考虑碳交易和风荷预测误差的电力系统低碳经济调度

随着电力系统低碳经济不断发展,碳交易的引入和风电并网促进了电力低碳化发展,为此,建立了考虑碳交易和风荷预测误差的电力系统低碳经济调度模型。首先,在经济目标函数中引入碳交易成本,构建了根据碳排放量计算碳交易成本的阶梯型模型,通过碳排放权裕度控制碳交易成本。其次,建立了风电和负荷预测误差模型,采用高斯混合模型拟合风电功率预测误差的概率密度分布,通过含有机会约束规划理论的旋转备用约束处理风电和负荷预测误差的不确定性,采用混合粒子群算法对模型进行求解。最后,通过对比3种调度模型的计算结果,验证了模型的有效性。     

基于机会约束混合整数规划的风火协调滚动调度

为降低大规模风电随机性和波动性对电力系统调度的影响,保障电力系统运行的安全性和经济性,提出了考虑风电功率特性的基于机会约束混合整数规划的滚动调度模型。首先,研究了风电功率特性及风电预测误差和风电爬坡事件对系统调度的影响。然后,建立了考虑风电功率特性的机会约束混合整数规划滚动调度模型。通过滚动调度策略,有效减少系统备用容量,降低系统运行成本,提高系统的经济性,模型考虑风电爬坡约束,能有效降低风电爬坡事件的危害,提高系统的安全性。最后,通过算例对所提模型和调度策略的有效性进行了验证,结果表明,模型和调度策略能结合风电功率特性,有效兼顾系统的安全性和经济性。     

基于净负荷分步建模的旋转备用优化确定风险分析方法

由于采用净负荷预测误差模型描述风电和负荷共同预测误差,优化系统旋转备用配置的多场景概率风险分析方法尚难以全面考虑风电的不确定性,如从网络安全和经济性方面必须考虑的弃风因素以及风电功率预测误差存在的非正态分布情况。为此,基于分步建模的策略改进多场景概率风险分析方法中净负荷预测误差模型,使其在计算系统失负荷风险时能够计及弃风和考虑不同类型概率分布的风电功率预测误差,并将弃风惩罚成本引入机组组合优化模型的目标函数中,以实现风电功率的合理消纳和系统旋转备用的优化确定。采用混合整数线性规划方法,对含风电场的IEEE-RTS 26机测试系统进行仿真分析,验证了改进模型的有效性。     

考虑爬坡特性的短期风电功率概率预测

短期风电功率概率预测有助于调度部门提前安排发电计划,提高风电的消纳能力。提出一种考虑爬坡特性的风电功率概率预测方法,首先通过分析不同风电爬坡定义的特点,阐述互补组合预测的思路;然后采用小波神经网络建立风电功率确定性预测模型,并在其基础上建立不同功率分区内风电爬坡率和风电功率预测误差的二维核密度估计概率预测模型;最后由二者的联合概率分布求取后者的条件概率分布,得到风电功率概率预测结果。仿真结果表明,所提模型具有很高的短期风电功率概率预测精度。     

考虑双重市场的含风电电力系统双层随机优化调度

风电与负荷的不确定性影响经济调度中机组出力及其承担的旋转备用。考虑机组同时参与能量市场和旋转备用市场,且双重市场具有一定的主辅特性,建立了电力系统双层随机优化调度模型。以系统发电成本最小为上层目标,增加风电利用率及其实现概率作为约束,优化机组有功功率及风电计划出力;对于受不确定性因素影响呈现为随机量的失负荷和弃风损失函数分别求取其条件风险价值CVa R,并与旋转备用成本最小为下层目标,优化配置旋转备用容量。将上、下层模型中的机会概率约束和条件风险价值线性化,便于CPLEX求解器求解。算例表明,双层随机方法能有效解决不同风电利用率、失负荷损失和弃风损失置信水平下的备用需求变化;双层随机方法相对单层随机方法能获得较优的经济效果。     

计及电动汽车的风水火电力系统联合优化调度

充分考虑了电动汽车充电的不确定性,以实测数据为基础,通过充电起始时间和持续时间,得到电动汽车充电概率的时间分布。针对风电出力和负荷预测的波动性等特点,将风电出力和负荷预测的不确定性表示为一个具有零均值、呈正态分布的预测误差。由此构建了风水火电力系统联合调度模型,调度模型以系统成本最小为目标函数,包含了火电机组煤耗成本、水电站管理成本以及风电场管理成本和预测误差成本,最后采用布谷鸟搜索算法对其进行求解。仿真结果表明,水电站能够在电力系统中发挥较好的调节作用,弥补风电出力的随机波动和电动汽车的无序充电,减少火电机组出力的频繁变化,降低系统备用容量,增加电力系统的安全性、稳定性和供电可靠性。     

基于非参数核密度估计的风电场有功功率双层优化模型

为有效解决风电出力不确定性导致的机组组合问题,基于非参数核密度估计风电功率预测误差概率密度分布,提出一种日前-实时阶段的双层优化模型.首先,基于风电功率预测误差概率密度分布,构建风电功率上下波动域.其次,建立非参数核密度估计风电最佳置信水平的双层优化模型,上层以风电-火电协同运行成本最小为目标,下层以风电和火电输出功率...     

