基于混合分布模型的风电功率波动特性研究

风电功率的波动特性是影响风电功率预测效果的关键问题之一。为定量描述风电功率波动的概率分布特性,提出基于混合含有尺度参数和位置参数的t分布模型(t Location-scale分布)对风电功率波动变化率进行拟合,通过k均值聚类算法进行模型参数确定。从风电场内风电功率波动的时间分布特性和空间分布特性两方面进行研究,分别比较相同机组数量不同采样间隔和相同采样间隔不同机组数量的风电功率波动的时空分布的概率拟合效果,并将混合含有尺度参数和位置参数的t分布模型与单一分布模型中的Normal分布、t Location-scale分布以及混合高斯分布通过评价指标进行对比,验证了其有效性和普适性。     

基于重尾分布的风电功率波动特性概率分布

研究风电功率波动特性对于提高风电功率预测精度、促进风电并网消纳、抑制风电并网对电力系统安全运行的不利影响等均具有重要意义.利用风电场实测数据,归纳风电功率波动特性的时变性、异方差性、波动集聚性和"尖峰厚尾"4个基本特征;为定量描述风电功率概率分布,在不同的时空尺度下分别采用正态分布、混合高斯分布以及重尾分布中的t Location-scale分布、稳定分布、拉普拉斯分布对风电功率波动率进行拟合,引入相对熵作为衡量拟合分布优劣的评价指标,并对比分析不同拟合分布的评价结果.仿真结果表明风电功率概率分布更适合采用重尾分布函数来描述,且重尾分布中的t Location-scale分布函数具有最佳的拟合效果.     

基于风电功率min级分量波动特性的风电场储能容量优化计算

储能为抑制风电功率随机波动性对电力系统的不利影响提供了可能。为减小风电功率随机波动分量对电力系统的影响,提出用储能设备平滑风电功率随机波动频繁的min级分量,并通过分析风电功率min级分量的波动特性,建立对应的储能容量优化配置模型。该模型在充分把握风电功率min级分量波动特性的基础上,以概率统计的区间估计理论确定储能系统的容量配置和最大充放电功率。该优化模型可以较小容量的储能设备改善风电功率的平滑输出,有利于减小风电功率随机波动性对电力系统的不利影响。仿真算例表明了该算法的有效性。     

基于风电功率min级分量波动特性的 风电场储能容量优化计算

储能为抑制风电功率随机波动性对电力系统的不利影响提供了可能。为减小风电功率随机波动分量对电力系统的影响,提出用储能设备平滑风电功率随机波动频繁的min级分量,并通过分析风电功率min级分量的波动特性,建立对应的储能容量优化配置模型。该模型在充分把握风电功率min级分量波动特性的基础上,以概率统计的区间估计理论确定储能系统的容量配置和最大充放电功率。该优化模型可以较小容量的储能设备改善风电功率的平滑输出,有利于减小风电功率随机波动性对电力系统的不利影响。仿真算例表明了该算法的有效性。     

风电功率状态的时域概率特性研究

随着大规模风电的并网,深入认识风电功率的随机特性将有利于更好地预测和利用风电。目前,对于风电功率波动特性的研究较多,对风电功率状态的时域概率特性的研究更侧重于对风电状态转移概率特性的描述。基于风电功率状态的定义,深入研究了风电功率状态持续时间的概率分布描述函数和状态转移概率矩阵。基于多座风电场/群的大量实测功率数据的研究发现:风电功率在某个特定状态可能持续几个小时甚至更长时间,逆高斯分布较适合用于描述风电功率状态持续时间的概率分布,可为系统运行调度风电提供参考信息;风电功率状态转移概率矩阵量化了风电场功率状态的跳变程度,风电功率状态的跳变呈现山脊特性。     

基于有限混合Laplace模型的风功率波动特性研究

风电功率具有波动性,准确描述风电场功率波动规律对于研究风电大规模并网运行具有重要意义。首先基于风功率波动概率分布的重尾特性,提出有限混合Laplace分布(finite Laplace mixture,FLM)的概率分布模型,并求解了模型最优参数集。然后提出评价模型精确度指标体系,并基于大量风电场实测数据,用FLM模型分别与混合高斯模型及单一分布模型作对比,论述并证明了FLM模型能更精确地描述风场功率波动特性。在此基础上,分析在不同时空尺度下的风功率波动情况,总结了风功率波动在多时空尺度下的规律特征。实验结果表明,FLM模型相较于其他分布模型,具有更高的拟合精度和更普遍的适用性。     

