周 競(jìng)，王 珂，石 飛，馮樹海

（中國電力科學(xué)研究院，江蘇 南京 210003）

0 引言

近年來，以風(fēng)電為代表的大規(guī)模間歇性能源的滲透率迅猛增長，其出力不確定性將大幅增加電力系統(tǒng)供需的波動(dòng)性，系統(tǒng)頻率穩(wěn)定及電網(wǎng)安全將面臨新的挑戰(zhàn)［1-5］。

隨著智能電網(wǎng)發(fā)展的進(jìn)一步推進(jìn)，源荷雙側(cè)協(xié)同調(diào)度將成為平衡新能源波動(dòng)的有效手段之一。文獻(xiàn)［6］提出了源荷雙側(cè)靈活互動(dòng)的技術(shù)內(nèi)涵和研究框架；文獻(xiàn)［7-8］建立了源荷雙側(cè)一體化調(diào)度的模型，以用電激勵(lì)負(fù)荷、可中斷負(fù)荷、分時(shí)電價(jià)負(fù)荷等可調(diào)度負(fù)荷資源作為常規(guī)發(fā)電的補(bǔ)充，有效提高了風(fēng)能利用效率；文獻(xiàn)［9-10］探索了負(fù)荷參與調(diào)度的可執(zhí)行模式，包括虛擬發(fā)電機(jī)建模方式和多代理需求響應(yīng)調(diào)度模型等。以上研究均驗(yàn)證了負(fù)荷側(cè)資源協(xié)同發(fā)電側(cè)資源參與系統(tǒng)功率平衡有利于電網(wǎng)安全經(jīng)濟(jì)運(yùn)行，是未來智能電網(wǎng)調(diào)度的發(fā)展趨勢(shì)。

為了充分考慮間歇性能源等隨機(jī)因素的影響，更全面、深刻地揭示電力系統(tǒng)的實(shí)際運(yùn)行情況，概率潮流受到越來越多的關(guān)注。概率潮流是利用概率統(tǒng)計(jì)方法處理電力系統(tǒng)運(yùn)行中各種隨機(jī)因素的一種有效方法［11-12］，具有代表性的分析方法有：半不變量法［13-14］、點(diǎn)估計(jì)法［15-16］、拉丁超立方法［17］和蒙特卡洛抽樣法［18-19］。上述算法各有優(yōu)劣，而基于半不變量法的概率潮流由于其計(jì)算速度快、物理概念清晰而具有較好的工程應(yīng)用前景。然而，半不變量法的前提為假設(shè)輸入變量相互獨(dú)立，因此研究中往往隱含著系統(tǒng)不平衡功率由指定的一臺(tái)平橫機(jī)承擔(dān)，忽略了常規(guī)可調(diào)機(jī)組和柔性負(fù)荷響應(yīng)參與功率調(diào)節(jié)，這與實(shí)際電網(wǎng)運(yùn)行有較大的出入［20］。當(dāng)系統(tǒng)隨機(jī)因素較多且隨機(jī)波動(dòng)較大時(shí)，隨機(jī)潮流計(jì)算結(jié)果將產(chǎn)生較大的誤差，導(dǎo)致調(diào)度人員發(fā)生誤判等問題。

實(shí)際電網(wǎng)中，為了應(yīng)對(duì)風(fēng)功率的隨機(jī)性，常通過常規(guī)可調(diào)度火電、水電以及柔性負(fù)荷來響應(yīng)風(fēng)電的隨機(jī)性以實(shí)現(xiàn)供需的瞬時(shí)平衡。因此，系統(tǒng)不平衡功率與可調(diào)度資源的響應(yīng)量之間有明確的關(guān)聯(lián)關(guān)系。為有效地計(jì)及源荷雙側(cè)響應(yīng)對(duì)潮流分布的影響，本文首先建立了系統(tǒng)隨機(jī)注入量和響應(yīng)量的概率模型，并在常規(guī)半不變量概率潮流模型的基礎(chǔ)上，從不平衡功率基準(zhǔn)值的分配和響應(yīng)隨機(jī)變量的計(jì)算2個(gè)方面對(duì)算法進(jìn)行改進(jìn)。最后，以實(shí)際電網(wǎng)為算例，驗(yàn)證了本文所提的計(jì)及源荷雙側(cè)響應(yīng)的概率潮流算法的有效性和準(zhǔn)確性。

