基于混合Copula的风光功率相关结构分析

先分析风电场、光伏电站之间的出力相关性,为刻画风光出力的非线性和尾部特性,引入线性加权的混合Copula函数,分别建立风电-风电、光伏-光伏功率的联合分布函数,相比基本Copula函数类型捕捉结构特性更为精准。再通过期望值最大(EM)法估算参数,得到相关程度指标,进行模型优度检验。对宁夏吴忠地区的风电场和光伏电站发电功率相依结构分析表明,同一地区虽然风电-光伏出力之间相关水平较低,但风功率间具有不对称的上厚尾特性,光伏功率间具有不对称下厚尾特性,关联紧密。所建Copula模型可为考虑风、光出力相依结构的调度策略制定提供参考。     

基于Sobol序列和混合Copula的含风电和光伏电力系统暂态稳定分析

为研究风电场和光伏电站接入对电力系统暂态稳定的影响,将Sobol序列应用于计算系统的暂态稳定分析,该方法的采样值具有均匀分布特性,较少的仿真次数便可得到准确的仿真结果。同时运用混合Copula函数度量风电场之间及光伏电站之间的相关性,并通过计算所选Copula函数到经验Copula函数的平方欧氏距离来评价模型的优劣。IEEE 39节点算例系统验证Sobol序列的有效性,并将不同的风电场和光伏暂态模型接入IEEE 39节点系统,研究不同模型对系统暂态稳定的影响。     

基于小波分析与神经网络的光伏电站功率预测方法

针对光伏电站输出功率时间序列表征出来的周期性非平稳特性,提出一种基于多尺度小波分解和神经网络相结合的光伏功率预测方法。将光伏电站输出功率时间序列在不同尺度上进行小波分解,得到逼近信号和多层细节信号。利用神经网络逼近非线性函数的能力,选择理论计算太阳辐照强度和气象环境逼近信号作为逼近信号神经网络模型的输入,选择气象环境细节信号作为细节信号神经网络模型的输入。输出结果叠加合成得到原始光伏电站输出功率序列预测值。算例分析表明,该文提出的将光伏电站输出功率时间序列分解为周期性逼近信号和准平稳细节信号,并分别采用神经网络建立预测模型的方法保证算法的收敛性和预测精度。     

基于混合Copula优化算法的风速预测方法研究

针对风电场中各风电机组风速之间存在的复杂时空相关性问题,提出一种基于混合Copula优化算法的风电场风速预测方法。该方法首先分析单一Copula函数拟合优度检验,选取合适Copula函数进行组合;其次,构建混合Copula函数模型对风电场内多风电机组风速相关性进行分析;最后应用最大期望（EM）算法求解模型相关系数并完成风速预测。结合优化算法,改进Copula函数能很好地解决风速相关性问题,为获取准确风速预测值奠定基础。以中国某地区风电场风电机组实测风速数据为例对所提方法进行验证,实验结果表明该模型可在准确分析风速相关性的基础上提高风速预测准确性。     

基于Copula函数的长江堤防岸线土体参数分布模型研究

针对二维独立分布不能考虑变量间相关性，导致堤防边坡稳定性的可靠度计算结果不够准确的问题，基于171组长江堤防岸线土体抗剪强度试验数据，采用Copula函数研究长江堤防岸线土体抗剪强度参数间相关性，利用AIC、BIC准则识别最优边缘分布与Copula函数，构建二维联合分布模型，并分析数据量对参数间相关结构识别的影响。结果表明，基于Copula函数的二维联合分布模型能够较准确地表征长江堤防岸线土体参数间的相关性；当数据量大于24组时，AIC、BIC准则可准确识别最优Copula函数，为堤防边坡可靠度计算和Copula函数模型的构建提供参考。     

基于组件输出功率估算的光伏电站经济效益研究

基于辐照度、温度等环境因素对光伏组件输出功率的影响程度,建立了光伏组件输出功率估算模型,对光伏电站的总装机成本、运营成本及收益进行了分析,给出了光伏电站项目的现金流,并选择内部收益率指标和净现值法,分析了光伏电站的经济效益,推导出期望内部收益率下的光伏电站成本、规模与发电量之间的匹配模型,提出了经济发电量和环境约束发电量的概念。通过算例对比分析两种发电量的差异,验证了模型的有效性和实用性,为光伏电站的选址和装机容量的选择提供了决策依据。     

