本發(fā)明涉及電力系統(tǒng)領(lǐng)域，尤其涉及一種基于無(wú)失負(fù)荷狀態(tài)集的電力系統(tǒng)可靠性評(píng)估方法。

背景技術(shù)：

1、當(dāng)前，評(píng)估電力系統(tǒng)的可靠性主要有解析法和蒙特卡洛法這兩類方法。解析法枚舉每個(gè)狀態(tài)進(jìn)行計(jì)算，有著精度高的優(yōu)點(diǎn)，然而，在評(píng)估大型電力系統(tǒng)的可靠性時(shí)，隨著系統(tǒng)元件數(shù)量的增加，狀態(tài)數(shù)量會(huì)呈指數(shù)級(jí)爆炸性增長(zhǎng)，耗時(shí)也隨之大幅增加。例如，一個(gè)包含n個(gè)兩狀態(tài)元件的系統(tǒng)，有2n種可能狀態(tài)。所以解析法比較適合小型的電力系統(tǒng)。

2、傳統(tǒng)的蒙特卡洛方法可以被分為序貫蒙特卡洛法和非序貫蒙特卡洛法。序貫蒙特卡洛法需要考慮風(fēng)力發(fā)電、太陽(yáng)能發(fā)電以及系統(tǒng)負(fù)荷變化等隨時(shí)間變化的因素，因此其抽樣過(guò)程相對(duì)復(fù)雜。序貫蒙特卡洛法有兩種抽樣方法，狀態(tài)持續(xù)時(shí)間法和狀態(tài)轉(zhuǎn)換法。非序貫蒙特卡洛法的抽樣過(guò)程較為簡(jiǎn)單，但其忽略了時(shí)序變化過(guò)程，無(wú)法計(jì)算與時(shí)間和頻率相關(guān)的指標(biāo)。蒙特卡洛法為了得到較高精度的指標(biāo)，通常需要長(zhǎng)時(shí)間的仿真。

3、可再生能源的不穩(wěn)定性導(dǎo)致了蒙特卡洛法的效率大大下降。若狀態(tài)是連續(xù)的，則抽樣過(guò)程中的抽樣得到同一狀態(tài)的概率為0，無(wú)法使用判斷狀態(tài)是否重復(fù)的方法提高效率。針對(duì)此問(wèn)題，本發(fā)明基于規(guī)劃問(wèn)題的可行域之間的包含關(guān)系，提出了無(wú)失負(fù)荷狀態(tài)集。通過(guò)使用無(wú)失負(fù)荷狀態(tài)集，判斷每個(gè)狀態(tài)是否需要進(jìn)行負(fù)荷削減模型的求解，減少求解次數(shù)，提高效率。使用哈希表將其實(shí)現(xiàn)，并將其與交叉熵重要抽樣法和并行計(jì)算相結(jié)合。在rbts和rts79系統(tǒng)上進(jìn)行可靠性評(píng)估，使用哈希表實(shí)現(xiàn)的無(wú)失負(fù)荷狀態(tài)集有效提高了負(fù)荷水平較低的系統(tǒng)評(píng)估效率。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提出一種基于無(wú)失負(fù)荷狀態(tài)集的電力系統(tǒng)可靠性評(píng)估方法，設(shè)計(jì)了無(wú)失負(fù)荷狀態(tài)集，利用無(wú)失負(fù)荷狀態(tài)集，通過(guò)減少求解直流負(fù)荷削減模型的次數(shù)，加速了使用擴(kuò)展交叉熵重要抽樣法進(jìn)行狀態(tài)中存在連續(xù)型隨機(jī)變量的電力系統(tǒng)的可靠性評(píng)估的效率。

2、為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種基于無(wú)失負(fù)荷狀態(tài)集的電力系統(tǒng)可靠性評(píng)估方法，具體包括以下步驟：

3、步驟s1：設(shè)定預(yù)抽樣初始參數(shù)，包括樣本數(shù)量nk、分位數(shù)參數(shù)ρ、平滑參數(shù)α、原始的概率密度或概率質(zhì)量函數(shù)g(x；q0)＝f(x；p)、迭代次數(shù)k＝0、無(wú)失負(fù)荷狀態(tài)集其中，x表示某一系統(tǒng)狀態(tài)，q0表示函數(shù)g的參數(shù)向量，p表示函數(shù)f的參數(shù)向量；

