基于DIgSILENT數(shù)據(jù)接口DGS的含風(fēng)電電力系統(tǒng)隨機潮流分析

孫雯，戎曉雪，別朝紅，石文輝，柯丹

（1. 西安交通大學(xué) 電力設(shè)備電氣絕緣國家重點實驗室，陜西 西安 710049；2. 國網(wǎng)山東省電力公司 濟南

供電公司，山東 濟南 250012；3. 中國電力科學(xué)研究院，北京 100192）

目前石油、煤炭等傳統(tǒng)化石能源日益枯竭，新能源以其清潔、可再生等優(yōu)點得到不斷發(fā)展[1-2]。由于風(fēng)能資源豐富且風(fēng)力發(fā)電技術(shù)日趨成熟，風(fēng)電并網(wǎng)規(guī)模日益增大。受自然界氣候的影響，風(fēng)電出力具有隨機性、波動性和間歇性等特點。當(dāng)電力系統(tǒng)中的風(fēng)電場數(shù)目較多時，利用傳統(tǒng)的確定性潮流分析系統(tǒng)狀態(tài)不僅計算量巨大而且無法全面反應(yīng)系統(tǒng)的運行情況。而隨機潮流可以在考慮各種隨機因素的同時，概率地統(tǒng)計出電力系統(tǒng)穩(wěn)態(tài)運行情況，得到更為全面的系統(tǒng)運行指標[3-6]。

目前已有學(xué)者對含風(fēng)電電力系統(tǒng)隨機潮流進行分析研究。但多數(shù)文獻只是將各風(fēng)電場的風(fēng)速看作獨立變量進行計算[7-10]，并沒有考慮到處于同一風(fēng)區(qū)、地理位置相近的多個風(fēng)電場風(fēng)速之間較強的相關(guān)性[11-12]，不能準確地評估電力系統(tǒng)的運行風(fēng)險。文獻[13-14]提出一種可以處理多個輸入隨機變量相關(guān)性的基于拉丁超立方采樣的Monte Carlo隨機潮流計算方法，較傳統(tǒng)的Monte Carlo模擬法的效率有所提高，但仍需要進行大量的仿真計算，耗時較長。文獻[15]提出一種基于Cholesky分解的計及輸入變量相關(guān)性的半不變量隨機潮流計算方法，但其對具有相關(guān)性的輸入變量處理方法較為復(fù)雜，在求取半不變量時仍利用的Monte Carlo抽樣，且要求已知輸入變量的邊際累積分布函數(shù)和相關(guān)系數(shù)矩陣，計算量較大。文獻[16]采用Copula函數(shù)建立多風(fēng)電場的風(fēng)速相關(guān)性模型的過程中，利用最大似然估計法得到Copula參數(shù)，在得到具有相關(guān)風(fēng)速樣本時已產(chǎn)生相應(yīng)的誤差。

以上方法均不能快速地求解考慮風(fēng)電場相關(guān)性時的電力系統(tǒng)隨機潮流，且未考慮風(fēng)速波動較大導(dǎo)致的線性化潮流不適用問題[17]。另一方面，常用隨機潮流算法多是以IEEE標準數(shù)據(jù)格式為輸入，而我國電力系統(tǒng)常用DIgSILENT軟件進行分析，電網(wǎng)網(wǎng)架的數(shù)據(jù)格式為DIgSILENT數(shù)據(jù)格式DGS，由于輸入文件的不匹配導(dǎo)致計算效率的大大降低。針對以上問題，本文首先將各風(fēng)電場的風(fēng)速及出力離散化，建立考慮風(fēng)電場相關(guān)性的離散化聯(lián)合概率分布模型，逐個判斷離散點是否符合線性化潮流方程，并結(jié)合半不變量和Gram-Charlier級數(shù)展開方法進行隨機潮流評估計算[18]。其次，因DIgSILENT軟件具有豐富的元件庫和靈活的自定義模型，常以此為平臺搭建各地區(qū)電力系統(tǒng)仿真模型，故本文研究了基于DIgSILENT軟件的DGS數(shù)據(jù)接口技術(shù)，使含風(fēng)電電力系統(tǒng)隨機潮流算法在實際電力系統(tǒng)得到應(yīng)用推廣，具有較好的工程應(yīng)用價值。

1 考慮風(fēng)速相關(guān)性的風(fēng)電場出力模型

1.1 單個風(fēng)電場出力離散化

在風(fēng)力發(fā)電地區(qū)，風(fēng)速一般具有晝夜分布特性，波動性非常大。當(dāng)風(fēng)電場裝機容量較大時，風(fēng)電場出力的變化范圍隨之變大。當(dāng)風(fēng)電場出力波動達到一定程度時，則不能使用線性化潮流方法計算潮流，否則將導(dǎo)致較大的誤差。由此，本文將風(fēng)電場的出力離散化，逐個判斷各離散點是否滿足線性化潮流的適用條件。

