风电功率序列的时空相关性研究

研究风电场功率序列之间的相关性对提高风电功率预测精度具有重要意义。首先提出一种判别风电功率序列是否可以采用线性相关系数进行描述的方法;然后引入多种非线性相关系数,对风电功率序列间的相关性进行全面研究和分析,并在常见的Copula函数中选择最优的Copula函数,基于此对其他非线性相关系数进行统一计算。研究结果表明,风电功率序列之间的相关关系并不适合采用线性相关系数描述;而采用非线性相关系数可较好地描述风电功率序列之间的一致性、不一致性以及尾部变化特征。     

基于Pair Copula的多维风电功率相关性分析及建模

大规模风电场的接入使风电相关性更加复杂,合理描述多风电场出力的随机性和相关性特性,对准确分析风电对电力系统运行的影响具有重要意义。现有的Copula等方法能较准确描述二元相关性,但对于更高维模型的相关性描述则不够准确。基于此,提出了基于C藤Pair Copula的风电功率高维相关性模型,以及相应的采样方法。Pair Copula能够描述风电功率两两之间不同的相关性结构,从而能较好描述复杂的多维相关性,且建模步骤简单,使用灵活,适用范围广。对澳大利亚多个风电场出力样本进行分析和建模,验证了所提方法的优越性。最后通过IEEE 118节点系统的概率潮流算例,说明了合理刻画风电功率相关性可以更准确地分析含风电接入的电力系统运行特性。     

基于混合Copula和均匀设计采样的电力系统随机潮流

为全面描述输入随机变量间的相关性并提高Monte Carlo模拟采样效率,提出一种基于混合Copula和均匀设计采样（uniform design sampling,UDS）的电力系统随机潮流计算方法。从输入随机变量的相关结构出发,构造混合Copula函数分析输入随机变量的相关性,准确描述输入随机变量间的非线性、非对称性以及尾部特征。运用均匀设计采样,克服传统Monte Carlo模拟采样规模过大、计算时间过长的缺点。以接风电场的IEEE30节点系统为例,进行仿真分析,与以实测数据进行仿真分析的结果进行对比,结果表明所提方法不仅速度快、精度高,而且能全面反映输入随机变量的相关性。     

基于Copula理论的风电场间风速及输出功率相依结构建模

在电力系统规划和运行中,对风能的随机相关性进行建模是获取准确结果中非常重要的环节。鉴于风速分布呈现非线性和尾部相关性模式,区别于应用较为广泛的线性相关分析,文中引入了Copula函数对风电场风速以及输出功率之间的相依结构进行系统建模,建立了多风电场风速及功率的联合分布函数。对甘肃酒泉地区4个风电场风速相依结构的研究表明,对于有一定相关性的2个风电场,其风速之间的相关性呈现非对称的尾部特性,单一Copula函数较难精准表述其相依结构,故构建混合Copula函数,即根据拟合优度检验选取合适的Copula函数的凸组合进行描述更为准确;对福建2个风电场输出功率相依结构的研究表明,Gumbel-Copula适合用于2个风电场输出功率的相依结构建模。最后给出了四维风速的相依结构模型。     

基于经验Copula函数的多风电场出力动态场景生成方法及其在机组组合中的应用

随着大规模风电接入电网,风电功率的随机性与波动性以及多风电场出力的相关性使得电力系统的运行与调度面临着新的挑战。引入经验Copula函数表征多风电场联合出力分布;对风电的波动性进行建模,利用ksdensity函数拟合风电功率波动量,通过逆变换抽样的方法生成符合风电随机性和波动性的场景集合;生成基于经验Copula函数的多风电场出力动态场景,并将其应用于含多风电场的电力系统随机机组组合问题的求解。算例结果验证了所提风电波动性建模方法的有效性与动态场景生成方法的可行性,同时提高了含多风电场电力系统运行的经济性。     

