基于t Location-Scale分布的风电功率概率预测研究

风电功率特有的随机波动性,导致风电功率点预测方法的预测精度不高,增加了风电并网的难度,致使风电场弃风现象严重。基于风电功率点预测的基础上,风电功率概率预测可以预测出风电功率的波动范围,为电力系统的安全运行以及电网调度运行给出不确定信息和可靠性评估依据。提出了一种基于t location- scale分布的风电功率概率预测方法,即采用t location-scale函数来描述风电功率预测误差概率分布,并以此建立误差分布,基于已建立的误差分布可以进行概率预测。并引进了覆盖率和平均带宽来评价预测区间的优劣程度。利用吉林省西部某风电场历史数据验证了该方法的可靠性。     

基于隐马尔可夫模型的日内风电功率预测误差区间滚动估计

风电的波动性和不确定性给大规模风电并网带来了挑战,估计风电场上报风电的预测功率误差范围,能够为含风电电力系统的运行调度提供重要信息。因此,提出基于隐马尔可夫模型的日内风电功率预测误差区间滚动估计方法。通过建立隐马尔可夫模型实现一定置信水平下对风电功率误差波动区间的快速估计,并利用局部加权回归散点平滑法对误差区间进行处理。以实际数据为例分析,结果表明所提方法能够给出风电功率预测误差的波动范围,为电力系统的调度与控制、备用容量的配置、风险评估等方面提供更全面的信息。     

基于风电功率概率预测的无功优化方法研究

近年来,风电装机规模和并网比例不断增加,对电网的无功分布产生了较大影响。传统无功优化方法未考虑风电的随机性和波动性,无法在整个周期内保持良好优化效果。提出一种基于风电功率概率预测的无功优化方法,构建考虑风电功率概率预测的无功优化数学模型,并采用粒子群算法对模型进行求解,实际算例验证了所提模型方法的有效性。     

利用储能提高风电调度入网规模的经济性评价

受自然条件的影响,风电功率预测的精度依然较低。在大规模风电基地联网运行的场景下,直接利用风电功率预测信息进行风电调度决策,会给电力系统的安全运行带来风险。储能系统具有对功率和能量的时间迁移能力,能够有效应对风电功率预测误差,确保电网的安全运行。然而,在目前的技术经济水平下,储能系统造价昂贵,利用储能系统提高风电的调度入网规模是否可行,需要从经济性角度进行系统评估。该文提出利用储能减小风电调度风险的“源?网协调”调度方法,构建了储能系统经济性评估模型,分不同的概率区间预测场景评估了利用储能系统提高风电接纳规模的可行性,研究结果能够为利用储能系统提高风电调度入网容量提供决策依据。     

计及风电并网的机组组合方法研究

风电具有间歇性和波动性的特点,其并入电网时会对传统以火电机组为主的机组组合造成明显的影响,针对此问题,提出了计及风电并网的机组组合方法。该方法首先对风电功率预测结果误差进行统计,在此基础上,建立了风电功率预测误差的分布概率模型。然后,该模型与传统火电机组累积停运容量概率表结合,形成了考虑风电功率的机组累积停运容量概率表。接着,将该表以解析表达的方式引入机组组合的拉格朗日松弛法中,形成风电接入后的机组组合模型,并采用传统拉格朗日松弛法进行求解。最后以某实际电网为例,验证了所提算法的优越性。     

利用储能提高风电调度入网规模的经济性评价EI北大核心CSCD

受自然条件的影响,风电功率预测的精度依然较低。在大规模风电基地联网运行的场景下,直接利用风电功率预测信息进行风电调度决策,会给电力系统的安全运行带来风险。储能系统具有对功率和能量的时间迁移能力,能够有效应对风电功率预测误差,确保电网的安全运行。然而,在目前的技术经济水平下,储能系统造价昂贵,利用储能系统提高风电的调度入网规模是否可行,需要从经济性角度进行系统评估。该文提出利用储能减小风电调度风险的"源网协调"调度方法,构建了储能系统经济性评估模型,分不同的概率区间预测场景评估了利用储能系统提高风电接纳规模的可行性,研究结果能够为利用储能系统提高风电调度入网容量提供决策依据。     

基于爬坡特征和云模型的风电功率预测误差区间评估

为了满足电力系统优化运行对预测误差区间评估结果越来越高的可靠性要求,改善传统的区间评估方法在发生小概率风电爬坡事件时较差的适应性,提出了一种基于爬坡特征分类和云模型的风电功率预测误差区间评估方法。通过对每类数据分别建立模型以提高不同爬坡类型下评估方法的适应性。首先,利用改进的旋转门算法识别爬坡后得到爬坡特征,并基于爬坡特征对预测误差进行分类,对上爬坡类误差和下爬坡类误差分别建立云模型,对非爬坡类误差采用K-means算法得到不同预测误差类型所对应的区间范围。然后,以风电功率和爬坡特征数据共同作为模型输入,以预测误差类型为输出,建立评估模型,从而得到风电功率预测误差评估区间。最后,利用Elia网站的风电数据进行算例分析。结果表明,所提方法的风电功率误差区间评估效果更优。     

