计及分布式电源不确定性的配电网概率潮流计算.pdf

在本文中，作者贾向恩、宁永龙和顾勇探讨了如何在配电网中建立计及分布式电源不确定性的潮流计算概率模型，并提出了一种结合小波神经网络和改进无迹变换法的计算方法。该方法首先使用改进无迹变换法计算Sigma向量和对应的权重值，然后利用小波神经网络模型求解潮流问题。通过对含分布式电源的IEEE-25节点配电网测试系统的概率潮流计算结果进行分析，验证了该方法的有效性和优势。 分布式电源通常指的是安装在用户端或靠近用户端的小型发电设施，如太阳能光伏、风能、小型水电、生物质能发电等。这些电源的接入改变了传统电网的结构和运行模式，特别是在配电网中接入了大量的分布式电源后，配电网的运行变得更加复杂，不确定因素也显著增加。这是因为分布式电源的输出很大程度上受环境条件的影响，如太阳能发电会受到天气变化和昼夜更替的影响，风力发电则受到风速变化的影响。因此，如何准确评估这些不确定因素对配电网运行的影响，成为了电力系统研究的一个重要课题。 为了处理这一问题，概率潮流计算被引入。概率潮流计算是通过概率统计方法来估计电网各节点电压、支路功率等参数的随机特性，并以此来分析电网的运行状态。其计算方法可以分为模拟法、解析法和估计法。模拟法以蒙特卡罗法为代表，通过大量随机抽样来模拟电网的运行状态，能够较好地逼近真实情况，但计算量大且效率低。解析法则试图通过数学解析的方法来直接计算出系统量的概率分布，但该方法的适用性受限于系统的复杂度。估计法则是一种结合了前两种方法优点的简化方法，能够快速得到相对准确的计算结果。 小波神经网络和无迹变换法是当前在处理不确定性和非线性问题上比较先进的技术。无迹变换法是一种滤波技术，它能够较精确地传递非线性系统中均值和协方差信息，而小波神经网络则是一种基于小波变换和神经网络理论构建的新型神经网络模型，它在处理时间序列数据、非线性特征提取等方面具有较好的性能。 文章提到，通过将小波神经网络与改进后的无迹变换法相结合，可以有效地提高计算概率潮流的精度和效率。改进的无迹变换法可以更准确地计算出Sigma点和权重，而小波神经网络则能够在非线性系统建模和分析中发挥优势，从而对潮流问题进行有效求解。 此外，文章还介绍了分布式光伏发电系统。这种系统将太阳能通过太阳能电池板转换为电能，是目前分布式电源研究的重点之一。光伏发电系统的功率输出具有随机性和间歇性，因此在进行概率潮流计算时需要特别考虑这一点。 从文章的研究可以看出，计及分布式电源不确定性的配电网概率潮流计算是未来智能电网发展的一个重要方向。通过研究和开发更精确有效的计算模型和方法，可以为电网的安全稳定运行提供有力的技术支持。同时，这些研究也为分布式电源的优化配置和高效利用提供了科学依据，对促进可再生能源的广泛应用和电力系统的可持续发展具有重要的意义。