[发明专利]一种高精度的交直流混联电网潮流算法

说明书

本发明公开了一种高精度的交直流混联电网潮流算法，根据最大熵方法的原理，以K‑L距离最小化作为目标函数，采用分数阶矩作为约束条件，求解各个变量的概率密度函数。最后结合该模型，基于拉丁超立方抽样算法对AC/VSC‑MTDC混联电网进行概率潮流计算。本发明采用一种基于最大熵模型和分数阶矩去拟合实际电网中风速和光照强度概率密度分布的方法，并将其用于AC/VSC‑MTDC混联电网的概率潮流计算；低阶分数统计矩可以包含大量整数阶矩的信息，从而避免求解高阶整数统计矩过程中的变异问题。分数阶矩最大熵方法可以显著提高AC/VSC‑MTDC混联电网的概率潮流计算的准确性。

技术领域

本发明涉及电力系统技术领域，特别涉及一种高精度的交直流混联电网潮流算法。

背景技术

随着社会的进步与技术的发展，将有越来越多风电和光伏等新能源基地通过基于电压源换流器的多端直流系统(VSC-MTDC)并入交流大电网。受风速和光照强度的影响，风电和光伏出力具有很强的随机性、间歇性和波动性。为了深入揭示具有强烈不确定性的新能源出力对未来电网运行的影响，对交直流混联电网进行概率潮流计算极具现实意义。而确定准确的电力系统随机变量(如风速、光照强度)概率密度函数是进行概率潮流计算的关键和基础。

当前，在进行概率潮流分析时，常常依靠人工经验假设风速服从威布尔分布、光照强度服从Beta分布，然后在上述概率分布上抽样，输入确定性的交直流混联电网潮流模型进行概率潮流分析。然而，实际电网中风速和光照强度并不一定服从常见概率分布。基于常见概率分布进行概率建模，将导致概率潮流计算的精度存疑。

目前常用基于整数阶矩最大熵模型拟合输入概率分布。然而，其精度受到高阶统计矩的影响巨大。在求解随机变量的整数阶矩的过程中，随着整数阶矩阶数的增加，高阶统计矩的变异性非常大，难以精确获得。尤其对于新建的风电场或者光伏电站，若获取的风速及光照强度历史不足，将导致高阶统计矩的计算精度不足，致使拟合的概率分布精度下降。无疑，这将进一步影响交直流混联电网概率潮流计算的精度。

发明内容

针对现有技术存在的问题，本发明的目的在于提供一种高精度的交直流混联电网潮流算法。

由于风速和光照强度的历史数据较少，难以根据少量的样本数据准确描述其具有复杂不确定性源的概率密度函数。针对这一特性，本发明根据最大熵方法的原理，以K-L距离最小化作为目标函数，采用分数阶矩作为约束条件，求解各个变量的概率密度函数。最后结合该模型，基于拉丁超立方抽样算法对AC/VSC-MTDC混联电网进行概率潮流计算。包括以下步骤：

一种高精度的交直流混联电网潮流算法，包括以下步骤：

步骤S1：收集电力系统中随机变量的历史数据集X＝(x₁,x₂,…,x_n)，随机变量的个数为n，样本总数为N；

步骤S2：基于分数阶矩的定义，依次获得步骤S1中各个随机变量的分数阶矩表达式；

步骤S3：基于最大熵方法，建立各个随机变量的K-L距离函数模型；

步骤S4：将步骤S2中获得的分数阶矩表达式作为约束条件，采用步骤S3中K-L距离最小化作为优化目标，求取各个随机变量的概率密度函数f_i(x_i)；

步骤S5：根据步骤S4中求取的概率密度函数f_i(x_i)，采用拉丁超立方采样法生成电力系统中随机变量样本集

步骤S6：收集电力系统交流和直流电网的系统参数，形成交直流混联电网确定性潮流计算模块；

步骤S7：将步骤S5获取的随机变量样本集逐组输入步骤S6建立的确定性交直流混联电网确定性潮流计算模块中进行概率潮流计算，从而输出交直流混联电网概率潮流计算结果。