光伏不确定性对电力系统小信号稳定性影响的评估方法技术方案

本发明专利技术公开了一种光伏不确定性对电力系统小信号稳定性影响的评估方法，该方法的目的在于辨认对电力系统小信号稳定性影响最大的不确定因素；其实施步骤包括包含光伏的电力系统小信号建模，包括光伏的不确定性模型和光伏出力相关性的处理；然后基于全局灵敏度对电力系统中的不确定因素进行排序，利用一阶灵敏度指标和总灵敏度指标对光伏不确定性的影响进行评估；该方法可以准确对电力系统中的不确定性因素进行排序，从而提高不确定性分析的效率，并且适用于如电力市场、风电波动、预测误差和参数偏差导致的不确定性因素排序，能够为电力系统规划与运行控制中储能及备用的安装、光伏并网点及容量的选取、概率小信号稳定性分析提供基础。

Evaluation Method of the Impact of Photovoltaic Uncertainty on Small Signal Stability of Power System

The present invention discloses an evaluation method for the influence of photovoltaic uncertainty on small signal stability of power system. The purpose of the method is to identify the uncertain factors that have the greatest impact on small signal stability of power system. The implementation steps include small signal modeling of power system including photovoltaic, including the uncertainty model of photovoltaic and the processing of photovoltaic output correlation; and then based on the overall situation. Sensitivity ranks the uncertainties in power system and evaluates the influence of first-order sensitivity index and total sensitivity index on photovoltaic uncertainties. This method can rank the uncertainties in power system accurately, thus improving the efficiency of uncertainty analysis, and is applicable to such factors as power market, wind power fluctuation, prediction error and parameter deviation derivative. The ranking of uncertain factors can provide a basis for the installation of energy storage and standby, the selection of grid-connected photovoltaic point and capacity, and the analysis of small signal stability in power system planning and operation control.

