基于扩展序列运算的含不确定性需求响应电力系统优化调度

未来高比例可再生能源的随机性给电力系统运行带来了前所未有的挑战,灵活性资源的不足限制了可再生能源的发展,柔性负荷可作为一种灵活性资源参与电力系统的调峰和备用。文中根据响应机制的不同,将柔性负荷分为激励型负荷和价格型负荷两种。基于扩展概率性序列运算理论,分别建立表征激励型负荷和价格型负荷响应不确定性的概率模型,表征风电出力不确定性的概率模型也随之建立。在此基础上,以应对风电波动性和随机性为背景,基于风险约束和风险成本理论,构建了同时考虑风电出力和需求响应不确定性的电力系统日前优化调度模型。针对构建的随机优化问题,文中通过序列运算对机会约束条件进行转化,将其转化为一个约束条件为线性的确定性优化问题进行求解。最后,通过仿真算例验证了模型的有效性,并分析了序列运算应用于不确定性问题的实用价值。

模糊性序列运算及其在电力外送能力分析中的应用

针对序列运算理论在实际应用中的多重不确定性问题,利用模糊理论的研究成果,将离散型模糊变量的基本概念予以拓展,分别提出与模糊集和与元素相对应的1维模糊性序列以及多维模糊性序列的定义,并且给出模糊性序列的基本性质与形成方法。在此基础上,考虑到多重不确定性的研究需要,提出概率模糊序列的定义及其隶属函数,并且研究概率模糊序列运算的计算方法和期望值。最后,利用算例说明所提出的模糊性序列及运算过程。

基于扩展序列运算的含风电电力系统随机潮流实用计算方法

为提高随机潮流计算方法实用性,将序列运算理论引入随机潮流分析,探索一种系统随机变量分布模型未知情形下的随机潮流方法。结合随机潮流计算的特点,分析现有序列运算理论直接应用于随机潮流计算的可行性,并据此对现有序列运算进行扩展。基于所提扩展运算,采用扩展概率性序列描述系统随机性并基于历史数据实现随机变量的序列化,通过各变量对应概率性序列的直接运算快速分析系统潮流分布情况,以克服现有求解方法对基础数据要求过高的不足。IEEE-30节点系统测试表明,所提方法可实现系统随机变量概率分布模型未知情形下的随机潮流计算,可达到较高精度,且速度较快。该方法具有一定的实用价值,也可为面临相同问题的电力系统其他不确定性分析提供借鉴。

随机变量序列依概率收敛一些分析性质的研究

本文通过对随机变量序列4种收敛定义的蕴涵关系的研究，指出了依概率收敛的中心地位，并给出它的一些性质。

一种改进序列运算算法及其在风电出力分析中的应用

针对不同受限情况下风电场出力的概率性序列具有极大相似性的特点,文中对序列运算理论进行了进一步扩展。首先提出了一种新的序列运算——分离运算,分析了其相应的性质;提出了概率变化序列的概念及其与分离运算的关系,分析了概率变化序列的性质及物理意义;以概率变化序列在风电出力分析中的应用为例,详细讨论了概率变化序列的使用方法。仿真结果表明,使用概率变化序列进行计算,可以充分利用相似性序列的特点,以已有计算结果为基础,大幅降低计算量,提高计算速度。文中所得结果具有普适性,可应用于其他含相似性序列的寻优问题中。

概率性序列及其运算理论

在电力系统中,一般使用离散的分布函数来表示发电机组在各种容量情况下的可用率。针对电力系统的这一实际需求,该文在一般序列运算的基础上,定义了一种特殊序列——概率性序列,并进一步详细探讨了其运算性质。从概率论的角度,定义了序列的期望值,并且详细给出了原始序列以及派生序列的期望值之间的运算关系。状态空间分析是该文的一个重要进展,经过对概率性序列的4种序列运算的状态空间分析,发现了其运算所对应的子空间具有明确的物理意义,这一结论对整个序列理论在电力系统中的应用具有重要价值。概率性序列的上述研究成果,成为后续的随机生产模拟研究的理论基础。

概率性序列运算的扩展及其运算性质

现有序列运算理论的核心是卷和、卷差、交积与并积运算等4个基本运算。当面对连续型随机变量延伸至离散型概率性序列时,为了提高概率性序列运算理论的适用性,该文提出了序乘运算、序除运算及序移运算等新的概率性序列运算形式,用于处理概率性序列之间以及序列与正常数之间的乘、除等关系,并推导出各种基本运算的基本性质,分析了这几种运算的物理意义。算例结果表明了运算性质的正确性。

风电出力分析中的相依概率性序列运算

针对序列运算中随机变量间可能存在的非独立情形,应用Copula理论建立了相依概率性序列运算理论与方法。根据Copula理论推导了非独立情形下序列运算的形式:每次计算中除了将序列取值对应的概率相乘之外,还要乘以由随机变量之间的相依结构所确定的修正量。给出了利用相依概率性序列运算进行建模与计算的流程。将相依概率性序列运算应用于多风电场总出力的概率分布的计算,验证了该理论的正确性和有效性。该文工作进一步发展了序列运算理论,在不确定性分析领域具有良好的应用前景。

