[发明专利]一种考虑新能源不确定性的电网静态电压稳定裕度概率预测方法

说明书

本发明涉及一种考虑新能源不确定性的电网静态电压稳定裕度概率预测方法，具体包括：构建以风电、光伏为代表的新能源的功率预测误差模型；构建基于预测误差模型和蒙特卡洛抽样的风电、光伏静态场景生成模型；构建基于深度学习的单场景静态电压稳定裕度预测方法；采用核密度估计法生成考虑新能源不确定性的电网静态电压稳定裕度概率预测结果。本发明有如下优点：一方面，所提基于新能源预测误差的场景生成模型考虑新能源发电的随机性，所得静态电压稳定裕度概率分布能够为调度人员提供更多的参考信息；另一方面，采用深度学习模型对每一场景的静态电压稳定裕度进行预测，同时保证了概率预测的精度与效率，适用于在线应用。

技术领域

本发明涉及电力系统安全稳定分析研究领域，尤其是涉及一种考虑新能源不确定性的电网静态电压稳定裕度概率预测方法。

背景技术

近年来，世界范围内相继发生多起大停电事故，电网安全再度成为各方关注的焦点。对于数量不断增长的停电事故，有自然灾害、意外事故等直接原因，也有频率失稳、电压失稳等深层次原因，相关研究表明，相比于电力系统同步运行稳定和功角稳定，电压稳定呈现出更强的突发性和隐蔽性，由于电压失稳而导致的停电事故占有较大比重。其中，随着电力系统的发展，电网中长线路、重负荷及无功储备不足的现象愈发凸显，系统的静态电压稳定裕度越来越小，而且新能源发电功率的随机性导致静态电压稳定裕度呈现更强的不确定性，这导致由静态电压稳定失稳导致停电事故的可能性增加。因此，对含大量新能源的电力系统的静态电压稳定裕度进行预测对于电网的安全稳定运行具有重大意义。

现有静态电压稳定裕度概率分析研究主要有解析法、近似法和蒙特卡洛模拟法。以半不变量法为代表的解析法需要将输入输出关系进行线性化处理，当功率波动较大时该方法具有较大的误差。而现有点估计法和蒙特卡洛模拟法均要进行多次连续潮流计算，难以满足在线预测的要求。

发明内容

本发明旨在克服上述静态电压稳定裕度概率预测存在的缺陷，提供了一种考虑新能源不确定性的电网静态电压稳定裕度概率预测方法。为实现上述目标，本发明采用以下的技术方案：

基于构建的以风电、光伏为代表的新能源的功率预测误差模型,以及基于功率预测误差模型和蒙特卡洛抽样构建的风电、光伏静态场景生成模型,预测方法具体是构建深度神经网络并进行离线训练，基于训练好的深度神经网络在线预测电网静态电压稳定裕度，包括：

步骤1：随机生成大量初始运行状态，采用连续潮流法计算每一种运行状态的静态电压稳定裕度K_p，并建立样本数据库(X，K_p)，基于样本数据库对深度神经网络进行离线训练，其中，连续潮流方程如下：

其中，P_G表示发电机有功功率；P_G0表示发电机初始有功功率；P_Gd表示发电机有功功率增长方向；P_L、Q_L表示负荷有功、无功功率；P_L0、Q_L0表示负荷初始有功、无功功率；P_Ld、Q_Ld表示负荷有功、无功功率增长方向,训练结束的条件为损失函数最小；最后训练好的模型为一黑箱；

步骤2：在线预测时，基于网络拓扑结构及源荷预测数据对网络进行潮流计算，获取节点电压幅值V、相角θ作为在线输入X，利用训练好的深度神经网络预测电网静态电压稳定裕度K_p。

在上述的一种考虑新能源不确定性的电网静态电压稳定裕度概率预测方法，构建以风电、光伏为代表的新能源的功率预测误差模型，具体包括：基于风电、光伏的历史预测功率和实际功率数据，采用分布模型拟合预测误差的统计分布结果，得到能够白表征新能源功率预测误差分布的概率密度函数(PDF)和累计累积分布函数(CDF)。