体育盘口

變壓器行情

基于切片采樣的風力發電并網系統概率潮流計算

蘭州理工大學電氣工程與信息工程學院、南京大學電子科學與工程學院的研究人員張曉英、王琨、張蠟寶,在2016年第23期《電工技術學報》上撰文指出,在基于馬爾科夫鏈蒙特卡洛(MCMC) 模擬法的概率潮流計算方法中,被廣泛應用的Gibbs 采樣算法需要進行大量復雜的迭代運算才能得到較的計算結果. 針對該算法的缺陷,提出基于切片采樣( slice sampling) 算法的MCMC方法,并應用于風力發電并網系統概率潮流計算中.首先,采用加權高斯混合分布(WGMD) 對風電場出力進行建模;然后,通過切片采樣算法對風電場出力的概率分布進行采樣,從而構建出風電場出力的樣本空間;后,對樣本空間中的每組采樣點進行潮流計算,并在含有風電模型的IEEE 39節點系統中與Gibbs采樣算法得到的結果進行比較.

結果表明http://gongxian.ndsfs.com/: 切片采樣算法能夠顯著提高傳統 MCMC方法的計算準確度; 同時,在與Gibbs算法采樣迭代次數相同的情況下,切片采樣算法所生成的馬爾科夫鏈可以更快、更穩定地收斂于平穩分布.

風力發電對環境的影響較小,同時發電成本不斷下降,因此成為新能源發電中發展快、更具有發展前景的一種發電方式.然而風能這種清潔能源具有顯著的隨機性、間歇性和不可調度性的缺點.隨著風電滲透率的提高,其對電力系統在安全性和穩定性方面的影響也越來越明顯.

為了全面分析風力發電并網對電力系統穩定性的影響,需要計算出系統潮流分布情況.而風能的不確定性決定了風電并網系統潮流分布的不確定性,因此概率統計法成為了分析此類系統的基本方法.

20 世紀70年代B. Borkowska提出概率潮流 ( Probabilistic Load Flow,PLF) 計算的概念,此后該計算方法在包括電壓穩定性分析、可靠性評估、網損分析等在內的電力系統分析領域得到廣泛的應用.

概率潮流算法的核心思想是: 將輸入隨機變量的概率統計特性引入潮流計算當中,從而求得電網潮流指標的概率統計特性,如期望、方差、概率密度函數 ( Probability Density Function,PDF) 、累計分布函數 ( Cumulative Distribution Function,CDF) 等.

由于概率潮流能夠更有效地模擬電力系統實際運行情況,因此經過多年研究,國內外學者提出了多種類型的概率潮流計算方法.其中,解析法通過簡化的卷積計算能夠達到很快的計算速度,但計算準確度不高,且各輸入變量之間相互獨立的假設與實際電力系統運行不相符.

點估計法通過運行兩倍隨機參數個數的潮流程序計算所得參數的各階矩,與解析法相比計算時間有所增加,雖然相應的計算準確度略有提高,但采樣值不具備普遍性,同樣無法滿足計算準確度要求.

蒙特卡洛模擬法( Monte CarloSimulation,MCS)在采樣規模足夠大的情況下,計算準確度較高,但其計算量過大、耗時過長.因此,這種方法大多作為驗證其他方法準確程度的標準.

針對 MCS方法的不足,一些學者將隨機過程中的馬爾科夫過程引入到蒙特卡洛模擬中,形成了馬爾科夫鏈蒙特卡洛(Markov Chain Monte Carlo,MCMC) 模擬法,其基本思想是: 通過重復抽樣,建立一個平穩分布與系統先驗概率分布相同的馬爾科夫鏈,從而得到系統的狀態樣本.

  

五龙捕鱼app下载 188体育官方网址 棋乐游官网 万博棋牌游戏 万博国际棋牌游戏