版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、電力系統(tǒng)數(shù)字仿真是電力系統(tǒng)設計、規(guī)劃、運行的主要工具,仿真結果的準確性對電力系統(tǒng)的安全、可靠、經(jīng)濟運行具有重要的影響。作為數(shù)字仿真的基礎,負荷模型的精確與否直接影響仿真結果的準確性。然而,由于負荷自身的復雜性、分散性和隨機性,負荷建模研究一直以來都是電力學界的難題。隨著資源日益匱乏、環(huán)境問題日益突出,清潔能源發(fā)電被認為是解決能源和環(huán)境問題的有效手段,在這種背景下,風電裝機容量發(fā)展迅速。在配電網(wǎng)中,由傳統(tǒng)負荷和中小容量發(fā)電機組成的負荷形式
2、稱為廣義負荷。風電接入配電網(wǎng)負荷節(jié)點改變了負荷單純消耗功率的情形,使得負荷節(jié)點向電網(wǎng)倒送功率成為可能。連接到多個配電網(wǎng)負荷節(jié)點且地理位置鄰近的風電場處于同一風帶,其風速具有較強的相關性,進而導致風電場出力具有相關性,因此對于地理位置鄰近并有聯(lián)絡線相接的多個廣義負荷節(jié)點來說,其節(jié)點建模需要考慮風電場出力相關性和電氣連接相關性的影響。風電出力具有隨機波動性、間歇性,而負荷本身具有時變性,這兩者的相互作用加劇廣義負荷節(jié)點的時變性,對此,節(jié)點建
3、模需要計及時變性的影響。風電在地域上廣泛接入電網(wǎng),對電網(wǎng)安全運行產(chǎn)生影響,需要用具體的風險評估指標量化分析,若其中未考慮廣義負荷相關性及時變性的影響,則在風險分析時計及的信息不全面而導致得到的分析結果或偏“樂觀”或偏“主觀”,不確切的評估結果容易對認知電力系統(tǒng)運行風險產(chǎn)生偏差,這些因素勢必給廣義負荷節(jié)點建模分析帶來了新的挑戰(zhàn)。
大規(guī)模風電并網(wǎng)帶來廣義負荷節(jié)點功率以及流向不確定性問題,使節(jié)點的源、荷特性不再清晰,對廣義負荷建模提
4、出新的要求。如何全面考慮隨機變量所具有的波動性以及在地域的相關性特點,準確進行建模,成為亟待解決的問題。針對廣義負荷的不確定性以及相關性,以及由此帶來的安全風險評估問題,本文從長時間尺度下的靜態(tài)廣義負荷建模入手,對此進行研究如下:
(1)本文提出了基于徑向基(RBF)神經(jīng)網(wǎng)絡區(qū)間模型的廣義負荷穩(wěn)態(tài)模型結構。由于以往考慮長時間尺度的廣義負荷模型采用BP神經(jīng)網(wǎng)絡作為區(qū)間模型,存在局部最小值、結構參數(shù)多以及模型結構不易確定的固有缺點
5、,為提高區(qū)間模型的普遍適用性以及魯棒性,本文提出了徑向基神經(jīng)網(wǎng)絡區(qū)間模型?;趶较蚧窠?jīng)網(wǎng)絡僅有輸出層權值連接結構簡單以及良好的全局逼近能力的優(yōu)勢,利用徑向基神經(jīng)網(wǎng)絡學習并提取各分段區(qū)間節(jié)點特征,構建節(jié)點特性統(tǒng)一模型。仿真結果表明,本文所提出的模型結構可以精確建模,模型參數(shù)少、擬合效果好、結構穩(wěn)定,基于RBF神經(jīng)網(wǎng)絡的區(qū)間模型具有普遍適用性。本文提出的廣義負荷統(tǒng)一穩(wěn)態(tài)模型結構,可對不確定性問題按概率分場景分析,推進了廣義負荷建模的模型結
6、構發(fā)展。
(2)本文提出了一種帶有概率標識的計及節(jié)點空間地域相關性的廣義負荷聯(lián)合概率建模方法。該方法考慮了相關性因素,解決了在描述節(jié)點特性時因未考慮相鄰節(jié)點的波動對本節(jié)點功率流動產(chǎn)生的影響而導致模型不準確的問題。該聯(lián)合概率模型構建方法為:首先,將廣義負荷節(jié)點母線據(jù)其各自的功率流向,分為電源特性與負荷特性;其次,對各節(jié)點特性以有功功率為參考量進行區(qū)間分段,統(tǒng)計各分段區(qū)間的概率信息;針對多個廣義負荷節(jié)點地域的相關性,利用空間相關性