1 系統(tǒng)隨機(jī)注入量的概率模型

文獻(xiàn)［21］用動(dòng)態(tài)隨機(jī)變量DRV（Dynamic Random Variable）來描述既有一定規(guī)律性又帶有隨機(jī)性的現(xiàn)象，即在各種確定性規(guī)律基礎(chǔ)上疊加相應(yīng)的隨機(jī)波動(dòng)性來建立隨機(jī)注入量的概率模型，可表示為：

其中，W（t）為隨時(shí)間 t變化的動(dòng)態(tài)隨機(jī)變量；W0（t）為 W（t）中按規(guī)律變化的確定性部分；Δ（t）為隨機(jī)變量，用來反映W（t）中的隨機(jī)波動(dòng)部分。

以風(fēng)電、光伏發(fā)電為代表的間歇性電源具有一定的隨機(jī)性。以風(fēng)電為例，風(fēng)電預(yù)測(cè)精度與預(yù)測(cè)時(shí)間尺度相關(guān)，日前風(fēng)電場(chǎng)風(fēng)電的預(yù)測(cè)誤差一般為25%～40%，有時(shí)可能更大；日內(nèi)預(yù)測(cè)誤差相對(duì)較小，但大多也在10%以上。如式（2）所示，可將風(fēng)電功率分解為表征確定性的基礎(chǔ)部分和表征隨機(jī)性的不確定部分。其中，i為節(jié)點(diǎn)編號(hào)；PW0i為節(jié)點(diǎn)i所連風(fēng)電場(chǎng)風(fēng)功率的預(yù)測(cè)值；ΔPWi為預(yù)測(cè)偏差量。

風(fēng)電功率預(yù)測(cè)誤差的概率分布［22］可用正態(tài)分布、拉普拉斯分布、威布爾分布、分段指數(shù)分布等多種模型來表示。本文采用正態(tài)分布作為風(fēng)電功率預(yù)測(cè)誤差的分布模型，如式（3）所示。假設(shè)某節(jié)點(diǎn)i所連風(fēng)電場(chǎng)的預(yù)測(cè)誤差 xWi服從正態(tài)分布 N（0，σWi），其中方差σWi取決于預(yù)測(cè)時(shí)間尺度。

由于人類活動(dòng)既具有規(guī)律性，也存在很強(qiáng)的隨機(jī)性，電力負(fù)荷同樣可用式（1）的形式表示，見式（4）。以節(jié)點(diǎn)i上所連負(fù)荷的預(yù)測(cè)誤差xLi為例，可用正態(tài)分布具體表示，如式（5）所示。

其中，PL0i為節(jié)點(diǎn)i負(fù)荷的預(yù)測(cè)值；ΔPLi為該負(fù)荷的預(yù)測(cè)偏差量。目前電力負(fù)荷的短期預(yù)測(cè)精度較高，當(dāng)采用正態(tài)分布模擬預(yù)測(cè)偏差時(shí)，其方差σLi一般較小。

2 源荷雙側(cè)響應(yīng)量的概率模型

當(dāng)大規(guī)模間歇性能源并網(wǎng)后，其間歇性和波動(dòng)性將增大系統(tǒng)運(yùn)行中的不平衡功率，由于間歇式發(fā)電和負(fù)荷預(yù)測(cè)的隨機(jī)性，系統(tǒng)不平衡功率表示為：

