基于CV-KDE的风电并网系统概率潮流计算

高比例风电接入电网后加剧了电力系统的不确定性和随机性,用于系统不确定性分析的概率潮流计算就显得尤为重要。而现有的概率潮流计算中所用的风电概率建模存在需要假设参数分布和不能全面考虑各种随机因素影响的缺点,导致潮流计算结果具有较大误差。文中提出采用考虑边界校正的非参数核密度估计建立概率潮流计算中的风电功率概率模型,并引用机器学习中带交叉验证(cross validation,CV)的网格搜索(grid search)法优化核密度估计的带宽参数。所建模型利用网格搜索法将数据在交叉验证中测试训练得到最优解,得到的带宽参数比传统带宽求解法得到的参数更加精确,且使数据的利用更加充分。最后,利用加入风电后改进的IEEE 39节点电力系统进行潮流计算仿真分析,验证了所提核密度估计概率模型和带宽求解方法的准确性和有效性。     

高比例风电系统的爬坡备用需求评估

在极端天气情况下,风电功率会在短时间尺度内发生大幅度的变化,出现风电功率高风险爬坡事件,严重威胁电力系统的安全稳定运行。开展爬坡备用的需求评估,有助于减小风电出力波动和预测误差对电网运行带来的不利影响。为保障高比例风电系统的备用充裕度,提出一种基于门控循环单元和非参数核密度估计法的组合区间爬坡备用需求预测方法。首先,将风电功率实际数据和日前预测数据构建成多变量时间序列,基于门控循环单元（gate recurrent unit,GRU）模型提高预测结果的准确度。进而,采用非参数核密度估计方法对风电功率预测误差进行置信区间估计,得出给定置信区间下的风电功率预测区间。最后,根据区间预测结果,预测爬坡事件并提取爬坡特征量,建立爬坡备用需求评估模型,评估得出爬坡备用容量需求。基于西北某省级电网的数据开展了算例测试,验证了所提方法的有效性。     

基于非参数核密度估计的风电功率区间预测

由于风电的高度随机性和波动性,且风电功率的预测精度仍较低,因此传统的风电功率点预测不足以描绘风电的不确定性。在风电功率点预测值的基础上,采用非参数核密度估计方法计算风电功率预测误差的概率密度,并采用三次样条插值拟合预测误差的概率分布曲线,继而得出满足一定置信概率的风电功率预测区间。结果表明,采用风电功率区间预测能提供风电功率预测曲线和该曲线的变化范围,更有利于风电的不确定性建模。     

基于最优带宽的广东海上风电出力非参数核密度估计与分析

为支撑广东省海上风电规划与电网安全调度，提出一种基于最优带宽参数下的海上风电非参数核密度估计模型，该模型无需依靠先验性的参数结果，可适配出力分布呈多峰性的海上风电。算例分析验证了所提模型的拟合效果可兼具曲线平滑与反映尖峰特征的特点，降低拟合估计的误差，并通过分析多时空尺度下的海上风电非参数核密度估计模型，形成对应地区的发展建议。所得结果可为广东省海上风电规划、电网安全调度提供风电运行的参考借鉴价值。     

基于混合高斯分布的风功率横向时间序列概率密度建模研究

鉴于风功率概率分布模型对风电场规划及运行具有重要意义,提出了一种基于混合高斯分布的风功率横向时间序列概率密度建模方法,即利用风电运行数据样本,首先构建基于混合高斯分布的风功率横向时间序列的先验模型,然后利用最小二乘法对先验模型的参数进行估计,再利用相关建模精度指标确定混合高斯模型的最优维度。基于实际算例的仿真结果表明,所构建的风功率概率密度模型具有较高的精度和泛化性能。     

考虑风电预测误差与系统安全域的风电装机规划多目标优化方法

为引导有序有效的风电装机规划,在提高系统风电渗透率的同时保证含风系统的安全性,提出一种考虑风电预测误差与系统安全域的风电装机规划多目标优化方法。基于BP神经网络与非参数核密度法获取风功率点预测曲线与不同置信度下的风电预测波动区间。考虑风电经济社会效益与大规模风电并入后系统的负调峰能力,根据所得风功率点预测曲线,建立风电装机规划多目标模型。采用归一化法线约束法计算多目标模型Pareto前沿,并结合风电预测波动区间得到多种不同的风电装机规划方案。以某省电网实际数据进行仿真分析,以算例结果验证该文方法的可行性,为风电规划人员提供切合实际的决策方案。     

基于动态波动系数的风电功率平滑控制策略

风力发电的随机波动性对电力系统的稳定性带来不利影响,通过配备储能系统可以提升电网接纳风电的能力。本文定义了反映储能系统平抑风电波动效果的波动系数;提出一种基于动态波动系数的风电功率平滑控制策略;建立了以波动系数为优化变量,风电实际功率和并网功率的差值最小为目标,并网功率波动要求为约束的优化模型;设计了基于滑动窗口的遗传算法求解方案,优化求得动态波动系数及相应的储能额定容量及功率,最终利用储能抑制风电功率的波动。实验表明,与传统控制策略相比,该策略能有效抑制功率波动并降低储能容量,节约成本。     