风电场概率分布模型建模及误差分析

提出一种风电场出力概率分布模型建立与误差分析的方法。基于典型日的历史风速和对应的风机无限制出力情况下的功率数据,拟合得到风机等效功率特性曲线,进而得到整个风电场无限制出力情况下的实际可发出力。利用高斯混合模型对风电场出力概率分布进行建模,采用序列运算理论,制定最佳离散化步长的选取规则,提高了概率密度函数拟合的精确性。提出基于误差范围的概率密度函数可靠性指标,利用随机抽样方法,对概率密度函数进行误差分析。通过与核密度估计方法进行对比,证明了高斯混合模型的优越性。所建模型能够较好地描述风电场出力的概率特性,为运行人员在风电调度运行方面提供有价值参考依据。

相依概率性序列运算的数字特征

相依概率性序列运算对基本序列运算进行了发展,使非独立的随机变量间的建模、分析以及运算成为可能。该文证明了非独立的概率性序列进行各种序列运算后的派生序列仍然是概率性序列。研究了序列独立与非独立情形下各种运算结果序列期望值的异同,同时论证了在序列非独立情形下序列运算期望值的性质:一部分基本序列运算期望值性质在相依概率性序列运算中仍然成立,而另一部分则不再成立。利用简单算例验证了上述数字特征,并阐述了相依概率性序列运算的物理意义。

ρ^--混合随机场的完全收敛性

讨论了ρ--混合随机场的部分和完全收敛性.在一些适当的条件下,获得了较为一般的ρ--混合随机场的部分和完全收敛性定理,并得到了完全收敛速度与矩条件之间的等价关系.所得结果推广了ρ*-混合随机场和负相伴序列的相应结果.且将Hsu-Robbins型定理推广到ρ--混合随机场的情形.定理的证明基于Rosenthal型最大值不等式、Rosenthal型不等式、几个引理及缓变函数的性质.

确定性混沌与信息科学

决定性与随机性(概率性),同步与非同步,有序与无序在确定性混沌中得到了统一。在信息的产生和消失,提取和识别,可预测性和不可预测性这些共有的天地中,确定性混沌与信息科学的协同发展将会产生深远影响。

对关于统计推断性质的十四个难以理解和有待澄清的问题的思考(上)

文章呈示了一组受过统计训练的科学家关于14个难以理解和有待澄清的统计问题的明确表述和回答。这些问题由D.R.Cox博士、教授于其1997年在格罗宁根大学(GroningenUniversity)所作的"伯努利演讲"后公之于众。

计及风险系数的含风电场电力系统多目标动态优化调度

随着风电并网容量的不断增加,传统的确定性优化调度方法已难以满足电力系统安全运行要求。本文建立了计及风险系数的含风电场电力系统多目标动态优化调度模型,模型包括风险系数、燃料成本及污染排放量最小3个目标,将风电场出力及负荷的不确定性纳入模型综合考虑。为了对模型中的随机变量进行处理,引入概率性序列理论,并对其运算空间进行扩展,然后提出了一种改进的多目标教与学优化算法对模型进行求解。含风电场的10机系统算例验证了本文模型及算法的可行性和有效性。

一个非形式的归纳支持句法系统——与刘壮虎先生商榷

本文致力于解决非实质相似(不同类型)假设归纳支持的可比性问题。首先,本文分析了刘壮虎提出的VIL系统,指出由于语义、表达能力、相关变量方法三方面的困难,VIL系统是不恰当的、不完备的,因而无法解决上述问题。其次,本文重新表述了J.Cohen归纳支持理论的基本概念和相关变量方法,在此基础上指出J.Cohen的归纳支持句法同样是不完备、不恰当的。再次,本文吸取Cohen理论中的合理部分——相关变量方法,纠正了J.Cohen对上述句法中有关原理的证明错误,提出和证明了六条新的原理,构造了归纳支持句法非形式系统,克服了Cohen理论的困难,为解决上述问题提供了可行的方案。最后,本文指出;对归纳支持的逻辑结构的研究有可能导致全新的逻辑系统。

面向远洋海岛新能源自治微网的双重化备用电源规划

针对远洋海岛自治微网的负荷备用问题,提出基于概率性序列运算的双重化备用电源规划方案。首先,建立风机、光伏发电和负荷的概率分布函数模型,利用概率性序列运算方法求取电力不足概率这一可靠性指标。接下来,根据微型燃气轮机和柴油机各自的特性及相关的配置和燃料成本高低,研究最大化利用2种备用机组优势的备用策略。最后,结合远洋海岛资源补给及孤岛运行的实际情况,以最大程度满足可靠性为前提,求解备用机组及储气站的最优规划容量。仿真结果表明,所求解的机组及配套设备能够满足岛上日常以及极端天气的备用功能。与其他策略的对比分析表明,在考虑负荷惩罚因素后,该文提出的策略具有更优越的经济性。

基于熵的股票市场长期风险度量研究

本文研究股票市场混沌时间序列的长期演化规律。本文借助最大信息熵原理推导了弱时间关联性时间序列波动强度的定态概率分布 ;在介绍了时间序列联合概率和条件概率含义的基础上 ,借助最大定标原理 ,讨论了具有弱时间关联性的股票市场长期行为的联合概率分布与条件概率分布 ;研究了两类再生概率分布 ,并给出四种系统风险度量评价指标。最后 。