计及预测误差相关性的风电出力不确定性集合建模与评估

先进的鲁棒调度技术是应对出力不确定性最经济、最有效的手段之一;而不确定性集合是刻画风电出力不确定性的基本形式,它不依赖于预测误差的具体分布形式,是制定风电鲁棒调度策略,进而保障系统安全经济运行的重要参考依据。首先,采用实际数据对现有不确定性集合建模方法进行了评估,指出在不确定性集合中若忽略风电预测误差的相关性将导致不合理的结果。在此基础上,基于广义椭球的一般表达式,提出了风电出力不确定性测度的概念,进而给出一种可以准确考虑风电预测误差相关性的不确定性集合建模方法。实际算例表明,在给定置信概率下,所提方法能够保证不确定性集合凸性,大幅压缩不确定性集合的测度,从而显著降低电力系统鲁棒优化决策的保守性。     

基于云理论的风电场群长期出力区间预测

风电的不确定性给风电集群式开发和并网带来极大挑战,风电功率的点预测已很难满足电网长期灵活规划的实际需求。针对风电场群的长期风电功率区间预测问题,提出了一种基于云理论的D藤PairCopula-GARCH-t模型,用于预测风电场群的出力区间。GARCH-t模型较为准确地反映了预测误差的尖峰厚尾特性,提高了风电功率预测的精度。D藤Pair Copula模型有效地描述了风电场群之间出力的相关性。以期望、熵和超熵为数字特征的云模型预测出的风电功率区间,不仅能反映风电的随机性和模糊性,也能合理地描述两者之间的关联性,为规划人员作长期风电并网规划提供参考。     

计及相关性的风电场和光伏电站时序出力模型研究

在大规模风光并网时,采用具有相关性的风光时序数据进行系统可靠性评估能够更好模拟系统的运行状态,有利于提高可靠性评估的准确性和实用性。基于混合Copula函数和马尔科夫过程相关理论,建立了一种用于可靠性评估的计及相关性的风光时序出力模型。首先,通过区分光伏出力序列中的规律性与随机性特征,提取出光伏出力的随机分量;然后将风光时序相关性模型分解为风电出力时序模型、光伏出力时序模型以及风光出力的时序相依模型3部分。最后,通过比利时瓦垄地区的实测数据对上述模型进行了验证。     

计及出力水平影响与自相关性的风电预测误差模拟方法

风电的预测误差不仅受预测出力水平的影响,而且时序上也存在显著的自相关性,基于此,提出一种兼顾两方面特征的风电预测误差模拟方法。充分利用Copula函数在描述变量间相关性方面的优势,通过分析风电出力的预测值与实际值间的联合概率分布,确定不同预测出力水平下预测误差的条件分布函数,对相邻时刻预测误差的相关性进行建模,并结合预测误差的条件分布函数,生成具有特定相关关系的备选数据列。顺次以前一时刻的预测误差为依据,从备选数据列中选取相应数据组成预测误差的模拟序列。算例仿真验证了所提方法的有效性。     

基于动态Copula的风光联合出力建模及动态相关性分析

准确描述风力发电和光伏发电的动态相关性及联合出力的波动性,对风光互补系统的出力预测和经济调度具有重要意义。针对现行静态相关系数无法准确描述风光出力相依关系的问题,研究了风光出力的动态相关性,提出了基于动态Copula函数的风光联合出力模型构建方法。结合实测数据建立了8组动态与静态的风光联合出力Copula模型,用动态相关系数描述风光出力的相关性。运用拟合优度检验方法验证了动态Copula模型对比其静态模型的优越性,选出最优模型。最后将该模型应用在数据驱动的风光联合系统中,验证了其合理性与正确性。     

短期风电功率动态云模型不确定性预测方法

高比例风电并网场景下,电力系统优化运行势必对风电功率预测精度及其不确定性分析结果的可靠性提出更高要求。现有的不确定性预测研究中大多为整体性的误差分析与建模,难以满足模型在各个时刻和各类天气下的适应性。因此,提出了动态云模型的短期风电功率不确定性预测方法。首先,建立各个预测功率区间段内的单点预测误差云模型,利用云模型数字特征(期望、熵、超熵)生成云滴分布图,以此量化预测不确定性态势。然后,计算给定置信水平下的云滴分位点,以及与之相对应的预测功率可能发生波动的置信范围,即风电功率预测不确定性分析结果。根据实时条件更新云模型,可以提高各个运行时刻点不确定性预测结果的可靠性。以中国北方某风电场运行数据为例进行验证,结果表明与传统的分位数回归方法相比,所提方法可靠性有所提升,能够为电力系统调度决策、备用安排等提供更为可靠的指导信息。     