基于自适应扩散核密度分布的风电功率预测误差分析研究

针对风电功率预测误差多变分布特点,提出一种基于自适应扩散核密度分布的风电功率预测误差概率模型。利用将高斯核函数转换为线性扩散过程的自适应扩散核密度预测误差分布模型,并采用渐进均方积分误差法为扩散核函数选取自适应最优带宽,提高了风电功率预测误差拟合的局部适应性;其次,分析自适应扩散核密度分布模型在不同预测方法、不同装机容量和不同采样周期下对风电功率预测误差的拟合效果,并与高斯等混合参数模型和固定带宽核密度模型进行对比,验证了所建模型在不同情况下的适用性。     

计及风险备用需求的含风电电力系统经济调度

考虑风电的波动性和随机性,该文将风电功率的不确定性引入到含风电的电力系统调度中,建立了计及风险备用的日前机组组合和日内经济调度滚动修正模型。日前调度计划包括建立机组组合模型计算日前发电计划和基于条件风险价值计算由风电预测误差引起的风险备用容量,在日内修正模型中利用风电预测值和负荷预测值2个随机变量的概率密度来估算失负荷期望和弃风期望,并将其作为风险成本引入到模型中,通过备用成本与风险成本的牵制来获取最优的调度结果和备用容量值。最后,通过算例分析结果表明,文中所提出的模型平衡了系统的经济性和安全性。     

计及风电不确定性及排放影响的机组组合策略及其效益评估

为应对含风电的电力系统在调度过程中风电的波动性和预测不确定性,提出了备用容量配置与风电预测误差概率评估相协调的应对方案,将备用容量补偿和预测误差补偿成本量化引入机组组合模型,建立风电综合补偿成本模型;将经济、政策、环境等因素计入火电机组排污成本,给出了含风电的电力系统机组组合策略及其效益评估。算例表明,该策略能够用于形成含风电的电力系统机组组合的最佳配置,有效减少风电波动性和不确定性的影响。     

基于自适应扩散核密度估计的时序相关概率最优潮流计算方法

为准确评估光伏与负荷的时序性和相关性对电力系统运行状态的影响,提出一种基于自适应扩散核密度估计的时序相关概率最优潮流计算方法。首先,利用光伏出力的自适应扩散核密度估计模型将高斯核函数转换为线性扩散过程,采用渐进积分误差法(asymptotic mean integrated squared error,AMISE)为扩散核函数选取自适应最优带宽,提高了光伏出力模型的局部适应性;其次,利用Copula理论构建光伏与负荷的时序联合概率分布模型,并获取具有相关性的时序光伏出力与负荷样本,进而提出能够准确计及光伏与负荷时序性和相关性的概率最优潮流计算方法;最后基于我国某地光伏电站实测数据与IEEE30节点系统进行仿真分析,验证了所提出计及光伏出力与负荷时序相关性的概率最优潮流计算方法的准确性与有效性。     

基于VMD与改进QRGRU的超短期风电功率概率预测

风电功率概率预测是分析未来风电功率不确定性的有效方法之一。为提高风电功率概率预测精度,文中提出基于变分模态分解(VMD)与改进门控循环单元分位数回归(QRGRU)的超短期风电功率概率预测方法。首先,采用VMD将原始风电功率序列分解成不同特征的模态函数;然后,对每个模态函数分别建立基于QRGRU的概率预测模型,并将变量间的网络结构约束作为目标函数的惩罚项,改进QRGRU权重在迭代修正过程中的平稳性;最后,在不同分位数条件下叠加各个模态函数预测值,并采用非参数核密度估计方法得到未来风电功率的概率密度函数。结合某风电场实测数据开展具体算例分析,结果表明所提方法能够兼顾区间覆盖率,减少区间宽度,在不同预测步长中均能表现较好的预测效果。     