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。     

数据提取方法对风电功率波动特性的影响分析

基于实测风电数据的风电功率波动特性分析能提高电网调度等部门对风力发电电源特性的认识,缓解风电并网给系统带来的不利影响。由于风电数据常常涉及到不同数据采集方法,因此有必要分析风电数据采集方法对风电功率波动特性分析的影响。本文根据东北某风电场的实测功率数据,通过间隔取点法和间隔平均值法获得不同功率数据序列进行风电功率波动特性分析。算例分析表明,不同的数据采集方法会对风电功率波动特性分析产生影响,且间隔取点法下的风电功率数据适用于风电功率预测,间隔平均值法下的风电功率数据适用于风电功率波动的概率密度特性分析。     

风电功率及其预测误差概率分布研究

进行风电功率及其预测误差概率分布研究对分析风电功率分布特性有重要意义.以风电功率、日功率波动量均值为指标,统计分析风电在不同时间尺度下的波动概率分布;针对正态分布模型对风电功率及其预测误差分布拟合效果较差问题,利用非参数估计法拟合风电功率及其短期预测误差概率分布,并以残差平方和、相关系数为评价指标,对比不同预测模型和采样间隔对应的拟合效果;基于实测数据的分析结果表明,非参数估计法可以有效拟合风电功率及其短期预测误差概率分布,且具有较好的实用性.     

基于数字信号处理的风电功率日周期性研究

风电功率具有波动性和间歇性,大规模风电并网对电网运行产生不利影响。主要对风电功率波动特性进行分析。基于数字信号处理,将风电功率数据作为数字信号进行处理。通过自相关系数分析发现风电功率数据具有一定的周期性。利用有限傅里叶分解提取日周期分量,并从能量角度分析了日周期分量在不同时间尺度和不同装机容量下的分布特性。日周期分量在风电功率中所占比例随时间和空间的不同发生变化。时间段越长日周期分量所占比例越小;随着风电场数量的增加,日周期分量所占比例将明显增加。     

江苏海上、沿海和内陆风电出力及波动特性分析

江苏风电装机规模大,具有海上、沿海和内陆风电场3种类型的风电场。掌握不同类型风电有功出力及波动性规律对于电网规划、调度、运行意义重大。基于江苏海上、沿海和内陆3类风电场的运行数据,利用多种概率分布模型模拟了风电场有功出力及波动特性,采用最大似然估计法对模型参数进行估计,根据多种评价指标对拟合精度进行衡量,结果表明海上风电有功出力服从Gamma分布,沿海和内陆风电有功出力更接近Weibull分布。3类风电的有功波动最优拟合为含有尺度和位置参数的t分布。     

基于有效容量分布的含风电场电力系统随机生产模拟

基于蒙特卡罗(Monte Carlo)方法的含大规模风力发电的电力系统模拟虽然具有较好的精度和广泛的适应性,但其过大的时间开销限制了其应用。而现有的理论计算方法则存在风力发电描述不够准确、难以处理多风电场及其相关性等问题。针对此现状,提出了一种基于发电机组有效容量分布的含风电场的电力系统随机生产模拟算法。该算法保留了负荷和风电机组的时变特性,采用时间序列自回归移动平均(auto-regressive moving average,ARMA)模型模拟风速,使用半不变量方法计算有效容量分布,因此,该算法可较好地描述风力发电的特点,且计算效率高。所提算法还可考虑多个风电场及其相关性,且可计算由于最小出力限制而引起的弃风概率和弃风电量。基于IEEE-RTS测试系统数据,验证了该方法的有效性。     

基于Bagging混合策略的多风电场稀疏向量自回归概率预测

风电功率预测对电力系统的安全稳定运行具有重要意义。针对多风电场的超短期概率预测问题,提出了一种基于Bagging混合策略和核密度估计(kernel density estimation,?KDE)的稀疏向量自回归预测方法。首先通过时间序列分解和余项自举,生成若干自举时间序列。对于每个时间序列,采用向量自回归(vector autoregression,?VAR)模型进行预测。针对传统模型在风场数量较多时容易出现的过拟合问题,采用稀疏向量自回归模型,筛选最有效的回归系数,得到稀疏系数矩阵。每个时间序列训练的预测模型分别产生点预测结果,对于多重点预测结果,使用KDE方法产生概率密度的预测结果。在真实风电集群数据上,验证所提多场站概率预测方法的有效性,采用分位数得分评估概率预测精度。相关实验结果表明,该方法可以有效提高概率预测精度。     

