考虑风电出力不确定性的配电网概率潮流计算

被引:7
作者
白洁 [1 ]
王守相 [1 ]
赵倩宇 [1 ]
廖文龙 [1 ]
赵海洲 [2 ]
张雷 [2 ]
机构
[1] 天津大学智能电网教育部重点实验室
[2] 国网河北省电力有限公司衡水供电分公司
关键词
概率潮流; 不确定性; 双向生成对抗网络; 生成模型; 深度学习;
D O I
10.19635/j.cnki.csu-epsa.000455
中图分类号
TP183 [人工神经网络与计算]; TM614 [风能发电]; TM744 [电力系统的计算];
学科分类号
0807 ;
摘要
在对配电网进行概率潮流计算时,通常采用的风速概率模型存在准确性差、求解参数复杂及多风机出力相关性难以考虑的缺点,为此提出一种采用双向生成对抗网络BIGAN(bidirectional generative adversarial network)刻画风电出力不确定性的配电网概率潮流计算方法。首先,分析BIGAN的基本原理和训练过程,给出了利用BIGAN生成风功率样本的步骤。其次,以实际风功率数据为原始样本,通过BIGAN获得生成样本,然后考察原始样本和生成样本的时间相关性、概率分布特性及空间相关性,验证BIGAN方法的有效性;最后,在IEEE33节点系统中,以BIGAN生成的风功率样本和假定服从正态分布的负荷样本为输入进行潮流计算。结果表明所提方法计算精度高,计算时间短。
引用
收藏
页码:78 / 84
页数:7
相关论文
共 10 条
  • [1] 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
    王洪涛
    李晓刚
    邹斌
    [J]. 中国电机工程学报, 2019, 39 (16) : 4753 - 4763+4977
  • [2] 基于Copula理论及时序重构技术的相关性风速模拟
    吴卫兵
    周松林
    邢时超
    [J]. 电力系统及其自动化学报, 2019, 31 (08) : 66 - 72
  • [3] 基于Copula函数及Rosenblatt变换的含相关性概率潮流计算
    王涛
    王淳
    李成豪
    [J]. 电力系统保护与控制, 2018, 46 (21) : 18 - 24
  • [4] 风电和光伏随机场景生成的条件变分自动编码器方法
    王守相
    陈海文
    李小平
    舒欣
    [J]. 电网技术, 2018, 42 (06) : 1860 - 1869
  • [5] 基于实测数据的风电功率曲线建模及不确定估计
    林鹏
    赵书强
    谢宇琪
    胡永强
    [J]. 电力自动化设备, 2015, 35 (04) : 90 - 95
  • [6] 风速相关性对配电网运行特性的影响
    蔡德福
    陈金富
    石东源
    李慧杰
    姚美齐
    [J]. 电网技术, 2013, 37 (01) : 150 - 155
  • [7] 考虑输入变量相关性的概率潮流计算方法
    陈雁
    文劲宇
    程时杰
    [J]. 中国电机工程学报, 2011, 31 (22) : 80 - 87
  • [8] 基于人工神经网络和粒子群算法的半导体激光器参数反向设计方法[D]. 冯佩.山东大学. 2019
  • [9] Assessing different parameters estimation methods of Weibull distribution to compute wind power density[J] . Kasra Mohammadi,Omid Alavi,Ali Mostafaeipour,Navid Goudarzi,Mahdi Jalilvand.Energy Conversion and Management . 2016
  • [10] Energy and reliability benefits of wind energy conversion systems
    Xie, Kaigui
    Billinton, Roy
    [J]. RENEWABLE ENERGY, 2011, 36 (07) : 1983 - 1988