风电功率短期预测及非参数区间估计

为满足电网规划的要求,风电功率预测系统不仅需要提供确切的预测值,还应该对预测值包含的风险做出合理的评估。利用人工神经网络预测风速、风向,并根据实测功率曲线获得风电功率预测值。分析了造成风电功率预测结果不确定的影响因素,提出一种基于预测误差分布特性统计分析的非参数置信区间估计方法,对各功率分区内的预测误差概率密度函数进行建模,并在确定性预测基础上求取概率性风电功率预测值。仿真结果验证了该方法的实用性与有效性。     

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。     

考虑功率数据相关性的风电功率超短期预测

通过对风电场内部不同区域风电功率序列的相关性进行分析,确定风电机组的空间差异性对风电功率预测产生影响,提出一种提高风电功率超短期预测效果的分层叠加预测方法。基于东北某风电场实测数据的算例分析表明,相同的风电功率预测方法,使用分层叠加法预测比整场预测误差小,更能提高风电功率超短期预测效果。     

中国短期风电功率预测技术现状与误差分析

风电功率预测是风电调度运行的基础,对提高中国风电消纳水平具有重要作用。以短期风电功率预测为研究对象,针对短期风电功率预测涉及的主要技术环节,分别梳理了国内外的研究历程,对比分析了国内外短期功率预测技术的优势。在此基础上,介绍了中国风电功率预测系统的建设情况和实际应用中的预测误差情况,从时间、空间、概率分布3个维度分析了误差的特点,从输入数据、功率预测模型2个环节分析了误差产生原因,并总结了全球面临的共性问题和中国面临的特有问题。最后从应用角度出发,对中国短期风电功率预测精度提升策略给出了相关的建议。     

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.     

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.     

基于功率波动过程的风电功率短期预测及误差修正

风资源因具有较强的波动性、随机性与间断性等特点而导致风电功率预测精度不高。为减小风电功率波动对电网的冲击,提高电力系统对风电的接受与消纳能力,提出了改进的风电功率短期预测方法与基于波动的误差修正方法。首先将风电功率按不同波动过程进行聚类划分,提取不同波动的特征曲线对功率值进行修正;采用引力搜索算法优化的反向传播神经网络(GSA-BP)作为基本预测方法进行预测;分析不同波动过程下的预测误差表现,建立预测误差与综合气象指标的映射关系。针对不同波动过程建立相应的风电功率误差修正模型,提出了线性模型和GSA-BP非线性模型相结合的方式对预测误差进行修正,最后以功率预测值叠加预测误差修正值作为最终预测结果。该风电功率预测误差修正方法不仅涉及风速风向等常规因素,而且考虑到了风电功率的波动性。     

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。     

基于误差修正的NNA-ILSTM短期风电功率预测

为更准确预测短期风电功率,提出了一种基于误差修正的NNA-ILSTM短期风电功率预测方法。首先,采用斯皮尔曼（Spearman）等级相关系数法对风电功率影响因素分析,选出相关性较高的参量;其次,对长短期记忆网络添加注意机制与修改损失函数以解决其对有效信息筛选不足的问题,利用神经网络算法（NNA）优化改进的长短期记忆网络（ILSTM）中的神经元数量和时间步长,提高其预测精度以及泛化能力,构建NNA-ILSTM预测模型;最后,分析预测误差与风电功率、风速之间相关性,构建误差修正模型,对NNA-ILSTM模型预测结果进行修正,得到风电功率预测的最终结果。实验结果表明,所提出的模型可以显著提高风电功率预测精度。     

风电功率预测误差分析及预测误差评价方法

风电功率预测对含大规模风电的电力系统安全、经济运行有着重要意义。分析了风速和风功率特性、预测模型算法和预测模型输入变量对风功率预测误差的影响;以某风电场实测数据为例,对预测结果采用误差评价指标进行了评价分析,提出通过预测模型修正逐步减小风电功率预测误差的方法,给出了预测模型修正流程图。可为提高风电功率预测精度提供参考,从而使功率预测系统可以更好地服务电力生产。     

按时序特征优化模型后在线选配的超短期风电预测

讨论超短期风电功率预测(USTWPP)模型的适用性。提出的USTWPP方法,从历史数据的风电功率时间序列(WPTS)中筛选特征量,选择门限值,并将短窗口内的WPTS划分为不同形态的子集,以及一个囊括所有不具有排他性分类特征的"非形态子集"。然后在离线环境下,分别按对应的训练样本优化各子集专用的预测模型及参数。在线应用时,将当前时刻前一个短窗口的WPTS与各子集的分类判据比对,以归入上述子集之一,然后调用相应的预测模型完成USTWPP。最后,以实际算例验证了该方法的有效性。     

可信度控制下的相继开断潮流快速计算

电力系统相继开断的分析面临着维数灾和交流潮流计算量大的瓶颈,分布因子法被广泛研究以减少其计算量。但由于分布因子法忽略了非线性因素,误差不但难以控制,并随相继开断不断积累,严重阻碍其实际应用。为了使开断潮流的计算兼具分布因子法的快速性和交流潮流法的精确性,基于摄动获取的二阶灵敏度,提出分布因子法的可信度指标,并据其判断是否需要运行一次交流潮流来消除累积误差。仿真实例表明,该指标能可靠地估计分布因子法的误差,而设计的计算框架则在保证精度的基础上,提升了计算效率。     