基于长短期记忆网络分位数回归的短期风电功率概率密度预测

针对风电功率确定性的点预测无法对预测结果进行风险评估以及现有静态预测模型难以描述风电功率长期相关性的现象,提出一种基于长短期记忆网络分位数回归(LSTMQR)的短期风电功率概率密度预测模型。该方法首先使用LSTMQR得到不同分位点下未来风电功率的预测结果;其次采用高斯核函数,将LSTMQR与核密度估计(KDE)相结合,进行短期风电功率概率预测,可得到未来风电功率预测点的概率密度函数,通过风电场的历史数据对所提模型以及基准模型进行对比验证,使用5种评价指标表明所提模型的预测性能更优。     

基于风速误差校正和ALO-LSSVM的风电功率预测

风资源的随机波动性引起的相位滞后性问题,导致风电功率预测精度不高,尤其是风速变化较快时,滞后性引起的预测误差较大。考虑到风速波动与风功率变化密切相关,提出一种非参数核密度估计和数值天气预报(NWP)相结合的方法,并对预测风速误差进行校正,改善了预测风速的相位滞后性;然后将校正后的风速和风功率作为输入数据进行风电功率预测;采用蚁狮算法(ALO)优化最小二乘支持向量机(LSSVM)参数,从而建立基于风速误差校正和ALO-LSSVM组合的风电功率预测模型。算例结果表明,所提方法风功率预测精度更高。     

基于聚类与非参数核密度估计的风电功率预测误差分析

针对实际风电场风电功率预测误差呈现出季节、时序和功率变化特性,提出基于聚类分析与非参数核密度估计的方法研究风电功率预测误差的概率分布特性。采用聚类分析的方法进行月份、时段的缩减,有效地将误差特性相似的误差数据归为一组,从而在考虑误差分布多样性的基础上兼顾误差分布的整体趋势。在此基础上,考虑功率特性,采用非参数核密度估计方法进行风电功率预测误差概率分布拟合并采取基于迭代的窗宽求解方法。通过拟合精度评价指标验证所提方法的适用性及有效性。     

基于多层语义融合注意力机制的短期风电功率概率密度预测方法

获得未来风电功率的短期概率性信息将有助于电网的综合能源调度,为此提出一种结合多层语义融合注意力机制的短期风电功率概率密度预测方法。为尽可能获得更多语义层下的编码信息,在编码阶段引入循环高速网络（RHN）并通过深层的RHN网络结构最大程度地提取输入特征的底层关联信息。设计多层语义融合注意力机制以融合不同语义层下的局部注意力向量,进一步加强编码特征向量的表达能力,并将网络的输出与分位数回归和核密度估计方法结合,得到不同分位点下未来短期风电功率的预测结果与连续概率密度分布。实验结果表明：提出的短期风电功率概率密度预测方法不论是在预测的得精度上,还是在具有不确定性的预测结果分布上均优于其他比较模型。     

多形态冷热负荷平抑风电不确定性的鲁棒优化方法

风电不确定性所引起的弃风和功率波动,成为限制风电大规模并网的关键因素。针对冷热负荷响应速度快且聚合容量大的特点,分析了包含分散式冷热负荷和集群式冷热负荷的多形态冷热负荷模型。为研究多形态冷热负荷平抑风电不确定性的鲁棒优化方法,以消纳风电和平抑风电功率波动为目标,对分散式冷热负荷功率和集群式冷热负荷功率进行优化,建立多形态冷热负荷两阶段鲁棒优化模型,并利用CCG算法对模型求解。最后,以IEEE39节点系统建立仿真模型,对鲁棒优化方法进行仿真分析。结果表明,多形态冷热负荷两阶段鲁棒优化方法能够有效平抑风电不确定性。     

风电机组风向波动概率特性研究

波动性是风资源的固有特性。定量分析风向波动性对优化风电机组偏航系统控制参数有重要意义。文章采用风电机组自身测量的风资源数据,提出了基于波动幅值A和波动持续时间T的风向波动量描述方法。采用Weibull分布对风向波动量的边缘分布概率密度进行函数拟合,使用Frank-Copula函数对边缘分布进行连接,构建了二维风向波动量的联合概率密度函数。与实际运行数据比对分析,验证了该风向联合概率分布的正确性。文章提取了一组能够精确量化风电机组本地风向波动特性的概率指标集,为风电机组偏航系统的参数优化设置及提升机组发电效率提供了支持。     

