[发明专利]一种基于电力系统的概率潮流确定方法及系统

说明书

本发明公开一种基于电力系统的概率潮流确定方法及系统。该方法包括：获取多个风力发电机的功率数据；根据所有风力发电机的功率数据构建电力系统的输入变量的高斯混合模型；采用遗传算法求解高斯混合模型中的参数；参数包括每个高斯子成分的权重系数、每个高斯子成分的均值和每个高斯子成分的方差；根据参数确定输入变量的高斯混合模型；获取潮流方程的线性方程模型；根据输入变量的高斯混合模型和潮流方程的线性方程模型，获得电力系统的输出变量的联合概率密度函数，以确定电力系统的概率潮流。本发明可以极大地减小拟合误差，对风机出力拟合效果好，从而提高概率潮流的分析精度，对线路的稳定性分析更准确，且整个过程简单，计算速度快。

技术领域

本发明涉及电力系统领域，特别是涉及一种基于电力系统的概率潮流确定方法及系统。

背景技术

目前已有大规模的以风、光为代表的新能源接入电网，如何描述这些新能源的功率波动特性是近年来的难点。

很多学者将风功率波动特性利用韦布尔(Weibull)分布拟合，将光伏功率波动特性利用贝塔(Beta)分布拟合，由于新能源功率波动大，随机性强，这些单一的分布模型无法很好的拟合这些波动特性，且这些单一模型的拟合精度并不是很高，因此考虑利用多分布模型拟合。

高斯混合模型(GMM)即为一种多分布模型，可以很好的拟合这些波动特性，然而传统的GMM是利用最大期望算法建模的，这种算法收敛性差，使得模型精度低。对风功率波动特性的拟合结果可用于解析概率潮流分析中，进而对电力系统的稳定性进行分析。传统的方法解决概率潮流问题时精度低、适应性差，而引入遗传算法求解GMM的参数可以很好的避免此类问题，提高模型的精度，且计算精度高，速度快，非常适合大型电力系统的概率潮流计算

发明内容

本发明的目的是提供一种基于电力系统的概率潮流确定方法及系统，以提高概率潮流的计算精度和计算效率。

为实现上述目的，本发明提供了如下方案：

一种基于电力系统的概率潮流确定方法，包括：

获取多个风力发电机的功率数据；

根据所有风力发电机的功率数据构建电力系统的输入变量的高斯混合模型；所述输入变量的高斯混合模型为多个高斯子成分的高斯混合模型；

采用遗传算法求解所述输入变量的高斯混合模型中的参数；所述参数包括每个高斯子成分的权重系数、每个高斯子成分的均值和每个高斯子成分的方差；

根据所述参数确定所述输入变量的高斯混合模型；

获取潮流方程的线性方程模型；

根据所述输入变量的高斯混合模型和所述潮流方程的线性方程模型，获得所述电力系统的输出变量的联合概率密度函数，以确定电力系统的概率潮流。

可选的，构建的所述输入变量的高斯混合模型为其中，a_i为第i个高斯子成分的权重系数，μ_i为第i个高斯子成分的均值，Σ_i为第i个高斯子成分的方差，n为高斯子成分的个数，x为所有风力发电机的功率数据，即所述电力系统的输入变量，M为风力发电机的个数。

可选的，所述采用遗传算法求解所述输入变量的高斯混合模型中的参数，具体包括：

构建所述输入变量的高斯混合模型的似然函数；

获取所述参数的初始种群和最大迭代次数，所述初始种群中的个体为所述参数的赋值；

对于每次迭代，根据所述似然函数确定当前迭代中每个个体的适应度；

对所有个体的适应度排序；

判断当前迭代次数是否到达最大迭代次数，得到第一判断结果；