其中，PUnb為系統(tǒng)不平衡功率；PUnb0為不平衡功率中的確定性部分；ΔPUnb為隨機(jī)性部分。

為應(yīng)對(duì)系統(tǒng)中的不平衡功率，傳統(tǒng)電網(wǎng)中往往配備一定容量的可調(diào)機(jī)組即自動(dòng)發(fā)電控制（AGC）機(jī)組參與調(diào)節(jié)，且按照一定的分配系數(shù)來承擔(dān)系統(tǒng)總功率缺額，分配系數(shù)大小一般由可調(diào)機(jī)組的爬坡速率或剩余裕度決定。然而，負(fù)荷側(cè)可調(diào)度資源具有響應(yīng)速度快和經(jīng)濟(jì)性高等優(yōu)勢(shì)［22］，在未來智能電網(wǎng)下，源荷雙側(cè)共同參與調(diào)節(jié)是發(fā)展的必然趨勢(shì)。本文將負(fù)荷側(cè)可調(diào)度資源近似成負(fù)的可調(diào)發(fā)電機(jī)，共同承擔(dān)系統(tǒng)總功率缺額，分配系數(shù)由其響應(yīng)速率或響應(yīng)潛力決定。系統(tǒng)在一定運(yùn)行工況下，源荷雙側(cè)響應(yīng)資源是已知的，因此其分配系數(shù)也是已知的，表征著各響應(yīng)資源承擔(dān)不平衡功率的比例。源荷雙側(cè)響應(yīng)資源的調(diào)度量可看作由于間歇性發(fā)電和負(fù)荷波動(dòng)引起的不平衡功率的響應(yīng)量，表示為：

其中，KG和KFld分別為常規(guī)可調(diào)機(jī)組和柔性負(fù)荷的功率分配系數(shù)；dPGr為常規(guī)可調(diào)節(jié)機(jī)組響應(yīng)不平衡功率的調(diào)節(jié)量，包含確定性部分KGPUnb0和隨機(jī)性部分KGΔPUnb；dPFldr為柔性負(fù)荷響應(yīng)不平衡功率的調(diào)節(jié)量。可見，由于間歇性電源和負(fù)荷預(yù)測(cè)的隨機(jī)性，使得系統(tǒng)不平衡功率存在一定的隨機(jī)性，因此常規(guī)機(jī)組和柔性負(fù)荷的響應(yīng)調(diào)節(jié)量也存在一定的隨機(jī)性。

3 概率潮流模型

3.1 常規(guī)半不變量概率潮流模型

節(jié)點(diǎn)功率方程可表示為：

支路潮流功率方程可表示為：

其中，j∈i表示所有和節(jié)點(diǎn)i相連的節(jié)點(diǎn)j，包括j=i；Pis、Qis分別為節(jié)點(diǎn)i的有功和無功注入功率，Pis=PGi+PWi-PLi，Qis=QGi+QWi-QLi；Ui、Uj分別為節(jié)點(diǎn) i與 j的電壓幅值；θij為節(jié)點(diǎn) i與 j間的相角差；Gij、Bij分別為導(dǎo)納矩陣元素Yij的實(shí)部和虛部；Pij、Qij分別為支路i-j上的有功與無功潮流；bij0為支路i-j容納的1／2；tij為支路變比標(biāo)幺值。事實(shí)上，由于風(fēng)電的反調(diào)峰作用，其間歇性和波動(dòng)性往往使得系統(tǒng)產(chǎn)生較大的不平衡功率，基于式（8）的概率潮流模型由平衡節(jié)點(diǎn)承擔(dān)系統(tǒng)所有不平衡功率，往往導(dǎo)致平衡機(jī)出力偏離正常值較多并可能產(chǎn)生越限，從而影響計(jì)算的精度。

對(duì)式（8）和式（9）進(jìn)行泰勒展開，忽略 2次及以上高次項(xiàng)，整理可得：

其中，X、Z分別為節(jié)點(diǎn)電壓和支路功率，下標(biāo)0表示基準(zhǔn)運(yùn)行狀態(tài)；ΔW為注入功率的隨機(jī)變化量；S0、T0分別為節(jié)點(diǎn)電壓和支路功率對(duì)注入功率變化的靈敏度，為雅可比矩陣。假設(shè)所有節(jié)點(diǎn)注入功率的隨機(jī)變化量相互獨(dú)立，根據(jù)半不變量性質(zhì)，節(jié)點(diǎn)i注入功率的k階半不變量為：

其中，分別為節(jié)點(diǎn)i上風(fēng)電場(chǎng)注入功率和負(fù)荷注入功率的k階半不變量。輸出變量的各階半不變量可由式（12）得到：

其中，分別為矩陣S0和T0中元素的k次冪所構(gòu)成的矩陣。

目前，基于半不變量計(jì)算輸出變量概率分布級(jí)數(shù)的方法主要有Gram-Charlier級(jí)數(shù)、Von-Mises級(jí)數(shù)等，本文采用Gram-Charlier級(jí)數(shù)展開，這里不再贅述。