平抑风电波动的混合储能系统的容量配置

风电功率波动对电网造成不容忽视影响。用滑动平均法平滑风电功率,降低风电并网对电网的影响。滑动窗口的选取具有随机性,直接影响平滑效果。该研究提出滑动平均和标准校正的组合方法,分离出并网分量和储能分量。混合储能系统采用小波分解算法,可以有效地解耦出电池及超级电容器分量。对各储能分量统计分析,证明它们均服从t location-scale分布。在不同置信水平和容量下,以波动量的均值、方差、波动范围及波动点数为指标,分析混合储能系统的平抑效果。     

采用分段离散化和高斯混合模型的多场景概率潮流计算

针对电网运行中风电和负荷的不确定性,提出了一种采用风电场输出功率分段离散化和负荷高斯混合模型的多场景概率潮流计算方法。在风电场有向功率特性曲线的基础上,分段离散化处理风电场输出功率,构造风电场输出功率多场景。同时,建立负荷的高斯混合模型,构造负荷功率多场景。然后,确定系统注入功率多场景及其对应的概率,在系统注入功率的每个场景中,风电节点输出功率为定值,负荷节点功率均服从高斯分布。最后,应用全概率公式,将系统注入功率的每个场景中计算所得状态变量的概率分布以该场景对应的概率作为权重,整合计算得到最终的概率潮流结果。以改进的IEEE 57节点系统进行仿真分析,结果表明所提方法简化了概率潮流求解过程,提高了计算效率。     

基于改进KDE法和GA-SVM的多风电场聚合后输出功率长期波动特性预测方法

针对规划期内有新增风电装机容量但没有与其对应的实测风电输出功率数据,导致难以准确把握和刻画规划目标年多风电场聚合后输出功率长期波动特性的问题,提出一种利用改进核密度估计(KDE)法和经遗传算法寻优的支持向量机(GA-SVM)预测多风电场聚合后输出功率长期波动特性的方法。对风电功率的长期波动特性进行刻画,分析在多风电场聚合过程中装机容量与风电功率之间的关系;运用改进KDE法生成多风电场聚合过程中不同装机容量下的输出功率概率密度曲线;采用GA-SVM建立多风电场聚合后输出功率概率密度演变模型;根据概率分布与持续功率曲线的对应关系,对预测出的规划目标年的多风电场聚合后的输出功率概率密度曲线进行反演,得到可描述规划目标年输出功率长期波动特性的持续功率曲线。工程实例证明了所提方法的实用性和有效性。     

基于等值频率响应模型的海上油田群电网风电穿透功率极限分析方法

提出了一种基于等值频率响应模型的海上油田群电网风电穿透功率极限分析方法。首先,构建了海上油田群电网的平均系统频率响应(ASFR)等值模型,基于单、分轴燃机确定电网原动机-调速器参数,根据t location-scale分布和差分变换方法刻画风电出力波动概率分布;然后,基于电网可承受的最大风电波动对应累积概率指标和最严重故障后电网最大频率变化指标,提出了考虑稳态频率偏差约束和暂态频率稳定约束的风电穿透功率极限分析方法;最后,以某实际海上油田群电网为例验证了所提方法的准确性与有效性,结果表明,原动机-调速器响应速度和暂态频率稳定约束对于海上油田群电网的风电穿透功率极限具有关键影响。     

短期风电功率预测误差分布研究

短期风电功率预测一直是风电领域的研究热点,提出采用带位置和尺度参数的t分布描述风电功率预测的误差分布。分别采用差分自回归移动平均模型和BP神经网络,根据风电场实测数据进行功率预测,对两种预测模型产生的误差进行分析,验证了带位置和尺度参数的t分布可以有效描述预测误差分布。短期风电功率预测研究发现,带位置和尺度参数的t分布对误差的拟合优度高于正态分布,其各项参数可作为评价预测算法准确度的指标,通过分析分布参数可以直观了解预测算法的性能。