基于Copula的多风电场出力相关性建模及其在电网经济调度中的应用

随着大规模风电并网,构建一个能准确描述风电场出力随机性和彼此间相关性的模型,对电网安全有效地利用风能意义重大。构建了基于Copula理论的多风电场出力联合分布函数模型,并引入相关性和拟合性指标,提出了基于熵权属性识别理论的最优模型选取方法。然后,给出了基于蒙特卡洛抽样和Copula联合分布的风电场出力相关性场景在电力系统经济调度中的应用。最后,以美国加州沿海风电场出力历史同步数据为样本验证Copula建模的有效性,结果表明,t-Copula不仅能很好地刻画原变量之间的相关性,而且能精准地拟合原样本经验分布函数。通过含多风电场的IEEE 118节点系统的动态经济调度算例,说明了考虑多风电场间相关性的建模对制定合理调度计划是必要且有效的。     

考虑风电场灵活性及出力不确定性的机组组合

大规模并网风电的出力不确定性及反调峰特性给电力系统运行,尤其是机组组合的安全可靠性、经济性带来了严峻的挑战。合理构建风电出力不确定性模型,并将新的优化方法,如随机优化、鲁棒优化等应用到机组组合中已成为当前的研究热点。首先对风电场潜在调节能力进行了探讨,提出了一种新的风电调度模式及相应的机组组合模型。风电场在新的调度模式下将转变为一个"灵活"的参与者,而机组组合模型同时计及了风电场出力的不确定性。然后,以修订后的IEEE 39节点系统为基本算例对所提方法进行了仿真分析,结果表明所提出的方法可有效地提高电力系统运行的整体性能。此外,所提方法还可用于评估系统对风电的接纳能力。     

基于动态R藤Copula模型的区域风电集群超短期功率区间预测方法

为应对风电功率不确定性问题带来的电网安全稳定运行风险,近年来区间预测方法受到了广泛关注,但现有研究主要集中于单风电场预测领域,对于区域风电集群功率区间预测方法较少涉及.针对上述问题,建立了动态化的R藤Copula模型,提出了区域风电集群超短期功率区间预测方法.首先,详细阐述了区域风电集群超短期功率区间预测的基本框架.其...     

风电场出力特性及其不确定性的对策分析

通过福建省某沿海风电场的出力数据,验证了风电出力变化的波动性及随机特性,将风电出力并入电力负荷,分析了风电并入后对于电力负荷变化特性的影响,并分别从电网与风电自身的角度出发,讨论了有效应对风电功率的不确定性措施,包括风电出力预测、储能手段以及风电机组自参与调频等。     

考虑多风电场相关性的电网动态经济调度二阶段带补偿算法

大规模多风电场的并网给电网经济调度带来了巨大挑战,文中对含多风电场的电网日前动态经济调度问题进行研究。首先,引入Copula理论构建了多风电场间输出功率的联合分布。随后,建立了电网日前24h动态经济调度随机优化模型。针对约束中风电输出功率的随机性,引入二阶段带补偿算法求解,将原调度模型转化为二阶段模型:第一阶段为仅含常规变量约束,而在目标函数中增加补偿量期望值的优化模型;第二阶段为含随机变量约束,并以补偿量惩罚期望值最小为目标的优化模型;通过二阶段模型间的交替迭代求得最优解。基于IEEE 118节点系统和某省级大电网的算例对该方法的有效性进行了验证。     

考虑流动相关性的风电场机组分组功率预测方法

风电固有的随机波动性对电力系统的安全稳定运行产生不利影响。风电场功率预测是缓解该问题的重要途径,但预测精度及计算效率制约其在电力系统运行中的应用效果。针对上述问题,提出一种基于流动相关性的风电场机组分组方法并运用于风电场功率预测中。针对传统大地平面坐标无法体现流动信息的缺陷定义了可以体现风电场流动特性的坐标体系——风电场主风向坐标系,以简单而直观的方式将流动特性与风电场机组组合方法、风电预测技术相结合。以中国西北某风电场为例,采用GABP预测模型进行验证,结果证明该方法有效利用了风电场流动相关性对风电场机组进行分组,在精度和效率之间寻求平衡,为电力系统和风电场经济运行提供保障。     