7、方法計算相鄰節(jié)點功率區(qū)間的相關特征參數(shù)并和相鄰節(jié)點的電壓一起納入本節(jié)點的區(qū)間特性建模,采用RBF神經(jīng)網(wǎng)絡學習訓練并提取區(qū)間的節(jié)點特征表達。仿真結果表明,考慮相關性的廣義負荷聯(lián)合概率建模充分計及了相鄰廣義節(jié)點不確定性的影響,與不考慮相關性建模對比,擬合效果更好,所包含的建模信息更為全面。
(3)本文提出了一種廣義負荷穩(wěn)態(tài)特性的分類特征構造方法,該方法能夠有效甄別廣義負荷節(jié)點日時段樣本的電源特性與負荷特性,對廣義負荷穩(wěn)態(tài)時變性分類
8、具有普遍適用性。本章提出的構造分類特征的方法為:首先,對廣義負荷節(jié)點根母線功率數(shù)據(jù)進行特征分析,利用動力學的波動強度理論選取功率波動序列的最小時間長度。然后,以時段內(nèi)各最小時間長度的樣本波動強度序列以及時段內(nèi)樣本數(shù)據(jù)數(shù)據(jù)統(tǒng)計特征為指標構造日時段特征向量。該特征向量不僅能表征廣義負荷幅值大小的變化,還可以體現(xiàn)流向的變化。依據(jù)特征向量,所采用的仿射傳播聚類算法能夠自適應調(diào)整建模數(shù)據(jù)的聚類數(shù)目和聚類中心。仿真表明,本文基于波動強度概念構造的分
9、類特征對節(jié)點日時段樣本電源特性與負荷特性區(qū)分明晰,對廣義負荷分類具有普遍適用性,聚類效果優(yōu)勢明顯。通過引入概率信息的廣義負荷建模方法對各聚類類別樣本建模并檢驗聚類方法的有效性。
(4)本文提出了一種將廣義負荷模型應用于系統(tǒng)靜態(tài)風險評估的方法。首先,將考慮相關性的廣義負荷聯(lián)合概率模型運用于實際仿真算例進行潮流計算;然后,依據(jù)風險分析的概念提出具體量化指標進行風險評估。仿真結果表明,基于廣義負荷概率模型的風險分析可遍歷整個細化系統(tǒng)
10、空間,給出了區(qū)間場景集的風險度,指出了高風險場景集。通過與不考慮相關性的風險分析結果對比,結果表明在電源特性區(qū)間時,考慮相關性的節(jié)點電壓風險結果比獨立節(jié)點建模風險分析結果小;在負荷特性區(qū)間,考慮相關性的節(jié)點電壓風險結果比獨立節(jié)點建模風險分析結果大;在電源特性和負荷特性交界處區(qū)間,則兩者相當。因此,計及相關性鄰近節(jié)點的影響有助于全面把握系統(tǒng)運行風險狀態(tài),否則易引起認知偏差,從而可能帶來經(jīng)濟、安全隱患。針對廣義負荷時變性的聚類與綜合問題,將
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 考慮風電并網(wǎng)的短期負荷預測方法研究.pdf
- 考慮風電并網(wǎng)的超短期負荷預測.pdf
- 計及風電并網(wǎng)的地區(qū)電網(wǎng)電壓水平分析.pdf
- 計及風電的無功定價研究.pdf
- 計及風電不確定性的微網(wǎng)負荷頻率控制研究.pdf
- 風電并網(wǎng)論文
- 負荷特性及風電并網(wǎng)對電力系統(tǒng)電壓穩(wěn)定的影響分析.pdf
- 風電并網(wǎng)的電壓支撐規(guī)律研究.pdf
- 風電并網(wǎng)的外部性影響研究.pdf
- 非并網(wǎng)風電監(jiān)控技術的研究.pdf
- 風電并網(wǎng)靜態(tài)電壓穩(wěn)定分析及風電接入能力計算.pdf
- 基于風電并網(wǎng)的短期負荷EEMD與神經(jīng)網(wǎng)絡預測方法.pdf
- 計及負荷需求響應的分布式電源并網(wǎng)規(guī)劃.pdf
- 計及風速時空相關性的風電并網(wǎng)系統(tǒng)可用輸電能力計算.pdf
- 風電并網(wǎng)的最小抵制路徑研究.pdf
- 計及風電的配電網(wǎng)規(guī)劃研究.pdf
- 風電并網(wǎng)運行的綜合分析.pdf
- 計及風電的地區(qū)電網(wǎng)無功優(yōu)化研究.
- 風電并網(wǎng)輸出功率的調(diào)節(jié)及控制.pdf
- 論述風電并網(wǎng)系統(tǒng)的運行
評論
0/150
提交評論