【摘要】：電力系統(tǒng)規(guī)劃和運(yùn)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(dòng)汽車(chē)的大力發(fā)展將使其面臨更多的不確定性。概率潮流計(jì)算能夠考慮各種不確定性因素對(duì)系統(tǒng)潮流運(yùn)行特性的影響,計(jì)算出節(jié)點(diǎn)電壓和支路潮流的概率統(tǒng)計(jì)特性,便于相關(guān)人員發(fā)現(xiàn)系統(tǒng)運(yùn)行的薄弱環(huán)節(jié)和潛在危險(xiǎn),是當(dāng)前研究的熱點(diǎn)問(wèn)題之一。概率潮流計(jì)算經(jīng)過(guò)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(wèn)題亟待解決和完善,如節(jié)點(diǎn)功率具有相關(guān)性時(shí)如何處理、節(jié)點(diǎn)功率概率分布函數(shù)未知時(shí)如何處理、相關(guān)性因素及電動(dòng)汽車(chē)充電負(fù)荷和風(fēng)電并網(wǎng)會(huì)對(duì)系統(tǒng)潮流運(yùn)行特性產(chǎn)生怎樣的影響等等。鑒于此,本文以計(jì)及相關(guān)性的概率潮流計(jì)算方法及應(yīng)用為研究對(duì)象,內(nèi)容涉及風(fēng)速相關(guān)性對(duì)配電網(wǎng)運(yùn)行特性的影響分析、考慮節(jié)點(diǎn)功率相關(guān)性的概率潮流計(jì)算方法、含電動(dòng)汽車(chē)充電負(fù)荷和風(fēng)電的電力系統(tǒng)潮流概率特性分析三個(gè)部分。 分析了風(fēng)速相關(guān)性對(duì)配電網(wǎng)運(yùn)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(jiǎn)單隨機(jī)采樣的蒙特卡羅仿真法和機(jī)會(huì)約束規(guī)劃研究了風(fēng)速相關(guān)性對(duì)配電網(wǎng)運(yùn)行特性(包括風(fēng)電出力、節(jié)點(diǎn)電壓、支路潮流及網(wǎng)損)和風(fēng)電最大裝機(jī)容量的影響。仿真結(jié)果表明,風(fēng)速相關(guān)性對(duì)配電網(wǎng)運(yùn)行特性和風(fēng)電最大裝機(jī)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(yùn)行。 提出了一種基于多項(xiàng)式正態(tài)變換和拉丁超立方采樣的概率潮流計(jì)算方法。該方法根據(jù)輸入隨機(jī)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(xiàng)式正態(tài)變換技術(shù)建立其概率分布模型,進(jìn)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(diǎn)電壓和支路潮流的數(shù)字特征及概率分布曲線(xiàn)。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(jī)變量概率分布函數(shù)未知時(shí)難以準(zhǔn)確進(jìn)行概率潮流計(jì)算的不足,還考慮了輸入隨機(jī)變量間的相關(guān)性因素,具有計(jì)算精度較高、速度快和穩(wěn)健性好的優(yōu)點(diǎn)。 提出了一種基于Copula理論和改進(jìn)拉丁超立方采樣的概率潮流計(jì)算方法。該方法引入Copula理論構(gòu)建具有相關(guān)性輸入隨機(jī)變量的概率分布模型�；谳斎腚S機(jī)變量的離散數(shù)據(jù),提出了一種經(jīng)驗(yàn)累積分布函數(shù)及其逆函數(shù)的構(gòu)建方法和一種改進(jìn)的拉丁超立方采樣方法。所提概率潮流計(jì)算方法能靈活處理輸入隨機(jī)變量間的線(xiàn)性相關(guān)性和非線(xiàn)性相關(guān)性,且不受輸入隨機(jī)變量邊緣分布類(lèi)型的限制,克服了傳統(tǒng)拉丁超立方采樣要求輸入隨機(jī)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(zhǔn)確高效地評(píng)估含風(fēng)電的電力系統(tǒng)潮流運(yùn)行特性,具有較好的工程應(yīng)用價(jià)值。 提出了一種基于Cholesky分解的計(jì)及輸入隨機(jī)變量相關(guān)性的半不變量法概率潮流計(jì)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(jī)變量表示成不相關(guān)隨機(jī)變量的線(xiàn)性組合,然后根據(jù)潮流方程線(xiàn)性化模型和半不變量的可加性與齊次性得到輸出隨機(jī)變量的各階半不變量,再由Cornish-Fisher級(jí)數(shù)擬合其累積分布曲線(xiàn)。提出了一種基于蒙特卡羅采樣的輸入隨機(jī)變量半不變量求取方法,該方法根據(jù)輸入隨機(jī)變量的樣本計(jì)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(jì)算方法不能直接應(yīng)用于輸入隨機(jī)變量具有相關(guān)性場(chǎng)合的不足,而且解決了一些輸入隨機(jī)變量的半不變量難以被常規(guī)解析法求取的問(wèn)題。分析了風(fēng)電滲透率對(duì)所提方法計(jì)算精度的影響。仿真結(jié)果驗(yàn)證了所提方法的有效性和快速性。 分析了含電動(dòng)汽車(chē)充電負(fù)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(dòng)汽車(chē)充電負(fù)荷特性的主要因素,根據(jù)車(chē)輛調(diào)查數(shù)據(jù)對(duì)電動(dòng)汽車(chē)用戶(hù)行駛特性進(jìn)行了建模,基于變異系數(shù)建立了電動(dòng)汽車(chē)充電負(fù)荷、風(fēng)電出力和基礎(chǔ)負(fù)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(diǎn)電壓的運(yùn)行狀態(tài)。仿真結(jié)果表明,電動(dòng)汽車(chē)充電負(fù)荷和風(fēng)電出力對(duì)系統(tǒng)潮流運(yùn)行特性有重要影響；不同控制策略下電動(dòng)汽車(chē)充電負(fù)荷曲線(xiàn)與基礎(chǔ)負(fù)荷曲線(xiàn)的相關(guān)程度不同,進(jìn)而對(duì)系統(tǒng)潮流運(yùn)行特性的影響也不同。
【圖文】：

