计及绿色能源出力不确定性的输电网线损率概率评估.pdf

第４１卷第１期２０１３年１月Ｉ曰电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌＶＯ１．４１ＮＯ．１Ｊａｎ．１．２０ｌ３计及绿色能源出力不确定性的输电网线损率概率评估文旭，颜伟，黄淼，贾晓峰，李一铭，林烨，宋林滔（１．输配电装备及系统安全与新技术国家重点实验室（重庆大学），重庆４０００３０；２．重庆市电力公司电力科学研究院，重庆４１００１４；３．河北省电力公司石家庄电业局，河北石家庄０５００００；４．浙江省电力公司台州电业局，浙江台州３１７０００；５．湖南省电力公司长沙电业局，湖南长沙４１００００）摘要：针对目前输电网线损率评估方法不能满足节能降耗的需要，提出了计及绿色能源出力不确定性的输电网线损率概率评估方法。该方法包括系统状态模拟与蒙特卡罗抽样两部分。系统状态模拟包括绿色能源出力的模拟、负荷状态的模拟、机组日节能调度以及网络安全校正控制的模拟、厂站电压无功控制的模拟。在蒙特卡罗随机抽样时，基于上述系统状态模拟方法，通过对随机样本的状态调整与潮流计算确定输电网线损率的概率分布。最后，以某省级电网为例，验证了所提线损率概率评估方法的有效性。关键词：输电网线损率；概率评估；出力不确定性绿色能源；节能调度；蒙特卡罗模拟；节能降耗ＰｒｏｂａｂｉｌｉｓｔｉｅｔｒａｎｓｍｉｓｓｉｏｎｌｏｓｓｒａｔｅｅｖａｌｕａｔｉｏｎｕｎｄｅｒｇｒｅｅｎｅｎｅｒｇｙｇｅｎｅｒａｔｉｏｎｕｎｃｅｒｔａｉｎｔｙＷＥＮＸｕ，ＹＡＮＷｅｉ，ＨＵＡＮＧＭｉａｏ。，ＪＩＡＸｉａｏ．ｆｅｎｇ，ＬＩＹｉ．ｍｉｎｇ，ＬＩＮＹｅ，ＳＯＮＧＬｉｎ．ｔａｏ（１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＰｏｗｅｒＴｒａｎｓｍｉｓｓｉｏｎＥｑｕｉｐｍｅｎｔ＆ＳｙｓｔｅｍＳｅｃｕｒｉｔｙａｎｄＮｅｗＴｅｃｈｎｏｌｏｇｙ（ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙ），Ｃｈｏｎｇｑｉｎｇ４０００３０，Ｃｈｉｎａ；２．ＥｌｅｃｔｒｉｃＰｏｗｅｒＳｃｉｅｎｃｅＡｃａｄｅｍｙｏｆＣｈｏｎｇｑｉｎｇＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｒｐ．，Ｃｈｏｎｇｑｉｎｇ４１００１４，Ｃｈｉｎａ；３．ＳｈｉｊｉａｚｈｕａｎｇＰｏｗｅｒＢｕｒｅａｕｏｆＨｅｂｅｉＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｒｐ．，Ｓｈｉｊｉａｚｈｕａｎｇ０５００００，Ｃｈｉｎａ；４．ＴａｉｚｈｏｕＰｏｗｅｒＢｕｒｅａｕｏｆＺｈｅｊｉａｎｇＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｒｐ．，Ｔａｉｚｈｏｕ３１７０００，Ｃｈｉｎａ；５．ＣｈａｎｇｓｈａＰｏｗｅｒＢｕｒｅａｕｏｆＨｕｎａｎＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｒｐ．，Ｃｈａｎｇｓｈａ４１００００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＴｏｒｅｓｐｏｎｄｔｏｔｈｅｓｉｔｕａｔｉｏｎｔｈａｔｔｈｅｅｘｉｓｔｅｄｍｅｔｈｏｄｓｆｏｒｅｖａｌｕａｔｉｎｇｔｒａｎｓｍｉｓｓｉｏｎｌＯＳＳｒａｔｅｃａｎｎｏｔｆｕｌｌｙｍｅｅｔｔｈｅｒｅｑｕｉｒｅｍｅｎｔｓｏｆｅｎｅｒｇｙｃｏｎｓｅｒｖａｔｉｏｎ，ａｎｏｖｅｌｍｅｔｈｏｄｕｎｄｅｒｔｈｅｕｎｃｅｒｔａｉｎｔｙｏｆｇｒｅｅｎｅｎｅｒｇｙｇｅｎｅｒａｔｉｏｎｉｓｐｒｅｓｅｎｔｅｄ．ＴｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｉｎｃｌｕｄｅｓｓｙｓｔｅｍｓｔａｔｅｓｓｉｍｕｌａｔｉｏｎａｎｄＭｏｎｔｅＣａｒｌｏｓｉｍｕｌａｔｉｏｎ．Ｓｙｓｔｅｍｓｔａｔｅｓｓｉｍｕｌａｔｉｏｎｉｎｃｌｕｄｅｓｇｒｅｅｎｅｎｅｒｇｙｇｅｎｅｒａｔｉｏｎｓｉｍｕｌａｔｉｏｎ，ｅｌｅｃｔｒｉｃｌｏａｄｓｓｉｍｕｌａｔｉｏｎ，ｄａｉｌｙｅｎｅｒｇｙ－ｓａｖｉｎｇｄｉｓｐａｔｃｈｉｎｇｓｉｍｕｌａｔｉｏｎ，ｓｅｃｕｒｉｔｙｃｏｎｓｔｒａｉｎｅｄｃｏｒｒｅｃｔｉｏｎｓｉｍｕｌａｔｉｏｎ，ａｎｄｓｕｂｓｔａｔｉｏｎｓ／ｐｌａｎｔｓｒｅａｃｔｉｖｅｐｏｗｅｒｃｏｎｔｒｏｌｓｉｍｕｌａｔｉｏｎ．