4、步驟s2：迭代次數(shù)k++，計(jì)算似然比w(x；p，qk-1)，令待計(jì)算列表us為空；

5、步驟s3：以概率密度或概率質(zhì)量函數(shù)g(x；qk-1)進(jìn)行nk次抽樣，得到nk個(gè)系統(tǒng)狀態(tài)

6、步驟s4：計(jì)算步驟s3中nk個(gè)系統(tǒng)狀態(tài)的失負(fù)荷量；

7、步驟s5：根據(jù)步驟s4的計(jì)算結(jié)果計(jì)算附加閾值參數(shù)γk并更新參數(shù)qk；

8、步驟s6：若γk＝0則令函數(shù)g的參數(shù)向量qopt＝qk結(jié)束預(yù)抽樣，進(jìn)入正式抽樣，否則返回步驟s2；

9、步驟s7：設(shè)定正式抽樣初始參數(shù)，包括每輪抽樣的樣本數(shù)量nm、概率密度或概率質(zhì)量函數(shù)g(x；qopt)、抽樣輪數(shù)m＝0、方差系數(shù)最大值βmax，令列表llolp和lepns為空；并計(jì)算似然比w(x；p，qopt)；

10、步驟s8：抽樣輪數(shù)m++，令待計(jì)算列表us為空，以概率密度或概率質(zhì)量函數(shù)g(x；qopt)進(jìn)行nm次抽樣，得到nm個(gè)系統(tǒng)狀態(tài)

11、步驟s9：計(jì)算步驟s8中nm個(gè)系統(tǒng)狀態(tài)的失負(fù)荷量，獲得失負(fù)荷量列表r；

12、步驟s10：遍歷nm個(gè)系統(tǒng)狀態(tài)的失負(fù)荷量列表r，對(duì)于第q個(gè)系統(tǒng)狀態(tài)，通過(guò)前m-1輪抽取到的系統(tǒng)狀態(tài)加上本輪前q個(gè)系統(tǒng)狀態(tài)估計(jì)可靠性指標(biāo)lolp和epns，分別加入列表llolp和lepns中；

13、步驟s11：計(jì)算方差系數(shù)β，若βepns＜βmax則結(jié)束；否則返回步驟s8；

14、步驟s12：從列表llolp和lepns的最后一位獲取可靠性指標(biāo)lolp和epns。

15、優(yōu)選的，所述步驟s2以及步驟s7中似然比w(x；p，qk-1)以及w(x；p，qopt)的計(jì)算公式為：

16、

17、其中q為qk-1或qopt，f(x；p)為原始的概率密度或概率質(zhì)量函數(shù)。

18、優(yōu)選的，所述步驟s4和步驟s9中計(jì)算失負(fù)荷量的步驟相同，具體包含以下步驟：

19、步驟s31：遍歷所有抽樣得到的狀態(tài)x，查詢無(wú)失負(fù)荷狀態(tài)集a中是否有狀態(tài)的可行域被包含于狀態(tài)x對(duì)應(yīng)的可行域；如果是，則將狀態(tài)x標(biāo)記為無(wú)失負(fù)荷；否則將狀態(tài)x加入列表us中；

20、步驟s32：將us中的狀態(tài)分為core_num組，其中core_num為cpu的核數(shù)；每組狀態(tài)都對(duì)應(yīng)一個(gè)核，在這個(gè)核上進(jìn)行計(jì)算失負(fù)荷量，將每個(gè)核上的計(jì)算結(jié)果，按照在us中的順序組合在一起得到列表r0；

21、步驟s33：遍歷us中的所有狀態(tài)x，若狀態(tài)x對(duì)應(yīng)的失負(fù)荷量flc為0，則將狀態(tài)x插入a中；否則繼續(xù)步驟s34；

22、步驟s34：將r0和步驟s31中已經(jīng)標(biāo)注無(wú)失負(fù)荷的狀態(tài)的失負(fù)荷量按照抽樣時(shí)的順序即組合在一起，得到序列r，并返回r。

23、優(yōu)選的，所述無(wú)失負(fù)荷狀態(tài)集a的構(gòu)建具體為：

24、每次計(jì)算某個(gè)狀態(tài)的失負(fù)荷量時(shí)，采用直流負(fù)荷削減模型求解該狀態(tài)對(duì)應(yīng)的規(guī)劃問(wèn)題：

