本发明属于电力系统，尤其涉及电力系统暂态稳定分析和最优潮流计算的相关，具体涉及考虑风电和光伏不确定性的暂态稳定约束最优潮流方法。
背景技术：
1、由于风电、光伏等可再生能源的出力具有随机性，对目前电力系统安全稳定运行产生了一定的影响。因此，高比例风力、光伏发电接入电力系统的条件下，考虑风电、光伏的不确定性对电力系统暂态稳定分析和最优潮流计算方法具有一定的现实意义和应用价值。
2、申请公布号为cn112018777a的专利文献公开了一种含线间潮流控制器(interline power flow controller，ipfc)的电力系统潮流优化控制方法，包括基于含ipfc的电网结构确定ipfc等效功率注入模型，给出含ipfc的电力系统最优潮流模型并进行计算，将含ipfc的电力系统负荷有功、无功功率作为输入数据直接带入训练完毕的基于堆叠式极限学习机框架的数据驱动最优潮流模型，计算并得到结果。申请公布号为cn101694940a的专利文献公开了一种考虑暂态安全约束的最优潮流实现方法，该方法基于安全稳定量化分析与优化决策理论和方法-扩展等面积准则，将系统的暂态安全性纳入到传统最优潮流模型中。该方法将暂态安全稳定约束条件的最优潮流问题分解成最优潮流和预防控制两个子问题，基于安全稳定模式的预防控制在最优潮流运行点上求取满足暂态稳定约束的调整方案，并作为附加约束引入到潮流计算模型中进一步求解。以上方法均未同时考虑风电、光伏的不确定性与暂态稳定约束对电力系统安全稳定运行的影响，可能会导致计算结果不符合实际运行要求。
3、综上所述，现在电力系统暂态稳定分析很少考虑风电、光伏的不确定性对系统的影响，本发明提出的方法在tscopf的基础上对风电、光伏的不确定性进行了研究，提高了计算的效率与准确性。
技术实现思路
1、本发明的目的是针对电力系统最优潮流模型，同时考虑风电、光伏出力的不确定性，以及暂态稳定约束对电力系统运行的影响，通过对风电、光伏出力的不确定性进行处理以及将暂态稳定约束附加到最优潮流模型中，建立考虑风电和光伏不确定性的暂态稳定约束最优潮流的模型，最后采用混沌鲸鱼优化算法进行求解。本发明提供的考虑风电和光伏不确定性的暂态稳定约束最优潮流方法有助于保障电力系统的安全性并提高系统运行的经济性，从而适应当前新能源大量接入的电力系统的情况。
2、为了实现上述发明目的，本发明采用的技术方案如下：
3、考虑风电和光伏不确定性的暂态稳定约束最优潮流方法，包括以下步骤：
4、步骤1：采用概率分布函数对风电、光伏的不确定性进行描述，生成符合实际情况的随机样本；
5、步骤2：建立暂态稳定约束，并通过梯形法则将微分代数方程转化为代数方程；
6、步骤3：将暂态稳定约束附加到最优潮流模型中，构建电力系统暂态稳定约束最优潮流(transient stability constrained optimal power flow，tscopf)模型；
7、步骤4：采用混沌鲸鱼优化算法(chaotic whale optimisation algorithm，cwoa)对该模型进行求解。
8、在步骤1中，采用概率分布函数对风电、光伏的不确定性进行描述，其中，风力发电机组采用gamma的概率密度函数描述有功出力，光伏发电机组采用t-location scale的概率密度函数来描述有功出力。
9、在步骤1中，采用概率分布函数对风电、光伏的不确定性进行描述，如下：
10、通过gamma分布的概率密度函数确定风速的概率，其表达式如下：
11、
12、式中：v为风速；a、b分别为概率分布函数的形状参数和尺度参数。
13、通过t-location scale的概率分布函数确定太阳辐照度的概率，其表达式如下：
14、
15、式中：fs为太阳辐照度；μ、σ分别为平均值和标准差；其中z为自由度。
16、采用蒙特卡罗场景法对风电和光伏的不确定性进行处理，其具体步骤如下：
17、步骤1-1：对每个不确定因素(风电受风速影响，光伏受太阳辐照的影响)，建立相应的概率分布函数；
18、步骤1-2：根据所建立的概率分布函数，生成符合各自概率分布的随机样本。
19、在步骤2中，建立暂态稳定约束，由于暂态稳定约束中含有难以求解的微分代数方程，本发明采用梯形法则将微分代数方程描述的转子角度运动转化为数值等价的代数方程，转化后的暂态稳定约束如下：
20、
21、式中：θmax为转子角相对于惯性中心(center of inertia，coi)角的最大允许偏差；为惯性中心角；为第i台发电机在t时刻的转子角度；t0为故障发生时刻；δt为积分步长；t为最大积分周期；