ＴｈｅｏｔｈｅｒｐａｒｔｉｓｔｈｅＭｏｎｔｅＣａｒｌｏｓｉｍｕｌａｔｉｏｎ，ｉｎｗｈｉｃｈｔｈｅｐｒｏｂａｂｉｌｉｓｔｉｃｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｔｒａｎｓｍｉｓｓｉｏｎｌｏｓｓｒａｔｅｉｓｄｅｔｅｒｍｉｎｅｄｂｙｐｏｗｅｒｆｌｏｗｃｏｍｐｕｔａｔｉｏｎａｆｔｅｒｔｈｅｓｔｏｃｈａｓｔｉｃｓａｍｐｌｅｓｔａｔｅｓａｒｅｒｅｇｕｌａｔｅｄｂｙｔｈｅｓｙｓｔｅｍｓｔａｔｅｓｓｉｍｕｌａｔｉｏｎａｂｏｖｅ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｉｎａｐｒｏｖｉｎｃｉａｌｐｏｗｅｒｇｒｉｄｐｒｏｖｅｓｉｔｓｖａｌｉｄｉｔｙ．ＴｈｉｓｗｏｒｋｉＳｓｕｐｐｏｒｔｅｄｂｙＮａｔｉｏｎａｌＳｃｉｅｎｃｅＦｏｔｍｄａｔｉｏｎｏｆＣｈｉｎａ（Ｎｏ．５１１７７１７８ａｎｄＮｏ．５１００７０９８）．ＲｅｓｅａｒｃｈＦｏｕｎｄｓｏｆＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＰｏｗｅｒＴｒａｎｓｍｉｓｓｉｏｎＥｑｕｉｐｍｅｎｔ＆ＳｙｓｔｅｍＳｅｃｕｒｉｔｙａｎｄＮｅｗＴｅｃｈｎｏｌｏｇｙ（Ｎｏ．２００７ＤＡ１０５１２７１０２０４）ａｎｄＳｔａｔｅＰｏｗｅｒＧｒｉｄＣｏｒｐｏｒａｔｉｏｎｏｆＣｈｉｎａ（Ｎｏ．ＫＪ（２０１０）４１９）．Ｋｅｙｗｏｒｄｓ：ｔｒａｎｓｍｉｓｓｉｏｎｌｏｓｓｒａｔｅ；ｐｒｏｂａｂｉｌｉｔｙｅｖａｌｕａｔｉｏｎ；ｕｎｃｅｒｔａｉｎｔｙｏｆｇｒｅｅｎｅｎｅｒｇｙｇｅｎｅｒａｔｉｏｎ；ｅｎｅｒｇｙ－ｓａｖｉｎｇｄｉｓｐａｔｃｈ；ＭｏｎｔｅＣａｒｌｏｓｉｍｕｌａｔｉｏｎ；ｅｎｅｒｇｙｓａｖｉｎｇ中图分类号：ＴＭ７１１文献标识码：Ａ—文章编号：１６７４－３４１５（２０１３）０１－０１６９０７０引言在能源紧缺的今天，节能降耗具有重要的社会和经济意义。电能在输电网传输过程中会产生电能基金项目：国家自然科学基金项目（５１１７７１７８，５１００７０９８）；输配电装备及系统安全与新技术国家重点实验室自主研究项目（２００７ＤＡ１０５１２７１０２０４）；国家电网公司科技项目（ＫＪ（２０１０）４１９）损耗，精确地对输电网的线损率进行评估对电力部门降损节能工作的开展具有重要的指导意义【ＪＪ。目前，输电网线损率评估方法可分为确定性和不确定性两类ｌｌＪ。确定性方法主要以电网典型运行方式下的网络线损率为基础计算线损率指标。而实际系统中发电机及负荷功率的变化都较大，且具有较大的随机性，该方法很难真实反映实际系统的线损率状况。而不确定性方法能够弥补确定性方法的．１７Ｏ．电力系统保护与控制上述不足。不确定性线损率评估方法主要分成两类【２曲Ｊ：第一类是将概率潮流应用于线损率评估或直接考虑不确定性的线损率概率分析；第二类是直接采用蒙特卡罗随机模拟（ＭｏｎｔｅＣａｒｌｏＳｉｍｕｌａｔｉｏｎ）的评估方法。在前一类线损率概率评估方法中，文献［２．４］考虑了负荷及发电机组出力的不确定性，均假设已知节点注入功率的概率分布函数，再采用线性化方法来确定【ｘｘＪ损随注入功率变化的概率分布。而实际上线路电阻的有功损耗与线路功率（节点注入功率）呈平方关系，对地电导的有功损耗与节点电压呈平方关系。因此，该方法必然带来较大的线性化误差。后～类线损率概率评估方法中，文献［５．６】以正态分布随机数描述节点负荷状态，通过建立发电机组的经济调度模型及其启发式调度方法来模拟机组的启停与运行状态，利用系统状态的模拟调整，通过随机样本的潮流计算来确定网络线损率的概率分布。该方法没有考虑节能降耗环境下绿色能源接入对线损率评估的影响。实际上，为摆脱化石类能源不足带来的能源危机，目前世界各国可再生绿色能源的开发获得了空前的发展。我国绿色能源中长期发展规划也提出到２０２０年绿色能源消费将达到总能源消费的１５％Ｊ。同时，电力行业已开展了节能调度的工作以充分利用可再生绿色能源和低能耗能源从而实现节能降耗。但是，绿色能源大都具有出力不确定性的特点，这会给输电网线损率的精细化评估带来较大的不确定性，同时也会给输电网的安全运行带来严重影响【引。