Modeling, Prediction and Risk Management of Distribution System Voltages with Non-Gaussian Probability Distributions

📄 arXiv: 2410.12438v2 📥 PDF

作者: Yuanhai Gao, Xiaoyuan Xu, Zheng Yan, Mohammad Shahidehpour, Bo Yang, Xinping Guan

分类: eess.SY

发布日期: 2024-10-16 (更新: 2024-11-07)

💡 一句话要点

提出基于非高斯UVC预测的配电系统电压风险评估与管理方法

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 配电系统 电压风险评估 不确定性建模 高斯混合模型 风险管理 可再生能源 概率预测

📋 核心要点

  1. 现有电压风险评估方法依赖于发电和负荷的精确概率预测，但预测误差会导致风险评估不准确，影响管理决策。
  2. 该论文提出了一种基于不确定电压分量（UVC）的预测方法，直接对电压变化进行建模，避免了对发电和负荷的精确预测需求。
  3. 实验结果表明，该方法在电压风险评估方面具有更高的计算效率，并且在电压风险管理方面优于现有方法，风险偏差显著降低。

📝 摘要（中文）

高比例可再生能源接入配电系统会显著增加电压越限风险，需要精确评估和有效管理。现有方法通常依赖于发电和负荷的联合概率模型进行风险量化，但预测不准确可能导致风险评估过高或过低。本文提出一种不确定电压分量（UVC）预测方法，用于评估和管理电压风险。首先，定义UVC来评估由发电和负荷不确定性引起的电压变化。其次，提出一种基于高斯混合模型的概率UVC预测方法，以描述电压变化的非高斯分布。然后，基于概率UVC预测模型推导电压风险指标，包括风险价值（VaR）和条件风险价值（CVaR）。第三，研究了基于UVC的电压风险管理机制，并将电压风险管理问题重新表述为线性规划或混合整数线性规划，以便于求解。在实际光伏发电和负荷数据的配电系统上进行了测试，并与考虑节点功率注入概率预测的方法进行了比较。数值结果表明，该方法在评估电压风险方面计算效率高，并且在管理电压风险方面优于现有方法。该方法获得的电压风险偏差仅为基于节点功率注入概率预测的方法的15%。

🔬 方法详解

问题定义：论文旨在解决高比例可再生能源接入配电系统后，由于发电和负荷的不确定性，导致电压越限风险难以准确评估和有效管理的问题。现有方法依赖于对节点功率注入的概率预测，但预测误差会直接影响风险评估的准确性，导致过高或过低的风险估计。

核心思路：论文的核心思路是直接对电压变化的不确定性进行建模，而不是依赖于对发电和负荷的精确预测。通过定义不确定电压分量（UVC），将电压变化与发电和负荷的不确定性关联起来，并利用概率模型对UVC进行预测，从而实现更准确的电压风险评估。这种方法避免了对发电和负荷的复杂建模和预测，降低了计算复杂度，提高了风险评估的鲁棒性。

技术框架：该方法主要包含以下几个阶段：1) 定义不确定电压分量（UVC），用于评估电压变化；2) 提出基于高斯混合模型（GMM）的概率UVC预测方法，以描述电压变化的非高斯分布；3) 基于概率UVC预测模型，推导电压风险指标，包括风险价值（VaR）和条件风险价值（CVaR）；4) 研究基于UVC的电压风险管理机制，并将电压风险管理问题重新表述为线性规划或混合整数线性规划问题。

关键创新：该论文的关键创新在于提出了不确定电压分量（UVC）的概念，并将其用于电压风险评估和管理。与现有方法相比，该方法直接对电压变化进行建模，避免了对发电和负荷的精确预测需求，从而提高了风险评估的准确性和鲁棒性。此外，利用高斯混合模型对UVC的非高斯分布进行建模，能够更准确地描述电压变化的复杂性。

关键设计：论文的关键设计包括：1) UVC的定义方式，需要能够准确反映电压变化与发电和负荷不确定性之间的关系；2) 高斯混合模型的参数选择和训练方法，需要能够准确描述UVC的非高斯分布；3) 电压风险指标（VaR和CVaR）的计算方法，需要能够准确反映电压越限的风险程度；4) 电压风险管理问题的线性规划或混合整数线性规划建模方法，需要能够有效地实现电压风险的降低。

📊 实验亮点

实验结果表明，所提出的基于UVC的电压风险评估方法在计算效率和风险管理效果方面均优于现有方法。与基于节点功率注入概率预测的方法相比，该方法获得的电压风险偏差仅为其15%，表明该方法能够更准确地评估电压风险，并为风险管理提供更可靠的依据。

🎯 应用场景

该研究成果可应用于配电系统的电压风险评估与管理，帮助电力公司更准确地评估可再生能源接入带来的电压风险，并制定有效的风险管理策略，保障电网的安全稳定运行。该方法还可扩展到其他电力系统风险评估领域，例如输电系统的潮流风险评估等，具有广阔的应用前景。

📄 摘要（原文）

High renewable energy penetration into power distribution systems causes a substantial risk of exceeding voltage security limits, which needs to be accurately assessed and properly managed. However, the existing methods usually rely on the joint probability models of power generation and loads provided by probabilistic prediction to quantify the voltage risks, where inaccurate prediction results could lead to over or under estimated risks. This paper proposes an uncertain voltage component (UVC) prediction method for assessing and managing voltage risks. First, we define the UVC to evaluate voltage variations caused by the uncertainties associated with power generation and loads. Second, we propose a Gaussian mixture model-based probabilistic UVC prediction method to depict the non-Gaussian distribution of voltage variations. Then, we derive the voltage risk indices, including value-at-risk (VaR) and conditional value-at-risk (CVaR), based on the probabilistic UVC prediction model. Third, we investigate the mechanism of UVC-based voltage risk management and establish the voltage risk management problems, which are reformulated into linear programming or mixed-integer linear programming for convenient solutions. The proposed method is tested on power distribution systems with actual photovoltaic power and load data and compared with those considering probabilistic prediction of nodal power injections. Numerical results show that the proposed method is computationally efficient in assessing voltage risks and outperforms existing methods in managing voltage risks. The deviation of voltage risks obtained by the proposed method is only 15% of that by the methods based on probabilistic prediction of nodal power injections.