【摘要】：電力系統(tǒng)規(guī)劃和運行中存在大量不確定性因素,以風(fēng)電為代表的可再生能源發(fā)電的大規(guī)模并網(wǎng)和電動汽車的大力發(fā)展將使其面臨更多的不確定性。概率潮流計算能夠考慮各種不確定性因素對系統(tǒng)潮流運行特性的影響,計算出節(jié)點電壓和支路潮流的概率統(tǒng)計特性,便于相關(guān)人員發(fā)現(xiàn)系統(tǒng)運行的薄弱環(huán)節(jié)和潛在危險,是當(dāng)前研究的熱點問題之一。概率潮流計算經(jīng)過近四十年的發(fā)展,取得了豐碩的研究成果,但仍存在較多問題亟待解決和完善,如節(jié)點功率具有相關(guān)性時如何處理、節(jié)點功率概率分布函數(shù)未知時如何處理、相關(guān)性因素及電動汽車充電負荷和風(fēng)電并網(wǎng)會對系統(tǒng)潮流運行特性產(chǎn)生怎樣的影響等等。鑒于此,本文以計及相關(guān)性的概率潮流計算方法及應(yīng)用為研究對象,內(nèi)容涉及風(fēng)速相關(guān)性對配電網(wǎng)運行特性的影響分析、考慮節(jié)點功率相關(guān)性的概率潮流計算方法、含電動汽車充電負荷和風(fēng)電的電力系統(tǒng)潮流概率特性分析三個部分。 分析了風(fēng)速相關(guān)性對配電網(wǎng)運行特性的影響。采用逆Nataf變換建立了風(fēng)速相關(guān)性模型,采用基于簡單隨機采樣的蒙特卡羅仿真法和機會約束規(guī)劃研究了風(fēng)速相關(guān)性對配電網(wǎng)運行特性(包括風(fēng)電出力、節(jié)點電壓、支路潮流及網(wǎng)損)和風(fēng)電最大裝機容量的影響。仿真結(jié)果表明,風(fēng)速相關(guān)性對配電網(wǎng)運行特性和風(fēng)電最大裝機容量有較大的影響,考慮風(fēng)速相關(guān)性可以更合理地用于指導(dǎo)含風(fēng)電配電網(wǎng)的規(guī)劃與運行。 提出了一種基于多項式正態(tài)變換和拉丁超立方采樣的概率潮流計算方法。該方法根據(jù)輸入隨機變量的數(shù)字特征(各階矩和Pearson相關(guān)系數(shù)矩陣),采用多項式正態(tài)變換技術(shù)建立其概率分布模型,進而由基于拉丁超立方采樣的蒙特卡羅仿真法得到系統(tǒng)節(jié)點電壓和支路潮流的數(shù)字特征及概率分布曲線。仿真結(jié)果表明,該方法較好地克服了蒙特卡羅仿真法在輸入隨機變量概率分布函數(shù)未知時難以準確進行概率潮流計算的不足,還考慮了輸入隨機變量間的相關(guān)性因素,具有計算精度較高、速度快和穩(wěn)健性好的優(yōu)點。 提出了一種基于Copula理論和改進拉丁超立方采樣的概率潮流計算方法。該方法引入Copula理論構(gòu)建具有相關(guān)性輸入隨機變量的概率分布模型�；谳斎腚S機變量的離散數(shù)據(jù),提出了一種經(jīng)驗累積分布函數(shù)及其逆函數(shù)的構(gòu)建方法和一種改進的拉丁超立方采樣方法。所提概率潮流計算方法能靈活處理輸入隨機變量間的線性相關(guān)性和非線性相關(guān)性,且不受輸入隨機變量邊緣分布類型的限制,克服了傳統(tǒng)拉丁超立方采樣要求輸入隨機變量累積分布函數(shù)已知的不足。仿真結(jié)果表明,所提方法能準確高效地評估含風(fēng)電的電力系統(tǒng)潮流運行特性,具有較好的工程應(yīng)用價值。 提出了一種基于Cholesky分解的計及輸入隨機變量相關(guān)性的半不變量法概率潮流計算方法。該方法首先基于Cholesky分解將具有相關(guān)性的輸入隨機變量表示成不相關(guān)隨機變量的線性組合,然后根據(jù)潮流方程線性化模型和半不變量的可加性與齊次性得到輸出隨機變量的各階半不變量,再由Cornish-Fisher級數(shù)擬合其累積分布曲線。提出了一種基于蒙特卡羅采樣的輸入隨機變量半不變量求取方法,該方法根據(jù)輸入隨機變量的樣本計算其半不變量。所提方法不僅克服了傳統(tǒng)半不變量法概率潮流計算方法不能直接應(yīng)用于輸入隨機變量具有相關(guān)性場合的不足,而且解決了一些輸入隨機變量的半不變量難以被常規(guī)解析法求取的問題。分析了風(fēng)電滲透率對所提方法計算精度的影響。仿真結(jié)果驗證了所提方法的有效性和快速性。 分析了含電動汽車充電負荷和風(fēng)電的電力系統(tǒng)潮流概率特性�？偨Y(jié)分析了影響電動汽車充電負荷特性的主要因素,根據(jù)車輛調(diào)查數(shù)據(jù)對電動汽車用戶行駛特性進行了建模,基于變異系數(shù)建立了電動汽車充電負荷、風(fēng)電出力和基礎(chǔ)負荷的概率分布模型,分析了5種不同情形下系統(tǒng)支路潮流和節(jié)點電壓的運行狀態(tài)。仿真結(jié)果表明,電動汽車充電負荷和風(fēng)電出力對系統(tǒng)潮流運行特性有重要影響；不同控制策略下電動汽車充電負荷曲線與基礎(chǔ)負荷曲線的相關(guān)程度不同,進而對系統(tǒng)潮流運行特性的影響也不同。
【圖文】：

