基于混合藤Copula和ILHS的概率电压稳定评估算法

计算机与现代化 ›› 2022, Vol. 0 ›› Issue (12): 6-12.

基于混合藤Copula和ILHS的概率电压稳定评估算法

(1.广东电网有限责任公司电网规划研究中心,广东广州510000;
2.广东电网有限责任公司,广东广州510000;3.中国电力科学研究院有限公司,北京100000)

出版日期:2023-01-04 发布日期:2023-01-04
作者简介:彭穗(1992—),男,江西丰城人,工程师,博士研究生,研究方向:电力系统规划,E-mail: pengsui@gd.csg.cn; 许亮(1987—),男,安徽池州人,高级工程师,硕士研究生,研究方向:电网及新能源规划,E-mail: xuliang-27@163.com; 张志强(1978—),男,河北滦县人,教授级高级工程师,博士,研究方向:系统仿真分析,E-mail: zhangzhq@epri.sgcc.com.cn。
基金资助:
国家自然科学基金面上项目(51877200); 广东电网公司电力规划专题项目(031000QQ00210025)

Probabilistic Voltage Stability Evaluation Algorithm Based on Mixed Vine Copula and ILHS

(1. Grid Planning and Research Center, Guangdong Power Grid Corporation Limited, Guangzhou 510000, China；
2. Guangdong Power Grid Corporation Limited, Guangzhou 510000, China；
3. China Electric Power Research Institute, Beijing 100000, China)

Online:2023-01-04 Published:2023-01-04

摘要/Abstract

摘要： 为了评估具备复杂相关性的风电、光伏出力对电力系统电压稳定的影响，提出一种基于混合藤Copula和继承拉丁超立方采样(Inherit Latin Hypercube Sampling, ILHS)的概率电压稳定评估(Probabilistic Voltage Stability Evaluation, PVSE)算法。基于模糊C均值聚类对实际电网中风速和光照数据进行场景划分，利用AD距离确定不同场景中的最优藤结构，建立基于混合藤Copula的概率输入模型。基于ILHS在概率输入模型上采样，根据收敛条件逐渐增加样本点直至PVSE收敛，在PVSE过程中不断重复使用之前生成的样本点及计算结果，进而大幅提升概率分析效率。基于IEEE118节点系统对所提算法的有效性进行验证，结果表明，所提算法能准确刻画风光数据的相关性，并大幅提升PVSE的计算精度和速度。

关键词: Copula函数, 混合藤, 拉丁超立方采样, 电压稳定评估, 相关性

Abstract: In order to evaluate the impact of solar and photovoltaic output with complex correlation on power system voltage stability, a probabilistic voltage stability evaluation (PVSE) algorithm based on mixed vine Copula and inherit Latin hypercube sampling (ILHS) is proposed. Based on fuzzy c-means clustering, the scenarios of wind speed and solar radiation data in the practical power grid is divided. The AD distance is used to evaluate the optimal vine structure in different scenarios, and a probability input model based on mixed vine Copula is established. The sample points are sampled from the probability input model by using the ILHS, and the number of sample points is gradually increased according to the convergence criterion until PVSE converges. At the same time, the previously generated sample points and their corresponding results are continuously reused in the process of probability analysis, so as to greatly improve the efficiency of probability analysis. Based on the IEEE-118 bus system, the effectiveness of the proposed algorithm is verified. The results show that the proposed algorithm can accurately describe the correlation structure of multi-dimensional input data, and the calculation accuracy and speed of PVSE can be greatly improved by using the proposed algorithm.

Key words: Copula function, mixed vine, latin hypercube sampling, voltage stability evaluation; , correlation

彭穗, 许亮, 张志强, 娄源媛, 余浩, 秦晓辉. 基于混合藤Copula和ILHS的概率电压稳定评估算法[J]. 计算机与现代化, 2022, 0(12): 6-12.

PENG Sui, XU Liang, ZHANG Zhi-qiang, LOU Yuan-yuan, YU Hao, QIN Xiao-hui. Probabilistic Voltage Stability Evaluation Algorithm Based on Mixed Vine Copula and ILHS[J]. Computer and Modernization, 2022, 0(12): 6-12.

