本發(fā)明屬于配電網(wǎng)運行技術(shù)領(lǐng)域，尤其涉及一種主動配電網(wǎng)不確定性潮流分析方法及裝置。

背景技術(shù)：

主動配電網(wǎng)(Active Distribution Network，ADN)的分布式能源呈現(xiàn)種類多、數(shù)量大，接入點分散的新特點，并由于主動控制、主動管理的要求，ADN對分布式電源(Distribution Generation，DG)的消納能力需進(jìn)一步提升。而DG的間歇性、波動性給電網(wǎng)帶來大量的不確定性因素，這在ADN中表現(xiàn)愈發(fā)突出。在不計及網(wǎng)架結(jié)構(gòu)的變化下，ADN的不確定主要來源于負(fù)荷、DG、儲能等輸入變量，其中負(fù)荷和不可控DG一般遵循特定的概率分布，而可控DG及儲能的使用規(guī)律難以獲得。

常用的不確定潮流求解方法分為概率潮流和模糊潮流兩種：概率潮流主要用于求解輸入變量概率分布已知的情況；模糊潮流采用可能性理論將不確定輸入變量表示為一個服從特定隸屬度函數(shù)的區(qū)間，其輸出結(jié)果也通常為區(qū)間或由區(qū)間量化所得的測度指標(biāo)。然而，在未來態(tài)勢感知的要求下，急需一種快速、準(zhǔn)確的方法進(jìn)行綜合含多種類型不確定輸入變量的不確定潮流計算，經(jīng)過進(jìn)一步處理從而實現(xiàn)ADN的運行風(fēng)險辨識。

技術(shù)實現(xiàn)要素：

為了彌補上述技術(shù)空白，本發(fā)明提供一種主動配電網(wǎng)不確定性潮流分析方法及裝置，實現(xiàn)了主動配電網(wǎng)當(dāng)前或預(yù)測期內(nèi)運行狀況的感知，為運行調(diào)度提供輔助決策信息。

本發(fā)明的目的是采用下述技術(shù)方案實現(xiàn)的：

一種主動配電網(wǎng)不確定性潮流分析方法，所述方法包括：

確定預(yù)先構(gòu)建的主動配電網(wǎng)不確定性潮流模型的輸入變量；所述輸入變量根據(jù)當(dāng)前配電網(wǎng)的運行參數(shù)確定；所述輸入變量包括概率性不確定輸入變量和可能性不確定輸入變量；

利用所述模型分別采用無跡變換法和α-截集法計算概率性不確定潮流、可能性不確定潮流的輸出變量；

根據(jù)所述概率性不確定潮流和可能性不確定潮流的輸出變量執(zhí)行基于D-S理論的可能性-概率性聯(lián)合評估，得到主動配電網(wǎng)不確定性潮流分布。

優(yōu)選的，所述確定預(yù)先構(gòu)建的主動配電網(wǎng)不確定性潮流模型的輸入變量包括：

采集當(dāng)前配電網(wǎng)運行參數(shù)，將其作為預(yù)先構(gòu)建的主動配電網(wǎng)不確定性潮流模型的初始值；

根據(jù)負(fù)荷的正態(tài)概率分布函數(shù)、風(fēng)力發(fā)電機(jī)的威伯爾分布以及太陽能光伏發(fā)電機(jī)的β分布，抽樣選取概率性不確定輸入變量；根據(jù)可控DG與儲能的梯形隸屬度分布，抽樣選取可能性不確定輸入變量；

其中，概率性不確定輸入變量，包括負(fù)荷、風(fēng)力發(fā)電機(jī)出力和太陽能光伏發(fā)電機(jī)出力；可能性不確定輸入變量，包括可控DG和儲能。

優(yōu)選的，所述主動配電網(wǎng)不確定性潮流模型包含N個不確定變量X_i,i＝1,...,N；設(shè)前k個變量為概率性不確定變量后N-k個變量為可能性不確定變量