鉴于此，本文提出了计及绿色能源出力不确定性的输电网线损率概率评估方法。首先，以绿色能源出力的概率分布随机值描述其各时段的随机状态，并以此模拟出日生产电量；采用正态分布的随机数描述节点负荷各时段的随机状态，并以此模拟出日负荷电量；再考虑节能降耗的需要，建立了日节能调度优化模拟模型以及对应的启发式调度算法来模拟机组的启停和运行状态。接着考虑绿色能源出力不确定性（还包括负荷电力不确定性）可能导致的支路功率越限问题，建立了网络安全校正控制模型，并采用原对偶预测校正内点法求解该模型来模拟线路潮流控制状态；然后再进行厂站电压无功控制来模拟系统的电压无功运行状态；最后，通过上述系统状态的模拟，利用潮流计算来确定输电网线损率的概率分布。实际算例验证了上述方法的有效性。１绿色能源出力不确定性的模拟方法绿色能源主要包括风电、水电等，现重点以风电为例说明绿色能源出力不确定性的模拟方法（下同）。风电机组的出力主要由所在地区的风速决定。风速一般服从Ｗｅｉｂｕｌ１分布。其概率密度函数可表示为（ｖ）：（）ｅｘｐ［一（）］（１）／，／７＂／式中：ｖ表示风速；ｍ表示形状系数，取值范围在１．８～２．３之间（一般取ｍ＝２）；，ｚ表示该地区年平均风速。风电机组输出功率与风速的关系可用式（２）表示。（Ｖ）＝０ＶｉｏｒＶ＞。３３ｖ３一老Ｖｃｉ＜Ｖ＜ＶＲ尸ＲＶ＞ＶＲ式中：尸ｗ表示风电机组输出功率；Ｐ表示风电机组额定输出功率；ｖ。ｉ表示切入风速；ｖ。表示切出风速；表示额定风速。风电场可等效为一台风电机组，其输出功率为其内部全部可用风机输出功率的总和。如需考虑尾流效应对风电场输出功率的影响，则可采用具体的…尾流模型计算，近似处理时其尾流系数可取０．９０＿】。某一时段内风电机组的输出电量可利用蒙特卡罗模拟方法，把该时段分为多个小的时段（如一天可分成２４个时段），在每个小的时段内假设系统条件不变。由ｗｅｉｂｕｌ１分布随机产生风速的概率抽样值，并计算出风电机组各小时段内的输出功率，从而可确定某一时段内的发电量。由此，风电机组在某一时段７１内的发电量可表示为＾，＝Ｔ（１，）ｅｗ（ｖ）ｄｖ（３）２负荷随机状态的模拟方法节点负荷功率一般服从正态分布【６Ｊ，由此节点负荷的随机功率状态可表示为ＰＤ，’‘ｆ＝ＮＯＲＭＲＮＤ（ＰＤ，ｉ＝．厂ｆ，Ｏ＂ｉ）（４）式中：ＮＯＲＭＲＮＤ表示正态分布函数；ＰＤ．ｆ表示负荷节点ｉ的随机功率；Ｐｉ表示各负荷节点特定时段功率均值；ｔ７ｉ表示其对应的方差。由各时段各负荷节点随机功率，就可计算得到各时段系统负荷功率和日负荷电量（负荷电量的模文旭，等计及绿色能源出力不确定性的输电网线损率概率评估．１７１．拟方法与第１节风电机组发电量的模拟方法类似）。３机组日节能调度计划的模拟方法３．１机组日节能调度优化模拟模型３．１．１建模思路机组的日节能调度计划是在其所在电厂日交易计划已确定的前提下进行的。其目的是在各电厂计划电量完成进度尽可能相同的条件下，尽可能保“”证绿色能源以产定电以及低能耗率机组多发电量，以实现节能效益的最大化。另外，为兼顾调度方案的可操作性，机组的调节应在其技术出力范围内以及调节次数尽可能少。３．１．２目标函数目标函数可为系统总能耗尽可能低（即对应总节能效益尽可能大）。具体可表示为ＮＴ∑∑ｍｉｎ（（）＋）（５）ｋ＝ｌｔ＝ｌ式中：Ｐ／表示机组ｋ在时段ｆ的出力；ａ、ｂ、分别表示机组ｋ能耗曲线对应的能耗常系数（针对绿色能源机组该系数可视为０）；Ｎ表示机组的台数；表示一天中包含的总时段数（本文取２４个时段，每个时段内负荷恒定不变）。３．１．３约束条件１）每天２４个时段的功率平衡约束，近似考虑网损（网损率设为１．５０％），不考虑网络方程。２）运行机组的技术最大和最小出力限制．（６）式中，＿ｍｉ和表示火电机组ｋ的技术最小、最大出力。３）各电厂日供电量合同约束．，ｒｙｅ，Ｉｍｉ∑∑％（７）∈ｔ＝ｌ∈式中：表示日供电量受限的第，个电厂；ｋ表示机组ｋ属于电厂／；．，和ｉ分别表示电厂，的最大和最小日供电量。“”４）不确定性绿色能源以产定电约束。５）部分恒定功率运行机组以及外购电合同约束。６）机组爬坡速率约束。７）机组最小启停时问约束。８）日负荷电量供需平衡约束。３．２机组日节能调度启发式模拟算法机组日节能调度优化模拟模型为复杂的多约束组合优化模型，且具有规模大（２４个时段）与离散性的特点。特别是其中的动态约束３）和７），使得各时段的负荷分配相互关联，直接精确求解该模型非常困难。