【技术实现步骤摘要】
光伏不确定性对电力系统小信号稳定性影响的评估方法
本专利技术涉及电力系统中稳定性分析的
，特别是一种光伏不确定性对电力系统小信号稳定性影响的评估方法。
技术介绍
光伏发电作为可再生能源发电的主要形式，近年来在电力系统中的装机容量不断增大，在我国部分地区，光伏装机容量在本地区年度最大全口径负荷的占比已经超过50％，成为该地区发电主力，对区域电网有着重要影响，应当引起重视。光伏对电力系统小信号稳定性的影响主要体现在：1)光伏的零惯量特性将造成电力系统惯量减少，从而影响特征根的分布；2)光伏控制器将影响到系统阻尼；3)光伏发电改变了系统的潮流分布，影响到交流同步发电机的同步转矩从而影响系统阻尼。随着光伏装机容量的增加，电力系统中的不确定性也在增加，这种不确定性可能由电力市场、出力预测误差及光伏出力间歇性特性引起。光伏出力的不确定性将影响到潮流分布从而对电力系统小信号稳定性产生重要影响，而传统研究大多忽略这种不确定性，仅针对特定场景分析。在电力系统规划及鲁棒性分析中，考虑此类不确定性因素，并且找出影响最大的不确定因素是必要的。近年来，一些概率理论被应用于电力系统小信号稳定性分析，这些方法主要分为三类：基于数字模拟的蒙特卡罗方法、基于卷积和半不变量理论的解析方法以及基于统计理论的估计法。随着不确定性度的增加，考虑所有不确定性来计算概率小信号稳定性的计算量将非常大。实际上，并非所有不确定性都会对系统产生影响，忽略这些不重要的不确定性因素可以提高计算效率。因此，在进行系统规划和分析时，辨认最有影响力的不确定因素值得研究。在作者为葛景,都洪基,赵大伟的文献《光伏电站接入对多机电力系统低频振荡的影响分析》其通过特征值灵敏度分析,验证了光伏电站不同接入位置、接入容量对于区间低频振荡模式的影响，但是采用的是局部灵敏度，无法判断光伏出力不确定性的影响；在作者为HasanKN,PreeceR,MilanovicJV.的文献《PriorityRankingofCriticalUncertaintiesAffectingSmall-DisturbanceStabilityUsingSensitivityAnalysisTechniques》中对比了不同灵敏度分析方法在评估不确定因素对小信号稳定性的影响中的精确度和效率，但是没有考虑光伏出力相关性的影响。另外，灵敏度分析是评估不同参数影响重要性程度的有力工具，被广泛应用于电压稳定评估和控制器设计等，灵敏度分析方法可以分为全局灵敏度和局部灵敏度分析。其中局部灵敏度分析只检验单个参数的变化对模型结果的影响程度，而全局灵敏度可以辨认一系列不确定性因素中最有影响力的因素，本专利技术将全局灵敏度分析应用于光伏不确定性对电力系统小信号稳定性影响的重要性测度。
技术实现思路
有鉴于此，本专利技术提供一种光伏不确定性对电力系统小信号稳定性影响的评估方法，以解决现有技术中对电力系统小信号稳定性影响最大的不确定因素难以辨认等问题。为解决上述问题，本专利技术提供一种光伏不确定性对电力系统小信号稳定性影响的评估方法，包括以下步骤：S1：光伏建模，建立起包含阻尼控制器的光伏系统动态模型，将其线性可以得到光伏的小信号模型；S2：包含光伏的电力系统小信号建模，结合光伏小信号模型及交流电力系统小信号模型中，并消去发电机定子电流和负荷节点电压，即可构成含光伏电力系统的小信号模型；S3：光伏出力的不确定性建模，光伏出力在较广泛的时间尺度内近似服从Beta分布，用相关系数矩阵来描述变量间的相关性，并利用多项式正态变换处理非正态分布随机变量间的相关性，从而能够处理非正态分布随机变量间的相关性；S4：全局灵敏度分析，利用Sobol指标定量评估系统对不确定性的全局灵敏度。进一步的，光伏不确定性对电力系统小信号稳定性影响的评估方法，包括以下步骤：S1：光伏建模，建立起包含阻尼控制器的光伏系统动态模型，将其线性可以得到光伏的小信号模型，如(1)所示：该公式(1)中，△xPV代表光伏电站动态模型中的状态变量，△VPV，△Vg和△Vl分别代表光伏电站，发电机和负荷所连交流母线的电压，△uPV是光伏动态模型的输入，APV，BPV，CPV，DPV1，DPV2，DPV3和EPV分别是系数矩阵；S2：包含光伏的电力系统小信号建模，结合光伏小信号模型及交流电力系统小信号模型中，并消去发电机定子电流和负荷节点电压，即可构成含光伏电力系统的小信号模型；如(2)所示，其中KA，KB，KC，KD和KE分别是根据发电机和光伏系数矩阵计算得到的全局模型的系数矩阵；式中，△x＝[△xg；△xPV]，△V＝[△Vg；△VPV]，△u＝[△ug；△uPV]，△xg、△Vg和△ug分别为发电机中的状态变量、交流母线电压和输入，特征根λ由矩阵Asys计算，Asys如(3)所示；S3：光伏出力的不确定性建模，光伏出力在较广泛的时间尺度内近似服从Beta分布，其概率密度如(4)所示，式中：p和Pmax分别为光伏电池输出功率与最大输出功率，α和β为形状系数，Γ为Γ函数；用相关系数矩阵来描述变量间的相关性，并利用多项式正态变换处理非正态分布随机变量间的相关性，从而能够处理非正态分布随机变量间的相关性；如(5)所示，其中xp是需要拟合的随机变量，zp是标准正态分布，ai是多项式系数；采用最小二乘法计算ai，为保证不同光伏出力间的相关性，然后确定其对应标准正态分布间的相关系数ρz，在得到具有相关性的标准正态分布后，利用Cholesky分解即可得到独立的标准正态分布，将独立正态分布代入(5)即可得到具有相关性的光伏出力概率分布；S4：全局灵敏度分析，利用Sobol指标定量评估系统对不确定性的全局灵敏度，其中，Sobol指标分为FOSI和TESI，其计算方法如下：FOSI代表了每个输入变量对输出变量方差的主要贡献，其定义如(6)所示，其中E代表期望，V代表方差，Xi代表第i个输入，Y代表输出，Si越大说明Xi的不确定性对系统输出的影响越大；TESI计入了输入变量Xi对输出变量方差的总的贡献，能考虑不同输入之间的交互作用，其定义如(7)所示，其中X～i代表除X～i外的所有输入，STi越大说明Xi的不确定性对系统输出的影响越大，所述FOSI和所述TESI的求解方法，采用基于蒙特卡罗模拟进行求解，能够考虑具有任意概率分布的输入及具有相关性的输入，其步骤如下：生成一个N×k维的随机矩阵A，其中N为蒙特卡罗仿真的次数，k为不确定性输入的个数，该随机矩阵通过拉丁超立方抽样得到，能够计入任意概率分布或通过光伏电站历史数据模拟，并且能够考虑不同输入间的相关性；然后以和生成矩阵A同样的方法生成一个N×k的随机矩阵B，再生成一个N×k的随机矩阵Ci，Ci与B一致，但Ci的第i列来自于矩阵Ai的第i列；根据3个输入采样矩阵A，B和Ci，计算对应的输出yA，yB和yCi，这3个输出的维数都是N×1；根据3个输出矩阵，FOSI可以通过(8)进行估计；其中f0如(9)所示；类似的，TESI可以通过(10)进行估计；系统的输出选取为系统特征根λ阻尼比中的最小值，即系统关键特征值的阻尼比，如(11)所示；y＝min(-real(λ)/abs(λ))(11)。本专利技术采用蒙特卡罗仿真方法来根据不确定性的分布生成大量场本文档来自技高网...