以有功出力為例，假設(shè)風(fēng)機出力在0到額定值Pr之間波動時，根據(jù)風(fēng)電出力波動范圍和電網(wǎng)規(guī)模選取風(fēng)機出力離散段數(shù)為h，則Pstep=Pr/h為每一段有功出力間隔，取每一段出力的期望值為對應(yīng)的離散點：

若已知風(fēng)電場有功出力的概率密度函數(shù)為f（P），則每個離散點對應(yīng)的概率為

當(dāng)風(fēng)電場有功出力為離散概率密度函數(shù)時，則各離散點的概率值為

其中：i=1，2，3，…，h。

本文采用恒功率控制的雙饋感應(yīng)式發(fā)電機，基于監(jiān)測的歷史風(fēng)速數(shù)據(jù)，根據(jù)風(fēng)速-功率特性曲線計算出風(fēng)電場的有功出力和無功出力，并逐個判斷該出力值屬于哪個離散點范圍，則相應(yīng)的離散點概數(shù)加1。其中，當(dāng)風(fēng)機有功出力為0時，取離散點Pw0=0，其離散概率為

當(dāng)風(fēng)機有功出力為額定功率Pr時，取離散點Pw（h+1）=Pr，其離散概率為

故得到每個風(fēng)電場出力有h+2個離散點數(shù)。

1.2 單個風(fēng)電場出力離散化

當(dāng)同一風(fēng)區(qū)分布多個風(fēng)電場時，本文通過建立多個風(fēng)電場之間出力的離散化聯(lián)合概率分布，來表征各相鄰風(fēng)電場之間風(fēng)速的相關(guān)性關(guān)系，建立過程如圖1所示。

1）讀取m個具有相關(guān)性風(fēng)電場的k組歷史風(fēng)速數(shù)據(jù)。

2）依據(jù)風(fēng)速-功率特性曲線，將風(fēng)速轉(zhuǎn)化成風(fēng)機出力。

3）設(shè)定離散點數(shù)N，分別將每個風(fēng)電場出力離散化，得到各離散點有功和無功出力值（Pw1，Qw1）到（PwN，QwN），可以得到多個風(fēng)電場聯(lián)合概率分布中各離散點出力（Pwi1，wi2，…，wij，…，wim，Qwi1，wi2，…，wij，…，wim），i=1，2，…，Nm；j=1，2，…，m；ij=1，2，…，N。

4）分析第a組出力數(shù)據(jù)中第b個風(fēng)電場出力值屬于哪個離散點，則相應(yīng)離散點的概數(shù)加1。

5）判斷是否處理完a組數(shù)據(jù)中所有風(fēng)電場出力值。若b

圖1 風(fēng)電出力離散化聯(lián)合概率分布建立流程Fig. 1 Calculation flow chart of Joint discrete probabilistic model of wind power

6）判斷是否處理完k組風(fēng)電場出力。若a

7）處理完所有出力數(shù)據(jù)，將每個離散點處的概數(shù)除以k，得到聯(lián)合概率分布中各離散點處的概率值pi1，i2，…，ij，…，im。

表1以兩個風(fēng)電場為例建立風(fēng)電出力的離散化聯(lián)合概率分布模型。

表1 兩風(fēng)電場出力的離散化聯(lián)合概率分布Tab. 1 Joint discrete probabilistic model of windpower

2 含風(fēng)電電力系統(tǒng)隨機潮流模型

2.1 潮流方程線性化模型

電力系統(tǒng)潮流方程如下：

式中，W為節(jié)點注入功率，包括有功和無功功率；X為節(jié)點的狀態(tài)變量，包括各節(jié)點的電壓負值和角度；Z為支路潮流隨機變量；f和g分別為系統(tǒng)潮流方程和支路功率方程。

當(dāng)節(jié)點注入功率的變化較小時，可使用傳統(tǒng)的基于半不變量法的隨機潮流分析算法，即在基準運行點處利用泰勒級數(shù)展開并忽略高次項，由此得到各節(jié)點電壓和支路潮流的變化量與節(jié)點注入量的變化量關(guān)系為

式中，ΔW為節(jié)點注入功率向量的變化量；ΔX為節(jié)點電壓狀態(tài)變量的變化量；J0為牛頓法最后一次迭代所用的雅可比矩陣；ΔZ為支路功率向量的變化量；G0為支路功率對節(jié)點電壓求一階偏導(dǎo)數(shù)所得矩陣。

