一种计及新能源发电预测误差的改进随机潮流算法制造技术

本发明专利技术公开了一种计及新能源发电预测误差的改进随机潮流算法，针对大规模新能源接入电网产生随机扰动，对非线性蒙特卡罗法进行线性化处理，得到新能源预测误差带来的扰动量，避免了多次迭代计算，从而可以显著减少计算量，提高运算速度；加入了新能源出力带来的随机扰动，能够适应不同种类新能源接入电网的运行分析，并具有良好的收敛性；同时有效解决了新能源预测误差对电网带来的影响不可估的问题，提升了随机潮流算法有效性和实用性。

【技术实现步骤摘要】

本专利技术涉及电力系统
，尤其是一种计及新能源发电预测误差的改进随机潮流算法。
技术介绍
随机潮流(PLF)能反映电力系统中各种因素的随机变化对系统运行的影响。它可以综合考虑风电出力的随机波动、负荷的变化、发电机的强迫停运及线路的故障等各种不确定情况，得到系统节点电压和支路潮流的概率统计特性。相比于常规潮流，它大大减少了计算量。对计算结果做适当处理，可推出线路过负荷概率、电压越限概率等系统静态安全的评价指标，以便及时发现电网中的薄弱环节，为电力系统规划和决策人员提供有价值的信息。蒙特卡罗仿真法(MonteCarloSimulation，MCS)是求解随机潮流问题最直观、最基础的算法。它是一种通过随机变量的变化规律或者物理现象本身的统计规律求取数学、物理、工程技术问题近似解的数值方法。具有适用性广、计算精度高且原理简单的优势。然而计算规模大、耗时长限制了其实际应用。非线性蒙特卡罗仿真法一般都是作为基准方法与其他算法进行比较，以验证算法的准确性。与非线性蒙特卡罗法相比，线性蒙特卡罗法主要在其基础上增加了对非线性潮流方程的线性化处理，避免了多次迭代计算，从而可以显著减少计算量，提高运算速度。然而当节点注入量变化范围较大时，该方法可能存在较大的误差。
技术实现思路
专利技术目的：针对上述现有技术存在的缺陷，本专利技术旨在提供一种计及新能源发电预测误差的改进随机潮流算法。技术方案：一种计及新能源发电预测误差的改进随机潮流算法，包括如下步骤：S1：输入电网原始数据及风电场相关数据；S2：根据S1中的输入数据，建立风速的Weibull分布模型、负荷的正态分布模型以及常规发电机组的0-1分布模型，建立新能源预测误差随机模型；S3：采用蒙特卡罗法进行抽样；根据风速的Weibull分布模型、负荷的正态分布模型及常规发电机组的0-1分布模型，通过反函数变换法分别产生风速、负荷和发电机组出力的随机样本值；S4：根据尾流效应建立风电场综合模型，得到不同位置处风机的风速并由风电场功率输出特性求得单机输出功率；最后将所有风机功率叠加，得到整个风电场的输出功率；S5：用牛顿拉夫逊法进行确定性潮流计算；求出节点电压和支路潮流的期望值以及灵敏度矩阵S0和T0；S6：求出状态变量和支路潮流的随机扰动量ΔX和ΔZ，再得到最终的电压状态向量X和支路潮流的功率向量Z；S7：判断抽样次数是否达到5000；若小于5000，返回步骤S6，否则执行步骤S8；S8：统计得到节点电压及支路潮流的概率分布，输出结果。进一步的，步骤S1中所述电网原始数据及风电场相关数据包括常规潮流计算数据、负荷分布情况、常规发电机的出力、强迫停运率、风电场历史风速和风电场功率输出特性。