基于分段优化的风电功率爬坡有限度控制策略

风电功率爬坡是一种严重的风电功率波动情况,对电网稳定性产生了严重的影响。风电功率预测能够提前预测功率爬坡事件,为制定功率爬坡控制策略提供爬坡数据。在当前风电功率爬坡的有限度控制策略基础上,提出了基于分段优化的有限度控制策略。根据风电功率爬坡过程中爬坡率的相对大小,对爬坡过程进行合理分段。最小优化目标函数由爬坡率和弃风量构成。通过在不同区段上设置不同的权重因子来调整分段优化目标,利用二次规划算法最后得出功率参考曲线。仿真结果表明,该功率参考曲线降低了爬坡率、减少了弃风量。     

高比例风电系统的爬坡备用需求评估

在极端天气情况下,风电功率会在短时间尺度内发生大幅度的变化,出现风电功率高风险爬坡事件,严重威胁电力系统的安全稳定运行。开展爬坡备用的需求评估,有助于减小风电出力波动和预测误差对电网运行带来的不利影响。为保障高比例风电系统的备用充裕度,提出一种基于门控循环单元和非参数核密度估计法的组合区间爬坡备用需求预测方法。首先,将风电功率实际数据和日前预测数据构建成多变量时间序列,基于门控循环单元（gate recurrent unit,GRU）模型提高预测结果的准确度。进而,采用非参数核密度估计方法对风电功率预测误差进行置信区间估计,得出给定置信区间下的风电功率预测区间。最后,根据区间预测结果,预测爬坡事件并提取爬坡特征量,建立爬坡备用需求评估模型,评估得出爬坡备用容量需求。基于西北某省级电网的数据开展了算例测试,验证了所提方法的有效性。     

风电功率爬坡事件的滑动窗检测与实例分析

风电功率易受自然风况随机多变因素的影响,形成快速变化的爬坡现象,严重时会给电网调控带来较大困难。为更好应对风电功率爬坡带来的风险,需要研究风电功率爬坡事件的高效检测技术。基于通常的风电功率爬坡定义关系,设计了一种采用滑动窗技术的风电功率爬坡事件检测方法及其流程。方法通过风电功率变化率门槛值和滑动窗的合理设置,动态检测风电功率爬坡事件发生的起始时间、幅度、陡度和持续时间等关键信息。利用提出的检测技术,对江苏盐城地区4个风电场2015年1月—2016年3月期间的风电功率爬坡进行实例分析,验证了所提检测技术的正确性。     

风电功率爬坡的控制策略研究

随着风电规模的不断增大,风电出力的波动对电力系统的影响越来越大,尤其是风电的大规模高集中接入,使得风电功率爬坡问题日益突出。针对风电功率爬坡,文章提出了两种控制策略：一种是风电场不按照最大风能捕获要求发电,而是留有一定的裕度作为备用容量,通过调节发电机转子转速和风力机桨距角来控制功率爬坡;另一种是通过储能技术,抑制风电功率爬坡。利用电力系统仿真软件PSCAD进行仿真,对比了两种控制策略的可行性和有效性。     

基于超短期风电预测和混合储能的风电爬坡优化控制

风电爬坡对电力系统运行的经济性和可靠性有较大的影响,也是对电网造成冲击的重要因素之一,如何减小风电爬坡时的功率波动对电网的冲击成为国内外研究热点。为风电场配备储能系统能够有效抑制风电爬坡时的功率波动。为此,提出一种基于风电功率超短期预测和混合储能系统实现平抑功率在电池和超级电容器之间有效分配方法。首先通过奇异值分解理论风电爬坡事件,提出混合储能系统的动态最佳荷电状态,以使储能设备更好地平抑下一时段风电功率波动。考虑未来风电功率及其预测误差,根据超前充放电控制策略对储能设备当前充放电进行修正,并给出了提前充放电修正公式。仿真结果表明,该方法及其控制策略能有效抑制风电爬坡的功率波动,从而减小风电爬坡事件对电网的冲击,并且能够充分提高混合储能设备的利用效率。     

