【摘要】：近年來，，隨著電力系統(tǒng)規(guī)模的不斷擴(kuò)大和電網(wǎng)中越來越多的不確定性因素的產(chǎn)生，概率潮流和靜態(tài)安全域作為電力系統(tǒng)安全評(píng)估和調(diào)控的兩個(gè)重要工具，引起了人們?cè)絹碓蕉嗟年P(guān)注。在概率潮流和靜態(tài)安全域應(yīng)用過程中尋求簡(jiǎn)單高效的方法，已成為工程研究的熱點(diǎn)。 高維模型表達(dá)（High Dimensional Model Representation，HDMR）在描述系統(tǒng)輸出量關(guān)于多輸入量之間關(guān)系方面具有獨(dú)特的性能，而電網(wǎng)潮流狀態(tài)量與網(wǎng)絡(luò)多個(gè)節(jié)點(diǎn)源流注入量間正好符合HDMR的相關(guān)屬性。本文在分析了HDMR模型的原理和建模過程的基礎(chǔ)上，利用源流路徑鏈信息找到影響關(guān)鍵支路潮流的負(fù)荷和發(fā)電機(jī)節(jié)點(diǎn)，并使用已經(jīng)開發(fā)的GUI-HDMR程序，進(jìn)行支路潮流的HDMR建模。通過修改輸入量的階數(shù)和正交多項(xiàng)式的次數(shù)對(duì)模型進(jìn)行修正，用簡(jiǎn)單的多項(xiàng)式組合替代復(fù)雜的潮流方程。在支路開斷情況下，為避免大規(guī)模的模型重建，本文結(jié)合靈敏度-補(bǔ)償法對(duì)支路潮流的HDMR模型進(jìn)行了修正，節(jié)省了大量時(shí)間，并用IEEE39節(jié)點(diǎn)算例驗(yàn)證了HDMR模型能夠很好地?cái)M合潮流方程，并可用于潮流狀態(tài)的快速計(jì)算。 本文將HDMR應(yīng)用于電網(wǎng)潮流概率評(píng)估與調(diào)控問題：通過典型代表性的樣本構(gòu)建關(guān)鍵支路上傳輸?shù)墓β逝c電源和負(fù)荷間的HDMR關(guān)系，替換傳統(tǒng)潮流計(jì)算方式承擔(dān)潮流概率評(píng)估過程中大規(guī)模的潮流計(jì)算任務(wù)，以極大地提高關(guān)鍵支路潮流累積概率分布生成及其相關(guān)特征求取的效率；對(duì)關(guān)鍵支路潮流阻塞問題，設(shè)計(jì)了一種利用HDMR提供的全局靈敏度信息并兼顧節(jié)能減排性能指標(biāo)的概率調(diào)控策略。算例表明，HDMR的應(yīng)用可顯著提高電網(wǎng)潮流概率評(píng)估的計(jì)算效率和關(guān)鍵支路潮流阻塞概率調(diào)控的性能。 針對(duì)靜態(tài)安全域計(jì)算過程中，交流潮流模型計(jì)算量大和直流潮流方程精度不高的問題，本文用HDMR模型替代靜態(tài)安全域中的交流或直流潮流方程，不僅保證了計(jì)算速度，而且提高了計(jì)算精度。在已知某些發(fā)電機(jī)有功功率變化范圍的情況下，提出了一種計(jì)算關(guān)注節(jié)點(diǎn)子集功率變化安全域的方法。算例表明，HDMR的應(yīng)用可顯著提高靜態(tài)安全域構(gòu)造的效率。
[Abstract]:In recent years, with the continuous expansion of power system scale and the emergence of more and more uncertain factors in power network, probabilistic power flow and static security region are two important tools for power system security assessment and regulation. It has attracted more and more attention. Seeking simple and efficient methods in the application of probabilistic power flow and static security domain has become a hot topic in engineering research. High-dimensional model representation (High Dimensional Model Representation,HDMR) has a unique performance in describing the relationship between system output and multiple inputs, while the power flow state and the injection of multiple nodes in the network are exactly in line with the correlation attributes of HDMR. On the basis of analyzing the principle and modeling process of HDMR model, this paper uses the information of source and stream path chain to find the load and generator node that affect the key branch power flow, and uses the developed GUI-HDMR program to model the HDMR model of branch power flow. The model is modified by modifying the order of input quantity and the degree of orthogonal polynomial, and the complex power flow equation is replaced by simple polynomial combination. In order to avoid large-scale model reconstruction, the HDMR model of branch power flow is modified with sensitivity compensation method in this paper, which saves a lot of time. The IEEE39 node example shows that the HDMR model can fit the power flow equation well and can be used to calculate the power flow state quickly. In this paper, HDMR is applied to power flow probabilistic evaluation and control problem: the HDMR relation between power transmission and power supply and load is constructed through typical representative samples. In order to improve the efficiency of generating the cumulative probability distribution of critical branch power flow and its related characteristics, the traditional power flow calculation method is used to take on the task of large-scale power flow calculation in the process of power flow probabilistic evaluation. A probabilistic control strategy based on the global sensitivity information provided by HDMR and taking into account the performance index of energy saving and emission reduction is designed. An example shows that the application of HDMR can significantly improve the efficiency of power flow probability evaluation and the performance of power flow blocking probability control in key branches. In order to solve the problem that the calculation of AC power flow model is heavy and the accuracy of DC power flow equation is not high during the calculation of static safe domain, this paper uses HDMR model to replace AC or DC power flow equation in static safe domain, which not only guarantees the calculation speed. Moreover, the accuracy of calculation is improved. Under the condition that the range of active power of some generators is known, a new method to calculate the security region of the power variation of the node subset is proposed. An example shows that the application of HDMR can significantly improve the efficiency of static security domain construction.
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TM73