2.2 線性化潮流方程適用性判定

由于風(fēng)電場出力的波動性較強，當(dāng)風(fēng)電場出力的變化量較大時，忽略泰勒展示的高次項將帶來較大的誤差，因此利用式（7）表示的線性化潮流方程求取節(jié)點電壓和支路功率的變化量也將會有較大的誤差。為了減少這一誤差，本文引入線性化潮流方程的適用判據(jù)，設(shè)置潮流方程線性化的閾值ΔCf，逐點判斷1.2中建立的多風(fēng)電場的出力離散化聯(lián)合概率分布模型中概率大于0的離散點是否適用線性化潮流方程，如果適用，則可根據(jù)式（7）求取風(fēng)電場出力由額定功率變?yōu)槟畴x散點時，系統(tǒng)節(jié)點電壓和支路潮流的變化量；否則需要重新計算潮流來確定系統(tǒng)各節(jié)點電壓和支路功率的變化量。

以m個風(fēng)電場分別接入m個節(jié)點上為例，某一時刻各風(fēng)電場的風(fēng)速從額定vr風(fēng)速變化成風(fēng)速v1、v2、…、vm，各風(fēng)電場的出力將由額定出力（Pr，Qr）變?yōu)椋≒W1，QW1）、（PW2，QW2）、…、（PWm，QWm）。則接入風(fēng)機的節(jié)點有功和無功注入功率的變化量分別為

式中，ΔPwi和ΔQwi分別為接入風(fēng)機節(jié)點有功和無功注入功率的變化量。

其余非風(fēng)機接入節(jié)點的注入功率變化量為0。設(shè)系統(tǒng)有n個節(jié)點，l條支路。依據(jù)式（7）計算出各節(jié)點狀態(tài)變量和支路功率向量的變化量分別為式中，Δθj、ΔVj（j=1，2，…，n-1）分別為各風(fēng)電場風(fēng)速變化時節(jié)點j的相角和電壓的變化量；ΔPh、ΔQh（h=1，2，…，l）分別為各風(fēng)電場風(fēng)速變化時，支路的有功功率和無功功率的變化量。

當(dāng)風(fēng)電場的風(fēng)速變化較大時，若

則不能采用線性化潮流方程運算，需重新計算確切性潮流。進而得到風(fēng)速變化后，節(jié)點電壓和支路功率的變化量，即

式中，Vr、Vj分別為額定風(fēng)速和實際風(fēng)速下，應(yīng)用確切性潮流計算得到的節(jié)點j的電壓幅值；Pr、Ph分別為額定風(fēng)速和實際風(fēng)速下，應(yīng)用確切性潮流計算得到的支路h的有功功率值。

2.3 狀態(tài)變量概率分布求取

由2.2可以計算得到各風(fēng)電場出力為某一出力離散點時，系統(tǒng)實際的節(jié)點電壓和支路功率，進而得到當(dāng)各風(fēng)電場出力服從表2所示的離散化聯(lián)合概率分布時，節(jié)點電壓與支路功率變化量的分布及其各階矩。根據(jù)半不變量和矩之間的關(guān)系式，得到各節(jié)點電壓與支路功率變化量的各階半不變量。最后利用Gram-Charlier級數(shù)展開式可以求得各節(jié)點電壓ΔX和支路潮流ΔZ的概率分布[19]。

前文為解決風(fēng)電場風(fēng)速波動較大，導(dǎo)致部分風(fēng)機出力變化不滿足線性化潮流方程的問題，提出了將風(fēng)電場出力的概率分布離散化，逐點判斷各離散點是否適用線性化潮流方程的方法，提高了隨機潮流的計算精度。為進一步推廣隨機潮流算法在實際電力系統(tǒng)中的應(yīng)用，結(jié)合其與DIgSILENT軟件的優(yōu)勢，本文研究了一種數(shù)據(jù)格式轉(zhuǎn)換方法，將DIgSILENT數(shù)據(jù)格式DGS轉(zhuǎn)化為電力系統(tǒng)分析常用數(shù)據(jù)格式、即IEEE標準格式CDF（IEEE Common Data Format），提高了隨機潮流程序在實際系統(tǒng)分析中的效率。具體實現(xiàn)方法見下文。

3 DIgSILENT數(shù)據(jù)接口技術(shù)

DIgSILENT軟件具有靈活的用戶自定義元件模型和圖形化的操作管理等特點，在模型搭建方面與其他電力系統(tǒng)仿真軟件相比更為便捷。此外，在研究新能源發(fā)電時，DIgSILENT軟件可以根據(jù)需求搭建不同的元件模型，并且包含了幾乎常用的所有電力系統(tǒng)分析的功能，如潮流、短路計算、機電暫態(tài)及電磁暫態(tài)計算和諧波分析等功能，這些優(yōu)點使DIgSILENT軟件在電力系統(tǒng)分析領(lǐng)域逐漸得到推廣，我國很多電網(wǎng)的模型搭建和仿真也是應(yīng)用DIgSILENT平臺完成的。

