完美彩票

变压器行情

基于切片采样的风力发电并网系统概率潮流计算

兰州理工大学电气工程与信息工程学院、南京大学电子科学与工程学院的研究人员张晓英、王琨、张蜡宝,在2016年第23期《电工技术学报》上撰文指出,在基于马尔科夫链蒙特卡洛(MCMC) 模拟法的概率潮流计算方法中,被广泛应用的Gibbs 采样算法需要进行大量复杂的迭代运算才能得到较的计算结果. 针对该算法的缺陷,提出基于切片采样( slice sampling) 算法的MCMC方法,并应用于风力发电并网系统概率潮流计算中.首先,采用加权高斯混合分布(WGMD) 对风电场出力进行建模;然后,通过切片采样算法对风电场出力的概率分布进行采样,从而构建出风电场出力的样本空间;最后,对样本空间中的每组采样点进行潮流计算,并在含有风电模型的IEEE 39节点系统中与Gibbs采样算法得到的结果进行比较.

结果表明http://gongxian.ndsfs.com/: 切片采样算法能够显着提高传统 MCMC方法的计算准确度; 同时,在与Gibbs算法采样迭代次数相同的情况下,切片采样算法所生成的马尔科夫链可以更快、更稳定地收敛于平稳分布.

风力发电对环境的影响较小,同时发电成本不断下降,因此成为新能源发电中发展最快、更具有发展前景的一种发电方式.然而风能这种清洁能源具有显着的随机性、间歇性和不可调度性的缺点.随着风电渗透率的提高,其对电力系统在安全性和稳定性方面的影响也越来越明显.

为了全面分析风力发电并网对电力系统稳定性的影响,需要计算出系统潮流分布情况.而风能的不确定性决定了风电并网系统潮流分布的不确定性,因此概率统计法成为了分析此类系统的基本方法.

20 世纪70年代B. Borkowska提出概率潮流 ( Probabilistic Load Flow,PLF) 计算的概念,此后该计算方法在包括电压稳定性分析、可靠性评估、网损分析等在内的电力系统分析领域得到广泛的应用.

概率潮流算法的核心思想是: 将输入随机变量的概率统计特性引入潮流计算当中,从而求得电网潮流指标的概率统计特性,如期望、方差、概率密度函数 ( Probability Density Function,PDF) 、累计分布函数 ( Cumulative Distribution Function,CDF) 等.

由于概率潮流能够更有效地模拟电力系统实际运行情况,因此经过多年研究,国内外学者提出了多种类型的概率潮流计算方法.其中,解析法通过简化的卷积计算能够达到很快的计算速度,但计算准确度不高,且各输入变量之间相互独立的假设与实际电力系统运行不相符.

点估计法通过运行两倍随机参数个数的潮流程序计算所得参数的各阶矩,与解析法相比计算时间有所增加,虽然相应的计算准确度略有提高,但采样值不具备普遍性,同样无法满足计算准确度要求.

蒙特卡洛模拟法( Monte CarloSimulation,MCS)在采样规模足够大的情况下,计算准确度较高,但其计算量过大、耗时过长.因此,这种方法大多作为验证其他方法准确程度的标准.

针对 MCS方法的不足,一些学者将随机过程中的马尔科夫过程引入到蒙特卡洛模拟中,形成了马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC) 模拟法,其基本思想是: 通过重复抽样,建立一个平稳分布与系统先验概率分布相同的马尔科夫链,从而得到系统的状态样本.

  

同城彩票注册 广西快乐十分 香港开奖结果2019+开奖记录表 吉林快3计划 吉林快3开奖 kk彩票开户 福建11选5开奖 同城彩票计划 新火彩票注册 上海快3开奖