22、在步骤3中，考虑风电、光伏的不确定性，并将暂态稳定约束附加到传统最优潮流模型中，构建电力系统tscopf模型。
23、1)目标函数
24、将火力发电机、风力发电机和光伏发电机的发电成本定义为目标函数，如下：
25、
26、式中：ng、nwt、npv分别为火力发电机组、风力发电机组、光伏发电机组的数量；pgi为火力发电机组的有功功率；pwti为风力发电机组的有功功率；ppvi为光伏发电机组的有功功率；f(pgi)、g(pwti)、h(ppvi)分别为火力发电机组、风力发电机组、光伏发电机组的成本函数。
27、2)等式约束
28、
29、式中：pg、qg分别为火力发电机组的有功功率和无功功率；pwt、qwt分别为风力发电机组的有功功率和无功功率；ppv、qpv分别为光伏发电机组的有功功率和无功功率；pl、ql分别为有功功率的需求和无功功率的需求；n为母线数；gi,j、bi,j分别为母线i和j之间的电导和电纳；ui和uj分别为节点i和j上的电压幅值；θij为节点i和j之间电压的相角差；sinθij、cosθij为节点i和j之间电压的相角差的正弦值和余弦值。
30、3)不等式约束
31、
32、式中：pgi,max、pgi,min分别为发电机有功输出的上下限值；qgi,max、qgi,min分别为发电机无功输出的上下限值；ubi,max、ubi,min分别为节点电压的上下限值；sli,max为第i条母线视在功率的最大值；ubi为节点电压；sli为第i条母线的视在功率。ng、nb、nl分别为发电机集合、节点集合、线路集合。
33、4)暂态稳定约束
34、
35、式中：θmax为转子角相对于惯性中心(center of inertia，coi)角的最大允许偏差；为惯性中心角；为第i台发电机在t时刻的转子角度；t0为故障发生时刻；δt为积分步长；t为最大积分周期；
36、在步骤4中，采用cwoa求解所得到的tscopf模型，cwoa可以在解空间中进行全局搜索，并在搜索过程中逐步优化解，使其可以在复杂的优化问题中找到高质量的解。具体步骤如下：
37、步骤4-1：读取电力系统和cwoa的参数；
38、步骤4-2：进行潮流计算，根据潮流计算的结果，随机生成鲸鱼的位置集，并评估每个鲸鱼的适应度函数；
39、步骤4-3：使用螺旋更新法更新候选解的位置；
40、步骤4-4：引入混沌变量；本发明选择基于混沌变量的logistic映射，并将其应用于鲸鱼优化算法的参数整定；
41、步骤4-5：判断是否达到最大迭代次数，如果满足条件，则停止迭代，输出最优解；否则返回步骤4-2。
42、与现有技术比，本发明达到的有益效果在于：
43、(1)风电和光伏等可再生能源大量接入电力系统，风电、光伏的不确定性会使电力系统稳定性降低。本发明基于风电和光伏的不确定性建立tscopf模型，有助于提高系统的暂态稳定性和更好的评估总发电成本；
44、(2)本发明采用cwoa对所得的tscopf模型进行求解，cwoa通过模拟鲸鱼的觅食行为进行搜索，具有较强的全局搜索能力。cwoa可以通过调整参数和策略来适应不同的问题，这使得cwoa可以应用于各种类型的tscopf问题，并能够更好地适应问题的复杂性和约束条件。
1.考虑风电和光伏不确定性的暂态稳定约束最优潮流方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于：在步骤1中，采用概率分布函数对风电、光伏的不确定性进行描述，其中，风力发电机组采用gamma的概率密度函数描述有功出力，光伏发电机组采用t-location scale的概率密度函数来描述有功出力。
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求1所述的方法，其特征在于：在步骤2中，建立暂态稳定约束，由于暂态稳定约束中含有难以求解的微分代数方程，本发明采用梯形法则将微分代数方程描述的转子角度运动转化为数值等价的代数方程，转化后的暂态稳定约束如下：
5.根据权利要求1所述的方法，其特征在于：在步骤3中，考虑风电、光伏的不确定性，并将暂态稳定约束附加到传统最优潮流模型中，构建电力系统tscopf模型；
6.根据权利要求1所述的方法，其特征在于：在步骤4中，采用cwoa对该tscopf模型进行求解，具体步骤如下：