然而，電力系統(tǒng)隨機潮流及其他分析程序多采用的輸入數(shù)據(jù)格式為IEEE標準數(shù)據(jù)格式CDF，而DIgSILENT軟件的數(shù)據(jù)接口和數(shù)據(jù)格式DGS與CDF不同。若利用上文的電力系統(tǒng)隨機潮流程序?qū)嶋H大型電網(wǎng)進行分析，則需要技術(shù)人員手動將網(wǎng)架參數(shù)的數(shù)據(jù)格式轉(zhuǎn)為CDF格式，極大的降低了計算效率，輸入文件格式的限制使得隨機潮流算法難以在大型實際電力系統(tǒng)中進行推廣。

因此，本文使用軟件DIgSILENT搭建仿真網(wǎng)絡(luò)，并在此基礎(chǔ)上進行數(shù)據(jù)接口研究，提出了一種智能接口轉(zhuǎn)換方法，可以將DIgSILENT導(dǎo)出的DGS數(shù)據(jù)格式轉(zhuǎn)換成傳統(tǒng)電力系統(tǒng)程序常用的IEEE標準數(shù)據(jù)格式，使電力系統(tǒng)隨機潮流算法更方便地應(yīng)用于實際電網(wǎng)分析評估中[20]。此外，本文所提的接口轉(zhuǎn)換模型還可以用于電力系統(tǒng)潮流計算、可靠性分析及風(fēng)險評估等電力系統(tǒng)分析中，極大的提高了大型實際電力系統(tǒng)的分析評估效率。

3.1 DIgSILENT軟件導(dǎo)出DGS格式數(shù)據(jù)文件

DIgSILENT軟件以其開放性和兼容性為用戶提供與其他程序軟件連接的接口，如DGS、PSS/E、NEPLAN、MATLAB 等[21]。DGS（DIgSILENT-GISSCADA）作為DIgSILENT軟件的一種雙向數(shù)據(jù)傳輸接口，可以將完整的電網(wǎng)模型或元件參數(shù)從外部數(shù)據(jù)源導(dǎo)入至軟件中，或更新現(xiàn)有的模型。也可以從軟件導(dǎo)出電網(wǎng)模型、元件參數(shù)、網(wǎng)絡(luò)圖形數(shù)據(jù)或計算結(jié)果至外部數(shù)據(jù)源，并支持選擇性輸出。

本文以DGS接口為基礎(chǔ)，研究軟件仿真模型數(shù)據(jù)格式的轉(zhuǎn)換和兼容問題。在DIgSILENT軟件中搭建好系統(tǒng)仿真模型后，需就導(dǎo)出元件參數(shù)進行設(shè)置。在DIgSILENT中有3種類型的數(shù)據(jù)分別為Element、Type和Graphic。前兩類分別包含了每種元件的特性參數(shù)和標準制造數(shù)據(jù)，Graphic則記錄了網(wǎng)架的拓撲結(jié)構(gòu)和元件之間的連接關(guān)系。當(dāng)每一種元件有多個輸出變量時，注意變量的選擇順序是固定的，方便后面對DGS文件進行讀取。在設(shè)置完元件模型及其參數(shù)變量后，即可導(dǎo)出DGS格式的文檔。

3.2 DIgSILENT與Visual C++數(shù)據(jù)接口原理及實現(xiàn)方法

DIgSILENT軟件由于具有高度圖形化的操作模式和全新的數(shù)據(jù)管理理念，逐漸在電力系統(tǒng)分析領(lǐng)域得到推廣和應(yīng)用，很多電網(wǎng)都是應(yīng)用DIgSILENT軟件搭建的，電網(wǎng)網(wǎng)架及電網(wǎng)發(fā)電機、負荷等數(shù)據(jù)是以DIgSILENT自有的方式進行存儲。通過DIgSILENT的數(shù)據(jù)接口，可以導(dǎo)出DGS格式的電網(wǎng)數(shù)據(jù)格式文件，利用編寫的Visual C++數(shù)據(jù)接口程序?qū)⑵滢D(zhuǎn)換成常用分析計算的IEEE標準格式。其具體的轉(zhuǎn)換步驟如圖2所示。

圖2 接口轉(zhuǎn)換流程圖Fig. 2 Flow chart of the interface transformation

1）統(tǒng)計以DGS數(shù)據(jù)格式表示的電力系統(tǒng)網(wǎng)架結(jié)構(gòu)中每種類型電氣元件的個數(shù)，包括發(fā)電機、變壓器、線路和負載等。

2）讀入DGS格式文件中的StaCubic模塊和母線模塊（ElmTerm），然后編寫母線編號的過渡矩陣，過渡矩陣中各列數(shù)據(jù)分別為：矩陣每行的序號、StaCubic模塊中的第一列數(shù)據(jù)、對應(yīng)母線在新的標準接口文件中的編號、母線在DGS中的原始編號以及對應(yīng)母線電壓等級。

3）讀入DGS數(shù)據(jù)格式文件中的發(fā)電機模塊（ElmSym）、負載模塊（ElmLod）以及并聯(lián)支路模塊（ElmShnt）的數(shù)據(jù)，整理出接口格式對應(yīng)的各發(fā)電機和負荷的功率值，以及并聯(lián)支路導(dǎo)納的標幺值等。