3.2 計(jì)及源荷雙側(cè)響應(yīng)的概率潮流

3.2.1 不平衡功率基準(zhǔn)值的分配

由3.1節(jié)的分析可知，間歇性電源和負(fù)荷預(yù)測(cè)的隨機(jī)性使得系統(tǒng)不平衡功率以及常規(guī)可調(diào)機(jī)組和柔性負(fù)荷的響應(yīng)調(diào)節(jié)量存在一定的隨機(jī)性，假設(shè)N為系統(tǒng)中節(jié)點(diǎn)個(gè)數(shù)，PG0i為節(jié)點(diǎn)i上常規(guī)電源的出力基準(zhǔn)值，Ploss為系統(tǒng)網(wǎng)損。若忽略網(wǎng)損的不確定性，可得到：

基于動(dòng)態(tài)潮流［23］的思想，假設(shè)節(jié)點(diǎn)i上存在可調(diào)度的常規(guī)機(jī)組或柔性負(fù)荷，則其不平衡功率分配系數(shù)為：

其中，kGi為節(jié)點(diǎn)i所連機(jī)組的功率分配因子，kGi=0時(shí)表示該節(jié)點(diǎn)無可調(diào)度機(jī)組；kFldi為節(jié)點(diǎn)i柔性負(fù)荷的功率分配因子，kFldi=0時(shí)表示該節(jié)點(diǎn)無柔性負(fù)荷

由此可知，節(jié)點(diǎn)i的注入功率可表示為Pi=PG0i+PW0i-PLi-kiPUnb0，將其代入式（8）的有功潮流方程，可表示為：

網(wǎng)損可表示為：

考慮網(wǎng)損的引入，潮流方程雅可比矩陣的修正量為：

可見，有功方程中網(wǎng)損Ploss的引入，將破壞原常規(guī)潮流雅可比矩陣的稀疏性。為了利用原常規(guī)潮流雅可比矩陣的稀疏性，采用直接修正有功失配量方法求解網(wǎng)損，即在求解動(dòng)態(tài)潮流某一工作點(diǎn)時(shí)，在潮流迭代第g步的過程中，首先計(jì)算第g-1步的網(wǎng)損變化量：

以該網(wǎng)損變化量修正第g步系統(tǒng)的網(wǎng)損變化量，即在迭代過程中，忽略Ploss的引入對(duì)雅可比矩陣的修正量，直接使用原雅可比矩陣進(jìn)行迭代求解。

3.2.2 計(jì)及源荷雙側(cè)響應(yīng)的隨機(jī)變量計(jì)算

由式（7）可得：

記為：

其中，ΔdPR為所有參與不平衡功率分配的機(jī)組和負(fù)荷的響應(yīng)隨機(jī)變量矩陣；K為分配系數(shù)矩陣；ΔWn為表征風(fēng)電場(chǎng)和負(fù)荷隨機(jī)性的變量矩陣。以式（10）第1項(xiàng)節(jié)點(diǎn)電壓方程為例進(jìn)行隨機(jī)變量的計(jì)算，隨機(jī)變量包括風(fēng)電場(chǎng)隨機(jī)性、負(fù)荷隨機(jī)性以及響應(yīng)不平衡功率的響應(yīng)量的隨機(jī)性，可表示為：

其中，E為單位矩陣。

3.2.3 求解流程

基于上述分析，計(jì)及源荷雙側(cè)響應(yīng)的概率潮流仿真計(jì)算流程如圖1所示。

圖1 計(jì)及響應(yīng)相關(guān)性的概率潮流求解流程Fig.1 Flowchart of probabilistic power flow algorithm considering response correlation

4 算例分析

4.1 仿真算例參數(shù)

針對(duì)某省級(jí)電網(wǎng)（151個(gè)節(jié)點(diǎn)，252條支路）2014年2月23日18:00時(shí)的實(shí)時(shí)斷面進(jìn)行計(jì)算。該省風(fēng)電資源較為豐富，110 kV及以上電網(wǎng)存在11個(gè)風(fēng)電場(chǎng)接入點(diǎn)，風(fēng)電場(chǎng)總出力為1354.3 MW，風(fēng)電滲透率為11.2%。測(cè)試條件如下：假設(shè)風(fēng)電節(jié)點(diǎn)和常規(guī)負(fù)荷節(jié)點(diǎn)均服從正態(tài)分布，波動(dòng)標(biāo)準(zhǔn)差σ按期望值的不同百分比取定；不考慮各節(jié)點(diǎn)風(fēng)電和常規(guī)負(fù)荷隨機(jī)變量的相關(guān)性；電網(wǎng)中可調(diào)度的常規(guī)可調(diào)機(jī)組10臺(tái)、柔性負(fù)荷4個(gè)，其接入節(jié)點(diǎn)、功率分配因子和基礎(chǔ)出力如表1所示。