25、

26、其中，pd為母線的負(fù)荷，pg為發(fā)電機(jī)的有功輸出，cg是發(fā)電機(jī)連接矩陣，θ為節(jié)點(diǎn)的電壓相角，pgmin和pgmax分別為發(fā)電機(jī)的有功輸出的最小和最大值，yft和ybus分別為支路導(dǎo)納矩陣和節(jié)點(diǎn)導(dǎo)納矩陣，fmin和fmax分別為支路潮流的最小和最大值，plc為負(fù)荷削減的有功功率，flc為目標(biāo)函數(shù)；

27、若flc＝0則稱此狀態(tài)無(wú)失負(fù)荷，將此狀態(tài)插入a中；

28、所述步驟s31中查詢a中是否有狀態(tài)的可行域被包含于狀態(tài)x對(duì)應(yīng)的可行域具體為：

29、若在a中的已經(jīng)算出的無(wú)失負(fù)荷的負(fù)荷削減模型中，存在一個(gè)可行域被此次抽樣抽出的狀態(tài)x的負(fù)荷削減模型的可行域所包含，則此次抽樣抽出的狀態(tài)x也無(wú)失負(fù)荷；

30、其中，可行域是否包含的判斷依據(jù)為：若無(wú)失負(fù)荷狀態(tài)集a中存在一狀態(tài)g的離散分量和狀態(tài)x的離散分量相同，且狀態(tài)y連續(xù)分量都小于狀態(tài)x的連續(xù)分量，則說(shuō)明狀態(tài)y的可行域被狀態(tài)x可行域所包含。

31、優(yōu)選的，所述步驟s33中將狀態(tài)x插入a中的無(wú)失負(fù)荷狀態(tài)集a采用哈希表進(jìn)行實(shí)現(xiàn)，系統(tǒng)狀態(tài)x表示為一個(gè)結(jié)構(gòu)體，該結(jié)構(gòu)體包含xd、power兩個(gè)成員變量；其中，xd為狀態(tài)x的離散分量，power為分量中連續(xù)型隨機(jī)變量通過(guò)風(fēng)電出力模型函數(shù)p的值，即

32、

33、其中，x(i)為x的第i個(gè)分量，在x中前nd個(gè)分量為離散分量；記此哈希表為hash。

34、優(yōu)選的，所述步驟s33中將狀態(tài)x插入a中，具體實(shí)現(xiàn)方式如下：

35、步驟s331：針對(duì)狀態(tài)x計(jì)算索引值s＝h(xd)，通過(guò)索引值在哈希表hash中對(duì)x查詢并刪除a中對(duì)應(yīng)可行域被狀態(tài)x的可行域包含的狀態(tài)；

36、步驟s332：在以hash[s]作為頭指針的鏈表中，采用頭插法插入:p.power＝p(xc),p.x＝xd,p.next＝hash[s],hash[s]＝p；

37、查詢操作與刪除操作同時(shí)進(jìn)行，具體包含以下步驟：

38、步驟s331.1：計(jì)算索引值s＝h(xd)，h(xd)的表達(dá)式如下：

39、

40、其中，prime指某個(gè)大素?cái)?shù)，mi由以下表達(dá)式?jīng)Q定

41、

42、nd為離散型隨機(jī)變量的個(gè)數(shù)，nr為第r個(gè)離散型隨機(jī)變量的取值個(gè)數(shù)；

43、步驟s331.2：遍歷hash[s]作為頭指針的鏈表，it為遍歷到的節(jié)點(diǎn)，xc為狀態(tài)x的連續(xù)分量,若則刪除it，并將it指向下一節(jié)點(diǎn)；

44、步驟s331.3：若it為空則結(jié)束，否則繼續(xù)步驟s331.2。

45、優(yōu)選的，所述步驟s5具體包括以下步驟：

46、步驟s51：使用公式(2)計(jì)算每一狀態(tài)x發(fā)電容量裕度

47、

48、其中，pg為狀態(tài)x的發(fā)電機(jī)的可用容量之和，ld為狀態(tài)x的系統(tǒng)負(fù)荷，lc＝flc為狀態(tài)x在有失負(fù)荷的情況下的失負(fù)荷量，ωsuccess為nk個(gè)狀態(tài)中無(wú)失負(fù)荷狀態(tài)的集合，ωfailure為nk個(gè)狀態(tài)中失負(fù)荷狀態(tài)的集合；