进一步的，步骤S2中所述建立新能源预测误差随机模型包括如下子步骤：S2.1：用正态分布分别近似描述有功和无功功率的概率密度函数：f(P)=12πσPexp(-(P-μP)22σp2)f(Q)=12πσQexp(-(Q-μQ)22σQ2)---(1)]]>式中，μP、σP和μQ、σQ分别为有功功率的期望值和方差和无功功率的期望值和方差；S2.2：用双参数Weibull函数来拟合风速，其概率密度函数表示如下：f(v)=kc(vc)k-1exp[-(vc)k]---(2)]]>式中，v为风速；k和c分别为Weibull分布的两个参数；将式(2)产生的风速序列代入式(3)的风机输出特性表达式，求出风力发电机有功出力的概率分布：P(v)=0,v≤vin,v≥vout(vin2-v2vin2-vR2)PR,vin≤v≤vRPR,vR≤v≤vout---(3)]]>式中，PR为风机的额定功率；vR、vin和vout分别为额定风速、切入风速和切出风速；S2.3：假设太阳辐射强度和气温均服从正态分布；以辐射强度GSTC＝1000W/m2和电池板表面温度Tr＝25℃作为标准状态，则任意状态下PV系统的输出功率如下：P=PSTCGINGGSTC(1+k(Tc-Tr))---(4)]]>式中，PSTC为标准状态PV系统的额定功率；GING、GSTC为实际和标况下的辐射强度；k为最大功率温度系数；Tc和Tr分别为实际和参考温度。进一步的，步骤S4中所述根据尾流效应建立风电场综合模型具体为：采用适用于不同地理环境的尾流模型，综合运用Jensen模型及Lissaman模型，得到大型风电场综合模型；通过该模型求得位于不同位置的风电机组的输出功率，通过整个风电场中风机输出功率的叠加，得到整个风电场的功率输出。进一步的，所述位于不同位置的风电机组的输出功率包括位于平坦地形风电机组的出力和位于复杂地形风电机组的出力，所述位于平坦地形风电机组的出力的计算方法如下：其中X是两个风机之间的距离，R和Rw分别为叶轮半径和尾流半径，v0、vT、vX分别对应自然风速、通过叶轮的风速和受尾流效应影响的风速；通过动量理论计算得到如下表达式：vX=v0[1-(1-(1-CT)1/2)(RR+kX)2]---(5)]]>式中：CT为风机的推力系数；k为尾流衰减系数。进一步的，所述位于复杂地形风电机组的出力计算方法如下：两台相同型号的风机分别位于两个场地的边缘，它们的所处的坐标位置都是x＝0，风速都为v0；当x＝0处没有风机时，平坦地形X处风速仍为v0，而海拔高度H处的风速为：v0′=v0(h+Hh)α1---(6)]]>式中：h为风机塔筒高度；α1为风速随高度的变化系数，一般海拔越高，风速越大；当在x＝0处安装风机后，受尾流效应影响，x＝X处风速分别为：v1x=v0(1-d1)v2x=v0′(1-d2)---(7)]]>式中：V1x为地形平坦即风机安装处高度相同时的风机风速，V2x为地形复杂即风机安装处高度不同时的风机风速；d1和d2是相应的风速下降系数；由Jensen模型求得由Jensen模型求得：d1=1-(1-(1-CT)1/2)(RR+kX)2---(8)]]>假设两种地形的尾流损耗相同，尾流中的压力相同，则根据无损耗伯努利方程得到：d2=d1(v0v0′)2---(9).]]>进一步的，步骤S5中所述用牛顿拉夫逊法进行确定性潮流计算方法如下：用极坐标表示的电力本文档来自技高网...