表1 可調(diào)度常規(guī)機(jī)組和柔性負(fù)荷信息Table 1 Information of schedulable conventional units and flexible loads

4.2 多場(chǎng)景下平衡節(jié)點(diǎn)累積概率分布情況

設(shè)計(jì)了以下4種不同場(chǎng)景：（1）風(fēng)電波動(dòng)為5%，負(fù)荷波動(dòng)為2%；（2）風(fēng)電波動(dòng)為10%，負(fù)荷波動(dòng)為2%；（3）風(fēng)電波動(dòng)為 20%，負(fù)荷波動(dòng)為 5%；（4）風(fēng)電波動(dòng)為30%，負(fù)荷波動(dòng)為5%。在不同場(chǎng)景下，分別采用基于半不變量的常規(guī)隨機(jī)潮流法（簡(jiǎn)稱為“常規(guī)隨機(jī)潮流”，下同）與本文方法進(jìn)行潮流計(jì)算，圖2為不同場(chǎng)景下平衡節(jié)點(diǎn)（表1中機(jī)組G10）的有功功率累積概率分布情況。從圖中可看出，隨著風(fēng)電和負(fù)荷隨機(jī)性的不斷增大，系統(tǒng)平衡機(jī)出力的隨機(jī)性也不斷增加。 此外，比較圖2（a）、（b），使用常規(guī)隨機(jī)潮流計(jì)算時(shí)平衡機(jī)的最大波動(dòng)范圍為［-400，1400］MW，機(jī)組G10將承擔(dān)系統(tǒng)所有不平衡功率波動(dòng)；采用本文方法，由于系統(tǒng)不平衡功率由表1中所有可調(diào)資源共同承擔(dān)，機(jī)組 G10的最大波動(dòng)范圍為［510，610］MW，相對(duì)常規(guī)隨機(jī)潮流小很多。圖3為網(wǎng)內(nèi)部分可調(diào)度機(jī)組和負(fù)荷的概率密度曲線，其中虛線為對(duì)應(yīng)的初始功率期望值。隨著風(fēng)電和負(fù)荷隨機(jī)性的不斷增大，可調(diào)資源的響應(yīng)隨機(jī)性也逐漸增大。

圖2 多種場(chǎng)景下平衡節(jié)點(diǎn)有功功率累積概率分布Fig.2 Cumulative probability distribution of active power of balancing bus for different scenarios

圖3 部分可調(diào)度機(jī)組和負(fù)荷的概率密度曲線Fig.3 Probability density curves of schedulable unit 1 and flexible load 1

表2列出了各場(chǎng)景下對(duì)應(yīng)的平衡節(jié)點(diǎn)出力越上限概率pup和越下限概率pdown。從表中可以看出，隨著風(fēng)電和負(fù)荷隨機(jī)性的不斷增加，使用常規(guī)隨機(jī)潮流法時(shí)平衡節(jié)點(diǎn)出力越限概率逐漸上升，與實(shí)際電網(wǎng)運(yùn)行情況不符。而使用本文方法計(jì)算時(shí)，原平衡節(jié)點(diǎn)的出力越限概率較小，與實(shí)際情況更加吻合。

表2 多種場(chǎng)景下平衡節(jié)點(diǎn)有功出力越限概率Table 2 Active power limit violation probability of balancing bus for different scenarios

4.3 風(fēng)電向上波動(dòng)30%時(shí)可調(diào)度機(jī)組和柔性負(fù)荷的響應(yīng)分析

通過可調(diào)度機(jī)組和柔性負(fù)荷響應(yīng)能夠平衡風(fēng)功率和負(fù)荷波動(dòng)的隨機(jī)性，提升電網(wǎng)對(duì)風(fēng)電的消納能力。假設(shè)在場(chǎng)景3的基礎(chǔ)上風(fēng)電出力將向上波動(dòng)30%，分別利用本文所提方法和蒙特卡洛法（抽樣10000次）對(duì)可調(diào)度機(jī)組和柔性負(fù)荷的響應(yīng)量情況進(jìn)行分析，計(jì)算結(jié)果如表3所示。

