Численная оценка вероятностного распределения перетоков мощности

doi:10.14529/power190305

Abstract

Background. Active power flow capacities are used to monitor the compliance with power system stability requirements while configuring and running the system. The grid is modeled mathematically for such design. The projected daily load curve and its associated magnitudes are calculated per rules, i.e. set specifically for specific time intervals. However, actual loads are not constant and can generally be represented by an interval that contains the actual values. Grid parameters are also seasonal, as they are affected by accidents, weather, etc. In other words, a grid model uses a number of assumptions. This paper proposes Monto-Carlo simulation to simulate the parameters of a power system as affected by changing the initial loads at grid nodes as well as the line resistance values per Gaussian distribution. The method can find how these values affect power flows in grid branches as well as determine the margin of static stability. Materials and methods: Monte Carlo Method (method of statistical testing). Results. This methodology has been applied to a base-generator/base-load two-node system as well as to a base-load-generator three-node system; besides, it has been applied to the model of Radkino-Arlansky District, Republic of Bashkortosan’s power system. For these models, the team calculated the active and reactive power flows for each successfully computed operating mode that would not compromise static stability. The obtained values were used to plot distributions and to find the range of their variation. Then the static stability factors were calculated and their dependences on the interval length of initial grid parameters changing were constructed. Conclusions. Changing the range of power flows in the branches of the analyzed grid helped researchers find which of them had the greatest fluctuation range and which nodes would affect the flows the most if altered in capacity. Thus, the capacities of these nodes are subject to more accurate adjustment.

Highlights

ЧИСЛЕННАЯ ОЦЕНКА ВЕРОЯТНОСТНОГО РАСПРЕДЕЛЕНИЯ ПЕРЕТОКОВ МОЩНОСТИЗначения перетоков активной мощности используются для контроля соблюдения требований к устойчивости энергосистем при планировании и управлении электроэнергетическим режимом
Active power flow capacities are used to monitor the compliance with power system stability requirements while configuring and running the system
This paper proposes Monto-Carlo simulation to simulate the parameters of a power system as affected by changing the initial loads at grid nodes as well as the line resistance values per Gaussian distribution

Summary

ЧИСЛЕННАЯ ОЦЕНКА ВЕРОЯТНОСТНОГО РАСПРЕДЕЛЕНИЯ ПЕРЕТОКОВ МОЩНОСТИ

Значения перетоков активной мощности используются для контроля соблюдения требований к устойчивости энергосистем при планировании и управлении электроэнергетическим режимом. В данной статье предлагается применить метод Монте-Карло для моделирования режимов работы рассматриваемой энергосистемы при изменении исходных величин мощностей нагрузок в углах сети и сопротивлений линий согласно нормальному закону распределения. Введение Значения перетоков активной мощности используются для соблюдения требований к устойчивости энергосистем при планировании и управлении электроэнергетическим режимом. При создании математической модели исследуемой сети используется ряд допущений, например, мощность нагрузки задается конкретным числом на отдельных интервалах времени, хотя в действительности она не является постоянной величиной и может быть представлена некоторым интервалом, внутри которого находятся фактические значения [1]. Для этого необходимо провести серию расчетов установившихся режимов, при которых в узлах сети задается предельная мощность по условиям статической устойчивости, а параметры случайных величин задаются в виде распределения. Предложенная методика была реализована на двухузловых схемах «база – генератор» («Б–Г»), представленной на рис. 1, «база – нагрузка» («Б–Н»), представленной на рис. 2, на трехузловой схеме «база – нагрузка – генератор» («Б–Н–Г»), представленной на рис. 3, и на модели Редькино-

Densit y

Background

Findings

Materials and methods