考虑电站集群与发电时变特性的风光出力描述方法

风光电站群“点多面广”及发电间歇性、波动性带来大规模并网消纳挑战，如何对风光电站合理分组并准确刻画风光集群出力特性是解决这一挑战的重要途径。依托云南电网实际工程，提出考虑电站集群与发电时变特性的风光出力描述方法。构建了电站群出力互补准则，采用凝聚层次聚类方法进行集群划分，刻画了互补性指标与集群数量二维关系，以确定合理的集群划分方式；引入时变特性，提出集群电站时序出力分段方差最小目标，利用分裂层次聚类确定最优分段及时段数量，建立了分段差异化集群出力概率密度分布函数。采用21座风、光电站实际工程数据进行验证，给出了单一类型电站集群和风光电站混合集群3个实例，结果表明90%置信区间的可靠性均超过92%，与单站调度方式相比，平均区间宽度分别减小29%、33%、43%，与全时段统一描述方式相比，前述区间宽度分别减小7%、34%、9%，呈现出较好的可靠性、集中度和实用性。     

基于改进信息最大化生成对抗网络的风光出力场景可控生成方法

基于深度学习的场景生成方法能够自适应挖掘历史数据中高维非线性特征,在风光出力的不确定性建模中得到了广泛应用。然而,基于深度学习的场景生成方法多为黑盒模型,存在可解释性差、生成不可控等问题。为此,提出了一种基于改进信息最大化生成对抗网络(information maximizing generative adversarial nets,Info GAN)的风光出力场景生成方法。该方法在目标函数中增加了基于互信息的正则化项,最大化控制编码与生成场景之间的互信息,无监督学习控制编码与生成场景统计特征的映射关系,并引入Gumbel-Softmax分布提高了生成场景的质量。结合风电场和光伏电站的真实数据进行了算例分析,算例结果表明,所提方法不仅能准确描述风光出力不确定性,而且具有可解释性,能够可控生成指定风光出力场景。     

基于场景划分方法的风光出力耦合特性机理

利用数据挖掘技术,根据风光出力特性采用不同场景数据划分方法对风光资源丰富地区的实际风电、光电出力数据进行场景划分,在划分的典型场景数据下对风光出力互补耦合特性进行分析,研究合成出力跟踪系统负荷的机制特性及提高出力预测精度问题,提出耦合度和跟踪负荷度计算方法。研究表明,风光互补合成出力耦合特性在一定程度上减小了出力的波动性,合成出力对系统负荷跟踪度达到了12.2%,同时风光合成出力预测的耦合所得误差比单独的风、光电出力预测系统所得误差小。     

考虑时空相关性的多风电场出力场景生成与评价方法

含多个风电场的场景生成技术可为电力系统中长期规划和运行提供所需基础数据。为在场景生成过程中计入多风电场风电出力的时空相关性,提出两阶段场景生成方法：在第一阶段,采用Copula函数对多个风电场出力的空间相关性建模,获得多风电场出力的初始场景;在第二阶段,运用随机微分方程对风电场出力波动随机性建模,通过重构初始风电出力场景,使得最终获得的场景中风电序列较好地保留原始序列的时间相关性。为评估生成场景的有效性,构建场景有效性评价指标体系;引入多重分形去趋势波动分析方法,提供刻画风电序列的自相关特性和动态波动特性的多维度指标。以某区域风电场为例,生成风电季度出力场景,结果表明所提方法能够复现原始风电序列的时空相关性。     

基于Copula理论的风光联合出力典型场景生成方法

针对目前多风电场出力模型尚不准确,且没有考虑到各风电场出力的相关性,文章研究了同一地区2个风电场的出力相关特性,提出了基于Copula理论的联合出力建模方法;结合实测数据建立了5组风电场联合出力Copula模型,运用拟合优度检验方法选出了最优模型;对该最优模型依概率抽样,并与光伏电场出力样本叠加生成海量数据,结合模糊c-均值聚类算法生成典型出力场景,实现了对多个风电场、光伏电场的出力场景模拟。准确描述风力发电的出力特性,获得风电场出力的典型场景,对风能的消纳及电力系统的安全稳定运行具有重要意义。     

考虑风光不确定性的微网经济风险博弈模型

微网中风光等可再生能源发电出力的不确定特性会对优化调度产生影响,因此需开展考虑风光出力不确定性的优化策略研究。文章计及风光出力的不确定性,提出一种微网讨价还价博弈模型,并定量定性分析不确定性对于微网优化的影响。为表征可再生能源的不确定性因素,建立风光出力的马尔科夫链模型,结合蒙特卡洛法模拟出大量风光出力场景,进而利用模糊C聚类生成典型场景;提出综合考虑微网运行经济性及风险性的讨价还价博弈模型;应用MATLAB调用IPOPT优化软件实现模型求解,算例验证表明,文章建立的模型提高了风光出力的消纳率,调动了储能机组的积极性,兼顾微网运行的经济性和风险度;描述风光转移概率的特征,分析风光不确定性对微网优化的影响。     