從表中可知，本文方法與蒙特卡洛抽樣法所得的可調(diào)資源的響應(yīng)量期望和標(biāo)準(zhǔn)差非常接近。圖4分別比較了系統(tǒng)各支路有功期望值和標(biāo)準(zhǔn)差的絕對(duì)誤差，可以看出，2種方法結(jié)果非常接近，各支路有功期望值絕對(duì)誤差最大不超過0.6 MW，標(biāo)準(zhǔn)差絕對(duì)誤差最大不超過0.7 MW，其相對(duì)誤差約為2%，驗(yàn)證了本文所提方法的正確性。

表3 2種方法下可調(diào)度機(jī)組和柔性負(fù)荷響應(yīng)量的期望值和標(biāo)準(zhǔn)差Table 3 Expectation and standard deviation of schedulable unit response and flexible load response for two methods MW

圖4 各支路有功誤差分析Fig.4 Error analysis of branch active power

4.4 方法性能分析

為進(jìn)一步對(duì)本文方法的誤差進(jìn)行定量分析，采用方差和根均值A(chǔ)RMS（Average Root Mean Square）來度量本文所提方法的有效性，ARMS定義如下。

其中，MCm為蒙特卡洛所求累積概率分布曲線第m個(gè)點(diǎn)的值；pRm表示采用常規(guī)半不變量方法和采用本文所提方法時(shí)對(duì)應(yīng)累積概率分布曲線第m個(gè)點(diǎn)的值；M為所取統(tǒng)計(jì)點(diǎn)總數(shù)，各點(diǎn)間距盡量小。本文設(shè)定蒙特卡洛抽樣次數(shù)為10000次且計(jì)及功率在可調(diào)度機(jī)組和柔性負(fù)荷間的分配，節(jié)點(diǎn)電壓、支路功率誤差統(tǒng)計(jì)點(diǎn)總數(shù)M=1000。

表4列出了系統(tǒng)中部分節(jié)點(diǎn)的電壓、支路功率的ARMS，并給出了系統(tǒng)電壓、有功功率、無功功率的ARMS 最大值 AUM、APM、AQM和平均值 AUA、APA、AQA。 分析表4可得如下結(jié)論。

a.本文所得概率潮流結(jié)果誤差均比常規(guī)半不變量概率潮流方法小一個(gè)數(shù)量級(jí)。由此表明，本文方法精度大幅提高，所得結(jié)果與蒙特卡洛方法基本一致。誤差定量分析進(jìn)一步驗(yàn)證了方法正確性。

b.耗時(shí)方面，本文方法速度稍慢于常規(guī)方法，主要原因在于計(jì)算過程中需要對(duì)不平衡功率進(jìn)行分配并計(jì)及響應(yīng)相關(guān)性。

c.經(jīng)測(cè)試，蒙特卡洛方法耗時(shí)為274.6 s，而本文方法耗時(shí)僅0.265 s，因而相比蒙特卡洛法，本文方法在求解速度方面具有明顯優(yōu)勢(shì)。

表4 方法性能分析結(jié)果Table 4 Results of method performance analysis

5 結(jié)論

隨著智能電網(wǎng)的快速發(fā)展，為應(yīng)對(duì)大規(guī)模間歇性能源帶來的系統(tǒng)強(qiáng)隨機(jī)性，源荷雙側(cè)可調(diào)度資源是實(shí)現(xiàn)系統(tǒng)供需瞬時(shí)平衡的有效有段。為了有效反映其對(duì)潮流分布的影響，本文提出了一種計(jì)及源荷雙側(cè)響應(yīng)的概率潮流算法。首先，分析了系統(tǒng)不平衡功率與可調(diào)度資源響應(yīng)量之間的概率表征方法；其次，所提概率模型合理分配了系統(tǒng)不平衡功率，使得計(jì)算結(jié)果不依賴于平衡節(jié)點(diǎn)的選擇，結(jié)果更為準(zhǔn)確。仿真算例結(jié)果表明，所提方法具有較好的實(shí)際應(yīng)用價(jià)值，可為大規(guī)模間歇性能源并網(wǎng)后的系統(tǒng)分析、安全評(píng)估等提供參考依據(jù)。

［1］BURTON T，SHARPE D，JENKINS N，et al.Wind energy handbook［M］.Chichester，UK：John Wiley&Sons Ltd.，2001：12-39.

