考虑风电功率概率分布不确定性的含风电配电网无功规划方法

由于风电功率预测的局限性,难以准确而有效地刻画风电功率的概率分布函数,提出考虑风电功率概率分布不确定性的含风电配电网无功规划方法。该方法可有效应用于风电概率分布集合中的任意分布情况,在一定概率约束下保证配电网的安全运行要求,同时最小化配电网网损和无功设备投资成本之和。采用概率分布鲁棒机会约束模型描述含风电的配电网无功规划问题,根据潮流平衡等式分离节点电压和支路功率约束中的随机向量,根据条件风险价值(CVaR)的物理意义构建关于节点电压约束和支路功率约束的CVaR模型,利用对偶优化、Schur补和S-lemma的性质将该模型转化为确定性的双线性矩阵不等式(BMI)问题。采用基于BMI优化的免疫粒子群算法求解该问题。改进的IEEE 33节点配电系统仿真结果验证了所提无功规划方法的可行性和有效性。     

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。     

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。     

风电并网关键技术：风电的直接概率预测

风电是一种重要的可再生能源,但风电具有的高波动性和随机性使其大规模并网运行面临各种困难和挑战。准确的风电功率预测是减少风电并网风险的关键技术之一。由于风电功率时间序列的高度波动性,传统的基于点预测方法无法提供可靠的风电功率预测结果。基于概率区间的风力发电预测技术能够同时量化预测误差和相关概率,从而降低由于预测误差带来的各种风险,可以更有效地支持电力系统应对各种不确定性和风险。首先总结风电功率预测技术的最新发展,然后提出了一个基于超级学习机和进化计算的方法直接生成风电预测区间。相较于已有的方法,所提出的算法优点在于能够直接通过一次性优化过程产生预测区间,从而在保证高有效性的前提下简化了模型和计算量,避免了传统方法中包含的误差数据分析等高计算量的步骤。通过丹麦实际风电场数据对所提出的方进行了各种测试,结果表明该方法能够高效和准确地提供风电功率概率预测区间。     

基于非参数回归模型的短期风电功率预测

随着风电接入规模的增加,风电功率预测日益重要.非参数估计方法是模型估计和预测的典型方法之一,在国内短期风电功率预测中尚无应用.文中将非参数回归技术应用于短期风电功率预测,包括风电功率点预测和风电功率概率区间预测.首先,基于非参数回归模型,建立风速与风电功率之间的转换模型,得到风电功率的点预测值;其次,基于经验分布模型与非参数回归技术,建立风电功率预测误差的概率分布函数,得到风电功率预测值的概率区间.以内蒙古某风电场为例,验证了将非参数回归技术应用于风电功率预测的有效性.     

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。     

集成服务环境下风电并网的无功调节（一）无功调节

依据风电功率预测和地区系统无功优化运行方案,计算风电机组电气控制参考值,通过每台风电机控制器和变频器调节风电场注入系统的无功功率。提出了集成服务环境下风电场的无功调节策略,介绍了风电数据采集与监控（SCADA）系统的功率预测过程和参数整定过程。以基于双馈异步发电机的变速恒频风电机组为例,介绍了风电机组无功调节的实现方案。     

考虑预测误差分布特性的风电场集群调度方法

为应对大规模风电集中并网给电力系统有功功率平衡带来的影响,将风电功率预测信息纳入电力系统日常调度是为应对大规模风电集中并网给电力系统有功功率平衡带来的影响,将风电功率预测信息纳入电力系统日常调度是必然趋势。现有考虑预测信息的风电场集群有功调度方法一般采用确定性风电预测数据,由于风能特性和预测水平限制,难以满足电力系统调度精度需求。因此提出一种考虑风电功率预测误差分布特性的有功功率调度方法,该方法首先通过历史数据统计分析得到风电场风电功率预测误差的概率分布,然后以风电场集群下发有功指令后各风电场输出的风电功率缺额的数学期望之和最小为优化目标,优化分配风电场集群调度指令,减少因风电有功预测误差导致的风电场群输出有功功率与集群调度要求之间的功率差额。通过风电场实际数据验证了所提方法的有效性和先进性。     

