基于混沌多项式稀疏展开的含风电电力系统概率潮流计算

电力系统中基于混沌理论的短期风电功率预测研究引言：随着全球对可再生能源的增加需求以及对环境保护的重视，风能作为一种可再生、清洁的能源逐渐成为电力系统的主要部分。

然而，由于风能的不稳定性和不可控性，风电出力的波动对电力系统的稳定运行产生了挑战。

因此，短期风电功率预测成为电力系统中一个重要的研究领域。

本文将介绍基于混沌理论的短期风电功率预测的研究进展和方法。

一、风电功率预测的重要性风电功率的波动性使得电网规划和电力调度更加困难。

准确的短期风电功率预测可以帮助电力系统管理者制定合理的运行策略，确保电网的平稳运行。

传统的风电功率预测方法主要利用统计学和时间序列分析进行预测，但由于风电出力具有非线性和非平稳性，传统方法在预测准确性和鲁棒性方面存在局限性。

二、混沌理论在短期风电功率预测中的应用混沌理论是一种非线性动力学理论，其特点是对初始条件的微小变化极其敏感，从而产生高度不确定的结果。

由于风电出力具有非线性和随机性，混沌理论成为一种有效的预测方法。

基于混沌理论的短期风电功率预测主要包括以下几个步骤：1. 数据采集和预处理首先，需要收集风电场的历史功率数据，并进行数据预处理。

预处理包括数据清洗、补全缺失值和异常值处理等步骤，以确保数据的准确性和完整性。

2. 混沌特征提取混沌特征是基于混沌理论的短期风电功率预测的关键。

通过对风电功率时间序列进行相空间重构，可以提取出混沌特征，如Lyapunov指数、敏感性依赖性和相空间的分岔结构等。

3. 混沌建模和预测利用已提取的混沌特征，可以建立混沌模型来预测短期风电功率。

常用的混沌模型包括Chaos-genetic算法、Chaos-wavelet神经网络和Chaos-ARMA模型等。

这些模型可以通过对历史数据的学习和训练，来预测未来一段时间的风电功率。

4. 预测误差分析和优化对于短期风电功率预测模型来说，预测准确性是评价其性能的关键指标。

因此，需要对预测结果进行误差分析和优化。

电力系统潮流计算机算法电力系统潮流计算是电力系统分析中最基本的一项计算，其目的是确定电力系统中各母线电压的幅值和相角、各元件中的功率以及整个系统的功率损耗等。

随着计算机技术的发展，电力系统潮流计算算法也在不断更新和完善。

以下是电力系统潮流计算的一些常用算法：1. 牛顿-拉夫逊法（Newton-Raphson Method）：这是一种求解非线性方程组的方法，应用于电力系统潮流计算中。