［2］韓民曉，崔軍立，姚蜀軍.大量風(fēng)電引入電網(wǎng)時(shí)的頻率控制特性［J］. 電力系統(tǒng)自動(dòng)化，2008，32（1）：29-33.HAN Minxiao，CUI Junli，YAO Shujun.Frequency control characteristics for a power system with large amounts of wind power［J］.Automation of Electric Power Systems，2008，32（1）：29-33.

［3］BILLINON R，BAI G.Generating capacity adequacy associated with wind energy［J］.IEEE Trans on Energy Conversion，2004，19（3）：641-646.

［4］DA SILVA A M L L，SALES W S，DA FONSECA MANSO L A，et al.Long-term probabilistic evaluation of operating reserve requirements with renewable sources ［J］.IEEE Trans on Power Systems，2010，25（1）：106-116.

［5］陳煒，艾欣，吳濤，等.光伏并網(wǎng)發(fā)電系統(tǒng)對(duì)電網(wǎng)的影響研究綜述［J］. 電力自動(dòng)化設(shè)備，2013，33（2）：26-32，39.CHEN Wei，AI Xin，WU Tao，et al.Influence of grid-connected photovoltaic system on power network［J］.Electric Power Automation Equipment，2013，33（2）：26-32，39.

［6］姚建國，楊勝春，王珂，等.智能電網(wǎng)“源-網(wǎng)-荷”互動(dòng)運(yùn)行控制概念及研究框架［J］.電力系統(tǒng)自動(dòng)化，2012，36（21）：1-6.YAO Jianguo，YANG Shengchun，WANG Ke，etal.Black-strat scheme evaluation indicator system and its application ［J］.Automation of Electric Power Systems，2012，36（21）：1-6.

［7］王卿然，謝國輝，張粒子.含風(fēng)電系統(tǒng)的發(fā)用電一體化調(diào)度模型［J］. 電力系統(tǒng)自動(dòng)化，2011，35（5）：15-18.WANG Qingran，XIE Guohui，ZHANG Lizi.An integrated generation-consumption dispatch model with wind power［J］.Automation of Electric Power Systems，2011，35（5）：15-18.

［8］劉文穎，文晶，謝昶，等.基于源荷互動(dòng)的含風(fēng)電場(chǎng)電力系統(tǒng)多目標(biāo)模糊優(yōu)化調(diào)度方法［J］.電力自動(dòng)化設(shè)備，2014，34（10）：56-63.LIU Wenying，WEN Jing，XIE Chang，et al.Multi-objective fuzzy optimaldispatch based on source-load interaction forpower system with wind farm［J］.Electric Power Automation Equipment，2014，34（10）：56-63.

［9］高賜威，梁甜甜，李揚(yáng).節(jié)能發(fā)電調(diào)度下基于虛擬機(jī)組的日前負(fù)荷調(diào)度模型［J］. 中國電機(jī)工程學(xué)報(bào)，2014，34（22）：3691-3699.GAO Ciwei，LIANG Tiantian，LI Yang.Model of day-ahead load scheduling based on virtualgeneratorunitin energy-saving power generation dispatching［J］.Proceedings of the CSEE，2014，34（22）：3691-3699.

［10］王珂，劉建濤，姚建國，等.基于多代理技術(shù)的需求響應(yīng)互動(dòng)調(diào)度模型［J］. 電力系統(tǒng)自動(dòng)化，2014，38（13）：121-127.WANG Ke，LIU Jiantao，YAO Jianguo，et al.Demand response interactive scheduling model based on multi-agent technology［J］.Automation of Electric Power Systems，2014，38（13）：121-127.

［11］王錫凡，王秀麗.電力系統(tǒng)隨機(jī)潮流分析［J］.西安交通大學(xué)學(xué)報(bào)，1988，22（3）：87-97.WANG Xifan，WANG Xiuli.Probabilistic load flow analysis in power system［J］.Journal of Xi’an Jiaotong University，1988，22（3）：87-97.