一种风电功率概率区间多目标智能优化预测方法

风电的间歇性和不确定性给大规模风电并网带来了挑战,风电功率的单点预测已很难满足电网安全稳定运行的需求。提出了一种基于小波神经网络的风电功率区间预测多目标优化模型,改进了基本多目标人工蜂群算法的概率选择作用和约束删减策略,以优化小波神经网络的伸缩因子、平移因子和权值解决了区间预测单目标优化模型下惩罚系数的不合理选择问题,提高了风电功率区间预测可靠性。通过分析与单目标优化方法、传统多目标优化方法下区间预测指标的对比结果,表明所构建的多目标智能优化模型对风电功率区间预测具有更优越的性能,可为电网调度提供决策依据。     

大规模风电接入电网多目标电源的协调控制

针对负荷、风电出力波动规律和电网不同时间尺度安全运行目标,采用多时间尺度、多电源、多控制目标的协调控制策略,提出了基于大规模风电消纳的协调控制技术,构建了区域电网内风电功率与常规电源的协调控制系统。利用该协调控制系统,在有功控制方面解决了未来7d、日前、日内风电有功出力和燃煤火电机组的协调控制问题,在无功控制方面解决了考虑风电功率分布规律的无功补偿容量优化的决策问题。     

含风电机组的配网无功优化

研究了分布式电源中发展较为成熟的风力发电机组并网后配电网的无功优化问题,提出一种基于场景发生概率的无功优化综合指标,该指标由网损和静态电压稳定裕度两部分构成。基于该指标,提出一种新的无功优化模型。在该模型中,提出风电机组输出功率典型场景的选取策略,无功优化潮流计算中考虑了风电机组的特点,将其作为电压静特性节点处理。在求解方法上,采用基于自适应权重的遗传算法求解。算例表明,提出的模型和算法是可行的,对风电系统的运行具有一定的参考价值。     

双馈风力发电场无功支撑范围的鲁棒估计

双馈异步发电机无功功率在一定范围内可调,双馈风力发电场可作为新型无功源向电网提供无功支撑。由于风电场内网络约束的非线性以及双馈风力发电机有功功率的不确定性,难以准确估计双馈风力发电场的无功支撑范围,对此提出鲁棒估计方法。首先建立基于两阶段鲁棒优化的无功支撑范围估计模型,其中第1阶段优化给出候选的最大无功支撑范围,第2阶段优化检查在各种不确定场景下,风电场是否均可提供候选范围内的无功功率。为便于求解,通过锥松弛和对偶转化将非凸的第2阶段问题转化为凸优化问题,并通过罚因子保证松弛解的精确性。基于列约束生成算法求解该鲁棒优化模型,得到最大无功支撑范围。最后给出风电场作为无功源参与电网无功优化的策略。算例证明了所提方法可以准确估计风电场的无功支撑范围以及策略的可行性。     

考虑风功率分布规律的风电场无功补偿容量优化决策

双馈型风电机组的无功调节范围随其有功功率输出变化而存在波动性,极端条件下,又有其不可调节性,由此必然降低其对自身电压水平支撑的持续性。为此,在依据功率估算数据对风电场输出功率分布特性进行统计分析的基础上,提出考虑风功率分布特性的风电场无功补偿容量优化决策方法。该方法在充分计及双馈感应发电机无功调节能力与风功率分布特性的前提下,以无功补偿的投资成本与运行成本最小化为目标,构建无功补偿容量优化计算模型。该研究可使双馈型风电场的无功补偿决策更具针对性,并以最小代价实现该类风电场连续、无缝的无功电压调节。应用改进粒子群优化算法对所构建算例系统进行求解,分析结果表明了该研究的有效性。     

考虑风电接入的电力系统无功优化

研究了含风电场的电力系统无功优化,提出了通过潮流计算得到风电场的无功补偿容量,利用非线性原-对偶内点法对整个电网进行无功优化的新方法。建立了风电机组的稳态模型,介绍了风电场在电力系统潮流计算中的处理方法。通过潮流计算得到风电场的无功补偿容量,建立以有功网损最小和电压水平最好的多目标无功优化模型,在满足各种约束条件下采用非线性原对偶内点法对该模型进行优化求解。通过烟台电网的实际计算结果验证了该方法的可行性和实用性。     

