基于频繁模式挖掘的风电爬坡事件统计特性建模及预测

风电爬坡事件的统计特性建模和精准预测有利于电网的安全稳定运行。文中首先通过参数分辨率自适应算法对大型历史风电数据库进行爬坡事件检测,得到风电爬坡事件的历史学习集。对该学习集进行数据挖掘,建立了单个爬坡事件的起点、终点、持续时间以及爬坡间隔的多属性联合统计特性模型,并得到爬坡事件的基本模式。通过关联规则算法建立了多个相邻爬坡事件之间的自相关性统计特性模型。在此基础上,提出了爬坡事件序列预测算法的基本概念和模型。算例结果表明,所提算法能够更为直观地描述爬坡事件的统计特性,且基于事件序列的预测算法能够较好地进行日前的爬坡预测。     

基于动态时间规整的风电功率爬坡滚动修正模型

不断提高风电爬坡事件特征量的预测精度对电力系统安全稳定运行意义重大.因此,提出一种爬坡事件特征量与数值天气预报(NWP)气象数据相结合的风电爬坡滚动修正模型.首先,基于PRAA算法获得历史数据库与预测数据库中的所有爬坡事件特征量,建立爬坡特征量预测误差向量矩阵.然后,分析误差向量矩阵与NWP中各气象数据的线性和非线性相关关系,识别影响爬坡特征量预测误差的有效气象指标.最后,基于动态时间规整实现未来与历史数据库中具有相似特征的有效气象指标匹配,得到未来爬坡事件预测误差修正的参考集,并进行滚动修正.算例表明,该修正模型能有效降低爬坡幅值误差,提高爬坡事件预测的精度.     

分布函数差异化导向的风电功率预测误差气象条件概率建模方法

从统计学角度分析条件概率分布的差异性对于随机决策问题的重要性,并提出一种分布函数差异化导向的风电功率预测误差气象条件概率建模方法。以预测误差概率分布总体差异程度最大化为目标,利用改进的K-means算法进行气象数据聚类,并基于聚类结果对风电功率预测误差数据进行分箱;采用通用分布拟合不同气象模式的误差概率密度,得到解析化的风电功率预测误差气象条件概率分布。利用支持向量机实现气象模式识别,从而基于数值天气预报为调度计算提供相应气象模式下的误差条件概率模型。以中国华北地区某风电场历史数据为例,验证了所提方法的有效性,且相较于不考虑气象的简单统计频次模型,所提模型可使系统的风电消纳水平得到有效提升。     

大规模新能源接入下特高压交直流混联电网联络线控制策略研究

新能源及特高压直流的接入增加了电网的运行控制风险,需要提出优化的联络线控制策略,保证华北电网安全可靠运行。本文总结了华北电网结构及联络线控制策略的发展历程,并针对现有的联络线控制策略分析了华北电网的当前运行情况及面临的主要问题。针对华北电网运行面临的问题提出了采用AGC闭环控制、动态ACE、合并京津冀鲁控制区、建立辅助服务市场等优化控制策略,从而保证在新能源接入下特高压交直流混联的华北电网的运行可靠性。     

基于深度神经网络的短期电网负荷预测模型研究

随着分布式光伏装机容量的增加，已对全网负荷变化产生影响，现有负荷预测模式尚未考虑分布式光伏并网影响，电网负荷变化日趋复杂，亟需提高预测精度。构建了一种短期用电负荷预测模型，为了进一步提升预测精度，提出了一种基于深度神经网络和ResBlock迭代的短期负荷预测方法，学习不同用电量之间行为，建立内在时空的相关性。仿真结果表明，所提的负荷预测算法相比于传统方式准确性有明显的提高，在未来能源预测方面有较好的应用前景。