基于时变Copula函数的风电出力相关性分析

相邻风电场风电出力存在较强的相关性,但一段时间内其相关强度并非一成不变,所选取时间窗口不同,可能会得到不同的相关性结论。针对这一问题,基于Copula相关性分析理论,提出了采用时变Copula函数来分析风电出力时变相关性。并研究了3种时变Copula函数的特性,给出了时变相关系数的时变方程,再采用IFM法和AIC法进行Copula函数参数估计和拟合优度检验。通过实例分析,对比了静态Copula函数和时变Copula函数拟合优度,证明了时变Copula函数在风电场风电出力相关性分析中的可行性和优越性,为风电场风电出力相关性分析提供了更有效的新方法。     

考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置

多个冷热电联供型微网通过区域配电网进行连接构成多微网系统,可有效提高区域冷热电多微网系统的总体运行效益。提出一种考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置方法。考虑风光出力的不确定性和相关性,提出基于非参数核密度估计和Frank-Copula函数的风光出力场景生成方法,得到典型日风光出力序列;以多场景下多微网系统年化总投资成本、维护成本与运行成本综合最低为目标,建立多微网系统规划与运行相结合的双层多场景协同优化配置模型;基于某地实测数据生成典型日风光出力场景,通过算例分析多微网系统中设备配置、设备出力和负荷平衡情况,结果表明,考虑电能交互会影响多微网系统中设备出力,并能够降低多微网系统的年化总成本,验证了所提配置方法的有效性和经济性。     

基于条件生成对抗网络的多区域风电短期出力场景生成方法

基于预测功率结果,构建风电出力场景集是电力系统随机优化调度的重要基础。现有多区域风电出力场景生成方法主要是时空相关性系数约束的随机抽样方法。由于风电时空相关性特征的时变非线性,生成的场景集与风电实际出力差异较大。提出一种基于条件生成对抗网络的多区域风电出力场景生成方法。该方法采用三维卷积网络设计适用于多区域风电出力场景生成的网络结构,通过对条件生成对抗网络进行博弈训练,学习到多个区域风电实际出力数据的特征以及输入数据与输出数据之间的映射关系。以我国西北地区5个风电区域为例对所提方法进行分析,并与传统的以相关性系数为约束的拉丁超立方抽样方法进行对比;结果表明,所提方法生成的多区域出力场景集更符合风电出力特征。     

面向可靠性评估的两阶段聚类风-光-荷典型场景生成方法

由于风光出力和负荷的不确定性,高比例可再生能源电力系统可靠性评估需要大量输入场景以保证评估精度.为降低计算复杂度,选取适用的典型场景至关重要.传统典型场景生成直接采用聚类算法对输入场景聚类,因此面对高维数据处理困难且无法保留负荷极端场景,生成可靠性评估典型场景的效果不理想.为选取适用于可靠性评估的风-光-荷典型场景,研...     

考虑多类型水电协调的风光电站容量优化配置方法

为减少风光出力波动性造成的弃风、弃光,利用梯级水电和抽水蓄能等不同类型水电之间的调蓄特性,提出一种多类型水电协调参与风光消纳的联合运行策略。考虑多类型水电站出力、水库库容和联络线传输功率等约束,以风光电站投资建设成本、系统运行维护成本及购电成本最小和风光发电占负荷需求比例最大为目标,建立一种多类型水电协调的风光电站容量优化配置模型,采用基于极限学习机的粒子群算法(ELM-PSO)对模型进行求解。以青海某地区为例,通过仿真分析,得出综合考虑系统经济性和风光发电占负荷需求比例最优的容量配置方案,验证了所提策略和所建模型的可行性及有效性。     

考虑随机时变延时的孤岛微电网分布式二次控制

在由多个分布式发电单元(distributed generation units,DG)组成的孤岛微电网中,各DG的信息交互通过通信网络来完成,而通信网络传输带来的随机时变延时会影响控制系统的稳定性。为此,针对在具有随机时变延时的系统中,该文提出一种考虑随机时变延时的分布式二次控制方法,旨在实现输出电压和频率的稳定。首先,采用小信号模型分析的方法对所提系统进行线性化建模;其次,引入一种新的李亚普诺夫—克拉索夫斯基函数和积分不等式推导稳定性判据;随后,根据所提出的稳定性判据,给出保持系统稳定的控制器参数设计方法;最后,在MATLAB/Simulink中建立仿真模型,通过结果验证所提控制方法的有效性和稳定性判据的正确性。     

考虑电力系统灵活性的网-储联合规划

高比例可再生能源接入电网使得规划问题更加复杂。提出考虑电力系统灵活性的网-储联合规划方法。分析风电和光伏出力的相关性,采用蒙特卡罗方法生成大量可再生能源发电和负荷场景。基于k-means聚类算法对生成的场景进行缩减,并利用改进的遗传算法确定最优聚类数。通过斯皮尔曼系数筛选典型场景,构建考虑生成概率的典型场景集合。建立以提升灵活性、降低投资成本为目标的双层网-储联合规划模型,并采用灰狼算法迭代求解。算例分析结果表明所提网-储联合规划方案能够有效地提升电力系统灵活性,促进可再生能源消纳。     