所述執(zhí)行基于D-S理論的可能性-概率性聯(lián)合評估包括：

針對概率性不確定輸入變量，從主動配電網(wǎng)中抽樣獲取概率性不確定輸入變量的采樣值，采用無跡變換法對概率性不確定潮流求解；

在所述概率性不確定輸入變量為固定值時，則對于可能性不確定輸入變量，采用α-截集法對可能性不確定潮流求解；

計算輸出結(jié)果的似真函數(shù)和信任函數(shù)。

優(yōu)選的，所述采用無跡變換法計算概率性不確定潮流的輸出變量包括：

確定與概率性不確定輸入變量對稱的樣本點，

計算每個樣本點的權(quán)重系數(shù)；

將各個樣本點代入主動配電網(wǎng)不確定性潮流模型，生成變換后的樣本點，

并輸出隨機(jī)樣本的均值和協(xié)方差矩陣。

進(jìn)一步地，通過下式確定2n+1個與概率性不確定輸入變量對稱的樣本點x₀,x_i,x_i+n(i＝1,2,...,n)：

x₀＝μ_X

式中，n和μ_X分別為輸入變量X的個數(shù)和平均值向量；為n維列向量，表示矩陣的第i列元素；W₀為樣本點x₀＝μ_X的指定權(quán)重，即零接點，用于控制其他在X均值附近的點的位置；各樣本點x₀,x_i,x_i+n(i＝1,2,...,n)均為n維列向量，P_XX為正定矩陣；

設(shè)P_XX＝AA^T，通過Cholesky分解獲得

進(jìn)一步地，通過下式計算每個樣本點的權(quán)重系數(shù)：

W₀＝W₀

式中，W_i為第i個樣本點的權(quán)值，且所有權(quán)值之和滿足各樣本點的均值和協(xié)方差的權(quán)值為W_i^m＝W_i^c＝W_i；W_i^m和W_i^c分別為樣本點的均值和協(xié)方差的權(quán)重。

進(jìn)一步地，通過下式分別輸出隨機(jī)樣本的均值μ_Y和協(xié)方差矩陣P_YY：

其中，所述P_YY的對角項，即各個待求隨機(jī)變量的方差，W_i為第i個樣本點的權(quán)值，且所有權(quán)值之和滿足W_i^m和W_i^c分別為樣本點的均值和協(xié)方差的權(quán)重，y_i為變換后的樣本點。

優(yōu)選的，采用α-截集法計算可能性不確定潮流的輸出變量包括：

定義α-截集為可能性輸入變量的區(qū)間，計算主動配電網(wǎng)不確定性潮流模型f輸出的最大值和最小值，將其作為輸出變量α-截集的上、下限值，具體計算過程如下：

定義事件A＝[α_min,α_l,α_u,α_max]，則對于全集U下的輸入變量X，α-截集的表達(dá)式為：其中，和分別為A^α的最低和最高約束，并通過下式計算獲得所述輸出變量Y的α-截集：

式中，α_min為梯形隸屬度分布圖下部的左拐點，α_max為梯形隸屬度分布圖下部的右拐點，α_l為梯形隸屬度分布圖上部的左拐點，α_u為梯形隸屬度分布圖上部的右拐點，Y^α為輸出變量Y的α-截集，和分別為Y^α的最低和最高約束，函數(shù)sup(x)和inf(x)分別表示給定范圍內(nèi)的上限和下限值，為第i階可能性輸入變量的α-截集，N為階數(shù)，f為主動配電網(wǎng)不確定性潮流模型的函數(shù)。

進(jìn)一步地，對于由輸出變量構(gòu)成的輸出全集中的每一個子集，通過下式計算可能性測度和必要性測度

設(shè)輸出全集Y中的子集E，則：

在獲取可能性測度和必要性測度之后，根據(jù)可能性測度和必要性測度確定任意子集的似真度Pl(E)和信任度Bel(E)：

式中，x表示樣本點，W_j為j階的采樣概率，k為采樣次數(shù)，π為可能性分布，為樣本點在輸出全集Y中j階可能性分布。

一種主動配電網(wǎng)不確定性潮流分析裝置，所述裝置包括：

確定單元，用于確定預(yù)先構(gòu)建的主動配電網(wǎng)不確定性潮流模型的輸入變量；所述輸入變量根據(jù)當(dāng)前配電網(wǎng)的運行參數(shù)確定；所述輸入變量包括概率性不確定輸入變量和可能性不確定輸入變量；