该方法在多数情况下没有发散的危险，且收敛性较强，可以大大节约计算时间，因此得到了广泛的应用。

2. 快速迪科法（Fast Decoupled Method）：这是一种高效的电力系统潮流计算方法，将电力系统分为几个子系统进行计算，从而提高了计算速度。

3. 最小二乘法（Least Squares Method）：这是一种用于求解线性方程组的方法，通过最小化误差平方和来获得最优解。

在电力系统潮流计算中，可用于优化电压幅值和相角。

4. 遗传算法（Genetic Algorithm）：这是一种全局优化搜索算法，应用于电力系统潮流计算中，可以解决一些复杂和非线性问题。

5. 粒子群优化算法（Particle Swarm Optimization）：这是一种启发式优化算法，通过模拟鸟群觅食行为来寻找最优解。

在电力系统潮流计算中，可用于优化网络参数和运行条件。

6. 模拟退火算法（Simulated Annealing）：这是一种全局优化搜索算法，应用于电力系统潮流计算中，可以在较大范围内寻找最优解。

7. 人工神经网络（Artificial Neural Network）：这是一种模拟人脑神经网络的计算模型，可用于电力系统潮流计算。

通过训练神经网络，可以实现对电力系统中复杂非线性关系的建模和预测。

以上所述算法在电力系统潮流计算中起着重要作用，为电力系统运行、设计和优化提供了有力支持。

同时，随着计算机技术的不断发展，未来还将出现更多高效、精确的电力系统潮流计算算法。

电力系统潮流计算完整程序及详细理论说明——秦羽风在我刚开始学习潮流程序时,总是找不到一个正确的程序开始模仿学习。

后来经过多方努力，终于自己写出了一个结构清晰、完整的潮流程序。

此程序是一个通用的程序，只需要修改输入数据的子函数（PowerFlowsData_K)里面的母线、支路、发电机、负荷，就能算任意一个网络结构的交流系统潮流。

很适合初学者学习.为了帮助电力系统的同学一起学习,我将我编写的潮流计算程序分享下来给大家；此程序是在基于牛顿拉夫逊算法的基础上，编写的快速解耦算法。

每一个子程序我都有备注说明。

如果有不对的地方，希望大家指正！下文中呈现的顺序为：网络结构、子程序、主程序、运算结果、程序设计理论说明。

一、网络结构：5节点网络如下图。

二、子程序（共有9个子程序）子程序1：（其他系统，只需要修改Bus、Branch、Generator、Load,这四个矩阵就行了）function [Bus,Branch，Generator,Load］=PowerFlowsData_K％％节点数据% 类型:1-平衡节点；2-发电机PV节点；3—负荷PQ节点；4-发电机PQ节点;Bus=［% 类型电压相角1 1。

06 0；2 1 0；3 1 0;3 1 0；3 1 0]；％% 线路数据Branch=[% 发送接收电阻电感(电导电容)并联1 2 0.02 0.06 0 0.06；1 3 0。

08 0。

24 0 0。

05；2 3 0.06 0.18 0 0。

04;2 4 0。

06 0。

18 0 0.04;2 5 0.04 0.12 0 0。

03；3 4 0.01 0.03 0 0。

02;4 5 0.08 0.24 0 0.05］;%% 发电机数据Generator=［％节点定有功定无功(上限下限）无功1 0 0 5 —5;2 0。

4 03 —3];％％负载数据Load=［% 节点定有功定无功2 0.2 0.1；3 0。

基于混沌神经网络的风电预测系统建模研究
赵连娟
【期刊名称】《自动化技术与应用》
【年(卷),期】2018(037)010
【摘要】本文主要讨论了如何利用神经网络建立风电系统预测模型,并利用风电模型的混沌特性将混沌系统相关算法引入神经网络模型,提高风力发电系统预测精度,最后利用MATLAB软件进行系统仿真,对算法进行了验证.
【总页数】5页(P105-108,135)
【作者】赵连娟
【作者单位】陕西国防工业职业技术学院机电工程学院,陕西西安 710300
【正文语种】中文
【中图分类】TP183
【相关文献】
1.基于集中预报的风电功率预测系统设计 [J], 周永华;郭彦飞;张国建;韦伟
2.基于马尔科夫链的煤矿灾变预测系统的建模研究 [J], 郭秋敏;徐博
3.探析基于物理方法的风电功率预测系统在贺兰山风电场的应用 [J], 谭超
4.基于ISMC-PSO的风电爬坡输出功率预测系统的研究 [J], 李永馨; 王鸿; 王致杰; 王海群
5.基于B/S架构的风电场风电功率预测系统 [J], 陆申鑫;陶凯;吴定会
因版权原因，仅展示原文概要，查看原文内容请购买。

专利名称：一种基于混沌遗传算法的抽蓄-风电优化运行方法及系统
专利类型：发明专利
发明人：姬联涛,杨威嘉,荆岫岩,王德顺,陈龙翔,李官军,王璞,陶以彬,王冉,李旭东
申请号：CN202210323215.1
申请日：20220329
公开号：CN114676633A
公开日：
20220628
专利内容由知识产权出版社提供
摘要：本发明提供了一种基于混沌遗传算法的抽蓄‑风电优化运行方法及系统，包括：获取待优化的抽蓄‑风电系统的参数；将所述待优化的抽蓄‑风电系统的参数带入预先构建的抽蓄‑风电系统的优化模型中，采用混沌遗传算法进行求解，得到抽蓄‑风电系统的优化运行方案；其中，所述抽蓄‑风电系统的优化模型是基于所述抽蓄‑风电系统的优化目标建立的目标函数以及为所述目标函数设置的约束条件构建而成。

通过将混沌变量引入优化模型，运用混沌遗传算法对抽蓄‑风电系统的优化运行方案进行求解，凭借混沌的遍历性防止算法陷入局部最优，加快收敛速度，提高运算效率，更好的服务于工程实践。