现有方法多采用拉格朗日松弛法、遗传算法等【ｌ卜他Ｊ，但上述方法均存在速度较慢问题，无法达到线损率概率评估（大量样本的重复计算）实际应用的速度要求。由此，本文从实际出发，提出了对应的启发式模拟求解算法。其基本步骤如下。“”１）不确定绿色能源以产定电约束安排。根据第１节的方法模拟出不确定性绿色能源各时段的随机出力及其日发电量。这步骤确保满足模型中约束条件４）。２）恒定功率运行机组以及外购电一般按照合同严格执行不随意调整。这步骤确保满足模型中约束条件５）。３）可调节绿色能源出力预安排（主要针对可调节的水电机组）。根据可调节绿色能源日发电量，按照白天与晚上系统总负荷电量的比例，分两段预安排其出力。４）总发电计划电量与系统日负荷电量的匹配处理。若系统负荷电量高于总计划电量，则按能耗率的反比增加各电厂计划电量（若调整后的最大电量大于某一电厂的最大可发电量，则按最大可发电量分配）；若系统负荷电量小于总计划电量，则按能耗率的正比减少各电厂计划电量（若调整后的最小电量小于某一电厂的最小可发电量，则按最小可发电量分配）。这步骤确保模型中约束条件８）以及目标函数的尽可能实现。５）机组最小启停时间约束安排。在以下两种情形需安排停机：当各运行机组最小出力总和大于系统最小负荷；某电厂日计划电量小于其最小出力乘以２４小时。停机安排一般需要确定以下问题：ａ）停机电厂的选择；ｂ）停机时段数（停多长时问）；Ｃ）具体的停机时段（什么时候停）；ｄ）停机机组在运行时段时的出力确定；ｅ）停机台数。对第二种停机情形，停机电厂实际已经确定，只需考虑后四个问题。鉴于两种停机情形具有一定相似性，限于篇幅现主要针对第一种情形给出停机步骤如下。第一步，对需停机的电厂排序。其排序规则为：ａ）首先，按能耗率由高到低排序确定各电厂的停机顺序，这主要考虑停机后对节能效益影响；ｂ）若能耗率相同，则按运行机组由多到少排序，这主要考虑停机后对电厂计划电量完成的影响；ｃ）若运行机组数相同，则按容量由小到大排序，这主要考虑停机后对备用容量的影响；ｄ）已安排过停机的电厂将其移到最后停机的位置。第二步，针对选定的电厂，判断该厂中其中一．１７２一电力系统保护与控制台机组停机后能否满足系统最小负荷要求。若满足，则令电厂停该台机组，并修改该电厂最大最小出力为该机组停机后的值，转第四步。否则该厂所有机组按容量由大到小选择一台停机。第三步，确定停机机组的停机时段数。停机时段数采用２４时段减去该电厂日计划电量按停机机组停机后该电厂最大技术出力的可运行时段数（结果需取整）确定，记停机时段数为。若。。小于最小停机时间约束的时段数，则令为启停时间约束中的停机时段数。第四步，确定停机时段Ｉ，Ｉ。先找到负荷曲线中极小值对应的时段ｊｎ，并令＝＝ｔｍｉ。若１≠≠１月．２４，若（一１）（＋１）（注：ＪＦ７（）代表第时段的负荷功率），则令ｔ＝ｔｌ一１；否则令２＝ｔ２＋ｌ，直至２一ｌ＋１＝ｔ。。。若ｆ１＝１，直接令ｔ２＝＋。ｐ一１，若ｔ２＝２４，令＝一叩＋ｌ。由此确定机组停机时段。第五步，停机机组在运行时段的出力确定。由于停机已是对机组的大调整，故在其运行时段不再考虑对已停机机组进行调整，而让其恒功率运行。其运行出力按照该机组应从电厂中分得的计划电量和运行时段数确定。若这样确定的出力大于该机组最大出力，则取其最大出力。该机组剩余电量优先分配给同一电厂其他机组。第六步，判断各运行机组最小出力总和是否小于系统最小负荷。若是则停机安排完成；否则按照前述第一至第五步的方法增加停机机组台数。上述机组停机步骤的处理确保满足模型中约束条件２）、７）。６）调度计划需要同时满足电力和电量两个平衡约束，而电力和电量又是相互影响的。为协调两者的关系，将系统负荷曲线分为波动部分和基础部分。其中负荷曲线的波动部分按时段宽度划分成矩形块。７）非调峰机组的负荷分配。把划分的各矩形块分配给非调峰电厂，得到各电厂的波动出力，将矩形块分给电厂时要满足电厂机组的出力特性约束。各非调峰电厂的计划电量中扣除波动出力所用电量后平分到２４个时段，得到承担基荷部分出力，以保证各电厂日交易计划电量的完成。将各非调峰电厂的波动出力和承担基荷的出力相加得到电厂的完整出力。这步确保满足模型中约束条件１）、２）、３）、６）８）调峰负荷的分配。经过上述步骤１）到７）的负荷分配以后，一般剩余的负荷会落在调峰电厂的调节范围之内。最后把剩余负荷分配给调峰电厂，调度计划安排完成。