考虑风电出力相关性的概率最优潮流方法

《考虑风电出力相关性的概率最优潮流方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程硕士学位论文考虑风电出力相关性的概率最优潮流方法作者姓名谢昭群学位类别工程硕士指导教师季天瑶副教授陈晓东高级工程师所在学院电力学院论文提交日期2018年3月ProbabilisticoptimalpowerflowconsideringthecorrelationofwindpowerinjectionsADissertationSubmittedfortheDegreeofMasterCandidate：XieZhaoqunSupervisor：Dr.JiTianyaoSouthChinaUniversityofTechnologyGuangzhou,China分类号：学校代号

2、：10561学号：201521011852华南理工大学硕士学位论文考虑风电出力相关性的概率最优潮流方法作者姓名：谢昭群指导教师姓名、职称：季天瑶副教授申请学位级别：工程硕士学科专业名称：电力系统及其自动化研究方向：电力系统随机潮流论文提交日期：2018年3月26日论文答辩日期：2018年3月25日学位授予单位：华南理工大学学位授予日期：2018年3月26日答辩委员会成员：主席：陈晓东委员：唐文虎陈皓勇荆朝霞季天瑶摘要潮流计算与最优潮流是求解电力系统稳态的基本方法，传统的情况下这两种计算均是在注入功率确定的状态下进行的。因具有着可再生、清洁的特点，新能源发电注入电力系统的比例越来越大。

3、但由于风电、太阳能这类功率是不可控的，其入网给电力系统带来了更多的不确定因素，传统的确定性方法在许多场景下已经很难适用，因此需要采用能够考虑注入功率随机性的方法对电力系统进行求解，概率潮流与概率最优潮流便是在考虑随机功率注入的情况下对电力系统稳态方程进行求解的方法。概率潮流的核心思想是为随机注入功率建立合适的概率模型，并结合传统的确定性算法求出输出变量（节点电压、发电机出力、支路潮流等）的概率模型，提取所需要的概率特性（如均值、方差）。其中最关键的便是概率模型的建立，某些算法中还需要对概率模型进行采样。关于概率模型的研究，最开始认为随机注入功率之间是互相独立的，并据此进行一维概率建模

4、。随着研究的深入，开始考虑随机注入功率间的相关性，但目前考虑相关性的方法还难以全面考虑新能源出力的复杂相关性，且对于需要进行随机采样的蒙特卡洛类的方法难以在考虑相关性的同时兼顾计算效率。概率最优潮流实际上是概率潮流的一个应用，应用概率潮流的计算结果，结合最优潮流模型进行求解。本文研究的主要内容是考虑随机注入功率相关性的概率潮流与概率最优潮流方法，建立一个较全面地考虑多个随机功率概率特性的模型。在相关性建模方面，应用了Copula函数对多个随机功率间的相关结构进行描述。在考虑了相关性的同时，应用低差异序列提高了算法的计算效率，提出一种基于拟蒙特卡洛法的考虑随机功率相关性的概率潮流方法。

5、同时建立起了考虑发电成本均值与风险的概率最优潮流模型，并用上述的概率潮流方法结合优化算法进行求解。本文提出的方法在考虑风电注入的IEEE118节点系统中进行了验证，仿真结果表明了该方法在精度与效率方面均有很好的表现。关键词：Copula函数，拟蒙特卡洛法，Sobol序列，概率最优潮流，概率潮流IABSTRACTPowerflowcalculationandoptimalpowerflowarebasictoolsofpowersystemsteadystatesimulations.Commonly,theyareexecutedwhenthepowerinjectionsarede

6、terministic.However,thepenetrationofrenewableenergyisgettinglargerandlargerbecauseofitisenvironmentallyfriendly,meanwhile,powerinjectionsprovidedbyitareuncontrollableandstochastic,resultingintherandomnessofpowersystemstate.Thus,conventionaldeterministicmodelcanhardlydealwiththesestochasticfacto

7、rs,andnewmodelswhichconsiderthestochasticpowerinjectionsareemployed.Probabilisticpowerflow(PPF)andprobabilisticoptimalpowerflow(POPF)areproposedtosolvethisproblem.AsforthePPF,thekeypointistoconstructaprobabilisticmodelwhichdescrib