计及功率相关性的光伏电站群置信容量评估方法

由于光伏发电的随机性、间歇性等特点,评价光伏电站群置信容量时必须充分考虑光伏发电功率波动及光伏电站间功率的相关性。通过对光伏电站群功率特性的分析,采用Copula函数模拟光伏电站间功率相关性,建立计及太阳辐射时变性及功率相关性的光伏电站群功率模型,并以此评估光伏电站群置信容量。算例以IEEE—RTS79为规划系统,以缺电时间期望(loss of load expectation,LOLE)及电量不足期望(loss of energy expectation,LOEE)为指标,计算不同装机容量下光伏电站群置信容量。结果表明,与传统方法相比,本方法可以更实际地评估光伏发电的置信容量。     

基于小波包与LSSVM的短期光伏输出功率预测研究

由于太阳辐照度及其他气象会随时发生变化,导致光伏电站输出功率具有可变性和不确定性,这将会对电网的安全运行造成重大影响。文章研究了影响光伏电站输出功率的几种气象因素,提出了一种基于小波包与最小二乘支持向量机(LSSVM)的短期光伏电站输出功率预测方法。首先,利用小波包将原始光伏电站输出功率,以及太阳辐照度、环境温度、环境湿度等气象因素进行分解,得到基频信号和多层高频信号;然后,利用最小二乘支持向量机所具有的处理小样本数据和解决非线性函数的能力,将得到的基频信号和多层高频信号作为最小二乘支持向量机的输入变量;最后,将不同尺度的输出结果进行叠加、合成,得到原始光伏电站输出功率的预测值。仿真结果表明,与传统的最小二乘支持向量机预测法、BP神经网络预测法,以及EMD与LSSVM相结合的预测方法相比,文章预测方法的预测精度较高,可以有效地预测光伏电站输出功率。     

基于Copula理论的电动汽车光伏充电站储能配置

基于Copula理论,选取Gumbel-Copula和Clayton-Copula构建混合Copula函数来描述光伏出力和电动汽车充电负荷的相关性,在两者联合出力概率密度函数基础上模拟充电站的年净负荷量。在波动率、置信度等条件的约束下,建立以集成充电站年运行成本最小为目标函数的储能配置模型。采用基于差分进化策略的改进入侵杂草优化算法对实例进行计算。结果表明,考虑相关性的配置模型能以较小储能容量和运行成本满足约束条件的要求,同时相比于单一蓄电池配置方案,混合储能配置方案能减缓电池折旧,更有益于提高经济性。     

基于UGF的光伏发电系统可靠性及容量置信度研究

为计算光伏发电系统可靠性及置信容量,首先通过通用生成函数法建立辐照强度及各元件的多状态u-函数模型,综合辐照强度的波动性和元件的随机故障特性建立光伏电站输出功率概率模型;其次运用有效载荷容量法求解光伏电站置信容量,并对影响光伏电站置信容量的各因素,如光伏装机容量、光伏电站出力状态数、组件故障特性及组件额定功率进行灵敏度分析;最后,IEEE-RTS79算例验证了该方法的有效性。     

基于综合Copula函数的风电功率相关性分析及其在无功优化中的应用

相同区域内的风电场风电功率之间存在较强的相关性,基于相关性分析理论,对5种Copula函数特性进行逐一分析,分别对某地区存在相关性的实际风电功率进行拟合和对比,进而构建综合Copula函数模型,对模型参数采用EM方法进行估计,并对构建的综合Copula函数进行拟合优度检验和对比,选取最优函数组合,运用多场景技术构建的两风电出力场景,对实际系统进行无功优化,验证了综合Copula函数模型在无功优化中运用的合理性和有效性。     

联网光伏电站可调度运行特性分析

由于受光照、温度等自然条件的影响,目前光伏电站联网运行时不具备可调度性,给电网稳定运行带来一定影响,造成电力用户供电电能质量不高。分析了配备混合储能系统的联网光伏电站的基本结构,从电网角度探讨了光伏电站的可调度运行模式;针对光伏电源输出功率波动问题,采用混合储能对其进行平滑控制,优化了输出功率特性,为制定调度计划奠定了基础。通过Matlab编程仿真,验证了所提出方法的有效性 。     

基于小波变换和神经网络的光伏功率预测

提出了一种小波分解(Wavelet Transform,WT)和径向基函数神经网络(RBFNN)相结合的预测方法,并引入理论太阳辐照量、温度和相对湿度数据来预测未来24 h光伏电站的输出功率。小波分解能有效地表征光伏电站输出功率时间序列的局部特征,人工智能方法可以捕捉到光伏发电中的非线性特性。预测结果表明,采用该方法预测光伏电站输出功率,能有效地提高预测精度。     