4）根據(jù)IEEE標準格式將母線的編號、母線電壓等級、母線電壓幅值和相角的初值以及步驟3）計算得到的數(shù)據(jù)進行排列。

5）經(jīng)過步驟4）后，讀入DGS格式文件中的變壓器型號模塊，包括TypTr2模塊以及TypTr3模塊。建立變壓器型號的過渡矩陣，所述變壓器型號的過渡矩陣中各列數(shù)據(jù)分別為：TypTr2模塊以及TypTr3模塊在DGS文件中的編號、不同型號變壓器各側(cè)電壓值、各類型變壓器的阻抗值以及電納值。

6）讀入DGS格式文件中線路模塊（ElmLne）、變壓器模塊ElmTr2和ElmTr3，根據(jù)公式計算IEEE標準格式中各支路電阻的標幺值、電抗的標幺值、電納的標幺值、變比和移相。

7）經(jīng)過步驟6）后，根據(jù)IEEE標準格式將支路的編號、支路首末連接的母線的編號以及步驟6）計算得到的數(shù)據(jù)進行排列。

8）設(shè)定電力系統(tǒng)隨機潮流分析所需要的其他參數(shù)，如潮流計算的最大迭代次數(shù)、迭代收斂的精確度等等。

該接口轉(zhuǎn)換程序的使用方法有兩種：a）將接口程序嵌入到電力系統(tǒng)分析程序中，由Visual C++中的主函數(shù)進行直接調(diào)用；b）直接由接口程序程得到一個新的IEEE標準接口文檔，該接口文檔可以直接用于其他電力系統(tǒng)分析程序。此外，該接口程序?qū)С龅臄?shù)據(jù)格式和傳統(tǒng)電力系統(tǒng)應(yīng)用軟件如MATPOWER等數(shù)據(jù)格式相互兼容，提高了在DIgSILENT環(huán)境下處理大規(guī)模復(fù)雜數(shù)據(jù)的效率，使仿真不依賴于DIgSILENT運行環(huán)境，大大減少了計算時間。

式中fA(x)、fB(x)、fC(x)、fD(x)表示各客流擁塞評價指標對應(yīng)于第A、B、C、D類客流擁塞風(fēng)險水平的白化權(quán)函數(shù).

4 算例分析

本文首先以IEEE-24節(jié)點系統(tǒng)為算例，驗證DGS數(shù)據(jù)轉(zhuǎn)換接口方法的有效性和精確性。經(jīng)驗證該方法正確有效之后，將其應(yīng)用于本文所提出的含風(fēng)電電力系統(tǒng)隨機潮流分析計算中。進而以DIgSILENT軟件中搭建的新疆地區(qū)2015年規(guī)劃電網(wǎng)實際系統(tǒng)為算例，驗證本文所提含風(fēng)電電力系統(tǒng)隨機潮流模型的正確性以及優(yōu)越性。

4.1 DGS數(shù)據(jù)轉(zhuǎn)換接口的驗證

DIgSILENT與Visual C++數(shù)據(jù)接口轉(zhuǎn)換的方法可以普遍地應(yīng)用到以IEEE標準數(shù)據(jù)格式為基礎(chǔ)的電力系統(tǒng)分析程序中。以IEEE-24節(jié)點系統(tǒng)為例驗證本文所提接口轉(zhuǎn)換方法的有效性。在DIgSILENT軟件中搭建IEEE-24節(jié)點系統(tǒng)仿真模型，系統(tǒng)網(wǎng)架結(jié)構(gòu)如圖3所示。系統(tǒng)分為138 kV和230 kV兩個電壓等級，額定容量為100 MV·A，由24個節(jié)點，38條支路，32臺發(fā)電機和5組變壓器組成。

圖3 IEEE-24節(jié)點系統(tǒng)Fig. 3 IEEE-24 bus System

由DIgSILENT軟件導(dǎo)出IEEE-24節(jié)點系統(tǒng)的DGS數(shù)據(jù)格式文件后，經(jīng)過數(shù)據(jù)接口轉(zhuǎn)換得到用IEEE標準數(shù)據(jù)格式表示的線路參數(shù)（R、X等）。轉(zhuǎn)換后的線路參數(shù)和系統(tǒng)實際參數(shù)對比如表2所示。

由表2可以看出，DGS接口轉(zhuǎn)換程序的最大誤差為0.03%，誤差出現(xiàn)的主要原因是計算機在計算過程中截斷效應(yīng)，由此驗證了本文所提接口轉(zhuǎn)換方法的正確性，提高了隨機潮流程序及其他電力系統(tǒng)分析程序在實際電力系統(tǒng)中的應(yīng)用水平。

