ПОЛУЧЕНИЕ ЗАКОНОВ РАСПРЕДЕЛЕНИЯ ВЕРОЯТНОСТЕЙ ПАРАМЕТРОВ УСТАНОВИВШЕГОСЯ РЕЖИМА ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ СИСТЕМ

Авторы

  • Ю.Д. Бай Национальный исследовательский Томский политехнический университет
  • А.В. ШМОЙЛОВ Национальный исследовательский Томский политехнический университет
  • Н.Ю. РУБАН Национальный исследовательский Томский политехнический университет
  • Р.А. УФА Национальный исследовательский Томский политехнический университет
  • В.Е. РУДНИК Национальный исследовательский Томский политехнический университет
  • А.В. КИЕВЕЦ Национальный исследовательский Томский политехнический университет

DOI:

https://doi.org/10.14529/power200305

Ключевые слова:

ЭЛЕКТРОЭНЕРГЕТИЧЕСКИЕ СИСТЕМЫ, УСТАНОВИВШИЙСЯ РЕЖИМ, ЗАКОН РАСПРЕДЕЛЕНИЯ ВЕРОЯТНОСТИ, СЛУЧАЙНАЯ ВЕЛИЧИНА, КВАНТИЛЬ, ФУНКЦИОНАЛЬНАЯ ЗАВИСИМОСТЬ

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.

Скачивания

Данные скачивания пока недоступны.

Библиографические ссылки

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 account 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.)

Ve el’ 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.,

Lozinova N., Suslova O. The hybrid model of VSC. Electrical Engineering, 2019, vol. 101, pp. 11–18. DOI:

1007/s00202-018-00752-y

Mila vić J. Pr babili i abili y a aly i : The way rward r abili y a aly i u ai able p wer

systems. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences,

, 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 analysis for power systems with plug-in electric vehicle and wind power integration. IEEE Transactions on Power Systems, 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, pp. 1–36. DOI: 10.1049/cp.2009.1748

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

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

Complete Probabilistic Characteristics. MATEC Web of Conferences, 2017, vol. 141, pp. 1–4. DOI:

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 Mathematical 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 Statistician, 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-flowtest-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

generation impact on distribution networks. IEEE Systems Journal, 2012, vol. 6, pp. 254–259. DOI:

1109/jsyst.2011.2162994

Загрузки

Опубликован

09/30/2020

Как цитировать

[1]
Бай, Ю., ШМОЙЛОВ, А., РУБАН, Н., УФА, Р., РУДНИК, В. и КИЕВЕЦ, А. 2020. ПОЛУЧЕНИЕ ЗАКОНОВ РАСПРЕДЕЛЕНИЯ ВЕРОЯТНОСТЕЙ ПАРАМЕТРОВ УСТАНОВИВШЕГОСЯ РЕЖИМА ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ СИСТЕМ. Вестник Южно-Уральского государственного Университета. Серия: «Энергетика». 20, 3 (сен. 2020), 41–51. DOI:https://doi.org/10.14529/power200305.

Наиболее читаемые статьи этого автора (авторов)