基于Copula-SVM的短期风电功率场景预测方法

风电场输出功率具有随机性、间歇性以及可控性弱等特点,提高风电功率预测精度对含有大规模并网风电的电力系统安全经济运行具有重要意义。基于支持向量机(SVM)建立短期风电功率的均值预测模型,利用Copula函数对多时段风电功率的预测误差进行相依性建模,结合风电功率的预测均值和预测误差相依性结构,形成短期风电功率场景集合,可以直接用于机组组合等决策过程中。基于某实际风电场进行仿真分析,结果表明,考虑预测误差相依结构的场景集合能够包含风电功率实际值曲线,显示了方法的有效性。     

基于综合Copula函数的风电出力相关性建模

针对单一Copula函数模型在描述风电功率相关性中失真较大的缺陷,提出构造综合Copula函数模型刻画其相关结构的策略,并采用EM方法估计模型中相关参数的值。以某地区两相邻风电场的实际历史出力数据为基础,通过对比不同组合函数的拟合优度校验,筛选出最优的综合Copula函数,并将其运用于系统的概率潮流计算中,作出支路有功功率及节点电压这二者的概率密度曲线,通过与单一Copula函数所得曲线的对比,验证了其在风电场出力建模中的有效性及可行性。     

基于科普拉函数的电、热负荷及风电出力间的相关性分析与建模

针对电力系统经济调度中,热负荷、电负荷和风电出力之间的相关性对节省发电成本和实现风电合理消纳的影响,基于科普拉(Copula)相关性分析理论,提出风-电-热的相关性分析及建模方法.首先采用核密度估计方法确定随机变量的边缘分布,根据二元频率和频数直方图初选合适的Copula函数,通过分布极大似然法进行参数估计,然后通过欧氏距离评价各Copula模型的优劣,最后,以某省的数据为样本进行分析,结果表明提出的方法可以很好地反应变量间的相关性.     

考虑风电非线性相关性的配电网概率潮流研究

风电之间具有非线性相关的特性,研究其对配电网概率潮流的影响,对提高系统的安全性、可靠性和经济性具有重要意义。提出一种考虑风电之间非线性相关性的配电网概率潮流计算方法,该方法基于经验Copula函数生成风电功率样本,与常规的基于高斯分布、t-分布等概率分布函数的方法相比,基于经验分布函数可以较好地反映风电功率的随机特性。建立含风电的配电网潮流模型,介绍PQ节点、PV节点以及PQ(U)节点的处理方法,并采用前推回代法进行解算。最后,将所提方法应用于纯辐射型配网和弱环型配网概率潮流计算中,对比分析不考虑风电相关性、考虑线性相关性以及考虑非线性相关性的结果。对比结果表明,考虑非线性相关性的结果与实际情况更为接近,可为电力系统运行调度提供更为准确的参考信息。     

基于Copula理论考虑风电相关性的源网协调规划

相邻风电场处于相似气象条件下,功率相关性较强。目前源网规划方法假设风电场功率间相互独立,忽略风电相关性对规划的影响,不适用于未来高比例可再生能源电力系统。文中主要提出了考虑风电相关性的源网规划方法,并探讨风电相关性对规划方案的影响。首先,基于Copula理论描述风电功率相关性,通过模糊C均值聚类法考虑风电不确定性,建立了概率风电功率模型。继而,提出考虑风电相关性的经济源网协调规划模型,采用遗传算法求解。通过Garver 6节点系统和巴西南部46节点系统算例分析不同系统规模下风电相关性对规划的影响。算例分析结果表明:风电相关性对局部规划方案影响显著,对全局影响较小,应避免建设连接有相关性较强的风电场接入点的输电线路,减少风电功率趋同变化的不利影响;经济性方面,投资费用增加,运行费用降低,对总费用影响不明显。     