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金麟孫;;超差概率與誤差合成[J];宇航計(jì)測(cè)技術(shù);1982年03期

2 崔德山;關(guān)于七點(diǎn)鏈[J];兵工學(xué)報(bào);1988年03期

3 李澤浦;;末支護(hù)洞室穩(wěn)定性隨機(jī)分析的初探[J];工程兵工程學(xué)院學(xué)報(bào);1986年03期

4 雷小龍,關(guān)世義,常伯浚;掠海飛行導(dǎo)彈擊水概率的仿真研究[J];宇航學(xué)報(bào);1990年03期

5 劉治中;王俊德;叢樹錚;;P-Ⅲ型分布的期望概率計(jì)算[J];河海大學(xué)學(xué)報(bào);1989年04期

6 郭振海;概率實(shí)驗(yàn)[J];北京工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào);2002年01期

7 徐斌;;FTA中基本概率值選取途徑的探討[J];工業(yè)安全與防塵;1988年09期

8 盛晟;肖明清;趙亮亮;文瑩;胡斌;;故障Petri網(wǎng)的概率變遷方法研究[J];儀器儀表學(xué)報(bào);2014年03期

9 裘敬華,唐仙芝;用Excel處理概率與數(shù)理統(tǒng)計(jì)中兩類問題的方法[J];黃河水利職業(yè)技術(shù)學(xué)院學(xué)報(bào);2003年02期

10 趙建平;李華;李忠瑛;;基于概率動(dòng)態(tài)分布選課算法的研究[J];長(zhǎng)春理工大學(xué)學(xué)報(bào);2006年04期

相關(guān)會(huì)議論文 前1條

1 王杰;梁華國(guó);李華偉;閔應(yīng)驊;李曉維;;基于輸出違例概率的時(shí)延向量測(cè)試質(zhì)量評(píng)估[A];第六屆中國(guó)測(cè)試學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前2條

1 柯果;概率斷案有玄機(jī)[N];民主與法制時(shí)報(bào);2012年

2 李中彩;為什么不選擇這樣的號(hào)碼[N];重慶商報(bào);2000年

相關(guān)博士學(xué)位論文 前4條

1 鐘細(xì)華;雙穩(wěn)健逆概率加權(quán)方法的建立及其在臨床試驗(yàn)數(shù)據(jù)缺失中的應(yīng)用[D];第二軍醫(yī)大學(xué);2015年

2 王闖;有關(guān)建筑用能的人行為模擬研究[D];清華大學(xué);2014年

3 彭荻;動(dòng)態(tài)概率SDG模型及復(fù)雜化工過程故障診斷方法研究[D];北京化工大學(xué);2015年

4 余磊;基于認(rèn)知科學(xué)的計(jì)算機(jī)圍棋博弈問題的研究[D];華東師范大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 曾子亮;連續(xù)概率XML數(shù)據(jù)查詢技術(shù)研究與應(yīng)用[D];重慶大學(xué);2015年

2 任曉欣;建筑中人行為動(dòng)作模型研究與分析[D];清華大學(xué);2015年

3 史文君;基于接送行為的中小學(xué)校等待集散空間研究[D];東南大學(xué);2015年

4 洪燕如;概率扭曲條件下的一類最優(yōu)停時(shí)[D];福州大學(xué);2013年

5 楊家豪;考慮出力概率分布模型的風(fēng)儲(chǔ)聯(lián)合發(fā)電系統(tǒng)優(yōu)化配置研究[D];華南理工大學(xué);2016年

6 周圣杰;WSN中三維概率隨機(jī)多址接入MAC層協(xié)議分析[D];云南大學(xué);2016年

7 許燦;基于概率的不確定性傳播與計(jì)算反求方法研究[D];湖南大學(xué);2015年

8 宋夢(mèng);高維模型表達(dá)在概率潮流和靜態(tài)安全域中的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2014年

9 吳惠紅;中學(xué)生對(duì)概率值的理解[D];華東師范大學(xué);2004年

10 左紅江;基于樣本定鄰域概率的貝葉斯分類器[D];河北大學(xué);2013年

本文編號(hào)：2245925