［12］BORKOWSKA B.Probabilistic load flow ［J］.IEEE Trans on Power Apparatus and Systems，1974，93（3）：752-759.

［13］胡澤春，王錫凡.基于半不變量法的隨機(jī)潮流誤差分析［J］.電網(wǎng)技術(shù)，2009，33（18）：32-37.HU Zechun，WANG Xifan.Error analysis of the probabilistic load flow based on cumulantmethod ［J］. Power System Technology，2009，33（18）：32-37.

［14］郭效軍，蔡德福.不同級(jí)數(shù)展開的半不變量法概率潮流計(jì)算比較分析［J］. 電力自動(dòng)化設(shè)備，2013，33（12）：85-90.GUO Xiaojun，CAI Defu.Comparison of probabilistic load flow calculation based on cumulant method among different series expansions［J］.Electric Power Automation Equipment，2013，33（12）：85-90.

［15］MORALES J M，PEREZ-RUIZ J.Point estimate schemes to solve the probabilistic power flow［J］.IEEE Trans on Power Systems，2007，22（4）：1594-1601.

［16］吳晨曦，文福拴，陳勇，等.含有風(fēng)電與光伏發(fā)電以及電動(dòng)汽車的電力系統(tǒng)概率潮流［J］. 電力自動(dòng)化設(shè)備，2013，33（10）：8-15.WU Chenxi，WEN Fushuan，CHEN Yong，etal.Probabilistic load flow ofpowersystem with WFs，PVsand PEVs ［J］.Electric Power Automation Equipment，2013，33（10）：8-15.

［17］彭寒梅，曹一家，黃小慶，等.基于組合抽樣的含分布式電源隨機(jī)潮流計(jì)算［J］.電力自動(dòng)化設(shè)備，2014，34（5）：28-34.PENG Hanmei，CAO Yijia，HUANG Xiaoqing，et al.Probabilistic load flow calculation based on combination sampling for power system containing distributed generations ［J］.Electric Power Automation Equipment，2014，34（5）：28-34.

［18］方斯頓，程浩忠，徐國棟.基于Nataf變換和準(zhǔn)蒙特卡洛模擬的隨機(jī)潮流方法［J］.電力自動(dòng)化設(shè)備，2015，35（8）：38-44.FANG Sidun，CHENG Haozhong，XU Guodong.Probabilistic load flow method based on Nataf transformation and quasi Monte Carlo simulation［J］.Electric Power Automation Equipment，2015，35（8）：38-44.

［19］丁明，李生虎，黃凱.基于蒙特卡羅模擬的概率潮流計(jì)算［J］.電網(wǎng)技術(shù)，2001，25（11）：10-14，22.DING Ming，LI Shenghu，HUANG Kai.Probabilistic load flow analysis based on Monte-Carlo simulation ［J］.Power System Technology，2001，25（11）：10-14，22.

［20］朱星陽，劉文霞，張建華，等.計(jì)及系統(tǒng)調(diào)頻作用的隨機(jī)潮流模型與算法［J］.中國電機(jī)工程學(xué)報(bào)，2014，34（1）：168-178.ZHU Xingyang，LIU Wenxia，ZHANG Jianhua，et al.Probabilistic load flow method considering function of frequency modulation［J］.Proceedings of the CSEE，2014，34（1）：168-178.

［21］余昆，曹一家，陳星鶯，等.含分布式電源的地區(qū)電網(wǎng)概率潮流計(jì)算［J］. 中國電機(jī)工程學(xué)報(bào)，2011，31（1）：20-25.YU Kun，CAO Yijia，CHEN Xingying，et al.Dynamic probability power flow of district grid containing distributed generation［J］.Proceedings of the CSEE，2011，31（1）：20-25.

［22］WU Junli，ZHANG Buhan，LI Hang.Statistical distribution for wind power forecast error and itsapplication todetermine optimal size of energy storage system ［J］.Electrical Power and Energy Systems，2014，（55）：100-107.

［23］RAMANATHAN R，RAMCHANDANI H，SACKETT S A.Dynamic load flow techniqueforpowersystem simulators ［J］.IEEE Trans on Power Systems，1986，1（3）：25-30.