基于高斯混合模型和交叉熵的大電網(wǎng)可靠性評估研究.pdf

1、電力系統(tǒng)可靠性是指電力系統(tǒng)按照可接受的質(zhì)量標準和所需數(shù)量不間斷地向電力用戶提供電力電量的能力的一種度量。電力系統(tǒng)可靠性評估可以為電力系統(tǒng)規(guī)劃和運行提供重要參考信息，因而成為電力系統(tǒng)規(guī)劃和運行的重要輔助工具。如何更為精確且高效地對電力系統(tǒng)進行可靠性評估也是一個有待深入研究的課題。
　　電力系統(tǒng)在實際運行中存在大量的不確定性因素，如：電力設(shè)備的隨機故障、負荷需求以及可再生能源等的隨機波動等。電力系統(tǒng)可靠性評估正是通過對這些不確定性因素

2、對電網(wǎng)運行性能影響的概率量化診斷，深度揭示系統(tǒng)的風險水平并實現(xiàn)風險的溯源辨識，因此不確定性因素的建模準確性成為可靠性評估的基礎(chǔ)和應(yīng)用前提。另一方面，由于大電網(wǎng)系統(tǒng)規(guī)模大、隨機性強、建模困難，是一個多約束、非線性、高維復(fù)雜系統(tǒng)，計算復(fù)雜度也高，因此如何提高大電網(wǎng)可靠性評估的計算效率而不失精度成為一個亟待解決的問題。本文主要針對電力系統(tǒng)可靠性評估中上述兩個重要問題進行了深入研究。
　　在電力系統(tǒng)可靠性評估輸入變量的概率建模方面，鑒于現(xiàn)

3、有概率模型的不足，本文提出采用高斯混合模型(GaussianMixtureModel,GMM)對多維隨機變量進行聯(lián)合概率建模，該模型形式簡潔，易于計及任意分布形式的連續(xù)型隨機變量，可以同時滿足多維隨機變量邊緣分布的精確擬合和相關(guān)性的精確建模。對于該模型的求解，本文采用基于自主分裂合并的最大期望值(FreeSplitandMergeExpectationMaximum,FSMEM)算法進行模型參數(shù)估計，不僅能夠自適應(yīng)確定高斯分量的最優(yōu)個數(shù)

4、，并且能夠很好地克服傳統(tǒng)最大期望值(ExpectationMaximum,EM)算法容易陷入局部最優(yōu)的不足。此外，提出一種兩階段復(fù)合抽樣方法能夠高效生成GMM隨機樣本。以RBTS和IEEE-RTS79兩個可靠性測試系統(tǒng)為例，考慮了節(jié)點負荷和風速隨機波動及其相關(guān)性進行可靠性評估，證明GMM用于可靠性評估的有效性和高效性。
　　在大電網(wǎng)可靠性評估方法方面，由于蒙特卡羅模擬法對于失效事件的稀疏性極為敏感，重要抽樣通過改變輸入隨機變量的概

5、率密度分布，從而以較大的概率抽到失效狀態(tài)樣本，以提高蒙特卡羅模擬法的效率。基于交叉熵的蒙特卡羅模擬法(CrossEntropybasedMonteCarloSimulation,CE-MCS)是一種有效的重要抽樣方法，可以有效提高計算效率，但目前的研究僅限于電力設(shè)備的運行狀態(tài)為二項分布，而可靠性評估的輸入變量通常會遇到多狀態(tài)離散型變量甚至連續(xù)型變量。本文提出一種可以計及多種分布變量的CE-MCS法，可以同時計及含有離散型變量和連續(xù)型變量