【技术保护点】
1.光伏不确定性对电力系统小信号稳定性影响的评估方法，其特征在于，包括以下步骤：S1：光伏建模，建立起包含阻尼控制器的光伏系统动态模型，将其线性能够得到光伏的小信号模型；S2：包含光伏的电力系统小信号建模，结合光伏小信号模型及交流电力系统小信号模型中，并消去发电机定子电流和负荷节点电压，即可构成含光伏电力系统的小信号模型；S3：光伏出力的不确定性建模，光伏出力在较广泛的时间尺度内近似服从Beta分布，用相关系数矩阵来描述变量间的相关性，并利用多项式正态变换处理非正态分布随机变量间的相关性，从而能够处理非正态分布随机变量间的相关性；S4：全局灵敏度分析，利用Sobol指标定量评估系统对不确定性的全局灵敏度。

【技术特征摘要】
1.光伏不确定性对电力系统小信号稳定性影响的评估方法，其特征在于，包括以下步骤：S1：光伏建模，建立起包含阻尼控制器的光伏系统动态模型，将其线性能够得到光伏的小信号模型；S2：包含光伏的电力系统小信号建模，结合光伏小信号模型及交流电力系统小信号模型中，并消去发电机定子电流和负荷节点电压，即可构成含光伏电力系统的小信号模型；S3：光伏出力的不确定性建模，光伏出力在较广泛的时间尺度内近似服从Beta分布，用相关系数矩阵来描述变量间的相关性，并利用多项式正态变换处理非正态分布随机变量间的相关性，从而能够处理非正态分布随机变量间的相关性；S4：全局灵敏度分析，利用Sobol指标定量评估系统对不确定性的全局灵敏度。2.如权利要求1所述的光伏不确定性对电力系统小信号稳定性影响的评估方法，其特征在于：S1：光伏建模，建立起包含阻尼控制器的光伏系统动态模型，将其线性能够得到光伏的小信号模型，如(1)所示：该公式(1)中，△xPV代表光伏电站动态模型中的状态变量，△VPV，△Vg和△Vl分别代表光伏电站，发电机和负荷所连交流母线的电压，△uPV是光伏动态模型的输入，APV，BPV，CPV，DPV1，DPV2，DPV3和EPV分别是系数矩阵；S2：包含光伏的电力系统小信号建模，结合光伏小信号模型及交流电力系统小信号模型中，并消去发电机定子电流和负荷节点电压，即可构成含光伏电力系统的小信号模型；如(2)所示，其中KA，KB，KC，KD和KE分别是根据发电机和光伏系数矩阵计算得到的全局模型的系数矩阵；式中，△x＝[△xg；△xPV]，△V＝[△Vg；△VPV]，△u＝[△ug；△uPV]，△xg、△Vg和△ug分别为发电机中的状态变量、交流母线电压和输入，特征根λ由矩阵Asys计算，Asys如(3)所示；S3：光伏出力的不确定性建模，光伏出力在较广泛的时间尺度内近似服从Beta分布，其概率密度如(4)所示，式中：p和Pmax分别为光伏电池输出功率与最大输出功率，α和β为形状系数，Γ为Γ函数；用相关系数矩阵来描述变量间的相关性，并利用多项式正态变换处理非正态分布随机变量间的相...

【专利技术属性】
技术研发人员：田春筝，刘万勋，邵红博，蒋小亮，司瑞华，于琳琳，张丽华，贾鹏，李甜甜，秦亮，刘开培，
申请(专利权)人：国网河南省电力公司经济技术研究院，武汉大学，国家电网有限公司，
类型：发明
国别省市：河南,41