基于风险的风电并网可容许性评估

随着日益增长的大规模风电并网,其波动性和随机性已对电力系统安全稳定运行产生了严重的影响。提出一种基于风险的风电功率可容许性评估方法,定量评估在既定经济调度策略下电力系统无风险消纳风电功率最大值。定义由风电波动性和随机性引起的运行风险作为其可容许性测度,建立风险最小化、边界最大化模型来刻画风电功率可容许区域,在此区域内风电功率任意值不会影响系统运行可行性。以改进鸡群算法对模型进行求解。算例分析验证了所提模型及算法的有效性。     

基于误差分类的风电功率区间评估

为了提高风电功率的区间评估精度,结合预测误差数据的特性,提出了一种基于误差分类的区间评估方法。首先,引入K-means聚类算法,以欧氏距离为聚类指标对风电预测误差的整体水平进行分类。然后,建立误差区间评估模型,以风电功率数据和历史预测误差为模型输入,以预测误差区间为输出,利用长短期记忆(LSTM)神经网络深度学习模型输入和输出之间的关联。最后,利用Elia网站风电数据进行验证,结果表明,与其他评估模型和传统的误差概率分布方法相比,所提方法更能抓住误差数据的特性,能够得到更为准确的风电功率区间评估结果。     

计及风电预测误差的电力系统风险规避评估模型

风电功率的短时大幅波动对电网的安全稳定运行造成冲击,为更准确地评估电力系统在较短时间内的风电消纳情况,需考虑风电功率的预测误差。为此,文中提出一种概率区间优化模型,从效益和风险两个维度评估风电预测误差对电力系统运行的影响,旨在得到最优权衡风险和效益的调度方案。在概率区间优化模型中,不确定风电被视为概率区间变量,即每个风电值对应一个分布概率。效益用不确定风电并网前后系统运行费用的差值来量度;风险则用风电的分布概率来衡量。然后,构建基于效益和风险的条件期望作为优化目标。最后,在一个调度系统上进行仿真并与区间优化模型对比,证明了所提出的优化模型的可靠性、鲁棒性和实用性。     

基于CFD流场预计算的风电功率预测误差分布研究

大规模风电并网会对电力系统的安全和经济运行带来不利影响,因此进行风电功率预测具有重要意义。基于CFD流场预计算的风电功率预测方法巧妙地解决了预测效率与精度间的矛盾,具有较好的工程实用性。为进一步改进基于CFD流场预计算的功率预测方法,将其应用于某一风电场进行了为期一年的功率预测,并对预测结果的误差分布进行研究。结果表明:预测方法精度较高,能够较为准确地预测风电场的各种出力方式,满足应用要求;误差频率分布随季节变化,预测功率存在横、纵向误差,不同的来流风速、风向对应不同的预测误差;预测过程应进行非均匀的风况离散,从而实现对预测方法的高效合理利用。     

考虑网内外功率特性的含风场电网日内发电需求滚动预测

由于自然风力、风向的不确定,大规模风场并网运行使得电网和风电调度的难度增大,在最大功率跟踪模式下,更加准确地预测发电出力是重要课题。考虑风场传统日前负荷预测时间尺度较大导致风场实时调度困难的实际,提出了一种在基于日内风场出力的发电需求滚动预测方法,以多级时间尺度为预测依据,建立了考虑风电接入的理想发电需求预测模型,提出了该模型下的滚动预测算法,并结合实际风场数据进行了实际预测,结果表明,提出的预测方法、模型和算法能明显提高发电需求预测精度,为大型风场的科学调度提供了决策依据,具有一定理论价值和工程应用价值。     

基于原子稀疏分解和BP神经网络的风电功率爬坡事件预测

超短期风电功率爬坡事件越来越影响风电机组在电网中的运行。当前国内对爬坡事件的定义并不明确,缺少相应的预测方法。阐述了风电功率爬坡事件的物理含义,提出了一种基于原子稀疏分解和反向传播神经网络(BPNN)的组合预测方法,分别建立了原子分量自预测模型、残差分量预测模型和组合预测模型。以实际风电场数据进行验证,对不同预测方法和不同时间空间实测数据进行了较全面的分析,结果表明该方法可以提高预测精度,并能降低绝对平均误差和均方根误差计算值的统计区间。     

