[發(fā)明專(zhuān)利]一種基于電力系統(tǒng)的概率潮流確定方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201811543658.1
• 申請(qǐng)日: 2018-12-17
• 公開(kāi)（公告）號(hào): CN109376494B
• 公開(kāi)（公告）日: 2020-11-17
• 發(fā)明（設(shè)計(jì)）人: 王彤;相禹維;宓登凱;王增平
• 申請(qǐng)（專(zhuān)利權(quán)）人: 華北電力大學(xué)
• 主分類(lèi)號(hào): G06F30/27
• 分類(lèi)號(hào): G06F30/27;G06N3/12;G06Q10/06;G06Q50/06
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 程華

本發(fā)明公開(kāi)一種基于電力系統(tǒng)的概率潮流確定方法及系統(tǒng)。該方法包括：獲取多個(gè)風(fēng)力發(fā)電機(jī)的功率數(shù)據(jù)；根據(jù)所有風(fēng)力發(fā)電機(jī)的功率數(shù)據(jù)構(gòu)建電力系統(tǒng)的輸入變量的高斯混合模型；采用遺傳算法求解高斯混合模型中的參數(shù)；參數(shù)包括每個(gè)高斯子成分的權(quán)重系數(shù)、每個(gè)高斯子成分的均值和每個(gè)高斯子成分的方差；根據(jù)參數(shù)確定輸入變量的高斯混合模型；獲取潮流方程的線性方程模型；根據(jù)輸入變量的高斯混合模型和潮流方程的線性方程模型，獲得電力系統(tǒng)的輸出變量的聯(lián)合概率密度函數(shù)，以確定電力系統(tǒng)的概率潮流。本發(fā)明可以極大地減小擬合誤差，對(duì)風(fēng)機(jī)出力擬合效果好，從而提高概率潮流的分析精度，對(duì)線路的穩(wěn)定性分析更準(zhǔn)確，且整個(gè)過(guò)程簡(jiǎn)單，計(jì)算速度快。

技術(shù)領(lǐng)域

本發(fā)明涉及電力系統(tǒng)領(lǐng)域，特別是涉及一種基于電力系統(tǒng)的概率潮流確定方法及系統(tǒng)。

背景技術(shù)

目前已有大規(guī)模的以風(fēng)、光為代表的新能源接入電網(wǎng)，如何描述這些新能源的功率波動(dòng)特性是近年來(lái)的難點(diǎn)。

很多學(xué)者將風(fēng)功率波動(dòng)特性利用韋布爾(Weibull)分布擬合，將光伏功率波動(dòng)特性利用貝塔(Beta)分布擬合，由于新能源功率波動(dòng)大，隨機(jī)性強(qiáng)，這些單一的分布模型無(wú)法很好的擬合這些波動(dòng)特性，且這些單一模型的擬合精度并不是很高，因此考慮利用多分布模型擬合。

高斯混合模型(GMM)即為一種多分布模型，可以很好的擬合這些波動(dòng)特性，然而傳統(tǒng)的GMM是利用最大期望算法建模的，這種算法收斂性差，使得模型精度低。對(duì)風(fēng)功率波動(dòng)特性的擬合結(jié)果可用于解析概率潮流分析中，進(jìn)而對(duì)電力系統(tǒng)的穩(wěn)定性進(jìn)行分析。傳統(tǒng)的方法解決概率潮流問(wèn)題時(shí)精度低、適應(yīng)性差，而引入遺傳算法求解GMM的參數(shù)可以很好的避免此類(lèi)問(wèn)題，提高模型的精度，且計(jì)算精度高，速度快，非常適合大型電力系統(tǒng)的概率潮流計(jì)算

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于電力系統(tǒng)的概率潮流確定方法及系統(tǒng)，以提高概率潮流的計(jì)算精度和計(jì)算效率。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種基于電力系統(tǒng)的概率潮流確定方法，包括：

獲取多個(gè)風(fēng)力發(fā)電機(jī)的功率數(shù)據(jù)；

根據(jù)所有風(fēng)力發(fā)電機(jī)的功率數(shù)據(jù)構(gòu)建電力系統(tǒng)的輸入變量的高斯混合模型；所述輸入變量的高斯混合模型為多個(gè)高斯子成分的高斯混合模型；

采用遺傳算法求解所述輸入變量的高斯混合模型中的參數(shù)；所述參數(shù)包括每個(gè)高斯子成分的權(quán)重系數(shù)、每個(gè)高斯子成分的均值和每個(gè)高斯子成分的方差；

根據(jù)所述參數(shù)確定所述輸入變量的高斯混合模型；

獲取潮流方程的線性方程模型；

根據(jù)所述輸入變量的高斯混合模型和所述潮流方程的線性方程模型，獲得所述電力系統(tǒng)的輸出變量的聯(lián)合概率密度函數(shù)，以確定電力系統(tǒng)的概率潮流。

可選的，構(gòu)建的所述輸入變量的高斯混合模型為其中，a_i為第i個(gè)高斯子成分的權(quán)重系數(shù)，μ_i為第i個(gè)高斯子成分的均值，Σ_i為第i個(gè)高斯子成分的方差，n為高斯子成分的個(gè)數(shù)，x為所有風(fēng)力發(fā)電機(jī)的功率數(shù)據(jù)，即所述電力系統(tǒng)的輸入變量，M為風(fēng)力發(fā)電機(jī)的個(gè)數(shù)。

可選的，所述采用遺傳算法求解所述輸入變量的高斯混合模型中的參數(shù)，具體包括：

構(gòu)建所述輸入變量的高斯混合模型的似然函數(shù)；

獲取所述參數(shù)的初始種群和最大迭代次數(shù)，所述初始種群中的個(gè)體為所述參數(shù)的賦值；

對(duì)于每次迭代，根據(jù)所述似然函數(shù)確定當(dāng)前迭代中每個(gè)個(gè)體的適應(yīng)度；

對(duì)所有個(gè)體的適應(yīng)度排序；

判斷當(dāng)前迭代次數(shù)是否到達(dá)最大迭代次數(shù)，得到第一判斷結(jié)果；