風(fēng)速相關(guān)性對風(fēng)電場2有功功率出力PwF2數(shù)字特征和概率分布的影響分別如表2.1和圖2.3所示。節(jié)點18風(fēng)電有功功率出力PwFi8的數(shù)字特征與風(fēng)速相關(guān)性的關(guān)系如圖2.4所示。圖2.5給出了風(fēng)速Pearson相關(guān)系數(shù)/)分別為0.1、0.5和0.9時風(fēng)電有功功率出力的直方圖和累積分布曲線。風(fēng)速相關(guān)性對單個風(fēng)電場有功功率出力影響很小，但對多個風(fēng)電場總的有功功率出力有影響。風(fēng)電總有功功率出力的期望值基本不受風(fēng)速相關(guān)性的影響，而標準差幾乎與風(fēng)速Pearson相關(guān)系數(shù)p成線性關(guān)系。當(dāng)/>=0時，"PwFlS標準差01PWF18近似等于尸WF1和iVpl標準差的平方和的算數(shù)平方根;當(dāng)P^.9時，■PwFlS標準差0"PWF18近似等于"PwFl和PwF2的標準差之和。風(fēng)電總有功功率出力的偏度系數(shù)隨著風(fēng)速相關(guān)性的增強而增加，，其概率分布呈右偏態(tài)，且偏斜程度隨Pearson相關(guān)系數(shù)P的增加而增大。風(fēng)電總有功功率出力的峰度系數(shù)隨著風(fēng)速相關(guān)性的增強而減小，即風(fēng)電總有功功率出力的集中程度降低。當(dāng)風(fēng)速Pearson相關(guān)系數(shù)由0.1增加22

2.5.5風(fēng)速相關(guān)性對配電網(wǎng)網(wǎng)損的影響網(wǎng)損的數(shù)字特征和概率分布與風(fēng)速相關(guān)性的關(guān)系如圖2.13所示。網(wǎng)損期望值受風(fēng)速相關(guān)性影響較小，而標準差則隨風(fēng)速相關(guān)性的增強而增加。不同風(fēng)速Pearson相關(guān)系數(shù)下，網(wǎng)損期望值//PL的最大變化幅值為11.22 kW,最大變化率為7.33%;標準差(7PL的最大變化幅值為8.03 kW,最大變化率為107.21%。雖然風(fēng)速相關(guān)性對網(wǎng)損標準差影響很大，但由于網(wǎng)損標準差的變化幅值小于網(wǎng)損期望值的變化幅值，使得網(wǎng)損概率分布的變化趨勢主要受期望值影響。圖2.13(c)和(d)分別為3種不同風(fēng)速Pearson相關(guān)系數(shù)>9對應(yīng)的網(wǎng)損概率密度曲線和累積分布曲線（P為0.1、0.5和0.9對應(yīng)的網(wǎng)損期望值分別為0.1628 MW、0.1530 MW、0.1643 MW,標準差分別為0.0083 MW、0.0115MW、0.0155 MW),這兩個圖也說明了網(wǎng)損變化趨勢主要受期望值的影響。28
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2014
【分類號】：TM744

【參考文獻】

相關(guān)期刊論文 前10條

1 楊慧敏;易海瓊;文勁宇;程時杰;;一種實用的大電網(wǎng)低頻振蕩概率穩(wěn)定性分析方法[J];電工技術(shù)學(xué)報;2010年03期

2 段玉兵;龔宇雷;譚興國;王輝;李慶民;;基于蒙特卡羅模擬的微電網(wǎng)隨機潮流計算方法[J];電工技術(shù)學(xué)報;2011年S1期

3 董雷;楊以涵;張傳成;蒲天驕;鮑海;;綜合考慮網(wǎng)絡(luò)結(jié)構(gòu)不確定性的概率潮流計算方法[J];電工技術(shù)學(xué)報;2012年01期

4 黃進安,吳惟靜;保留潮流方程非線性的電力系統(tǒng)概率潮流計算[J];電力系統(tǒng)自動化;1986年06期

5 王成山;鄭海峰;謝瑩華;陳愷;;計及分布式發(fā)電的配電系統(tǒng)隨機潮流計算[J];電力系統(tǒng)自動化;2005年24期

6 易海瓊;程時杰;侯云鶴;倪以信;;基于點估計的電力系統(tǒng)小擾動穩(wěn)定概率分析[J];電力系統(tǒng)自動化;2007年23期

7 韓冬;賀仁睦;馬進;黃曉靜;;基于隨機響應(yīng)面法的動態(tài)仿真不確定性分析[J];電力系統(tǒng)自動化;2008年20期

8 于晗;鐘志勇;黃杰波;張建華;;采用拉丁超立方采樣的電力系統(tǒng)概率潮流計算方法[J];電力系統(tǒng)自動化;2009年21期

9 趙俊華;文福拴;薛禹勝;董朝陽;辛建波;;計及電動汽車和風(fēng)電出力不確定性的隨機經(jīng)濟調(diào)度[J];電力系統(tǒng)自動化;2010年20期

10 范榮奇;陳金富;段獻忠;李慧杰;姚美齊;;風(fēng)速相關(guān)性對概率潮流計算的影響分析[J];電力系統(tǒng)自動化;2011年04期

相關(guān)博士學(xué)位論文 前2條

1 鄧威;基于概率潮流的間歇性電源優(yōu)化配置研究[D];湖南大學(xué);2012年

2 李高望;含電動汽車的電力系統(tǒng)運行問題研究[D];華中科技大學(xué);2013年

本文編號：2544126