4.2 考慮風(fēng)電相關(guān)性的隨機潮流模型驗證

本文采用DIgSILENT軟件搭建含3個相鄰風(fēng)電場的新疆電網(wǎng)，以驗證本文所提考慮風(fēng)電場相關(guān)的含風(fēng)電電力系統(tǒng)隨機潮流模型的正確性以及優(yōu)越性。首先通過DIgSILENT接口轉(zhuǎn)換程序?qū)崿F(xiàn)DIgSILENT軟件與隨機潮流分析程序的對接，進而對含風(fēng)電的新疆電網(wǎng)進行隨機潮流分析。3個風(fēng)電場的裝機容量均為49.5 MW，由33臺額定功率為1.5 MW的風(fēng)機組成，各臺風(fēng)機的有功出力-風(fēng)速模型為：

式中，k1=Pr/（vr-vci）；k2=-k1vci；風(fēng)機的額定功率Pr=1.5 MW；切入風(fēng)速vci=4 m/s；切出風(fēng)速vco=25 m/s；額定風(fēng)速vr=15 m/s。

以3個風(fēng)電場一年的風(fēng)速數(shù)據(jù)及式（12）的有功出力-風(fēng)速模型為依據(jù)，建立表1中所示的風(fēng)電場出力的聯(lián)合概率分布模型。風(fēng)速數(shù)據(jù)以10 min為單位，一年的風(fēng)速數(shù)據(jù)共52 560組。

表2 IEEE-24節(jié)點系統(tǒng)的參數(shù)對比Tab. 2 Comparison of parameters of IEEE-24 bus System

利用已經(jīng)驗證的DGS數(shù)據(jù)接口方法將系統(tǒng)的網(wǎng)架參數(shù)導(dǎo)出并進行格式轉(zhuǎn)換。在相同電網(wǎng)參數(shù)的情況下，對比蒙特卡洛法和本文所提的隨機潮流程序這兩種方法計算所得節(jié)點電壓和支路功率的越限概率，驗證本算法的精度。算例中，線性化潮流的閾值ΔCf取0.005，低壓越限和風(fēng)險概率電壓取值范圍分別為V<0.97 pu和V<0.98 pu、高壓越限和高壓風(fēng)險概率電壓分別為V>1.07 pu和V>1.06 pu。

表3 節(jié)點電壓越限概率對比Tab. 3 The probability of out-of-limit of node voltage

由表3可以看出，本文所提的考慮風(fēng)電相關(guān)性的含風(fēng)電電力系統(tǒng)的隨機潮流模型計算結(jié)果與蒙特卡洛方法對比，誤差不超過4%，精確性高。而不考慮相關(guān)性時，越限概率的最大誤差達到了12.8%，誤差較大，即忽略風(fēng)電場的風(fēng)速相關(guān)性不符合電網(wǎng)實際的運行情況，計算得到的越限概率較實際越限概率低，導(dǎo)致電網(wǎng)風(fēng)險的低估。

為了更全面的驗證所提方法的有效性和精確性，本文還采用另外兩種指標從不同方面進行評估。輸出變量期望值之差dEXP（取絕對值）用于評估所提方法在輸出變量的準確程度[22]，輸出變量累積分布曲線（cumulative distribution curve，CDC）的方差和的根均方值指標[23]（average root mean square，ARMS）用于分析所提方法在輸出變量概率分布趨勢方面的精確程度：

式中，ARMS為方差和的根均方值指標；DCi和PCi分別為蒙特卡洛方法和隨機潮流程序兩種方法求得點i的累積概率值。N表示在點i處選取統(tǒng)計點的個數(shù)。本文中N為2 000，各統(tǒng)計點的間距為0.000 1 pu。

節(jié)點電壓幅值期望之差dEXP和ARMS如表4所示。由表中可以看出，考慮風(fēng)電相關(guān)性的dEXP和ARMS都比較小，即考慮風(fēng)電相關(guān)性時，隨機潮流計算得到的節(jié)點電壓和支路功率的分布與應(yīng)用蒙特卡洛方法計算得到的分布相近；而不考慮風(fēng)電相關(guān)性的指標較大，即不考慮風(fēng)電相關(guān)性將會導(dǎo)致系統(tǒng)變量分布的較大偏差。

表4 節(jié)點電壓幅值的ARMSTab. 4 ARMS of nodal voltage magnitude

應(yīng)用蒙特卡洛方法和本文所提的考慮相關(guān)性的含風(fēng)電電力系統(tǒng)隨機潮流算法的計算時間對比，計算機操作系統(tǒng)為Win 7，處理器為Intel Core i3。應(yīng)用蒙特卡洛方法分析系統(tǒng)的隨機潮流狀態(tài)需要7 200 s，將同樣的網(wǎng)架結(jié)構(gòu)利用DGS數(shù)據(jù)接口轉(zhuǎn)換方法應(yīng)用到考慮風(fēng)電相關(guān)性的隨機潮流分析程序后，計算時間僅需50 s，計算速度提升了100多倍。即本文所提的基于DIgSILENT的數(shù)據(jù)接口轉(zhuǎn)換方法及考慮相關(guān)性的含風(fēng)電電力系統(tǒng)的隨機潮流分析模型可以在保證計算精確度的基礎(chǔ)上，顯著提高計算速度，具有很好的實用性。