申请人：中国电力科学研究院有限公司,国家电网有限公司
地址：210003 江苏省南京市鼓楼区南瑞路8号
国籍：CN
代理机构：北京安博达知识产权代理有限公司
代理人：徐国文
更多信息请下载全文后查看。

基于混沌搜索的多目标模糊优化潮流算法
卓峻峰;赵冬梅
【期刊名称】《电网技术》
【年(卷),期】2003(27)2
【摘要】提出了一种混沌搜索与模糊集理论相结合求解电力系统最优潮流问题的新方法。

该方法利用混沌变量的随机性、规律性、遍历性进行寻优,克服了基于导数的优化方法对于梯度信息的高度依赖性而造成的困难。

用模糊集理论将多目标函数和可伸缩约束条件模糊化,把多目标最优潮流问题转化为单目标非线性规划问题,这种方法结构简单,易于实施。

试验系统的计算结果表明,该算法具有较好的全局收敛特性,搜索速度快,求解精度高,使用灵活,是解决电力系统最优潮流问题的一种有效方法。

【总页数】5页(P41-44)
【关键词】电力系统;混沌搜索;模糊集理论;多目标模糊优化潮流算法;遗传算法【作者】卓峻峰;赵冬梅
【作者单位】华北电力大学电力工程系
【正文语种】中文
【中图分类】TM744
【相关文献】
1.基于动态模糊混沌粒子群算法的含电动汽车微电网多目标优化调度研究 [J], 唐俊杰;陈璟华;邱明晋
2.并行混沌与和声搜索的多目标混合优化算法 [J], 袁小芳;刘晋伟;陈秋伊;万长京
3.多目标模糊优化潮流模型及其基于神经网络的算法 [J], 孙洪波;徐国禹;等
4.基于混沌局部搜索的多目标遗传算法 [J], 梁敬东;郭建军;梁海洪;郭凤仪
5.一种求解多目标最优潮流的模糊优化算法 [J], 刘明波;段晓军
因版权原因，仅展示原文概要，查看原文内容请购买。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010525323.8(22)申请日 2020.06.10(71)申请人 浙大城市学院地址 310015 浙江省杭州市拱墅区湖州街51号(72)发明人 李静　李艳君　肖铎　杜鹏英　(74)专利代理机构 杭州求是专利事务所有限公司 33200代理人 刘静(51)Int.Cl.H02J 3/00(2006.01)H02J 3/06(2006.01)H02J 3/38(2006.01)H02J 3/46(2006.01)(54)发明名称一种基于稀疏混沌多项式逼近的随机潮流不确定性量化方法(57)摘要本发明公开了一种基于稀疏混沌多项式逼近的随机潮流不确定性量化方法，为包含高比例间歇性可再生能源以及负荷的节点功率随机波动下电力系统随机潮流计算方法，该算法考虑随机时序性对风、光间歇性可再生能源和负荷这些电网运行中的节点注入功率的随机特性进行建模，基于随机空间谱逼近方法来逼近概率潮流方程的随机解，并基于l 1‑l 2范数最小的稀疏优化方法，利用少量样本信息获得高维潮流随机空间的稀疏多项式逼近模型。

该算法稳定且逼近精度高，可广泛应用于高维随机因素影响下电力系统随机潮流分析。

为可再生能源的合理消纳和保证电力系统安全稳定运行提供参考。

权利要求书3页 说明书7页 附图1页CN 111900716 A 2020.11.06C N 111900716A1.一种基于稀疏混沌多项式逼近的随机潮流不确定性量化方法，其特征在于，该方法包括以下几个步骤：S1：建立电力系统高维随机输入的低阶模拟模型，具体包括以下的步骤：S1.1：由于负荷及风力、太阳能光伏电源出力的随机波动性，在任一时刻t电力系统的节点注入功率视作是随机变量，该随机变量在时间维度上的扩充构成了随机过程。

则在t时刻电网节点i处的注入功率为：式中，p i(t)和q i(t)表示t时刻安装在电网节点i注入有功和无功功率的预测值，表示随机变量，和表示t时刻电网节点i处的有功和无功随机参数，反映在节点功率的预测误差上，预测误差在任意时刻t的随机特性均满足正态分布，则预测误差属于高斯随机过程。