風(fēng)速相關(guān)性對(duì)風(fēng)電場(chǎng)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(diǎn)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(shí)風(fēng)電有功功率出力的直方圖和累積分布曲線(xiàn)。風(fēng)速相關(guān)性對(duì)單個(gè)風(fēng)電場(chǎng)有功功率出力影響很小，但對(duì)多個(gè)風(fēng)電場(chǎng)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(biāo)準(zhǔn)差幾乎與風(fēng)速Pearson相關(guān)系數(shù)p成線(xiàn)性關(guān)系。當(dāng)/>=0時(shí)，"PwFlS標(biāo)準(zhǔn)差01PWF18近似等于尸WF1和iVpl標(biāo)準(zhǔn)差的平方和的算數(shù)平方根;當(dāng)P^.9時(shí)，■PwFlS標(biāo)準(zhǔn)差0"PWF18近似等于"PwFl和PwF2的標(biāo)準(zhǔn)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(qiáng)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(qiáng)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(duì)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(biāo)準(zhǔn)差則隨風(fēng)速相關(guān)性的增強(qiáng)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(biāo)準(zhǔn)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(duì)網(wǎng)損標(biāo)準(zhǔn)差影響很大，但由于網(wǎng)損標(biāo)準(zhǔn)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(shì)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(duì)應(yīng)的網(wǎng)損概率密度曲線(xiàn)和累積分布曲線(xiàn)（P為0.1、0.5和0.9對(duì)應(yīng)的網(wǎng)損期望值分別為0.1628 MW、0.1530 MW、0.1643 MW,標(biāo)準(zhǔn)差分別為0.0083 MW、0.0115MW、0.0155 MW),這兩個(gè)圖也說(shuō)明了網(wǎng)損變化趨勢(shì)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(jí)別】：博士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TM744

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊慧敏;易海瓊;文勁宇;程時(shí)杰;;一種實(shí)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(bào);2010年03期

2 段玉兵;龔宇雷;譚興國(guó);王輝;李慶民;;基于蒙特卡羅模擬的微電網(wǎng)隨機(jī)潮流計(jì)算方法[J];電工技術(shù)學(xué)報(bào);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(jì)算方法[J];電工技術(shù)學(xué)報(bào);2012年01期

4 黃進(jìn)安,吳惟靜;保留潮流方程非線(xiàn)性的電力系統(tǒng)概率潮流計(jì)算[J];電力系統(tǒng)自動(dòng)化;1986年06期

5 王成山;鄭海峰;謝瑩華;陳愷;;計(jì)及分布式發(fā)電的配電系統(tǒng)隨機(jī)潮流計(jì)算[J];電力系統(tǒng)自動(dòng)化;2005年24期

6 易海瓊;程時(shí)杰;侯云鶴;倪以信;;基于點(diǎn)估計(jì)的電力系統(tǒng)小擾動(dòng)穩(wěn)定概率分析[J];電力系統(tǒng)自動(dòng)化;2007年23期

7 韓冬;賀仁睦;馬進(jìn);黃曉靜;;基于隨機(jī)響應(yīng)面法的動(dòng)態(tài)仿真不確定性分析[J];電力系統(tǒng)自動(dòng)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(jì)算方法[J];電力系統(tǒng)自動(dòng)化;2009年21期

9 趙俊華;文福拴;薛禹勝;董朝陽(yáng);辛建波;;計(jì)及電動(dòng)汽車(chē)和風(fēng)電出力不確定性的隨機(jī)經(jīng)濟(jì)調(diào)度[J];電力系統(tǒng)自動(dòng)化;2010年20期

10 范榮奇;陳金富;段獻(xiàn)忠;李慧杰;姚美齊;;風(fēng)速相關(guān)性對(duì)概率潮流計(jì)算的影響分析[J];電力系統(tǒng)自動(dòng)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(dòng)汽車(chē)的電力系統(tǒng)運(yùn)行問(wèn)題研究[D];華中科技大學(xué);2013年

本文編號(hào)：2544126