第一解析單元，用于利用所述模型采用無跡變換法計算概率性不確定潮流的輸出變量；

第二解析單元，用于利用所述模型采用α-截集法計算可能性不確定潮流的輸出變量；

評估單元，用于根據(jù)所述概率性不確定潮流的輸出變量和所述可能性不確定潮流的輸出變量執(zhí)行基于D-S理論的可能性-概率性聯(lián)合評估，得到主動配電網(wǎng)不確定性潮流分布。

與最接近的現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

本發(fā)明方案提出一種主動配電網(wǎng)不確定性潮流分析方法及裝置，基于虛擬化技術(shù)的仿真場景創(chuàng)建方法，構(gòu)建主動配電網(wǎng)不確定性潮流模型，從而獲得主動配電網(wǎng)不確定性潮流模型，場景構(gòu)建過程中采用了虛擬資源彈性擴(kuò)展技術(shù)，能夠解決傳統(tǒng)的仿真物理資源與演習(xí)規(guī)模無法互相適應(yīng)的缺點，實現(xiàn)了資源的高度利用和業(yè)務(wù)流程的彈性控制。根據(jù)其輸入變量類型形成概率性不確定模型和可能性不確定模型，分別采用無跡變換法和α-截集法對概率性不確定和可能性不確定潮流進(jìn)行求解；其中，無跡變換(Unscented Transformation,UT)法的使用可以有效克服線性化處理技術(shù)中的缺點，編程簡單，無需正交變換或Nataf變換即可高效處理隨機(jī)變量的相關(guān)性。

此外，在建模過程中綜合考慮可能性和概率性雙重不確定性輸入變量，通過執(zhí)行基于D-S理論的可能性-概率性聯(lián)合仿真評估，最終輸出仿真結(jié)果。從而解決傳統(tǒng)不確定潮流計算方法無法適應(yīng)主動配電網(wǎng)背景下的含有多種不確定性的缺點，實現(xiàn)對主動配電網(wǎng)當(dāng)前或預(yù)測期內(nèi)運行狀況的感知，為運行調(diào)度提供輔助決策信息。

附圖說明

圖1為本發(fā)明實施例中提供的主動配電網(wǎng)不確定性潮流分析方法流程圖；

圖2為本發(fā)明實施例中提供的采用梯形隸屬度確定α-截集的示意圖。

具體實施方式：

本發(fā)明提出一種主動配電網(wǎng)不確定性潮流分析方法，如圖1所示，其方法包括：

1)確定預(yù)先構(gòu)建的主動配電網(wǎng)不確定性潮流模型的輸入變量；所述輸入變量根據(jù)當(dāng)前配電網(wǎng)的運行參數(shù)確定；所述輸入變量包括概率性不確定輸入變量和可能性不確定輸入變量；

采集當(dāng)前配電網(wǎng)運行參數(shù)，將其作為主動配電網(wǎng)不確定性潮流模型的初始值；包括配電網(wǎng)網(wǎng)架參數(shù)(線路導(dǎo)納、阻抗，變壓器導(dǎo)納、阻抗等)，分布式電源(風(fēng)機(jī)、光伏發(fā)電機(jī)組、微型燃?xì)廨啓C(jī))容量、屬性參數(shù)(如風(fēng)機(jī)額定、切入、切出風(fēng)速，光伏的標(biāo)準(zhǔn)光輻射照度)等，預(yù)測時刻風(fēng)速、光照強度、負(fù)荷出力等，這些都作為計算潮流的節(jié)點注入功率值的初始參數(shù)。

啟動仿真程序，根據(jù)負(fù)荷的正態(tài)概率分布函數(shù)、風(fēng)力發(fā)電機(jī)的威伯爾分布以及太陽能光伏發(fā)電機(jī)的β分布，抽樣選取概率性不確定輸入變量；根據(jù)可控DG與儲能的梯形隸屬度分布，抽樣選取可能性不確定輸入變量；

其中，概率性不確定輸入變量，包括負(fù)荷、風(fēng)力發(fā)電機(jī)出力和太陽能光伏發(fā)電機(jī)出力；可能性不確定輸入變量，包括可控DG和儲能。

