高斯數(shù)為３？６時(shí)，并且波動(dòng)較小，在綜合考慮表征??方法的擬合效果與計(jì)算效率后，采用子高斯數(shù)為４的ＧＭＭ表征光伏出力不確定??性。??２．３．３需求響應(yīng)對(duì)負(fù)荷的影響分析??山東省實(shí)行年度階梯電價(jià)政策、峰谷電價(jià)政策和供暖期補(bǔ)貼政策，其中供暖??期和非供暖期的峰谷電價(jià)差分別為每千瓦０．２３元和每千瓦０．２０元。供暖期的高??峰期為８：００至２０：００，非供暖期的高峰期為８：００至２２：?００。根據(jù)山東省的電價(jià)??政


本文編號(hào)：3324789