基于情景反演方法的快速且较不保守的区间功率流分析，适用于可再生能源渗透率较高的电力系统

《IEEE Transactions on Sustainable Energy》：Rapid and Less Conservative Interval Power Flow Analysis Based on a Scenario Reflection Method for Renewable Penetrated Power Systems

针对高渗透可再生能源电力系统不确定性导致区间功率流分析效率低和保守性高的问题，提出基于场景反射法的快速区间功率流（IPF）方法。通过构建线性化区间功率流模型，结合结构分析与场景反射优化算法，并引入分布区间算法（DIA）及Copula-PCA联合模型，有效降低保守性同时提升计算效率，验证了方法在多种电网测试系统中的有效性和高效性。

　　

摘要：

为了解决在可再生能源渗透率较高的电力系统中，区间交流功率流（IACPF）分析计算效率低的问题，本文提出了一种基于场景反射方法的快速且较为保守性较低的区间功率流（IPF）算法。首先，通过描述包含已知节点变量的母线注入区间来建立线性化区间功率流（LIPF）模型，以表征不确定性。然后，提出了一种快速场景反射（RSR）方法来加速模型求解过程。与传统优化方法不同，该方法通过进行模型结构分析和场景反射来减轻计算负担。此外，考虑到变量的统计信息，RSR方法结合了分布式区间算法（DIA）以降低区间结果的保守性。鉴于可再生能源发电与负荷需求之间的潜在相关性，本文提出了一种基于Copula理论和主成分分析（PCA）的相关性感知DIA算法，以利用不确定场景的概率分布信息来提高计算精度。最后，在多种输电和配电测试系统上进行的综合数值实验验证了所提方法的广泛适用性，结果显示在计算效率和结果精度方面均有显著提升，同时保持了与现有IACPF方法相当的高精度。

引言

可再生能源（RESs）在电力系统中的高渗透率由于其固有的随机性和波动性引入了重大不确定性。这些不确定性严重影响了传统的确定性功率流分析，使得高可再生能源渗透率的电力系统面临显著风险。需要深入分析和研究这些不确定性对系统运行和控制的影响，以确保系统安全[1]、[2]。因此，人们提出了多种不确定功率流分析方法，如随机规划（SP）[3]、[4]、鲁棒优化（RO）[5]、机会约束规划（CCP）[6]和区间优化（IO）[7]。作为一种新开发的不确定功率流分析方法，区间功率流（IPF）因其建模优势及其确保系统安全的能力而受到了研究人员的广泛关注。然而，现有的IPF方法存在非凸性、计算效率低和保守性高等问题，这限制了其在电力系统行业中的应用，尤其是在大规模系统中。因此，人们非常需要一种快速且保守性较低的IPF方法，能够在各种电网中提供合理的精度和鲁棒性。