考虑风电功率爬坡的功率预测-校正模型

随着大规模风电接入电力系统,风电功率爬坡事件对电网的安全稳定运行带来一定的影响。研究爬坡事件发生时的功率预测已越来越迫切。基于极限学习机理论,提出了一种考虑风电功率爬坡事件的超短期功率预测和校正模型。首先,利用最优旋转门算法对当前爬坡事件进行识别,提取爬坡事件特征值,建立模糊C均值聚类模型以得到同类数据,在此基础上,采用极限学习机算法对上述数据进行训练、预测,通过元组向量时间扭曲法在历史风电功率预测爬坡事件库中寻找与当前风电功率预测结果相似的爬坡事件,得到功率预测历史相似爬坡事件。最后,利用功率预测历史匹配值与实际值之间的特征值误差,对风电功率预测结果进行修正。算例表明,所提方法可准确识别风电功率爬坡事件、有效提高风电功率超短期预测精度。     

考虑风电场储能容量配置风电功率预测误差估计算法对比研究

针对风电功率预测误差估计方法中混合高斯分布拟合法和特征值提取估计法这两种适用范围较广的风电功 率预测误差估计方法,详细介绍其原理和误差估计流程,利用实际风电场数据对两种方法进行算例验证,并根据计算 结果,针对两种方法下的估计区间对储能容量配置的影响进行对比研究,为工程应用时的方法选取提供参考。同时, 为了兼顾误差估计区间的有效性和经济性,有效指导风电场储能系统的容量配置,在高斯混合模型的基础上对风电 功率预测误差进行状态划分,结合马尔可夫模型,提出一种ＭＭ－ＧＭＭ优化预测误差区间估计算法并对其进行算例 验证。     

京津唐电网风电场群发电功率短期预测

随着风电大规模并网,加强区域性风电场群的发电功率预测对于地区电网的安全稳定经济运行具有重要意义。根据京津唐地区风电场群的特殊性,首先用物理建模方式建立风电场的短期风力预测模型,并将统计升尺度技术与物理模型相结合,以提升预测模型精度的稳定性;之后,采用三层体系架构建立京津唐电网风电功率预测系统,且实现了工程应用。运行结果表明,该方法可以更准确地预测京津唐地区风电发电功率,大幅提升京津唐电网风电消纳能力,有效提高电网调度精益化水平。     

基于符号时间序列法的风电功率波动分析与预测

风电功率波动与预测是风电并网研究的主要内容。针对风电功率的随机波动特性,将符号时间序列方法应用于风电功率波动与预测分析中,并提出一种自适应分区方法,该方法根据数据序列分布的密集程度,实现数据序列区域的非均匀分割,找出信息量丰富的区域,以便突出反映数据的变化情况。之后,以符号序列直方图理论为基础,通过直方图求逆实现原始数据序列关键数据区域的定位,进而完成风电功率的预测。以某一风电场实测风电功率数据验证所提方法的有效性,为风电功率调度提供参考。     

短期风电功率预测方法

提出了以混沌相空间重构为基础的混沌时间序列预测方法。为提高预测模型的预测精度和泛化能力,利用C-C方法对相空间重构参数的优化进行了综合计算。预测模型采用加权一阶局域法,以某风电场的风电功率数据进行训练和预测。实际算例表明,该综合方法具有很好的预测精度和实用性。     

基于改进KNN算法的风电功率实时预测研究

大规模风电并入电网将对电网的规划建设、分析控制以及电能质量等方面产生显著的影响,高精度的超短期风电功率预测可以对含大规模风电电力系统的安全调度和稳定运行提供可靠的依据。文章对风电功率的超短期预测方法进行了研究,以混沌理论为基础,对相空间重构参数进行了计算,提出了基于改进KNN(KNearest Neighbor)算法的风电功率实时预测方法,并且应用多个评价指标来对预测结果进行评价,以吉林西部某风电场实测数据为例,验证了模型的有效性。     

基于机会约束规划的含大规模风电电力系统阻塞调度优化

电力市场环境下,接入风电的不确定性增大了系统输电阻塞出现的概率。采用现有的确定性方法进行输电阻塞调度,会导致部分重载线路接近热稳定极限;若风电出力预测产生偏差,系统在实时运行中可能再度出现阻塞。为解决阻塞问题并使系统具备一定的抵御再度阻塞的能力,提出一种新的阻塞调度模型,该模型将风电出力预测误差作为随机变量,形成了模拟实时运行不确定性的机会约束条件;同时,模型计及了期望缺电、弃风风险指标,实现了阻塞调度中功率调整与旋转备用的联合优化。基于蒙特卡洛方法提出了不确定性风电并网导致的系统再度阻塞的量度方法和指标,通过IEEE RTS 24节点系统算例证明了所提模型的有效性。