基于地基云图分析的光伏功率预测系统设计

光伏发电具有波动性和间歇性,直接导致输出功率的波动,从而给光伏电站输出功率预测带来巨大困难。传统的基于物理和统计模型,结合数值天气预报的光伏功率预测技术在遇到因云遮挡而导致光伏功率骤然下降的情况下,预测结果具有滞后性。文章在研究基于地基云图观测图像数据在线采集分析方法的基础上,通过云团识别、云遮挡预测、畸变校正与投影变换以及与光电转换模型、云强迫分析模型集成等关键技术环节,提出基于云图图像分析光伏电站输出功率预测系统的设计方法,理论分析和数据分析证明该方法对1h内或2~4h的光伏短期功率预测可以获得理想的精度,并具有广泛的适用性。     

基于气象相似性的光伏电站输出功率估计

为了得到光伏电站的输出功率,提出一种基于气象相似性的输出功率估计方法。该方法通过对大量历史数据的分析,利用光伏电站输出功率与气象数据密切相关的特点,基于皮尔逊相关系数在历史数据中计算得到与待估计输出功率相似的气象时刻,再根据相似气象时刻的输出功率估计待估计时刻的输出功率。利用甘肃省某光伏电站采集的包含9个气象要素的历史数据,经过数据预处理之后挑选出214 d不含有异常数据的数据集作为数据样本,并随机选出14 d不同天气类型的数据作为测试样本,其余作为训练样本。通过对测试样本数据进行验证,所提出的估计方法平均绝对误差仅为0.46 MW,相对误差仅为15.74%,具有较高的计算准确度,且适用的气象条件更广泛。     

基于条件相依特性的风速仿真模型及其应用

基于相邻时刻风速相依关系提出一种时序风速模拟模型。采用一阶连续状态马尔科夫链(CSMC)描述风速时序转移变化规律;利用连接函数(Copula)捕捉相邻时刻风速变量间的条件相依关系,进而得到连续转移核。该模型采用连续转移核代替离散转移矩阵,避免了离散化过程造成的数据信息丢失;利用Copula函数能够刻画不同类型的相依结构。实际风速数据验证表明,该文模型能较好地保持原始风速数据的概率分布特性和时序相依特性。将该模型应用于IEEE-RTS可靠性测试系统,结果表明该文提出的模型可用于含风能的电力系统可靠性评估。     

Copula函数和AR模型在洪水随机模拟中的应用

应用Copula函数构造了洪峰与历时的联合分布及非平稳自回归模型模拟截口序列,基于联合随机抽样方法进行大样本的洪水随机模拟并提出了一种新的洪水随机模拟方法.结果表明,该混合模型能较好地描述洪峰、历时的统计特性及相关关系,克服了传统模拟方法对历时描述较差的缺点.     

考虑光伏出力预测误差修正的储能优化配置方法

首先,基于k均值聚类和Copula理论建立不同天气类型下光伏出力的条件预测误差分布模型,并利用该模型修正储能运行时序模拟算法中的光伏出力预测值;其次,以跟踪光伏电站计划出力为控制目标,并以光伏电站寿命周期内年均收益最大为经济性优化目标,综合考虑储能全寿命周期成本、偏离计划出力的惩罚成本和光伏电站收益,采用粒子群算法和时序模拟计算法搜索最优的储能配置方案。最后,以安徽某地额定容量为100 MW的光伏并网电站储能配置方案为例,对所提出的方法进行验证。仿真算例表明,考虑修正与不考虑修正的情况相比,光伏电站的经济性得到提高,所需储能的功率和容量减小。     

基于智能水滴算法优化Elman神经网络的光伏电站输出功率预测

提出一种智能水滴(intelligent water drops,IWD)算法优化Elman神经网络的光伏电站输出功率预测模型。利用智能水滴算法对Elman神经网络的权值和阈值进行优化,可提高网络的训练效率。将IWD优化Elman神经网络模型、传统Elman神经网络模型和BP神经网络模型的预测结果分别与光伏电站的实际出力数据进行对比。结果表明,所提出的IWD-Elman神经网络模型具有较高的预测精度。     

基于相似日和神经网络的光伏发电预测

光伏发电系统的输出功率受到季节、太阳辐射强度、温度和湿度等气象条件影响,呈现出时变性、间歇性和随机性。文章提出了基于相似日原理和改进的BP神经网络预测方法,利用光伏电站的历史气象信息建立气象特征向量,基于曼哈顿距离寻找相似日,根据给定的不同预测日选取3个相似日的输出功率作为预测模型输入,直接预测发电站的输出功率。以某光伏电站为例进行建模预测,并通过预测误差分析证明了算法的有效性。