【摘要】：電力系統(tǒng)規(guī)劃和運行中存在大量不確定性因素,以風電為代表的可再生能源發(fā)電的大規(guī)模并網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,是當前研究的熱點問題之一。概率潮流計算經過近四十年的發(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)點功率具有相關性時如何處理、節(jié)點功率概率分布函數未知時如何處理、相關性因素及電動汽車充電負荷和風電并網會對系統(tǒng)潮流運行特性產生怎樣的影響等等。鑒于此,本文以計及相關性的概率潮流計算方法及應用為研究對象,內容涉及風速相關性對配電網運行特性的影響分析、考慮節(jié)點功率相關性的概率潮流計算方法、含電動汽車充電負荷和風電的電力系統(tǒng)潮流概率特性分析三個部分。 分析了風速相關性對配電網運行特性的影響。采用逆Nataf變換建立了風速相關性模型,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)劃研究了風速相關性對配電網運行特性(包括風電出力、節(jié)點電壓、支路潮流及網損)和風電最大裝機容量的影響。仿真結果表明,風速相關性對配電網運行特性和風電最大裝機容量有較大的影響,考慮風速相關性可以更合理地用于指導含風電配電網的規(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。該方法根據輸入隨機變量的數字特征(各階矩和Pearson相關系數矩陣),采用多項式正態(tài)變換技術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字特征及概率分布曲線。仿真結果表明,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理論構建具有相關性輸入隨機變量的概率分布模型�；谳斎腚S機變量的離散數據,提出了一種經驗累積分布函數及其逆函數的構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性和非線性相關性,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已知的不足。仿真結果表明,所提方法能準確高效地評估含風電的電力系統(tǒng)潮流運行特性,具有較好的工程應用價值。 提出了一種基于Cholesky分解的計及輸入隨機變量相關性的半不變量法概率潮流計算方法。該方法首先基于Cholesky分解將具有相關性的輸入隨機變量表示成不相關隨機變量的線性組合,然后根據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用于輸入隨機變量具有相關性場合的不足,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。分析了風電滲透率對所提方法計算精度的影響。仿真結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電的電力系統(tǒng)潮流概率特性�？偨Y分析了影響電動汽車充電負荷特性的主要因素,根據車輛調查數據對電動汽車用戶行駛特性進行了建模,基于變異系數建立了電動汽車充電負荷、風電出力和基礎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)。仿真結果表明,電動汽車充電負荷和風電出力對系統(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負荷曲線的相關程度不同,進而對系統(tǒng)潮流運行特性的影響也不同。
【圖文】：

風速相關性對風電場2有功功率出力PwF2數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風電有功功率出力PwFi8的數字特征與風速相關性的關系如圖2.4所示。圖2.5給出了風速Pearson相關系數/)分別為0.1、0.5和0.9時風電有功功率出力的直方圖和累積分布曲線。風速相關性對單個風電場有功功率出力影響很小，但對多個風電場總的有功功率出力有影響。風電總有功功率出力的期望值基本不受風速相關性的影響，而標準差幾乎與風速Pearson相關系數p成線性關系。當/>=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平方根;當P^.9時，■PwFlS標準差0"PWF18近似等于"PwFl和PwF2的標準差之和。風電總有功功率出力的偏度系數隨著風速相關性的增強而增加，，其概率分布呈右偏態(tài)，且偏斜程度隨Pearson相關系數P的增加而增大。風電總有功功率出力的峰度系數隨著風速相關性的增強而減小，即風電總有功功率出力的集中程度降低。當風速Pearson相關系數由0.1增加22

2.5.5風速相關性對配電網網損的影響網損的數字特征和概率分布與風速相關性的關系如圖2.13所示。網損期望值受風速相關性影響較小，而標準差則隨風速相關性的增強而增加。不同風速Pearson相關系數下，網損期望值//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%。雖然風速相關性對網損標準差影響很大，但由于網損標準差的變化幅值小于網損期望值的變化幅值，使得網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種不同風速Pearson相關系數>9對應的網損概率密度曲線和累積分布曲線（P為0.1、0.5和0.9對應的網損期望值分別為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損變化趨勢主要受期望值的影響。28
【學位授予單位】：華中科技大學
【學位級別】：博士
【學位授予年份】：2014
【分類號】：TM744

【參考文獻】

相關期刊論文 前10條

1 楊慧敏;易海瓊;文勁宇;程時杰;;一種實用的大電網低頻振蕩概率穩(wěn)定性分析方法[J];電工技術學報;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隨機潮流計算方法[J];電工技術學報;2011年S1期

3 董雷;楊以涵;張傳成;蒲天驕;鮑海;;綜合考慮網絡結構不確定性的概率潮流計算方法[J];電工技術學報;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;;計及電動汽車和風電出力不確定性的隨機經濟調度[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;;風速相關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

相關博士學位論文 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;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;2013年

本文編號：2544126