参考文献［28］

［1］	李萌. 习近平主持召开中央财经委员会第九次会议［EB/OL］. ［2021-03-15］. http://www.gov.cn/xinwen/2021-03/15/content_5593154.htm.
［2］	李锋,刘春生,徐晓淳. 光伏发电系统改进复合算法［J］. 计算机与现代化, 2013(8):57-59.
［3］	蔡旭,杨仁炘,周剑桥,等. 海上风电直流送出与并网技术综述［J］. 电力系统自动化, 2021,45(21):2-22.
［4］	宋良才,索贵龙,胡军涛,等. 基于注意力机制的Encoder-Decoder光伏发电预测模型［J］. 计算机与现代化, 2020(9):112-117.
［5］	吴倩红,韩蓓,李国杰,等. 极高光伏渗透率下基于潮流雅可比矩阵和卷积神经网络的静态电压稳定在线预测［J］. 中国电机工程学报, 2021,41(12):4058-4067.
［6］	赵晋泉,朱尧靓,潘尔生,等. 适用于大规模新能源接入直流送端电网的暂态压升严重性指标研究［J］. 南方电网技术, 2020,14(12):1-9.
［7］	王长江,姜涛,陈厚合,等. 基于相位校正李雅普诺夫指数的电力系统暂态电压稳定评估［J］. 电工技术学报, 2021,36(15):3221-3236.
［8］	贺强,晁海亮,闫明,等. 考虑风光不确定性的电力系统概率潮流计算［J］. 电网与清洁能源, 2021,37(6):113-119.
［9］	李红,栗文义. 计及风电不确定性和风速相关性的微网孤岛多目标潮流优化［J］. 可再生能源, 2022,40(2):272-277.
［10］	李晓鹏,蔡文斌,吕海霞. 计及不确定性的高比例清洁能源在微电网中的消纳［J］. 电气传动, 2022,52(3):45-50.
［11］	余爽,翁程琳,张程,等. 考虑风速时空相关性的动态概率潮流计算［J］. 广东电力, 2021,34(10):43-49.
［12］	毛晓明,叶嘉俊,魏焕政,等. 基于Copula理论和切片采样技术结合拉丁超立方抽样的概率潮流计算［J］. 电测与仪表, 2017,54(22):16-22.
［13］	XU J, WU W, WANG K, et al. C-Vine pair copula based wind power correlation modelling in probabilistic small signal stability analysis［J］. IEEE/CAA Journal of Automatica Sinica, 2020,7(4):1154-1160.
［14］	HUANG Y, CHEN S, CHEN Z, et al. The improved probabilistic load flow method based on D-vine copulas and Latin hypercube sampling in distribution network with multiple wind generators［J］. IET Generation, Transmission and Distribution, 2020,14(3). DOI:10.1049/iet-gtd.2019.1126.
［15］	王洪涛,李晓刚,邹斌. 基于贝叶斯网络刻画风–光–荷相关性的配电网概率潮流计算［J］. 中国电机工程学报, 2019,39(16):4753-4763.
［16］	孙蓉,吕振华,廖星星,等. 基于广义半不变量及最大熵法的电网概率潮流分析［J］. 电力建设, 2020,41(7):33-41.
［17］	车玉龙,吕晓琴,王晓茹,等. 含非正态分布概率潮流计算的改进型两点估计法［J］. 电力自动化设备, 2019,39(12):128-133.
［18］	陈刚,包严,赵晋泉,等. 考虑负荷增长随机性的大电网电压稳定概率评估［J］. 电力系统保护与控制, 2018,46(23):37-44.
［19］	TONG C. Refinement strategies for stratified sampling methods［J］. Reliability Engineering & System Safety, 2006,91(10-11):1257-1265.
［20］	WANG G G. Adaptive response surface method using inherited latin hypercube design points［J］. Journal of Mechanical Design, 2003,125(2):210-220.
［21］	AJJARAPU V, CHRISTY C. The continuation power flow: a tool for steady state voltage stability analysis［J］. IEEE Transactions on Power Systems, 1992,7(1):416-423.
［22］	孙丽敬,盛万兴,吴鸣,等. 基于模糊C均值聚类的分布式电源集群并网逆变器输出功率置信区间估计方法［J］. 电网技术, 2019,43(5):1495-1503.
［23］	李荣. 基于MCMC的贝叶斯Copula模型构建及应用研究［D］. 长沙:湖南大学, 2014.
［24］	邱宜彬,欧阳誉波,徐蓓,等. 基于混合藤Copula模型的风光联合发电相关性建模及其在无功优化中的应用［J］. 电网技术, 2017,41(3):791-798.
［25］	CHEN Y, WEN J Y, CHENG S J. Probabilistic load flow method based on nataf transformation and latin hypercube sampling［J］. IEEE Transactions on Sustainable Energy, 2013,4(2):294-301.
［26］	李晓科,马军,陈振中,等. 基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化［J］. 计算机集成制造系统, 2018,24(12):3107-3119.
［27］	ZHOU S, XIAO Q, WU L. Probabilistic power flow analysis with correlated wind speeds［J］. Renewable Energy, 2020,145:2169-2177.
［28］	JITHENDRANATH J, DAS D, GUERRERO J M. Probabilistic optimal power flow in islanded microgrids with load, wind and solar uncertainties including intermittent generation spatial correlation［J］. Energy, 2021(222):119-127.