考虑风电不确定出力的风电并网协调优化模型

针对风电出力的随机性和间歇性等特点,首先,提出了风电预渗透率的概念,结合风电预测精度,建立了风电预测误差计算模型。其次,考虑到误差随时间的迁移性,建立了风电预测误差增长模型,并建立了基于误差增长的风电不确定出力计算模型。在建立负荷可参与调度的权重区间模型以及引入可调度负荷与储能系统的基础上,建立了风电成本模型和考虑可调度负荷与储能系统风电并网协调优化调度模型。最后,以某地区电力系统为研究对象,采用Matlab对优化模型进行仿真求解,结果表明,所用方法能够有效降低弃风率以及火电备用容量。     

计及气象因素和风速空间相关性的风电功率预测模型

建立了一种计及数值天气预报中气象因素和风速空间相关性的组合加权风电功率预测模型.首先,考虑到数值天气预报数据中的风速精确度不高,建立了基于高斯过程的数值天气预报风速修正模型,计入其他气象因素,如风向、温度、湿度、气压等,进行风电预测.同时,基于目标风电场与相邻风电场区域的风速空间相关性分析,求得其最大相关系数点的延迟时...     

考虑统计和互相关特性的多风电场风速数据模拟生成方法

以各风电场历史风速概率密度函数、风速波动统计直方图与互相关系数为约束因素,提出了一种考虑多风电场统计和互相关特性的风速时间序列模拟生成方法。考虑到以月为统计单位的风速常符合多峰混合威布尔分布规律,首先将各风电场每月风速分布分解为含不同样本数的单峰威布尔分布;其次生成多个符合特定互相关系数及瑞利分布特性的时间序列,并继续转化为多个符合特定互相关系数及单峰威布尔分布特性的数据序列;拼接各风电场已生成序列并对时间顺序进行前后调整,最终得到各风电场符合多峰混合威布尔分布和波动统计特征及不同风速互相关系数的风速时间序列。算例表明,模拟生成的风速数据可较好地兼顾各风电场自身和相互之间的统计规律。     

计及风电不确定性和弃风率约束的风电场储能容量配置方法

风电的大规模开发造成了严重的弃风问题,在风电场内配置储能装置可显著减少弃风,文中基于分布鲁棒优化方法研究了考虑风电不确定性和弃风率约束的风电场储能容量配置问题。首先根据历史数据构造风电出力的经验分布函数,为考虑风电出力的不确定性,以Kullback-Leibler(KL)散度作为分布函数距离测度建立了风电出力的概率分布函数集合。随后,将弃风率要求建模为概率分布函数集合中最坏分布下的鲁棒机会约束,进一步建立了以储能投资成本最小为目标、以弃风率为约束的鲁棒机会约束规划模型。最后,通过矫正机会约束中的风险阈值,将鲁棒机会约束转化为传统机会约束,并采用凸近似和抽样平均构建线性规划进行高效求解。基于IEEE 30节点电网进行了算例分析,并与传统的随机规划和鲁棒优化模型进行对比,验证了所提模型在处理风电不确定性时能有效兼顾保守性和鲁棒性。     

计及空间相关性的轻量级风电功率预测方法

针对风电功率预测数据高维灾难以及云计算的通信依赖问题,提出一种风电功率的属地边端轻量级预测方法。采用KNN算法计算风机间的距离量化空间相关性,并引入轮廓系数自适应地确定近邻数k以降低冗余特征维度,从而确定输入目标预测风机的邻近风机数据;基于Seq2Seq结构的GRU-MLP网络完成各台风机的风电功率预测。实验结果表明,在预测准确率近似的条件下所提方法相较于常规网络复杂度小、效率更高,可为风电场功率预测任务从云端向边缘迁移提供技术方案。     

多风电场短期输出功率的联合概率密度预测方法

提出一种多风电场短期输出功率的联合概率密度预测方法。首先利用支持向量机对每座风电场的输出功率进行单点值预测,对预测误差建立稀疏贝叶斯学习模型进行误差的概率密度预测,得到单一风电场输出功率的边际概率密度函数预测结果;对多风场输出功率预测误差特性进行统计分析,发现同一区域内,风电场输出功率预测误差之间存在线性时空关联特性,进而运用动态条件相关回归模型求得相关系数矩阵,定量描述多风电场短期输出功率预测误差之间的动态时空相关关系;最后,综合单一风电场输出功率边际概率密度预测结果和相关系数矩阵得到多风电场输出功率的联合概率密度函数,并借助多元随机变量抽样技术形成包含动态时空关联特性的多维场景。通过实例分析,表明了所提出方法的有效性。