４网络安全校正控制的模拟方法在对机组日节能调度计划进行模拟时，各时段没有考虑网络潮流安全约束。而在绿色能源出力以及负荷均具不确定性的环境下，极可能会出现支路功率越限问题。由此，建立了目标函数为机组出力相对其日计划调整量变化最小的网络安全校正控制模拟模型。通过优先调整机组出力解决各时段可能出现的支路功率越限问题，同时目标函数中增加切负荷网络安全控制措施。４．１网络安全校正控制模拟模型４．１．１目标函数式中：Ｐｏ，ｋ表示机组ｋ功率调整前有功出力；ｒＧ，和，分别表示各机组与各节点负荷功率调整的权重系数（权重系数等于灵敏度系数的倒数，该灵敏度系数可采用文献【６１中的试探法确定）；Ｐｋ表示机组ｋ功率调整后的有功出力；Ｐｒ表示功率调整后负荷ｉⅣ的有功切负荷量；ｒ表示负荷节点个数；表示切负荷权重系数。４．１．２约束方程１）节点功率平衡方程＝∑Ｉ（－４￣／ｘＩ（９）∈ｌ，ｉ式中：表示节点ｉ的注入功率，由机组出力、切负荷量以及有功注入负荷构成；ｘ表示支路的电抗；表示节点ｉ的相角；表示节点．，的相角；∈ｉ表示所有与ｉ节点关联的，节点。２）支路功率限制方程＝≤（一），（１０）式中：Ｐ表示支路的传输功率：Ｐｕ，ｉ、Ｐｏ，表示支路最小与最大传输功率限制。３）机组技术出力限制方程≤．ａＸ４）切负荷量限制方程０．≤尸Ｄ．式中，ＰＤ．表示节点ｉ有功注入负荷量。（１１）（１２）８∑＋一／－Ⅳ∑ｍ文旭，等计及绿色能源出力不确定性的输电网线损率概率评估．１７３．４．２网络安全校正控制模拟模型的求解算法针对提出的网络安全校正控制模拟模型，可采用原对偶预测校正内点法求解ｕ引。首先，将原模型转化为一般的非线性规划问题：ｒａｉｎｆ（ｘ）（１３）ｓ．ｔ．ｇ（）＝０（１４）ｈｍｉＪ『ｌ（）ｈｍ（１５）式（１３）～式（１５）中：厂（）是目标函数；是优化变量构成的列＝［，Ｐ，；ｇ（ｘ）、ｈ（ｘ）分别代表等式约束和不等式约束函数；ｇ（ｘ）＝［ｇ（），…，ｇ）】，ｍ是等式约束的个数；ｈ（ｘ）＝［（），…，ｈｒ）】，是不等式约束的个数；ｈｍｉ是不等式约束上下限值所构成的列向量，其表达式为：…（）＝［，ｍｉ（），，．．ｍ（）］，（）＝［．（），…，，ｍａｘ（）］。转化为式（１３）～式（１５）的一般性模型后，其解题方法与文献［１４１中所述一致。限于篇幅，不再赘述。５厂站电压无功控制的模拟方法变电站和发电厂的电压无功状态对输电网线损率具有重要影响Ｌ５Ｊ。对于变电站若采用了电压无功自动控制方式，可借鉴文献［１４］采用九区图及电压无功的模糊边界整定的方法进行模拟。对于采用手动电压无功控制方式的变电站，则可借鉴文献［６】采用人工调节方法进行模拟。对于火电或水电厂的高压母线电压控制，可采用文献『５１中的逆调压控制方式进行模拟。风电场的电压无功控制策略根据风电机组类型的不同其思路有一定差异，针对目前主流的变速双馈风电机组，其思路一是利用双馈风机自身的无功调节能力使风电场综合为一个无功电源，使其在外特性上类似于配有自动电压调节器的常规机组参与系统优化；思路二是以风电场升压站为核心借鉴变电站自动控制的经验，调节变压器分接头和电容器保证接入电网节点的电压质量；思路三是综合考虑前两种思路进行协调控制Ｌｌ。其中第二种思路目前多为各风电场业主所接受，本文以第二种思路来模拟风电场电压无功的控制，限于篇幅其具体策略参阅文献［１４１。６计及绿色能源出力不确定性的输电网线损率概率评估方法计及绿色能源出力的不确定性，根据本文提出的系统状态模拟策略，结合蒙特卡罗方法随机抽样形成日线损率概率评估方法。具体步骤如下：１）初值设定。设置最大、最小随机样本数ｉ，样本方差系数收敛精度ｓ，初始样本数ｋ＝－Ｏ。２）负荷状态与绿色能源出力的随机模拟。由各节点负荷功率概率模型，根据第２节的模拟方法，确定各节点及系统各时段负荷的随机功率以及日负荷电量。由各绿色能源出力的概率模型，根据第１节的模拟方法，确定各时段绿色能源的随机出力以及日发电量。３）日节能调度机组启停及运行状态的模拟。在各时段系统负荷状态与绿色能源出力确定后，根据第３节的机组日节能调度模拟方法确定各发电机组各时段的启停状态及出力分配值。４）网络安全校正控制的模拟。根据第４节的网络安全校正控制的模拟方法，确定各发电厂的最小有功调整量，以使得各时段发电机出力满足支路功率安全约束。５）厂站电压无功运行状态的模拟。各时段节点负荷及发电机状态确定后。