Получение законов распределения вероятностей параметров установившегося режима электроэнергетических систем

Юлий Дмитриевич Бай, Анатолий Васильевич Шмойлов, Николай Юрьевич Рубан, Руслан Александрович Уфа, Владимир Евгеньевич Рудник, Антон Владимирович Киевец

Аннотация


Стабильная работа энергосистемы является одним из основных вопросов, рассматриваемых в электроэнергетике. Современные уровни потребления ведут к необходимости постоянно наращивать генерируемые мощности, многократно преобразуя и усложняя исходную схему. В дополнение к этому, учитывая текущий тренд на развитие цифровой энергетики и внедрение возобновляемых источников энергии, добавляется все больше неопределенностей, которые сложно предопределить стандартными методами регулирования.

События в энергосистеме являются детерминированными, т. е. случайными. Это приводит к тому, что сложно в полной мере оценить устойчивость энергосистемы, уровни напряжений в узлах, токов в ветвях или возможные потери мощности. Нахождение законов распределения вероятностных характеристик способно предоставить понимание всех возможных состояний, в которых может существовать объект. Проблема их получения заключается в сложности учета всех взаимосвязей между случайными аргументами исходных данных. Данные законы необходимы для дальнейшего определения оптимальных режимов работы ЭЭС, возможности решения задачи определения оптимальных мест установки и требуемого объема возобновляемой генерируемой энергии недетерминированным способом.

Цель данной статьи заключается в апробировании разрабатываемого метода получения полных вероятностных характеристик СГИД. Данный метод в отличие от методов семейства Монте-Карло не использует случайную выборку исходных аргументов, а полностью покрывает исследуемую функциональную зависимость. Поставленная задача была решена с использованием положений теории вероятностей и математической статистики, в энергетике в частности, численных методов оптимизации. Также использовался пакет прикладных программ для решения задач технических вычислений MATLAB Matpower.


Ключевые слова


электроэнергетические системы; установившийся режим; закон распределения вероятности; случайная величина; квантиль; функциональная зависимость

Полный текст:

PDF

Литература


Prognoz razvitiya energetiki mira i Rossii do 2040 goda [Forecast of energy development in the world and Russia until 2040], INEI RAN, ATs, 2014.

Azmy A., Erlich I. Impact of distributed generation on the stability of electrical power system. IEEE Power Engineering Society General Meeting, 2005, vol. 2, pp. 1056–1063. DOI: 10.1109/pes.2005.1489354

Voropaj N.I., Efimov D.N. [Requirements for emergency control of electric power plants taking into ac-count changes in the conditions for their development and functioning]. Nadezhnost' liberalizovannyh sistem jenergetiki [Reliability of liberalized energy systems]. Novosibirsk, Nauka Publ., 2004, pp. 74–84. (in Russ.)

Venttsel’ E.S. Teoriya veroyatnostey: ucheb. dlya vuzov [Probability Theory: Proc. for Universities]. Moscow, Vyssh. shk. Publ., 1999. 576 p.

Andronov A.M., Kopytov E.A., Gringlaz L.YA. Teoriya veroyatnostey i matematicheskaya statistika [Theory of Probability and Mathematical Statistics]. St. Petersburg, Piter Publ., 2004. 461 p.

Genz A. Numerical Computation of the Multivariate Normal Probabilities. Journal of Computational and Graphical Statistics, 1992, vol. 1, pp. 141–150. DOI: 10.2307/1390838

Ufa R., Andreev M., Ruban N., Suvorov A., Gusev A., Razzhivin I., Askarov A., Bay Y., Kievets A., Lo-zinova N., Suslova O. The hybrid model of VSC. Electrical Engineering, 2019, vol. 101, pp. 11–18. DOI: 10.1007/s00202-018-00752-y

Milanović J. Probabilistic stability analysis: The way forward for stability analysis of sustainable power systems. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 2017, vol. 2100, pp. 1–22. DOI: 10.1098/rsta.2016.0296

Chung C.Y., Chan K.W., Huazhang H. Quasi-Monte Carlo based probabilistic small signal stability analy-sis for power systems with plug-in electric vehicle and wind power integration. IEEE Transactions on Power Sys-tems, 2013, vol. 28, pp. 3335– 343. DOI: 10.1109/tpwrs.2013.2254505

Hong HP. An efficient point estimate method for probabilistic analysis. Reliability Engineering & System Safety, 1998, vol. 59, pp. 261–267. DOI: 10.1016/s0951-8320(97)00071-9

Karimishad A. Probabilistic transient stability assessment using two-point estimate method. Proceedings of the 8th International Conference on Advances in Power System Control, Operation and Management (APSCOM 2009), 2009, pp. 1–36. DOI: 10.1049/cp.2009.1748

LI W. Risk assessment of power systems: models, methods, and applications. Wiley-IEEE Press Publ., 2005. 560 p.

Hsu J. Multiple Comparisons: Theory and Methods. London, Chapman and Hall Publ, 1996. 277 p.

Bay Y.D. The Selection of Interval Boundaries of Input and Output Data Method for Obtaining Com-plete Probabilistic Characteristics. MATEC Web of Conferences, 2017, vol. 141, pp. 1–4. DOI: 10.1051/matecconf/201714101037

Venikov V.A. et al. Elektroenergeticheskiye sistemy v primerakh i zadachakh [Electric Power Systems Examples and Tasks]. Moscow, Energoatomizdat Publ., 1983. 504 p.

Shvedov A.S. Teoriya veroyatnostey i matematicheskaya statistika [Theory of Probability and Mathe-matical Statistics]. Moscow, Izd. dom GU-VShE Publ., 2005. 254 p.

Rodgers J.L., Nicewander W.A. Thirteen Ways to Look at the Correlation Coefficient. The American Sta-tistician, 1988, vol. 42, no. 1, pp. 59–66.

Bay Y., Razzhivin I., Kievets A., Askarov A., Rudnik V. Obtaining probabilistic characteristics of electrical quantities and their imbalances. Electrotehnica, Electronica, Automatica (EEA), 2019, vol. 67, pp. 73–80. DOI: 10.46904/eea.20.68.3.1108004

IEEE 14 Bus Power Flow Test Case. Available at: https://egriddata.org/dataset/ieee-14-bus-power-flow-test-case (accessed 29.04.2020).

Matpower Documentation. Available at: https://matpower.org/doc/ (accessed 12.04.2020).

Suresh V. Comparison of solvers performance for load flow analysis. Transactions on Environment and Electrical Engineering, 2019, vol. 1, pp. 363–378.

Ehsan M., Aien M., Soroudi A. A probabilistic modeling of photovoltaic modules and wind power genera-tion impact on distribution networks. IEEE Systems Journal, 2012, vol. 6, pp. 254–259. DOI: 10.1109/jsyst.2011.2162994




DOI: http://dx.doi.org/10.14529/power200305

Ссылки

  • На текущий момент ссылки отсутствуют.