49、步驟s52：將發(fā)電容量裕度序列從小到大排列得到

50、步驟s53：若發(fā)電容量裕度序列的第個(gè)元素則令γk＝0，否則令

51、步驟s54：將m(x)修正為m′(x)＝m(x)-γk，得到序列

52、步驟s55：使用公式(3)到公式(9)計(jì)算參數(shù)，公式(3)到公式(9)計(jì)算得出的量都為v中的參數(shù)，其中表示本輪抽樣抽到的第n個(gè)狀態(tài)xn的第r個(gè)分量，xnd為狀態(tài)xn的離散分量；

53、將公式(4)到公式(9)中的可靠性指標(biāo)的指示函數(shù)h(x)替換為hm(x)w(x；p，qk-1)，代入計(jì)算可得到v：

54、

55、對(duì)于狀態(tài)xn的離散分量xnd：

56、

57、其中，為指示函數(shù)，當(dāng)xnd的第i個(gè)分量取第j個(gè)值時(shí)為1，否則為0，表達(dá)式如下：

58、

59、若狀態(tài)xn的第r個(gè)分量服從威布爾分布：

60、

61、其中p是固定的參數(shù)；

62、若狀態(tài)xn的第r個(gè)分量服從對(duì)數(shù)正態(tài)分布：

63、

64、

65、若狀態(tài)xn的第r個(gè)分量服從瑞利分布：

66、

67、步驟s56：計(jì)算參數(shù)qk：

68、qk＝αv+(1-α)qk-1???????(10)。

69、優(yōu)選的，公式(4)到(9)由最小化h(gopt(x)，g(x；q))求解得出，h(gopt(x),g(x；q))為交叉熵，g(x；q)是待求解的未知函數(shù)，gopt(x)由以下公式得出：

70、

71、其中，h(x)為某個(gè)可靠性指標(biāo)的指示函數(shù)，l為該系統(tǒng)可靠性指標(biāo)的值，為常數(shù)；

72、需要解如下優(yōu)化問(wèn)題

73、

74、其中q泛指任意的參數(shù)向量，θ為參數(shù)空間；此處約束條件為：

75、

76、采用拉格朗日乘子法，即可解得公式(4)到(9)，其中nd表示系統(tǒng)狀態(tài)x離散分量的個(gè)數(shù)，表示第i個(gè)離散分量在第j個(gè)情況的概率，ni表示第i個(gè)離散分量對(duì)應(yīng)的情況總數(shù)。

77、優(yōu)選的，所述步驟s10中l(wèi)olp和epns的計(jì)算公式為：

78、(1)失負(fù)荷概率lolp，表示系統(tǒng)發(fā)生失負(fù)荷的概率：

79、

80、

81、(2)期望缺供電力epns，表示系統(tǒng)電力供應(yīng)不足的期望值：

82、

83、其中，nsum為此次計(jì)算可靠性指標(biāo)需要考慮的狀態(tài)數(shù)量，xv為此次計(jì)算可靠性指標(biāo)的第v個(gè)狀態(tài)；w(xv)為步驟s7中計(jì)算的似然比w(x；p，qopt)；δp為狀態(tài)x對(duì)應(yīng)的缺電量，ωsuccess為nsum個(gè)狀態(tài)中無(wú)失負(fù)荷狀態(tài)的集合，ωfailure為nsum個(gè)狀態(tài)中失負(fù)荷狀態(tài)的集合。

84、優(yōu)選的，所述步驟s11中方差系數(shù)β的計(jì)算公式為：

85、

86、其中，和sn2由以下公式?jīng)Q定：

87、

88、其中，表示本輪抽樣進(jìn)行到第q個(gè)樣本時(shí)可靠性指標(biāo)的平均數(shù)，本輪共抽樣nm次；nsum為此次計(jì)算可靠性指標(biāo)需要考慮的狀態(tài)數(shù)量，xv為此次計(jì)算可靠性指標(biāo)的第v個(gè)狀態(tài)；h(x)為可靠性指標(biāo)的指示函數(shù)，采用hlolp(x)或nepns(x)。

89、相較于現(xiàn)有技術(shù)，本發(fā)明具有以下有益效果：

90、本發(fā)明設(shè)計(jì)了無(wú)失負(fù)荷狀態(tài)集，利用無(wú)失負(fù)荷狀態(tài)集，通過(guò)減少求解直流負(fù)荷削減模型的次數(shù)，加速了使用擴(kuò)展交叉熵重要抽樣法進(jìn)行狀態(tài)中存在連續(xù)型隨機(jī)變量的電力系統(tǒng)的可靠性評(píng)估的效率。