根据第５节的方法，通过反复的潮流计算和系统电压无功调整，使得发电厂和变电站的电压无功满足要求，以此来模拟各时段系统电压无功运行状态。６）线损率计算。当各时段系统电压无功状态都满足要求时，计算相关时段的系统线损、总发电功率，并累计形成一天２４个时段的线损率，从而完成一个曰样本的线损率计算。７）收敛判断。当ｉｆ１时，计算所有样本线损率的方差系数ｒ／。若ｒ／＿＜ｅ或，则停止抽样，输出结果。统计随机样本的线损率变化区间及不同小区间的样本数，绘制线损率的概率分布。否则，修正样本数ｋ＝ｋ＋ｌ，并返回步骤２），重新随机抽样和系统状态的模拟。７算例分析７．１基础数据基于所提的输电网线损率概率评估方法，现取某电网公司２０１１年７月１１日的基础数据验证其有效性。该电网系统曰２４个时段负荷曲线如图１所示，各时段负荷方差均取对应期望值的５．０％；该日外购电单位５个、火电厂１２个（机组２４台）、水电厂７个、风电场一座。电网结构以及各电厂基础数据参阅文献［１６１。其中，风电场日２４时段风速曲线如图２所示，各时段风速方差取对应期望值的５０．０％；风电场各风电机组额定容量１５００ｋＷ，共计２００台，其切入风速、额定风速、切出风速分别是３．０、１０－３、１７４一电力系统保护与控制２２．０ｍ／ｓ。仿真参数设置如下：潮流收敛精度ｌｅ．５、潮流最大迭代次数２０、电网旋转备用率３．０％、最大样本数２０００、最小样本数１００、样本方差系数收敛精度１ｅ．３。硬件环境为ＤＥＬＬ电脑Ｖｏｓ￣ｏｌＯ００，ＣＰＵ主频１．５９ＧＨｚ、内存８９６ＭＢ。图１某省级电网Ｂ负荷曲线Ｆｉｇ．１Ｄａｉｌｙｌｏａｄｃｕｒｖｅｏｆｐｒｏｖｉｎｃｉａｌｐｏｗｅｒｇｒｉｄｈ图２风电场２４时段风速曲线Ｆｉｇ．２Ｄａｉｌｙ２４ｔｉｍｅｐｅｒｉｏｄｓｗｉｎｄｓｐｅｅｄｃｕｒｖｅｉｎｗｉｎｄｐｏｗｅｒｆａｒｍ７．２绿色能源出力不确定性对输电网线损率概率分布的影响分析基于第６节的输电网线损率概率评估方法进行蒙特卡罗模拟仿真，分别采用考虑和不考虑绿色能源出力的不确定性来绘制输电网线损率的概率分布曲线图。由此得到的２条概率分布曲线如图３所示（两条曲线分别用时５２ｍｉｎ、５２．５ｍｉｎ）。０Ｉ６０ｌ４０ｌ２０１０耋００８０．０６ＯＯ４０．０２０００图３两种仿真方案的输电网线损率概率分布Ｆｉｇ．３Ｐｒｏｂａｂｉｌｉｔｙｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｒａｎｓｍｉｓｓｉｏｎｌｏｓｓｒａｔｅｆｏｒｔｒａｎｓｍｉｓｓｉｏｎｐｏｗｅｒｎｅｔｗｏｒｋｉｎｔｗｏｓｉｍｕｌａｔｉｏｎｓｃｈｅｍｅｓ图３中曲线１、２分别表示没有考虑和考虑了绿色能源出力不确定性的输电网线损率概率分布曲线；横坐标表示样本的线损率，纵坐标表示输电网线损发生概率（采用线损率在间隔０．００１５单位区间上样本数与总样本数的比例表示）。从图３可以看出，曲线ｌ输电网线损率期望值约为１．４５％，曲线２输电网线损率期望值约为１．５７％，较曲线１增加了０．１２％；同时，曲线２较曲线１整体右移，其线损率增大趋势非常明显。由此说明，在节能调度环境下绿色能源出力不确定性对线损率的评估影响较大，不考虑该因素来分析输电网线损率的概率分布会带来较大的误差，无法满足节能降损的需要。同时，如果将曲线１理解为是绿色能源出力方差为０的特例。显然，不难得出绿色能源出力不确定性较大造成输电网线损损耗的概率也较大的结论。另外，曲线２的线损率波动区间较曲线１从０－２２％大致增加到了０．３０％，增加了约０．０８％的线损率波动。这是由于考虑绿色能源出力不确定性后，为适应绿色能源出力的不确定性系统潮流波动变得更加频繁，系统随机状态变化范围更大，从而导致输电网线损率波动区间增加。由此说明，在节能调度环境下，绿色能源出力不确定性使得线损率的概率分布变得更加分散，采用本文所提的概率评估的方法能更加有效和客观地反映绿色能源的不确定性对线损率概率分布的影响。需指出的是，不确定性绿色能源对输电网线损率概率分布的影响与其绿色能源类型、出力特性、在系统总能源中的比重、接入电网的位置、具体的电网结构等都具有较大关系，上述因素的不同对输电网线损率概率分布的影响也会存在一定差异。８结语计及绿色能源出力不确定性建立了新的输电网线损率概率评估方法，实际算例表明所提方法能够适应当前电力系统节能降损的需要，能为输电网线损率的评估与分析提供科学的理论依据。