5 結(jié)論

傳統(tǒng)的含風(fēng)電電力系統(tǒng)的隨機潮流方法未考慮實際風(fēng)電場之間的風(fēng)速相關(guān)性，同時由于數(shù)據(jù)格式的不兼容，導(dǎo)致其在實際電網(wǎng)的分析評估中難以推廣應(yīng)用。針對以上問題，本文提出了一種基于DIgSILENT數(shù)據(jù)接口的含風(fēng)電電力系統(tǒng)隨機潮流分析方法：

1）該方法考慮了相鄰風(fēng)電場之間風(fēng)速相關(guān)性，建立了多風(fēng)電場出力的離散化聯(lián)合概率分布模型，更貼近于實際風(fēng)電場出力特點。

2）引入了線性化潮流判據(jù)，逐點判斷是否符合潮流方程線性化的條件，以降低風(fēng)速波動較大時帶來的誤差，提高計算速度和精度。

3）DGS數(shù)據(jù)接口轉(zhuǎn)換方法將仿真軟件中電網(wǎng)數(shù)據(jù)格式轉(zhuǎn)換成IEEE CDF。不僅解決了隨機潮流模型難以在實際電網(wǎng)中應(yīng)用的難題，還可以使DIgSILENT軟件與隨機潮流、可靠性分析和暫穩(wěn)態(tài)評估等多種電力系統(tǒng)分析程序聯(lián)合仿真，有助于該軟件在電力系統(tǒng)普遍推廣使用，具有較好的應(yīng)用價值。

本文所提的基于DIgSILENT的數(shù)據(jù)接口轉(zhuǎn)換方法及考慮相關(guān)性的含風(fēng)電電力系統(tǒng)的隨機潮流分析模型可以有效地提高實際電力系統(tǒng)隨機潮流分析的精度和速度，具有很好的實用性。另一方面，本文提出的接口轉(zhuǎn)換模型還可以應(yīng)用于電力系統(tǒng)潮流計算、可靠性分析及風(fēng)險評估等電力系統(tǒng)分析中，極大地提高了大型實際電力系統(tǒng)的分析評估效率。

[1] 劉琦. 中國新能源發(fā)展研究[J]. 電網(wǎng)與清潔能源，2010，26（1）：1-2.LIU Qi. Studies on China’s new energy development[J].Power System and Clean Energy，2010，26（1）：1-2（in Chinese）.

[2] 王駿. 新能源發(fā)展研究[J]. 電網(wǎng)與清潔能源，2011，27（12）：1-7.WANG Jun. Discussions on new energy development[J].Power System and Clean Energy，2011，27（12）：1-7（in Chinese）.

[3] 王錫凡，王秀麗. 電力系統(tǒng)隨機潮流分析[J]. 西安交通大學(xué)學(xué)報，1988，22（2）：87-97.WANG Xifan，WANG Xiuli.Probabilistic load flow analysis in power systems[J]. Journal of Xi’an Jiaotong University，1988，22（2）：87-97（in Chinese）.

[4] BORKOWSKA B. Probabilistic load flow[J]. IEEE trans on power app-aratus and systems，1974，93（3）：752-759.

[5] ZHANG Pei，STEPHEN T LEE. Probabilistic load flow computation using the method of combined cumulants and gram-charlier expansion[J]. IEEE Trans on Power Systems，2004，19（1）：676-682.

[6] 元玉棟，董雷. 電力系統(tǒng)概率潮流新算法及其應(yīng)用[J].現(xiàn)代電力，2007，24（4）：5-9.YUAN Yudong，DONG Lei. New algorithm and its application to probabilistic load flow of power system[J].Modern Electric Power，2007，24（4）：5-9（in Chinese）.

[7] DANIEL VILLANUEVA，JOSé LUIS PAZOS，ANDRéS FEIJóO. Probabilistic load flow including wind power generation[J]. IEEE Trans on Power Systems，2011，26（3）：1659-1667.

[8] 董雷，程衛(wèi)東，楊以涵. 含風(fēng)電場的電力系統(tǒng)概率潮流計算[J]. 電網(wǎng)技術(shù)，2009，33（16）：87-91.DONG Lei，CHENG Weidong，YANG Yihan. Probabilistic load flow calculation for power grid containing wind farms[J]. Power System Technology，2009，33（16）：87-91（in Chinese）.

[9] 丁明，李生虎，黃凱. 基于蒙特卡羅模擬的概率潮流計算[J]. 電網(wǎng)技術(shù)，2001，25（11）：10-14.DING Ming，LI Shenghu，HUANG Kai. Probabilistic load flow analysis based on monte-carlo simulation[J]. Power System Technology，2001，25（11）：10-14（in Chinese）.