[1]	赵迎利, 朱旭. 基于组稀疏联合学习的影像遗传学数据关联分析[J]. 计算机与现代化, 2022, 0(08): 43-49.
[2]	王镇宇, 郑扬飞. 基于排序学习算法的智能检索系统[J]. 计算机与现代化, 2021, 0(10): 35-40.
[3]	梁慈1,陈世平2. 基于包簇映射架构的包漂移策略研究[J]. 计算机与现代化, 2019, 0(11): 112-.
[4]	许国艳1,朱进1,司存友2,胡文斌2,刘凡1. 基于CNN和MC的水文时间序列预测组合模型[J]. 计算机与现代化, 2019, 0(11): 23-.
[5]	刘冰1,2，刘雪梅3. 一种结合有限域运算的混沌映射在数字图像加密中的应用[J]. 计算机与现代化, 2017, 0(7): 53-56.
[6]	蒋晨阳，张云飞，李鑫. 基于时空相关性的连续缺失值填补算法[J]. 计算机与现代化, 2016, 0(9): 6-9.
[7]	周恩波，叶荣华，张微微，周子涵. 一种基于成对标签的Rakel算法改进[J]. 计算机与现代化, 2016, 0(3): 16-18+23.
[8]	严涛1，周小雄1，邓安远1，罗文婷2，张攀东1. 采用视点校正的视点可分级编码[J]. 计算机与现代化, 2016, 0(2): 28-31,37.
[9]	罗永莲，赵昌垣，贾玉芳，芦彩林. 基于朴素贝叶斯Web新闻内容的抽取方法[J]. 计算机与现代化, 2016, 0(1): 59-63,68.
[10]	裴华艳1，王焕民2. WSN时空相关性隐私数据保护[J]. 计算机与现代化, 2015, 0(10): 103-106.
[11]	龙钧宇. 基于均值聚类和决策树算法的学生成绩分析[J]. 计算机与现代化, 2014, 0(6): 79-83.
[12]	卓志宏. 一种基于语义信息的主题相关性判别模型[J]. 计算机与现代化, 2013, 1(9): 157-159,.
[13]	李伟;门佳. 基于空时相关性的基本单元层码率控制方案[J]. 计算机与现代化, 2013, 1(9): 126-129.
[14]	徐斌;薛广涛. 一种实时细粒度的用户级网络流量探知方法[J]. 计算机与现代化, 2013, 1(4): 162-165,.
[15]	庞威;吕晓峰;马羚;邓力. 基于启发式搜索图的测试点决策方法[J]. 计算机与现代化, 2013, 218(10): 200-203.