所述主動配電網(wǎng)不確定性潮流模型包含N個不確定變量X_i,i＝1,...,N；設(shè)前k個變量為概率性不確定變量后N-k個變量為可能性不確定變量

所述執(zhí)行基于D-S理論的可能性-概率性聯(lián)合評估包括：

針對概率性不確定輸入變量，從主動配電網(wǎng)中抽樣獲取概率性不確定輸入變量的采樣值，采用無跡變換法對概率性不確定潮流求解；

在所述概率性不確定輸入變量為固定值時，則對于可能性不確定輸入變量，采用α-截集法對可能性不確定潮流求解；

計算輸出結(jié)果的似真函數(shù)和信任函數(shù)。

2)利用所述模型分別采用無跡變換法和α-截集法計算概率性不確定潮流、可能性不確定潮流的輸出變量；

采用無跡變換法計算概率性不確定潮流的輸出變量包括：

確定與概率性不確定輸入變量對稱的樣本點，計算每個樣本點的權(quán)重系數(shù)；

將各個樣本點代入主動配電網(wǎng)不確定性潮流模型，生成變換后的樣本點，

并輸出隨機(jī)樣本的均值和協(xié)方差矩陣。

通過下式確定2n+1個與概率性不確定輸入變量對稱的樣本點x₀,x_i,x_i+n(i＝1,2,...,n)：

x₀＝μ_X

式中，n和μ_X分別為輸入變量X的個數(shù)和平均值向量；為n維列向量，表示矩陣的第i列元素；W₀為樣本點x₀＝μ_X的指定權(quán)重，即零接點，用于控制其他在X均值附近的點的位置；各樣本點x₀,x_i,x_i+n(i＝1,2,...,n)均為n維列向量，P_XX為正定矩陣；

設(shè)P_XX＝AA^T，通過Cholesky分解獲得

通過下式計算每個樣本點的權(quán)重系數(shù)：

W₀＝W₀

式中，W_i為第i個樣本點的權(quán)值，且所有權(quán)值之和滿足各樣本點的均值和協(xié)方差的權(quán)值為W_i^m＝W_i^c＝W_i；W_i^m和W_i^c分別為樣本點的均值和協(xié)方差的權(quán)重。

通過下式分別輸出隨機(jī)樣本的均值μ_Y和協(xié)方差矩陣P_YY：

其中，所述P_YY的對角項，即各個待求隨機(jī)變量的方差，W_i為第i個樣本點的權(quán)值，且所有權(quán)值之和滿足W_i^m和W_i^c分別為樣本點的均值和協(xié)方差的權(quán)重，y_i為變換后的樣本點。

采用α-截集法計算可能性不確定潮流的輸出變量包括：

定義α-截集為可能性輸入變量的區(qū)間，計算主動配電網(wǎng)不確定性潮流模型f輸出的最大值和最小值，將其作為輸出變量α-截集的上、下限值，具體計算過程如下：如圖2所示，定義事件A＝[α_min,α_l,α_u,α_max]，則對于全集U下的輸入變量X，α-截集的表達(dá)式為：其中，和分別為A^α的最低和最高約束，并通過下式計算獲得所述輸出變量Y的α-截集：

式中，α_min為梯形隸屬度分布圖下部的左拐點，α_max為梯形隸屬度分布圖下部的右拐點，α_l為梯形隸屬度分布圖上部的左拐點，α_u為梯形隸屬度分布圖上部的右拐點，Y^α為輸出變量Y的α-截集，和分別為Y^α的最低和最高約束，函數(shù)sup(x)和inf(x)分別表示給定范圍內(nèi)的上限和下限值，為第i階可能性輸入變量的α-截集，N為階數(shù)，f為主動配電網(wǎng)不確定性潮流模型的函數(shù)。

3)根據(jù)所述概率性不確定潮流和可能性不確定潮流的輸出變量執(zhí)行基于D-S理論的可能性-概率性聯(lián)合評估，得到主動配電網(wǎng)不確定性潮流分布。