基于最优窗宽核密度估计的短期负荷区间预测

针对确定性短期负荷预测难以满足电力需求中可变性决策问题,提出一种基于最优窗宽高斯核密度估计的短期负荷区间预测方法。该方法利用最小二乘支持向量机对负荷进行确定性预测,根据对历史负荷相对误差特征的统计分析,采用核密度估计方法及最优窗宽选择,对各区域内的相对误差建立密度函数,实现短期负荷的区间预测。以浙江某地区的负荷数据为例,给出了不同置信度下的负荷区间预测,将所提出的方法与固定窗宽的负荷区间预测效果做比对,在相同置信度下所提出方法的区间覆盖率有明显提高并且区间宽度有所降低。     

基于LSTM和非参数核密度估计的风电功率概率区间预测

高精度的风电功率点和区间预测可以为电网优化配置带来更多信息。提出采用长短期记忆（LSTM）网络实现风电功率的点预测,并基于该网络生成1组风电功率预测误差数据集,采用渐进积分均方误差准则的窗宽优化方法实现非参数核密度的估计,求出不同置信度下的风电功率波动区间。实验基于美国某风电场历史数据,通过与BP, Elman神经网络和SVM对比,验证了LSTM网络预测精度更高;基于LSTM网络预测生成的误差数据集,与高斯模型及随机窗宽非参数核密度估计模型相比,结果说明了所提最优窗宽非参数核密度估计模型具有更贴近真实的预测误差分布。     

基于高斯混合分布模型的风电功率预测误差统计分析研究

针对风电功率预测误差的统计分析,研究了一种基于高斯混合模型的风电功率预测误差分布,采用期望最大化算法,从统计学角度分析了风电功率负荷预测误差数据,并且在理论上证明了该方法的合理性。该方法的优点在于,无论其统计分布是怎样的,所有风电功率预测误差的概率密度函数都可以使用高斯混合模型近似表示,然后进行适当的子模型削减。通过对高斯混合模型与其他各种统计分布模型的性能进行比较,证明了高斯混合模型在风电功率预测误差统计分析应用中的有效性。     

基于Epanechnikov核与最优窗宽组合的中期电力负荷概率密度预测方法

利用神经网络分位数回归获得预测当天在不同分位点上的电力负荷预测值,将Epanechnikov核函数与不同的最优窗宽选择方法相组合,得到中期电力负荷概率密度估计函数以及在所有分位点上连续的概率密度曲线图。此外,通过选取概率密度曲线峰值处的点预测值,比较不同窗宽组合方法。相对于传统高斯核密度估计方法的组合方式,Epanechnikov核函数的组合方式较优。最后将获得的最优方法与现有的预测方法进行对比,结果表明通过选取最优窗宽可以提高预测精度,更好地反映中期电力负荷的波动性。     

考虑源荷双侧预测误差的实时发电计划闭环控制模型

针对源荷双侧不确定性对电网实时调度运行的影响,提出了模糊信息粒与机会约束目标规划相结合的建模求解方法,建立了实时发电计划与自动发电控制(AGC)闭环控制模型,动态优化系统的可调备用容量。针对服从不同概率分布函数的随机预测误差,引入模糊信息粒理论对可中断负荷切负荷率、负荷预测和风电出力的预测误差进行模糊粒子化,应用机会约束目标规划构建系统备用偏差量约束。在闭环控制过程中,通过动态调整机组的控制模式实现可调备用在不同类型机组间的合理分配,在目标函数中引入风险成本和机组模式转换成本,实现了满足安全备用需求条件下的经济最优性。最后,利用算例验证了模型的有效性和实用性。     

含风电机组的配电网中分布式电源的最优配置

为解决配电网中含风电机组分布式电源的最优配置问题,首先根据风速概率密度分布函数,推导出风电机组的输出功率函数,之后构建了含有分布式电源的固定投资费用、负荷增量与分布式电源出力的相关费用和以最小网损和最小常规发电机有功出力为目标的风电机组的惩罚成本的目标函数,并以配电系统中电压、电流等为约束条件,提出了一种以自适应惯性粒子群算法为全局搜索和以混沌算法为局部搜索的混合粒子群算法来获取目标函数的最优解。最后通过IEEE 69节点系统验证了所提出模型和算法的优异性。     

基于波动过程聚类的风电功率预测极大误差估计方法

估计风电功率预测中可能发生的极大误差,有助于优化含风电电力系统的运行调度,提高电网对大规模风电的接纳能力。根据对历史风电功率预测误差分布特征的分析,提出了基于风电预测出力波动过程聚类的极大误差估计方法。首先利用摇摆窗对风电功率预测数据划分不同的波动过程,在此基础上,通过分析预测出力的波动性和功率水平与预测误差分布的相关性,聚类相似分布特性的预测误差,然后利用滑动窗宽的核密度方法拟合预测误差概率密度并估计极大误差。最后以美国BPA地区的风电功率数据为实例,对不同估计方法进行了较全面的分析,验证了该方法的有效性。