下一步将结合日或月交易电量的滚动修正、电网设备检修计划等环节的模拟以及随机样本高效抽样技术的研究，进行月度或年度等中长期输电网线损率概率的评估与分析。参考文献［１］杨秀苔．电力网线损的理论计算和分析［Ｍ】．北京：水利水电出版社，１９８５．［２］ＭｅｌｉｏｐｏｕｌｏｓＡＰ，ＣｈａｏＸ．Ｔｒａｎｓｍｉｓｓｉｏｎｌｏｓｓｅｖａｌｕａｔｉｏｎｂａｓｅｄｏｎｐｒｏｂａｂｉｌｉｓｔｉｃｐｏｗｅｒｆｌｏｗ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎ—ＰｏｗｅｒＳｙｓｔｅｍｓ，１９９１，６（１）：３６４３７１．［３］穆钢，王卫国，赵灿，等．评估输电系统网损的概率—方法【ＪＪ．电网技术，１９９５，１９（１１）：３５３８．㈣㈣㈣㈣㈣㈣㈣㈣Ｏ９８７６５４；苫＼＊ｆｆＴｇ文旭，等计及绿色能源出力不确定性的输电网线损率概率评估一１７５一ＭＵＧａｎｇ，ＷＡＮＧＷｅｉ－ｇｕｏ，ＺＨＡＯＣａｎ，ｅｔａ１．Ｐｒｏｂａｂｉｌｉｔｙｓｔｕｄｙｏｎｔｒａｎｓｍｉｓｓｉｏｎｌｏｓｓｅｓｏｆｂｕｌｋｔｒａｎｓｍｉｓｓｉｏｎｓｙｓｔｅｍｓ］Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，１９９５，—１９（１１、：３５３８．［４］穆钢，徐兴伟，周莹，等．输电系统网损功率概率分布函数的计算与分析［Ｊ］．中国电机工程学报，１９９８，１８（６）：４２６．４２８．—ＭＵＧａｎｇ，ＸＵＸｉｎｇｗｅｉ，ＺＨＯＵＹｉｎｇ，ｅｔａ１．Ｃｏｍｐｕｔａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｐｒｏｂａｂｉｌｉｓｔｉｃｄｉｓｔｒｉｂｕｔｉｏｎｆｕｎｃｔｉｏｎｏｆｐｏｗｅｒｌｏｓｓｉｎａｂｕｌｋｔｒａｎｓｍｉｓｓｉｏｎｓｙｓｔｅｍ［Ｊ］．—ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，１９９８，１８（６）：４２６４２８．［５］颜伟，吕志盛，李佐君，等．输电网的蒙特卡罗模拟与线损概率评估［Ｊ］．中国电机工程学报，２００７，２７（３４）：３９．４５．—ＹＡＮＷｅｉ，ＬＵＺｈｉｓｈｅｎｇ，ＬＩＺｕｏ－ｊｕｎ，ｅｔａ１．ＭｏｎｔｅＣａｒｌｏｓｉｍｕｌａｔｉｏｎａｎｄｔｒａｎｓｍｉｓｓｉｏｎｌｏｓｓｅｖａｌｕａｔｉｏｎｗｉｔｈｐｒｏｂａｂｉｌｉｓｔｉｃｍｅｔｈｏｄ］Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２００７，２７（３４）：３９－４５．［６］颜伟，李佐君，吕志盛．输电网络线损率的概率评估方法【Ｊ］．电气应用，２００８，２７（２０）：５７－６２．—ＹＡＮＷｅｉ，ＬＩＺｕｏ－ｊｕｎ，ＬＯＺｈｉｓｈｅｎｇ．Ｐｒｏｂａｂｉｌｉｓｔｉｃｍｅｔｈｏｄｆｏｒｅｖａｌｕａｔｉｎｇｔｒａｎｓｍｉｓｓｉｏｎｌｏｓｓｒａｔｅ［Ｊ］．—Ｅｌｅｃｔｒｏｔｅｃｈｎｉｃａ１Ａｐｐｌｉｃａｔｉｏｎ，２００８，２７（２０）：５７６２．［７］国家发展和改革委员会．关于印发可再生能源中长期发展规戈０的通知（【２Ｏ０７］２１７４）［ＥＢ／０Ｌ］．ｈｔｔｐ：／／ｗｗｗ．ｃｃｃｈｉｎａ．——ｇｏｖ．ｃｎ／ｃｎ／Ｎｅｗｓｌｎｆｏ．ａｓｐ？Ｎｅｗｓｌｄ＝１０１５３，２００７０６－０５／２０１２０６．０１．［８］颜伟，文旭，余娟，等．智能电网环境下电力市场面临的机遇与挑战【Ｊ】．电力系统保护与控制，２０１０，３８（２４）：２２４．２３１．ＹＡＮＷｅｉ，ＷＥＮＸｕ，ＹＵＪｕａｎ，ｅｔａ１．Ｏｐｐｏｒｔｕｎｉｔｉｅｓａｎｄｃｈａｌｌｅｎｇｅｓｆａｃｅｄｂｙｅｌｅｃｔｒｉｃｉｔｙｍａｒｋｅｔｉｎｓｍａｒｔｇｒｉｄ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１０，３８（２４）：—２２４２３１．［９］温丽丽，刘俊勇．混合系统中、长期节能调度发电计划的蒙特卡罗模拟［Ｊ］．电力系统保护与控制，２００８，３６（２４）：２４・３１．——ＷＥＮＬｉｌｉ，ＬＩＵＪｕｎｙｏｎｇ．ＭｏｎｔｅＣａｒｌｏｓｉｍｕｌａｔｉｏｎｏｆ—ｍｅｄｉｕｍａｎｄｌｏｎｇｔｅｒｍｇｅｎｅｒａｔｉｏｎｐｌａｎｉｎｈｙｂｒｉｄｐｏｗｅｒｓｙｓｔｅｍｂａｓｅｄｏｎｅｎｖｉｒｏｎｍｅｎｔａｌｅｃｏｎｏｍｉｃｄｉｓｐａｔｃｈ］Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２００８，３６（２４）：２４．