基于混沌理论的风电功率超短期多步预测的误差分析

风电功率对电力系统的安全运行、合理调度等方面有不可忽视的影响。掌握风电功率预测误差的分布特性,对风资源的大规模开发利用具有重要意义。利用两种混沌预测方法进行风电功率超短期的预测。并且以东北某风电场的实测风电功率数据为例,分析了超短期风电功率预测误差的概率分布、预测误差与超前预测步数之间的关系、预测误差与风电场出力情况之间的关系以及预测误差与装机容量之间的关系。该研究为揭示风电功率超短期多步预测的误差构成及修正奠定了理论基础。     

台风及暴雨对电网故障率的时空影响

分析了台风及暴雨影响电力设备故障率的途径;指出停电防御系统为此应拓展采集的数据,包括宏观的天气预报信息及就地的气象数据;提出上述自然灾害中的电网故障率时空预警框架。根据气象信息,结合环境信息及地形地貌信息,预测台风及暴雨的时空演变趋势,并按地理特征修正,在线预报恶劣气象直接或通过山洪、滑坡和泥石流等次生灾害造成输电线断线、倒塔、闪络等故障率的改变。通过自然灾害与电力系统稳定分析模块的接口,将在线安全分析由针对不变的预想故障集改进为跟踪灾害动态修正的预想故障集,使停电防御系统对台风及暴雨灾害具备一定的预警及决策支持能力。     

一种多指标综合静态电压稳定薄弱母线辨识方法

探讨了一种多指标综合电压稳定性辨识方法。该方法基于节点电压变化、电压有功灵敏度、母线参与因子三个电压指标,以客观赋值与主观赋值组合方法对上述3个指标分别赋予不同权重求得综合指标以辨识系统各节点薄弱程度。最后以湘西南某实际电网为仿真对象进行分析,以单一指标与综合指标分别辨识系统薄弱母线,验证该综合辨识方法的全面性、有效性与科学性。     

山火灾害对电网故障率的时空影响

根据山火造成电力设备故障的途径和机理,建立输电线在山火灾害下的故障率修正模型,提出按电网故障率的时空分布预警防御算法。将山火信息与地理环境及气象信息相结合,预测山火的蔓延行为;动态评估线路闪络概率,预报输电线故障率的时空分布。使风险越大的潜在故障得到越高的关注度,提高电网停电防御系统对山火灾害的预警能力。     

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。     

柔性负荷互动影响量化评估方法

负荷侧资源参与电网调控运行是平衡以风电为代表的新能源波动的重要手段之一。但柔性负荷响应的随机性、自主性与无序性也将给电网运行带来更多的不确定性。为评估柔性负荷参与电网互动的效果和影响,提出了柔性负荷互动影响评估的技术框架;建立了基于电价和激励机制的互动响应模型,并从柔性负荷的互动参与度、互动效果和电网安全性3个方面构建了评估指标体系,设计了计及互动演变过程的量化评估方法。通过对IEEE 39节点的算例分析,验证了模型、指标和分析方法的有效性。     

分布式电源电压支撑能力层次分析评价

分布式电源(Distributed Generation, DG)大规模接入配电网,其电压支撑能力能够提升系统供电能力,改善电能质量。为量化评价DG的电压支撑能力,设计DG低电压支撑能力、限界电压合格率和限界功率损耗三项评价指标。通过功率圆限定指标评价范围,降低DG供电能力范围外节点对评价指标的影响,提高评价指标的准确性和灵敏度。改进指标间的权重系数算法,提出一种基于层次分析法的DG电压支撑能力评价方法,从低电压位置、电能质量、功率损耗三个角度量化评估配电网供电性能。根据评估结果计算判别标度,得到DG电压支撑能力综合评价结果。最后,基于某实际43节点中压配电系统进行算例仿真,验证了所提指标与评价方法的有效性。     

电力系统注入转移分布因子的概率估计

电力系统监测技术的迅速发展,为基于样本信息的电力系统分析技术提供了坚实的数据基础,为电力系统运行分析理论的发展提供了新的思路。注入转移分布因子是电力系统重要的线性化因子,支路开断分布因子、功率传输分布因子、开断传输分布因子等线性化因子均可由注入转移分布因子直接导出,因此,注入转移分布因子在电力系统阻塞管理、安全校验、优化潮流等应用中具有重要的作用。在上述背景下,文中基于贝叶斯线性回归建模技术与吉布斯采样数值解法提出了一种基于量测数据的注入转移分布因子的概率估计方法。该方法除具有基于量测注入转移因子确定性估计方法的优点外,更能够提供概率性的估计结果,在给出注入转移分布因子估计值的同时,量化由于线性化、测量偏差等因素造成的估计误差,为发展具有鲁棒性的电力系统安全评估、调度决策技术提供了必需的决策依据。利用河南省局部输电网络的实际量测数据对所述方法进行了测试,实验结果验证了该方法的可行性与有效性。