Fast Analytical Method for Resource Adequacy Assessment in Renewable-Rich Power Systems

📄 arXiv: 2610.18274v1 📥 PDF

作者: Seyed Amir Hosseini, Mohammad Reza Karimi Gharigh, Antonello Monti, Peter Palensky, Saeed Peyghami

分类: eess.SY

发布日期: 2026-10-13

💡 一句话要点

提出快速分析方法以评估可再生能源丰富电力系统的资源充足性

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 资源充足性评估 可再生能源 电力系统 应力强度方法 中心极限定理 蒙特卡洛仿真 Gram-Charlier展开

📋 核心要点

  1. 现有方法在评估可再生能源丰富电力系统的资源充足性时，计算时间较长且准确性不足。
  2. 本文提出的解决方案通过应力强度方法和中心极限定理，结合累积量展开，提升了评估的效率与准确性。
  3. 实验结果显示，该方法在IEEE测试系统中显著减少了计算时间，尤其在可再生能源渗透率增加时表现更佳。

📝 摘要（中文）

本文提出了一种新颖的分析方法，用于评估可再生能源丰富电力系统中的资源充足性。该方法首先应用应力强度方法来估算两个关键的资源充足性指标：负荷损失期望（LOLE）和预期未供能量（EENS）。在此过程中，负荷被假设为遵循正态概率分布，而发电侧的概率分布则来源于常规、风能和太阳能发电源的联合概率分布函数。该方法利用中心极限定理（CLT）建模不确定性对资源充足性的累积影响，并在CLT不足时通过基于累积量的Gram-Charlier展开提高准确性。通过对IEEE单区域和多区域RTS-96测试系统进行的蒙特卡洛仿真验证了该方法的有效性，结果表明该方法在不牺牲准确性的情况下显著减少了计算时间，特别适用于未来电力系统的运营和规划。

🔬 方法详解

问题定义：本文旨在解决可再生能源丰富电力系统中资源充足性评估的计算效率和准确性问题。现有方法通常计算时间较长，难以满足实际运营需求。

核心思路：论文的核心思路是利用应力强度方法估算负荷损失期望和预期未供能量，并通过中心极限定理处理不确定性，结合Gram-Charlier展开提高精度。

技术框架：整体方法分为几个主要模块：首先定义发电和负荷的概率分布；其次应用应力强度方法计算LOLE和EENS；最后通过蒙特卡洛仿真验证结果的有效性。

关键创新：最重要的技术创新在于将应力强度方法与中心极限定理结合，形成了一种新的评估框架，显著提高了计算效率和准确性。

关键设计：在参数设置上，负荷假设为正态分布，发电侧的概率分布由多种能源的联合分布构成，使用Gram-Charlier展开来处理高阶累积量以提高模型的准确性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，所提方法在IEEE单区域和多区域RTS-96测试系统中，计算时间显著减少，且在可再生能源渗透率增加时，评估准确性得到了提升，展示了其在实际应用中的有效性。

🎯 应用场景

该研究的潜在应用领域包括电力系统的运营规划、可再生能源的集成评估以及电力市场的风险管理。随着可再生能源的普及，该方法将为电力系统的稳定性和可靠性提供重要支持，具有显著的实际价值和未来影响。

📄 摘要（原文）

This paper proposes a novel analytical method for resource adequacy assessment in renewable rich power systems. The approach begins by applying the stress strength method to estimate two key resource adequacy indices: loss of load expectation (LOLE) and expected energy not supplied (EENS). This method requires defining the probability distribution functions (PDFs) for both the generation side and the load side. The load is assumed to follow a normal probability distribution, while the generation side probability distribution is derived from the combined PDFs of conventional, wind, and solar power sources. The approach models the cumulative impact of uncertainties on resource adequacy using the central limit theorem (CLT), and improves accuracy with a cumulant based Gram Charlier expansion when the CLT alone is insufficient. The effectiveness of the proposed method is validated through Monte Carlo simulations conducted on the IEEE single area and multi-area RTS-96 test systems. The results demonstrate that the proposed method achieves a substantial reduction in computational time, which is crucial in the context of operational planning, without sacrificing accuracy. Furthermore, its performance improves as renewable penetration increases, making it particularly suitable for future power systems operation and planning.