基于阿基米德Copula和拉丁超立方采样的概率最优潮流计算

提出一种考虑随机变量相关性的概率最优潮流算法。选用广义lambda分布拟合最优潮流模型中的随机变量,建立逆累积分布函数;基于Clayton、Gumbel、Frank、Joe生成元,构筑4种部分嵌套式阿基米德Copula模型对随机变量的相关性结构建模;选取Kendall秩相关系数描述随机变量的相关性,采用相关系数匹配法求取Copula模型的参数;基于生成元的拉普拉斯逆变换,将阿基米德Copula与拉丁超立方采样相结合,生成相关的随机样本用于概率最优潮流计算。对某地区10个风电场风速样本的建模和分析,验证了广义lambda分布和部分嵌套式阿基米德Copula模型的有效性。基于IEEE 118节点系统对2种拉丁超立方采样法进行了对比。     

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。     

利用贝叶斯线性回归结合混合Copula函数分析风电功率的相关性

分析风电场之间的出力相关性有助于合理规划风机的功率输送以及调度优化,从而提高传输线路的利用率。以冀北地区风场为例,首先分析了该区域风速的分布特性,然后利用贝叶斯线性回归算法建立混合Copula函数模型,拟合得到4个机群风速序列的联合分布,计算出风电场之间的出力相关性,并与其他相关性函数建模进行对比研究。研究结果表明,基于贝叶斯线性回归的混合Copula函数模型能够提高参数估计的精确性,从而使得计算出的相关性更为准确,并且由其拟合得到的出力概率分布与实际风场出力的概率分布较为一致。     

考虑时空相关性的多风电场出力场景生成与评价方法

含多个风电场的场景生成技术可为电力系统中长期规划和运行提供所需基础数据。为在场景生成过程中计入多风电场风电出力的时空相关性,提出两阶段场景生成方法：在第一阶段,采用Copula函数对多个风电场出力的空间相关性建模,获得多风电场出力的初始场景;在第二阶段,运用随机微分方程对风电场出力波动随机性建模,通过重构初始风电出力场景,使得最终获得的场景中风电序列较好地保留原始序列的时间相关性。为评估生成场景的有效性,构建场景有效性评价指标体系;引入多重分形去趋势波动分析方法,提供刻画风电序列的自相关特性和动态波动特性的多维度指标。以某区域风电场为例,生成风电季度出力场景,结果表明所提方法能够复现原始风电序列的时空相关性。     

基于非对称Copula函数的风电场黑启动储能优化配置

在高比例风电接入的区域电网中,为加快停电后的恢复速度,可以采用风电场配置储能系统作为黑启动电源。针对启动发电机组过程中风电出力平滑问题,提出一种基于非对称Copula函数的储能优化配置方法,以投资成本最小为目标,使风电场具备黑启动电源的能力。将储能的功率配置和容量配置看作2个随机变量,根据样本数据分析两者之间的相关特性,基于非对称Copula函数建立二元联合概率分布进行准确描述。利用核密度估计得到2个边缘概率分布,通过极大似然估计和拟合度测试确定最佳Copula函数。仿真结果表明,所提非对称Copula函数拟合准确度更高,得到的储能配置成本更低。     

基于概率预测的混合储能平抑风电波动随机优化调控方法

在风电场中安装不同类型的储能设备可以有效平抑风电波动,减少风电不确定性给电力系统安全运行带来的影响.对于由风电场和混合储能系统构成的风储混合系统,提出了基于概率预测的混合储能平抑风电波动随机优化调控方法.首先,通过风电概率预测结合多元Copula函数生成具有时间相关性的风电场景集;随后,提出自适应变分模态分解方法计算并网风电功率和混合储能系统充/放电功率的目标预调度值;接着,基于所获得的预调度目标功率,考虑储能充/放电循环次数约束和存储能量机会约束,构建并求解了混合储能平抑风电波动随机优化调控模型;最后,通过算例分析说明了所提混合储能平抑风电波动随机优化调控方法的有效性和经济性.