考虑风电功率爬坡的功率预测-校正模型

随着大规模风电接入电力系统,风电功率爬坡事件对电网的安全稳定运行带来一定的影响。研究爬坡事件发生时的功率预测已越来越迫切。基于极限学习机理论,提出了一种考虑风电功率爬坡事件的超短期功率预测和校正模型。首先,利用最优旋转门算法对当前爬坡事件进行识别,提取爬坡事件特征值,建立模糊C均值聚类模型以得到同类数据,在此基础上,采用极限学习机算法对上述数据进行训练、预测,通过元组向量时间扭曲法在历史风电功率预测爬坡事件库中寻找与当前风电功率预测结果相似的爬坡事件,得到功率预测历史相似爬坡事件。最后,利用功率预测历史匹配值与实际值之间的特征值误差,对风电功率预测结果进行修正。算例表明,所提方法可准确识别风电功率爬坡事件、有效提高风电功率超短期预测精度。     

调峰约束下考虑发电优先级的风电有功控制策略

针对集群风电场分别接入电网不同外送断面的特点,提出了调峰约束下考虑发电优先级的风电有功控制策略。所提控制策略按照弃风的严重程度,为各风电场设定不同发电优先级,结合电网消纳能力、风电场的装机容量和发电能力等因素计算各风电场的有功指令。指令控制周期内调峰约束与断面约束的配合、调峰目标值校验和强制触发策略的设计既保证了充分利用电网消纳能力和外送断面容量,又确保了调峰约束和断面约束的安全极限;高优先级风电场的钳位控制策略有效避免了电网消纳能力快速变化时低优先级风电场的有功大幅波动。冀北电网的实际运行结果证明了所提控制策略的有效性。