[10] 別朝紅，劉輝，李甘.含風(fēng)電場電力系統(tǒng)電壓波動的隨機潮流計算與分析[J]. 西安交通大學(xué)學(xué)報，2008，42（12）：1500-1505.BIE Zhaohong，LIU Hui，LI Gan. Voltage fluctuation of a power system with wind farms integrated by probabilistic load flow[J]. Journal of Xi’an Jiaotong University，2008，42（12）：1500-1505（in Chinese）.

[11] FEIJóO A，VILLANUEVA D，PAZOS J L，et a1. Simulation of correlated wind speeds：a review[J]. Renewable and Sustainable Energy Reviews，2011，15（6）：2826-2832.

[12] 范榮奇，陳金富，段獻忠，等. 風(fēng)速相關(guān)性對概率潮流計算的影響分析[J]. 電力系統(tǒng)自動化，2011，35（4）：18-22，76.FAN Rongqi，CHEN Jinfu，DUAN Xianzhong，et a1. Impact of wind speed correlation on probabilistic load flow[J].Automation of Electric Power Systems，2011，35（4）：18-22，76（in Chinese）.

[13] 于晗，鐘志勇，黃杰波，等. 采用拉丁超立方采樣的電力系統(tǒng)概率潮流計算方法[J]. 電力系統(tǒng)自動化，2009，33（21）：32-36.YU Han，ZHONG Zhiyong，HUANG Jiebo，et al. A probabilistic load flow calculation method with Latin hypercube sampling[J]. Automation of Electric Power Systems，2009，33（21）：32-36（in Chinese）.

[14] 李俊芳，張步涵. 基于進化算法改進拉丁超立方抽樣的概率潮流計算[J]. 中國電機工程學(xué)報，2011，31（25）：90-96.LI Junfang，ZHANG Buhan. Probabilistic load flow based on improved latin hypercube sampling with evolutionary algorithm[J]. Proceedings of the CSEE，2011，31（25）：90-96（in Chinese）.

[15] 石東源，蔡德福，陳金富，等. 計及輸入變量相關(guān)性的半不變量法概率潮流計算[J]. 中國電機工程學(xué)報，2012，32（28）：104-113.SHI Dongyuan，CAI Defu，CHEN Jinfu，et al.Probabilistic load flow calculation based on cumulant method considering correlation between input variables[J]. Proceeding of the CSEE，2012，32（28）：104-113（in Chinese）.

[16] 徐玉琴，張林浩. 考慮風(fēng)速相關(guān)性的風(fēng)電接入能力分析[J]. 可再生能源，2014，32（2）：201-206.XU Yuqin，ZHANG Linhao. Analysis on wind power penetration limit considering wind speed correlation[J].（in Chinese）.

[17] 朱星陽，劉文霞，張建華. 考慮大規(guī)模風(fēng)電并網(wǎng)的電力系統(tǒng)隨機潮流[J]. 中國電機工程學(xué)報，2013，33（7）：77-85.ZHU Xingyang，LIU Wenxia，ZHANG Jianhua. Probabilistic load flow method considering large-scale wind power integration[J]. Proceedings of the CSEE，2013，33（7）：77-85（in Chinese）.

[18] 戎曉雪，別朝紅，石文輝，等.考慮風(fēng)電場相關(guān)性的含風(fēng)電電力系統(tǒng)隨機潮流分析[J]. 電網(wǎng)技術(shù)，2014，38（8）：2161-2167.RONG Xiaoxue，BIE Zhaohong，SHI Wenhui，et al. Analysis on probabilistic load flow in power gird integrated with wind farms considering correlativity among different wind farms[J]. Power System Technology，2014，38（8）：2161-2167（in Chinese）.

[19] 王錫凡. 電力系統(tǒng)優(yōu)化規(guī)劃[M]. 北京：水利電力出版社，1990.

[20] 別朝紅，孫雯，戎曉雪，等. DGS數(shù)據(jù)格式與IEEE標準格式CDF的接口轉(zhuǎn)化方法：中國，201410016375.7[P].2014-05-07.

[21] 呂濤，韓禎祥. 電力系統(tǒng)仿真軟件DIgSILENT介紹[J]. 華東電力，2004，32（12）：37-40.L譈Tao，HAN Zhenxiang. Introduction of power system simulation software DIgSILENT[J]. East China Electic Power，2004，32（12）：37-40（in Chinese）.

[22] YU H，CHUNG C Y，WONG K P，et a1. Probabilistic load flow evaluation with hybrid latin hypercube sampling and cholesky decomposition[J].IEEE Transactions on Power Systems，2009，24（2）：661-667.

[23] ZHANG P，LEE S T. Probabilistic load flow computation using the method of combined cumulants and gram-charlier expansion[J]. IEEE Transactions on Power Systems，2004，19（1）：676-682.