【技术保护点】
一种计及新能源发电预测误差的改进随机潮流算法，其特征在于，包括如下步骤：S1：输入电网原始数据及风电场相关数据；S2：根据S1中的输入数据，建立风速的Weibull分布模型、负荷的正态分布模型以及常规发电机组的0‑1分布模型，建立新能源预测误差随机模型；S3：采用蒙特卡罗法进行抽样；根据风速的Weibull分布模型、负荷的正态分布模型及常规发电机组的0‑1分布模型，通过反函数变换法分别产生风速、负荷和发电机组出力的随机样本值；S4：根据尾流效应建立风电场综合模型，得到不同位置处风机的风速并由风电场功率输出特性求得单机输出功率；最后将所有风机功率叠加，得到整个风电场的输出功率；S5：用牛顿拉夫逊法进行确定性潮流计算；求出节点电压和支路潮流的期望值以及灵敏度矩阵S0和T0；S6：求出状态变量和支路潮流的随机扰动量ΔX和ΔZ，再得到最终的电压状态向量X和支路潮流的功率向量Z；S7：判断抽样次数是否达到5000；若小于5000，返回步骤S6，否则执行步骤S8；S8：统计得到节点电压及支路潮流的概率分布，输出结果。

【技术特征摘要】
1.一种计及新能源发电预测误差的改进随机潮流算法，其特征在于，包括
如下步骤：
S1：输入电网原始数据及风电场相关数据；
S2：根据S1中的输入数据，建立风速的Weibull分布模型、负荷的正态分
布模型以及常规发电机组的0-1分布模型，建立新能源预测误差随机模型；
S3：采用蒙特卡罗法进行抽样；根据风速的Weibull分布模型、负荷的正
态分布模型及常规发电机组的0-1分布模型，通过反函数变换法分别产生风
速、负荷和发电机组出力的随机样本值；
S4：根据尾流效应建立风电场综合模型，得到不同位置处风机的风速并由
风电场功率输出特性求得单机输出功率；最后将所有风机功率叠加，得到整个
风电场的输出功率；
S5：用牛顿拉夫逊法进行确定性潮流计算；求出节点电压和支路潮流的期
望值以及灵敏度矩阵S0和T0；
S6：求出状态变量和支路潮流的随机扰动量ΔX和ΔZ，再得到最终的电压
状态向量X和支路潮流的功率向量Z；
S7：判断抽样次数是否达到5000；若小于5000，返回步骤S6，否则执行
步骤S8；
S8：统计得到节点电压及支路潮流的概率分布，输出结果。
2.根据权利要求1所述的一种计及新能源发电预测误差的改进随机潮流算
法，其特征在于，步骤S1中所述电网原始数据及风电场相关数据包括常规潮流
计算数据、负荷分布情况、常规发电机的出力、强迫停运率、风电场历史风速
和风电场功率输出特性。
3.根据权利要求1所述的一种计及新能源发电预测误差的改进随机潮流算
法，其特征在于，步骤S2中所述建立新能源预测误差随机模型包括如下子步
骤：
S2.1：用正态分布分别近似描述有功和无功功率的概率密度函数：
f(P)=12πσPexp(-(P-μP)22σp2)f(Q)=12πσQexp(-(Q-μQ)22σQ2)---(1)]]>式中，μP、σP和μQ、σQ分别为有功功率的期望值和方差和无功功率的
期望值和方差；
S2.2：用双参数Weibull函数来拟合风速，其概率密度函数表示如下：
f(v)=kc(vc)k-1exp[-(vc)k]---(2)]]>式中，v为风速；k和c分别为Weibull分布的两个参数；将式(2)产生的
风速序列代入式(3)的风机输出特性表达式，求出风力发电机有功出力的概率
分布：
P(v)=0,v≤vin,v≥vout(vin2-v2vin2-vR2)PR,vin≤v≤vRPR,vR≤v≤vout---(3)]]>式中，PR为风机的额定功率；vR、vin和vout分别为额定风速、切入风速和
切出风速；
S2.3：假设太阳辐射强度和气温均服从正态分布；以辐射强度
GSTC＝1000W/m2和电池板表面温度Tr＝25℃作为标准状态，则任意状态下PV
系统的输出功率如下：
P=PSTCGINGGSTC(1+k(Tc-Tr))---(4)]]>式中，PSTC为标准状态PV系统的额定功率；GING、GSTC为实际和标况下
的辐射强度；k为最大功率温度系数；Tc和Tr分别为实际和参考温度。
4.根据权利要求1所述的一种计及新能源发电预测误差的改进随机潮流算
法，其特征在于，步骤S4中所述根据尾流效应建立风电场综合模型具体为：采
用适用于不同地理环境的尾流模型，综合运用Jensen模型及Lissaman模型，得
到大型风电场综合模型；通过该模型求得位于不同位置的风电机组的输出功
率，通过整个风电场中风机输出功率的叠加，得到整个风电场的功率输出。
5.根据权利要求4所述的一种计及新能源发电预测误差的改进随机潮流算
法，其特征在于，所述位于不同位置的风电机组的输出功率包括位于平坦地形
风电机组的出力和位于复杂地形风电机组的出力，所述位于平坦地形风电机组
的出力的计算方法如下：
其中X是两个风机之间的距离，R和Rw分别为叶轮半径和尾流
半径，v0、vT、vX分别对应自然风速、通过叶轮的风速和受尾流效应影响的风
速；通过动量理论计算得到如下表达式：
vX=v0[1-(1-(1-CT)1/2)(RR+kX)2]---(5)]]>式中：CT为风机的推力系数；k为尾流衰减系数。
6.根据权利要求5所述的一种计及新能源发电预测误差的改进随机潮流算
法，其特征在于，所...

【专利技术属性】
技术研发人员：卫鹏，刘建坤，周前，徐青山，黄煜，
申请(专利权)人：江苏省电力试验研究院有限公司，国网江苏省电力公司电力科学研究院，国家电网公司，东南大学，
类型：发明
国别省市：江苏;32