李泳泉

(国网浙江云和县供电有限公司，浙江 云和 323600)

风力在清洁能源中占有不可替代的位置，云和县内风力资源丰富，境内黄源风电站现已建成并接入电网。在风电场接入电网后， 积极收集相关运行数据，开展相关分析研究工作。相邻风电场在并网运行后，其出力之间往往存在一定的相关性；风电场并入电网运行后，出力的随机性和相关性对电力系统影响不可忽略。在电网规划与运行中，概率最优潮流(Probabilistic Optimal Power Flow，简称P-OPF)能评估电力系统中各种不确定因素，有助于潜在薄弱环节的提前发现和解决，降低电网运行风险。

P-OPF将电力系统中的不确定量视为服从某种概率分布的随机变量，通过输入变量的统计信息来求取输出变量的统计信息，比如各阶统计矩、概率密度函数(Probability Density Function，简称 PDF)、累积分布函数(Cumulative Distribution Function，简称CDF)等。现存的P-OPF问题解法主要有蒙特卡洛模拟法[1](Monte Carlo Simulation，简称MCS)、累积量法[2-5](Cumulant Method)和点估计法[6-7](Point Estimate Method)。

这三种方法中，MCS的适用性最广，只要建立相关的非正态随机变量的数学模型，再生成大量样本进行最优潮流(Optimal Power Flow，简称OPF)计算，进而输出变量的统计矩、PDF和CDF能够准确得到。但MCS最后结果的准确、收敛需要庞大的计算量来支撑。

累积量法将P-OPF计算中的优化过程视为一种概率映射，通过线性化潮流运算模型来求取输出量的统计信息。但该方法有两个不足，由于P-OPF计算中不等式约束的存在，输出量与输入量间函数关系的非线性很大，线性化该函数关系引入的误差不可忽略；累积量法在相关性的处理上需繁杂的数学计算保证，并且输入变量之间必须相互独立，而风电场机组出力之间的相关性必须考虑。……