多负荷水平下含风电接入的配电网无功优化

由于风电输出功率的随机性,风电机组的大量接入给配电网无功优化带来更多不确定性因素。为了提高配电网无功优化对风力发电并网的适应能力,建立了多负荷水平下基于场景分析的考虑风电接入的多目标无功优化模型。该模型综合考虑了节省电能损失费用和节点电压偏差2个指标,将2个指标进行模糊化,采用最大化模糊满意度指标法将多目标优化问题转换为单目标优化问题,然后采用自适应遗传算法进行求解。并以IEEE 33节点测试系统为例,计算和分析了在不同场景时最大负荷、一般负荷和最小负荷3种负荷水平下,电容器投切、系统有功损耗、节点电压以及节省电能费用情况。计算结果表明,所提出的无功模糊优化方法,在不同负荷水平、不同场景下改善电压质量和降损节能效果显著,适合多负荷水平下含风电机组的配电网无功优化需要。     

含风电场与电动汽车充换电站的电力系统经济调度

在分析风电和电动汽车发展形势的基础上,提出将电动汽车充换电站视作储能电站引入电网调度,为含有风电场的系统提供备用.通过对风电出力和充换电站可用容量的预测,考虑风电和充换电站建立经济调度模型,提出模型优化策略,并采用粒子群优化算法（PSO）求解.通过算例验证了模型和算法的正确性和有效性.     

计及无功裕度的配电网两阶段无功优化调度策略

为了解决高比例可再生分布式电源(renewable distributed generation,RDG)接入配电网后各类可调资源的协同调度和时空耦合问题,提出了计及动态无功裕度的两阶段配电网无功优化调度策略。利用Copula理论建立考虑风光不确定性和相关性的预测模型,第一阶段综合考虑电压偏差、运行成本和动态无功裕度3个指标建立日前多目标优化模型,第二阶段在短时间尺度上进一步利用连续调节装置应对风光波动性,在充分协调配电网中可调资源的同时实现快慢时间常数各异的无功调节装置差异化管理。最后在改进的IEEE 33节点系统上进行仿真,结果表明所提协同优化策略能够提高系统的安全经济效益,验证了风光相关性对系统的影响。     

基于场景时域概率的主动配电网全协调无功优化

针对主动配电网中风光荷储具有随机性和间歇性,无功全协调优化困难的问题,提出一种基于时域概率的场景分析法,采用CURE聚类法削减全场景数量,然后依次计算全场景的时域概率;提出一种计及源网荷储全协调互动的无功优化策略,通过求解网购电量最小为主要目标的有功优化模型得到集中式储能和可中断负荷的有功功率,以此建立主动配电网无功优化模型,并运用多目标粒子群算法求解,最后以某市一条10 kV配电线路为例验证本文方法的可行性和鲁棒性。     

含风电系统的无功优化调度

针对恒速恒频和变速恒频两类控制模式对风电机组分别进行建模,以系统有功网损最小为目标,以常规发电机和恒电压控制模型风机的无功出力、变压器抽头位置和投入的电容电抗组数为控制变量,建立了含风电系统的无功优化模型。采用原对偶内点算法进行求解,对于模型中的离散变量,提出了优化归整轮流迭代的方法来进行处理。对海南电网汛小方式的算例分析表明,该无功优化模型和方法可以明显地降低系统网损和系统运行成本。     

计及不确定性的分散式风电场与地区电网协调无功优化调度方法

针对地区电网中分散式风电多点接入导致的电压波动问题,本文提出了考虑不确定性的分散式风电与地区电网协调控制的无功优化调度方法。首先计及风速不确定性和风电场内接线,构建了分散风电场无功可调容量预测模型;在此基础上,将风电出力和负荷不确定性处理为区间约束,提出了地区电网的双层无功优化模型,上层以地区电网网损最小为优化目标,下层用来寻找电网运行的最恶劣场景,使得在满足电压运行要求的同时降低网损,兼顾安全性与经济性;最后采用遗传算法与内点法相结合的方法对模型进行求解,并以某地区电网为算例,MATLAB计算结果验证了所提策略的可行性和有效性。