基于维自适应性稀疏网格插值的电网概率静态安全分析理论方法及其应用研究

There are numerous and various probabilistic uncertainty sources emerging in the current grids, which will lead to the conservative and incomprehensive results with respect to deterministic statistic-security analysis. Adoption of existing probabilistic methods cannot handle over such types of high-dimensional probabilistic uncertainty problem efficiently without sacrificing the analysis quality, which hinders the development of probabilistic static-security assessment in future grids. Therefore, based on the theory and algorithm of Dimension-Adaptive Sparse Grid Interpolation (DASGI), this project proposes a new solution/idea: firstly utilize a few collected interpolation points to approximate the original model with a simplified model behaving in high accuracy while higher speed, based on which combine with Monte Carlo simulation method to further speed up the analysis and obtain the probabilistic results. The contents of research include: to reduce the number of stochastic variables by means of classification and restructure of probabilistic uncertainty sources, and to be able to tackle dependent arbitrary probability distributions, which hence further strengthen the DASGI based probabilistic power flow calculation to check the security out-of-limits much faster; take advantage of the DASGI based probabilistic power flow or probabilistic optimal power flow calculation in order to accelerate solving the stochastic optimal power flow for the security defense strategy, while compare the performance of DASGI method when it is dealing with different applications and their corresponding original models, at the aim of adjusting the interpolation algorithms and the types of sparse grid; via combining the probabilistic results on the security out-of-limits and the optimal load shedding strategies, to achieve a more comprehensive risk evaluation regarding the probabilistic security.

电网中正出现数量巨大且类型各异的概率不确定性源，这将导致确定性静态安全分析结果保守且不全面。采用已有的概率方法不能既准确又高效地处理这类高维概率不确定性问题，这限制了未来电网概率安全分析的发展。因此，项目基于维自适应性稀疏网格插值(DASGI)理论与算法提出全新的解决方法/思路：首先利用少量精选的插值点来逼近原始模型以得到精度高但更快的简化模型，在此基础上结合蒙特卡洛仿真法从而更快速地获得概率结果。研究内容包括：采用分类并重构概率不确定性源的思路以减少随机变量个数，并能处理相关的任意概率分布，从而进一步加强基于DASGI的概率潮流计算来更快校验安全越限；利用基于DASGI的概率潮流或概率最优潮流计算来加快随机最优潮流求解以获得安全防御策略，并通过对比DASGI处理不同应用及其原始模型的效果，以调整插值算法和稀疏网格类型；结合安全越限和最优负荷削减的概率结果，实现更为全面的概率安全风险评估。

具有显著随机性的大规模新能源并网与利用，以及电力市场环境下负荷行为所呈现出越来越多的不确定性特征，这将对现代电网的安全运行提出巨大的挑战。以确定性潮流计算作为基础的传统静态安全分析结论相对保守且不够全面，因此如何在强随机场景下开展合理且高效的静态安全分析具有重要的实际意义。围绕所凝练出的高维概率不确定性分析的核心问题，本研究课题首先重点研究了高维随机变量相关性的建模问题；然后以先进的维自适应性稀疏网格插值（DASGI）和无迹变换（UT）算法作为概率分析的核心理论支撑，提出了随机场景下的潮流计算与优化潮流计算新方法，并以此进一步实现了概率安全风险评估。.项目根据概率不确定性分析问题中的高维随机输入变量的相关性特点，首先采用基于Gauss-Hermite多项式的Nataf变换方法以及牛顿-拉夫逊方法的求解思路，在保持精度的前提下极大地提高了具有Pearson相关性的多输入变量的建模速度。随后，采用广义Nataf变换方法的思路进一步对满足椭圆Copula函数的秩相关性进行了更加快速的相关系数转换与建模。.项目针对高维概率不确定性分析问题中近似法仍然存在的“维数灾”问题，首先基于DASGI算法获得的近似模型进行高效的随机输入变量全局灵敏度分析，并以此作为输入变量降维依据，这种方法更适用于输出变量个数不多的情况。而针对高维多输出变量的情况，项目首次提出了基于比例伸缩的无迹变换技术，用以解决由高维随机输入变量所导致的选点合理性以及概率分析精度问题。.项目提出的概率静态安全分析方法中重点研究了发电机跳闸所引发的故障类型，以DASGI算法为基础更加快速地实现了概率最优潮流和机会约束最优潮流，从而以最优切负荷方案作为主要应对措施，并能够对安全越限情况进行有效控制。通过不同方法的对比实验，验证了本项目所提方法在处理随机场景下严重故障类型的有效性与合理性。.本项目的成功实施，提高了获取随机场景下严重故障事件的应对策略的评估速度以及合理性，从而能够更有效地保障未来高比例新能源电网的安全运行。