基于数据驱动的多微电网互联系统分布鲁棒运行优化

针对多微电网互联系统调度中分布式电源出力不确定性以及运行效率低下等问题,提出基于数据驱动的多微电网互联系统分布鲁棒运行优化策略。首先基于多元正态Copula理论,计及风电功率预测误差的时间相关性及其与预测值的条件相关性,运用聚类方法对处理后的分布式电源数据进行聚类分析,通过场景削减方法生成具有代表性的多变量典型场景,得出分布式电源出力的概率分布模糊集。然后,建立多微电网两阶段滚动调度优化模型,考虑微电网内新能源实时出力的不确定性,提出一种基于列约束生成算法（C&CG）与交替方向乘子法（ADMM）的分布式求解算法,以实现两阶段分布式迭代求解。仿真结果表明,该方法可有效降低源荷预测不确定性对多微电网系统安全运行的影响,提高多微电网区域的经济效益。     

基于风光数据驱动不确定集合的配电网与多微网鲁棒经济调度

随着风电和光伏等可再生能源通过多微网(multiple microgrids,MMGs)的形式接入配电网(distribution network,DN),其不确定性会给配电网与多微网系统联合运行的可靠性、经济性带来挑战.对此,文章提出了一种考虑风光相关性的配电网与多微网数据驱动鲁棒调度方法.首先采用分布式调度方法建立...     

基于时变因素的光伏发电系统可靠性评估

随着光伏发电的大规模发展,光伏电站的可靠性水平愈加受到重视。提出一种基于时变因素的光伏发电可靠性评估方法,通过分析光伏发电系统运行机理、元件失效模式及其对输出功率的影响,建立系统输出功率的概率模型,形成光伏系统可靠性评价指标,并构造光伏发电系统六状态空间模型。基于序贯蒙特卡洛方法,综合考虑气候条件、元件老化和光照强度,对某50 MW光伏电站运行可靠性进行评估。仿真结果表明,该模型及指标可有效反映系统的实际运行情况、出力水平和故障情况,为光伏电站运维提供支撑。     

适应大规模风电接入的电力系统旋转备用优化模型与求解

以经济性为评价指标,综合考虑系统有功平衡、机组爬坡和有功约束、节点电压约束、线路热稳极限和旋转备用总量需求等条件,建立了含风电的随机最优模型。通过场景生成和消减,建立了风功率的随机模型,并最终得到了在预测误差范围之内的10种风功率出力场景。在求解算法方面,引入了基于模糊聚类的改进小生境遗传算法,并在IEEE10机39节点系统进行了仿真验算,得到系统在多个场景下的出力曲线和旋转备用容量要求。结果表明,改进小生境遗传算法与其它算法相比,在保证系统安全运行的前提下,可以有效降低系统的运行费用。     

考虑风-光-荷时空相关性的分布式电源和广义储能联合规划

在分布式电源(DG)和广义储能(GES)联合规划中,针对运行与规划如何紧密耦合、在获取大量分散资源行为规律的基础上如何预测其在规划周期内的关联特性的难题,提出了多能互补发电系统中DG与GES的双层优化规划方法.上层以新能源历史出力为输入,建立了考虑综合成本、DG承载能力和系统综合运行风险的上层规划模型,决策得到DG和G...     

采用混合智能算法的含风电电力系统多目标优化调度

为了增强含风电电力系统的安全性和稳定性,提出一种计及运行风险及备用成本的含风电电力系统环境经济调度新模型。在目标函数中加入了系统运行风险指标和正、负旋转备用成本;增加了系统可靠性约束条件,确保了较低的系统运行风险,并同时获取正、负旋转备用量。采用一种新型高效的场景生成技术来描述风电功率的随机性。基于花授粉算法及差分进化算法提出一种具有时变模糊选择机制的多目标优化算法。将所提模型及求解方法在具有一个并网风电场的4机组系统中进行仿真。分析了各参数变化对系统运行的影响,并与其他两种启发式智能算法进行比较,验证了所提模型及算法的可行性和有效性。     

考虑市场力检验的多类机组中长期合约电量联合分解算法

中长期合约电量的分解是电力市场的关键环节之一,公平合理的分解算法不仅能有效衔接现货市场与中长期合约,也能够为系统安全、稳定、经济运行提供保障。当前出力特性各异的核电、水电、燃气等发电机组共同参与市场化交易,合约电量分解方法面临着差异化机组出力特性、机组检修计划、市场力风险平抑等诸多亟待研究的现实问题。文中提出了一种考虑市场力校核的面向不同类型发电机组的合约电量联合分解算法。首先,通过分析不同类型机组的运行特性,设计了面向核电、水电、燃气和燃煤机组的分解原则;然后,基于运行方式优先级原则,建立了考虑机组检修计划、兼顾发电侧多类机组出力特性的合约电量联合分解模型;最后,为避免机组的市场力滥用,借助"机组必须运行功率"指标校核了合约分解结果的合理性。通过采用中国东部某省负荷特征修正的IEEE 24节点系统,验证了所提算法在兼顾各类机组运行特性和市场力平抑方面具有优势。