對于由輸出變量構(gòu)成的輸出全集中的每一個子集，通過下式計算可能性測度和必要性測度

設(shè)輸出全集Y中的子集E，則：

在獲取可能性測度和必要性測度之后，根據(jù)可能性測度和必要性測度確定任意子集的似真度Pl(E)和信任度Bel(E)：

式中，x表示樣本點，W_j為j階的采樣概率，k為采樣次數(shù)，π為可能性分布，為樣本點在輸出全集Y中j階可能性分布。

在潮流仿真計算結(jié)束后，可供配電網(wǎng)調(diào)度人員通過一次計算對不確定潮流仿真結(jié)果分布情況進(jìn)行預(yù)測。其預(yù)測的依據(jù)包括以下不確定輸入變量特征：

(1)負(fù)荷：根據(jù)日負(fù)荷曲線與當(dāng)前負(fù)荷估計下一評估時間的負(fù)荷值，作為負(fù)荷正態(tài)模型的期望值

(2)風(fēng)機(jī)、太陽能光伏：分別根據(jù)氣象情況預(yù)測下一評估時間的風(fēng)速和根據(jù)太陽光強度預(yù)測下一評估時間的輻射照度，以風(fēng)速及輻射照度與風(fēng)機(jī)、太陽能光伏的出力關(guān)系計算不確定出力。

(3)微型燃?xì)廨啓C(jī)及蓄電池等分布式儲能：調(diào)度人員根據(jù)經(jīng)驗，直接評估設(shè)定該類設(shè)備出力的范圍，即梯形隸屬度分布的α_min,α_l,α_u,α_max數(shù)值。

通過上述實施步驟，可以對主動配電網(wǎng)的潮流進(jìn)行態(tài)勢感知，提供電網(wǎng)運行風(fēng)險分析的基礎(chǔ)。

基于同一發(fā)明構(gòu)思，本發(fā)明還提出一種主動配電網(wǎng)不確定性潮流分析裝置，所述裝置包括：

確定單元，用于確定預(yù)先構(gòu)建的主動配電網(wǎng)不確定性潮流模型的輸入變量；所述輸入變量根據(jù)當(dāng)前配電網(wǎng)的運行參數(shù)確定；所述輸入變量包括概率性不確定輸入變量和可能性不確定輸入變量；

第一解析單元，用于利用所述模型采用無跡變換法計算概率性不確定潮流的輸出變量；

第二解析單元，用于利用所述模型采用α-截集法計算可能性不確定潮流的輸出變量；

評估單元，用于根據(jù)所述概率性不確定潮流的輸出變量和所述可能性不確定潮流的輸出變量執(zhí)行基于D-S理論的可能性-概率性聯(lián)合評估，得到主動配電網(wǎng)不確定性潮流分布。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本申請的實施例可提供為方法、系統(tǒng)、或計算機(jī)程序產(chǎn)品。因此，本申請可采用完全硬件實施例、完全軟件實施例、或結(jié)合軟件和硬件方面的實施例的形式。而且，本申請可采用在一個或多個其中包含有計算機(jī)可用程序代碼的計算機(jī)可用存儲介質(zhì)(包括但不限于磁盤存儲器、CD-ROM、光學(xué)存儲器等)上實施的計算機(jī)程序產(chǎn)品的形式。

本申請是參照根據(jù)本申請實施例的方法、設(shè)備(系統(tǒng))、和計算機(jī)程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計算機(jī)程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計算機(jī)程序指令到通用計算機(jī)、專用計算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個機(jī)器，使得通過計算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機(jī)程序指令也可存儲在能引導(dǎo)計算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計算機(jī)可讀存儲器中，使得存儲在該計算機(jī)可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機(jī)程序指令也可裝載到計算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計算機(jī)實現(xiàn)的處理，從而在計算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

最后應(yīng)當(dāng)說明的是：以上實施例僅用以說明本申請的技術(shù)方案而非對其保護(hù)范圍的限制，盡管參照上述實施例對本申請進(jìn)行了詳細(xì)的說明，所屬領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：本領(lǐng)域技術(shù)人員閱讀本申請后依然可對申請的具體實施方式進(jìn)行種種變更、修改或者等同替換，這些變更、修改或者等同替換，其均在其申請待批的權(quán)利要求范圍之內(nèi)。