３１．［１Ｏ］孙元章，吴俊，李国杰．基于风速预测和随机规划的含风电场电力系统动态经济调度【Ｊ］．中国电机工程学—报，２００９，２９（４）：４２４７．—ＳＵＮＹｕａｎｚｈａｎｇ，ＷＵＪｕｎ，ＬＩＧｕｏ－ｊｉｅ．Ｄｙｎａｍｉｃｅｃｏｎｏｍｉｃｄｉｓｐａｔｃｈｃｏｎｓｉｄｅｒｉｎｇｗｉｎｄｐｏｗｅｒｐｅｎｅｔｒａｔｉｏｎｂａｓｅｄｏｎｗｉｎｄｓｐｅｅｄｆｏｒｅｃａｓｔｉｎｇａｎｄｓｔｏｃｈａｓｔｉｃｐｒｏｇｒａｍｍｉｎｇ］Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２００９，２９（４）：—４２４７．［１１］袁铁江，晁勤，李义岩，等．基于风电极限穿透功率的经济调度优化模型研究ｌＪ】．电力系统保护与控制，—２０１１，３９（１）：１５２２．ＹＵＡＮＴｉｅ－ｊｉａｎｇ，ＣＨＡＯＱｉｎ，ＬＩＹｉ－ｙａｎ，ｅｔａ１．Ｒｅｓｅａｒｃｈｏｎｏｐｔｉｍｉｚａｔｉｏｎｍｏｄｅｌｏｆｅｃｏｎｏｍｉｃｄｉｓｐａｔｃｈｂａｓｅｄｏｎｗｉｎｄｐｏｗｅｒｐｅｎｅｔｒａｔｉｏｎｌｉｍｉｔ］Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１１，３９（１）：１５－２２．［１２］何小宇，张粒子，谢国辉改进的拉格朗日松弛法求解机组组合问题【Ｊ】．电力系统保护与控制，２０１０，３８（１７、：１６－２１．——ＨＥＸｉａｏｙｕ，ＺＨＡＮＧＬｉ－ｚｉ，ＸＩＥＧｕｏｈｕｉ．Ｕｎｉｔｃｏｍｍｉｔｍｅｎｔｕｓｉｎｇａｎｉｍｐｒｏｖｅｄｌａｇｒａｎｇｉａｎｒｅｌａｘａｔｉｏｎｍｅｔｈｏｄ］Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１０，３８（１７、：１６－２１．［１３］余娟，颜伟，徐国禹．基于预测校正原对偶内点法的无功优化新模型［Ｊ］．中国电机工程学报，２００５，２５（１１）：—１４６１５１．ＹＵＪｕａｎ，ＹＡＮＷｅｉ，ＸＵＧｕｏ・ｙｕ．Ａｎｅｗｍｏｄｅｌｏｆｒｅａｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎｂａｓｅｄｏｎｐｒｅｄｉｃｔｏｒｃｏｒｒｅｃｔｏｒｐｒｉｍａｌｄｕａｌｉｎｔｅｒｉｏｒｐｏｉｎｔｍｅｔｈｏｄ］Ｊ］．Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ—ＣＳＥＥ，２００５，２５（１１）：１４６１５１．［１４］厉吉文，潘贞存，李红梅，等．变电站电压无功自动调节判据研究［Ｊ］．中国电力，１９９５，２８（７）：１２－１５．——ＬＩＪｉ・ｗｅｎ，ＰＡＮＺｈｅｎｃｔｌｎ，ＬＩＨｏｎｇｍｅｉ，ｅｔａ１．Ｓｔｕｄｙａｎｄａｎａｌｙｓｉｓｏｎｓｕｂｓｔａｔｉｏｎｖｏｌｔａｇｅａｎｄｒｅａｃｔｉｖｅｐｏｗｅｒａｕｔｏｍａｔｉｃｒｅｇｕｌａｔｉｎｇｃｒｉｔｅｒｉａ［Ｊ］．ＥｌｅｃｔｒｉｃＰｏｗｅｒ，１９９５，—２８（７）：１２１５．［１５］乔颍，鲁宗相，徐飞．双馈风电场自动电压协调控制—的控制［Ｊ］．电力系统自动化，２０１０，３４（５）：９６１００．—ＱＩＡＯＹｉｎｇ，ＬＵＺｏｎｇｘｉａｎｇ，ＸＵＦｅｉ．Ｃｏｏｒｄｉｎａｔｉｖｅｓｔｒａｔｅｇｙｆｏｒａｕｔｏｍａｔｉｃｖｏｌｔａｇｅｃｏｎｔｒｏｌｏｆｗｉｎｄｆａｒｍｓｗｉｔｈ—ｄｏｕｂｌｙｆｅｄｉｎｄｕｃｔｉｏｎｇｅｎｅｒａｔｏｒｓ］Ｊ］．Ａｕｔｏｍａｔｉｏｎｏｆ—ＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１０，３４（５）：９６１００．［１６］重庆大学．输电网络理论线损在线概率分析软件的开发研究［Ｒ】．重庆：重庆大学，２０１１．收稿日期：２０１２－０８－２３；修回Ｅｔ期：２０１２－１１－０７作者简介：丈旭（１９８０－），男，博士研究生，主要研究方向为电力系统优化运行与控制及风险评估，智能电网，电力市场：Ｅ－ｍａｉｌ：ｗｅｎｘｕ＠ｃｑｕ．ｅｄｕ．ｃｎ颜伟（１９６８一），男，博士，教授，博士生导师，主要研究方向为电力系统优化运行与控制及风险评估，智能电网，电力市场；黄淼（１９７８－），男，博士，工程师，研究方向为电力系统分析以及故障诊断。