基于随机预测控制理论和功率波动相关性的风电集群优化调度

为解决大规模风电并网的日内调度和实时控制问题,提出一种基于功率波动时间相关性和随机模型预测控制理论(fluctuation temporal correlation stochastic model predictive control,FTC-SMPC)的风电集群优化调度方法。基于单风场预测模型及误差模型,建立了表征风电集群功率动态波动时间相关性的预测误差的多元高斯概率密度函数(multivariate Gaussian probability density function,MGPDF)。通过逆变换抽样技术和场景缩减技术,从MGPDF随机生成的大量符合风电集群功率波动时间相关性的场景中选取风电功率预测典型场景。以典型场景集合为基础,建立调度周期内各场景弃风电量期望最小的日内调度模型。以风电集群日内调度曲线为参考,建立各风场功率缺额期望最小的风场实时控制策略。算例分析表明,相比于传统SMPC调度模型,文中所提调度模型能更准确地反映风电的波动特性并使调度曲线更加平滑,进而提高了对大规模风电的消纳能力。     

考虑目标分解及其互补平抑的风电场复合储能容量优化

融合多种储能介质优质特性的复合储能将是未来储能技术发展的重要方向。以具备规模化应用可行性的铅酸蓄电池(VRLA)与全钒液流电池(VRB)为例,针对复合储能系统研究了其容量优化配置计算方法。首先,针对复合储能系统介质特性分解平抑功率目标;其次,构建发挥各介质优势且可协调优化的复合系统充放电策略;最后,建立以复合储能系统经济性运行为目标函数的容量优化配置模型,并基于粒子群优化(PSO)算法实现了求解计算。某风电场实际运行数据分析结果表明,经文中方法优化配置的复合储能系统在等效运行成本、平抑效果、充放电次数等方面均得到了优化,验证了该方法的有效性。     

多时空尺度协调的风电集群有功分层预测控制方法

大规模风电集群内风电场数量众多,分布范围广,提高风电集群有功控制能力十分关键。为此,该文基于模型预测控制理论,提出一种考虑多时空尺度协调的风电集群有功分层预测控制方法。该方法将风电集群在空间尺度上分为三层控制层,将超短期风电功率预测值在时间尺度上逐层细化,并对各层滚动优化环节进行了优化建模。其中,在预测模型环节采用物理方法和统计方法结合的组合预测模型,在反馈校正环节采用基于误差波动性分析的方法。在区域层内以功率变化趋势与风电场运行状态为信息进行动态分群,在单场层内考虑风电集群送出通道利用率与自动发电控制机组下旋转备用空间以促进风电消纳。仿真分析中通过与常用有功分配方法对比,结果表明文中所提方法在保证系统安全运行和满足集群计划的同时,能够提高风电消纳能力,合理利用风能资源和分配集群内风电功率。     

利用快速S变换及2DPCA的同调机组识别

提出一种基于快速S变换及二维主成分分析法(2DPCA)的机组同调识别方法。根据相量测量装置测得的电气运行变量计算得到机组实时功角信息,采用快速S变换将每台发电机的功角信号转换为时频特征模值矩阵,用2DPCA提取矩阵特征指标,并利用自组织神经网络实现机组同调分群。IEEE-39节点系统和加纳实际电网系统算例表明,该方法能够很好消除噪声影响,充分提取功角信息时频域特征,准确识别系统机组同调性。     

考虑调度计划和运行经济性的风电场储能容量优化计算

功率存储为随机波动的风电功率适应确定性的电网调度决策提供了可能,而储能容量规划则必须兼顾对调度决策的适应性及包含储能系统的风电场运行的经济性.为此,以适应电网调度运行计划的风电场输出功率时段参考值为依据,以储能系统投资成本和风电场运行成本最小化为目标,构建了计及风电场弃风能量和储能系统损失能量的风电场储能容量优化计算模型.该模型可充分保障风电场储能系统运行的经济性,实现指定调度运行计划下风电场输出功率的不波动或极小概率波动,进而达到风功率调度与电网运行调度间的平稳、有效衔接.运用改进粒子群优化算法对所建模型进行算例求解,分析结果表明了该方法的有效性.     

基于改进Shapley值的风电汇聚趋势性分状态量化方法

风电输出功率具有波动性,由于各机组出力之间的平抑效果,随着风电集群规模的增大,风电输出功率波动逐渐变缓,风电输出功率表现出"汇聚效应"。把握汇聚效应的趋势性对于规划送出线路及网架结构具有重要的意义。基于改进Shapley值法对风电汇聚效应的趋势性进行量化分析。在对不同风电输出状态量化分析的基础上,得到各状态下的持续出力曲线,进而构建基于汇聚特性分析的风电持续出力曲线分状态组合预测模型,并建立预测精度评价体系。采用改进的Shapley值法确定预测模型中的权重系数,避免了传统Shapley值法在单一模型预测结果偏差过大时仍参与组合的现象。基于实测数据对模型有效性进行检验,算例分析表明:相对于单一的预测模型,风电持续出力曲线的分状态组合预测方法能较更准确地描述风电汇聚的趋势。