含电池储能系统的电热联合系统风电接纳能力评估

为促进风电消纳,减少“弃风”,将电池储能系统（BESS）接入电热联合系统。为考虑风功率的不确定性,基于风功率预测误差的概率特性建立风功率场景概率模型。然后,建立包含BESS的电热联合系统风电接纳能力评估模型。模型具有系统运行成本最低和“弃风”电量最小2个不同维度优化目标,且目标优化之间可能存在冲突。为求解该模型,基于改进主要目标法将其转换为多个单目标优化问题,并采用GAMS中DICOPT求解器给出风电接纳能力评估模型的帕累托解集。基于帕累托解集,从接纳电量和接纳成本两方面对BESS接入后的电热联合系统风电接纳能力进行深入分析。最后进行仿真分析,验证了该文所提模型及求解算法的有效性。     

基于预测误差分布优化模型的风电功率超短期概率区间预测研究

提出一种基于预测误差分布优化模型的风电功率概率区间预测方法。由于风功率数据存在显著的时间相依结构,该方法首先对预测功率按出力不同进行划分,以划分区段内的预测误差为统计样本,分别采用多种分布模型拟合误差概率密度,通过拟合指标选择优化模型,进而求解该分布模型的累积概率,并通过计算指定置信水平下的置信区间进行概率区间预测。利用性能指标比较典型单一分布模型和优化模型的预测结果,表明基于优化模型的概率性预测区间覆盖率更高、平均带宽更窄、精度更好、效果更优。     

考虑风电波动性的源荷优化调度策略

针对风电波动性和随机性及电网调节能力不足的问题,在分析风电波动特性的基础上对风电波动过程进行划分,基于聚类算法以风电波动量和持续波动时间为特征向量划分风电波动类型,并提出一种源荷优化调度策略。针对不同类型的风电波动,日前优化模型以系统运行成本最优为目标安排高载能可连续、可离散负荷进行消纳;日内优化模型以风电消纳量最大为目标,通过调节可连续调节负荷来追踪风电波动。最后通过自适应惯性权重粒子群算法求解模型,验证了所提调度策略的有效性。     

基于极端天气情况的风-储系统平抑控制策略

提出了一种储能系统的功率控制方法,实现了极端天气情况下风电场出力波动的快速平抑.该控制框架融合了机器学习算法与模型预测控制方法,由基于在线序贯极限学习机的神经网络模型预测优化时域范围的风电功率,储能的充放电功率指令通过MPC进行滚动优化,保证储能系统的运行约束得到满足.仿真实验表明该方法能够实现储能系统的快速充、放电管...     

针对风电波动抑制的电池储能SOC鲁棒优化模型

针对风电系统输出功率波动问题,研究了基于风电波动异常数据判断及波动幅度情景划分的,能够有效抑制风电波动的电池储能系统SOC鲁棒优化模型。研究电网调度需求、风电功率预测及风电波动数据特性,建立了风电波动异常数据鲁棒判别模型,为风电波动场景划分提供数据支持;研究不同风电波动幅度场景电池储能系统SOC适应性指标,建立了在不同风险容许度下的SOC鲁棒优化模型;研究基于风电波动数据及其对应的电池储能系统SOC历史数据的SOC鲁棒优化模型求解方法,建立了基于χ2散度函数的SOC鲁棒优化算法;根据风电出力波动及电池储能系统特性,建立了基于特定区域电网的电力系统仿真模型,并根据风电波动特性对电池储能系统SOC优化结果进行仿真分析。仿真结果表明,文章针对风电波动抑制建立的电池储能SOC鲁棒优化模型,对风电波动幅度具有明显的抑制效果,提升了电网运行稳定性。     

考虑风电出力不确定性的风电-抽水蓄能互补系统短期优化调度北大核心CSCD

风电和抽水蓄能电站联合运行可以平抑风电随机波动、提升风电消纳率。文章针对多个风电场的出力不确定性,采用概率性序列方法进行处理,提出了一种基于厂网协商机制的风电-抽水蓄能联合调度模式,并建立了基于机会约束规划的风电-抽水蓄能互补系统短期优化调度模型。模型以风电-抽水蓄能互补系统总发电收益最大为目标,综合考虑了抽水蓄能电站的水力约束、机组运行约束和系统功率平衡约束。为提高模型求解效率并获得全局最优解,文章将原模型转换为混合整数线性规划(Mixed Integer Linear Programming,MILP)模型,最后使用商业化求解器LINGO进行求解。优化调度结果表明,抽水蓄能电站能够很好的补偿风电出力的波动性,并显著提升互补系统的总发电收益。     

波动率优于国网标准的风电场储能容量经济优化配置

基于某风电场出力的实际数据,从不同时间尺度上分析了该风电场的功率波动特性。考虑了风电场弃风成本、储能惩罚成本、储能投资和运行成本,通过3种成本间的制约关系,构建了储能容量经济优化计算模型;采用滑动时间窗口算法并引入平抑修正系数,制定出波动率优于国网标准的期望参考功率。采用改进粒子群算法,针对某含储能风电电网进行了储能容量优化配置,求解出最优储能容量和最小经济总成本,对比了不同储能容量配置策略下的经济性,并引入了波动率评估因子对平抑效果进行了量化分析。仿真结果表明,该优化配置方案能够将风电出力波动率限制在20%以内,优于国网标准,且经济性最好,具有较好的应用前景。