考虑风电爬坡事件的鲁棒机组组合

风电功率具有强波动性和不确定性,其强波动性主要表现为较大的爬坡事件,而其强不确定性则表现为风电功率难以精确预测,两者都给电力系统运行带来了新的挑战。针对爬坡事件,建立了考虑风电爬坡事件约束的精确线性化的机组组合模型;针对风电功率难以精确预测,考虑用其预测值以及区间预测上、下限来描述风电场出力,从而通过线性鲁棒优化理论将该随机问题转化为一确定性问题后进行求解。以含风电的10机39节点系统为例进行算例分析,结果表明,对于一般的风电爬坡事件,爬坡事件约束是不起作用的,但对于风电波动速率较大的情况,考虑爬坡事件更能保证系统安全。由于所建模型为一线性混整规划模型,故可实现大规模求解并用于实际系统。     

含风电场电力系统的模糊鲁棒优化调度

随着电力系统中风电渗透率的不断提高,如何维护含风电场电力系统的安全稳定运行成为调度部门面临的新挑战。风电功率预测为调度部门提供决策依据,是解决风资源波动性和间歇性的首要方法,但当出现预测方法无法有效预测的风电功率爬坡事件时,依据功率预测值安排的调度方案可能不可行。为此,在传统模糊调度的基础上,提出含风电场电力系统模糊鲁棒调度方法。该方法采用六点模糊数考虑风电功率爬坡事件持续时间的不确定性,生成包含最坏场景的不确定集,并将其用来描述风电功率及安排调度。算例结果表明,考虑风电功率爬坡的模糊鲁棒调度可以有效解决传统调度方案中系统爬坡能力不足的问题。     

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。     

考虑电网侧频率偏差的风电功率爬坡事件预测方法

风电功率爬坡事件越来越影响风力机在电网中的运行,随之而来的爬坡事件预测问题成为国内外新的研究热点。综述了风电功率爬坡事件的研究背景、定义和特征,建立了考虑频率偏差量的含风力机的准稳态潮流计算模型,将频率偏差量和滑差修正量引入雅可比矩阵中进行含风力机的潮流计算,采用两种频率偏差指标(PRESF指标和APRESF指标)对爬坡事件进行预测。将所述预测模型应用于5节点和10机39节点系统进行算例仿真,对结果的对比分析验证了该方法的有效性。     

基于DFIG频率模型的风电功率爬坡事件预测方法

随着风力发电的快速发展,风电出力的随机波动性引起的风电功率爬坡事件将威胁电网的稳定运行,因此需要研究能够有效预测风电功率爬坡事件的方法。首先介绍了传统的爬坡事件定义,提出了一种基于频率变化判断爬坡事件的方法。然后建立了计及频率偏差的双馈异步风机(doubly-fed induction generators,DFIG)模型,采用状态估计技术解决含DFIG的频率估计问题,并根据利用状态估计方法计算出的频率偏差,生成相应指标,对风电功率爬坡事件进行预测。最后对含DFIG的IEEE 14、IEEE 30和IEEE 118改进系统进行仿真分析,结果表明,所提方法可成功预测风电功率爬坡事件的发生,并且提高了预测精度。     

考虑风电不确定性和大用户直购电的电力系统经济调度

由于目前的风电预测方法仍不能将误差降低到可以忽略的范围,使得风电接入时增大了系统的不确定性,调度难度增大。同时,大用户直购电作为电力市场改革的重要措施,其引入对系统调度带来了新的挑战。针对以上情况,建立了考虑风电不确定性和大用户直购电的电力系统调度模型。模型在满足电力系统安全运行的基础上以发电企业收益最高为目标,利用风电出力的Beta概率密度函数来考虑由于风电不确定性带来的上、下旋转备用需求的增加,采用机会约束规划处理模型中的不确定因素。最后运用改进粒子群算法在含风电场的IEEE 30节点系统上验证了所建模型的有效性。     

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。     

考虑源荷不确定性的电热系统联合调度

针对风电和电热负荷不确定的问题,提出计及源荷不确定性的旋转备用容量的优化方法,建立考虑电热备用耦合影响的调度模型。在日前阶段,以能源与负荷的预测量制定机组的出力方案,风电由于其预测精度较低,利用Beta概率密度函数来拟合风电出力,从而确定风电的不确定性带来的旋转备用容量,利用机会约束规划来处理不确定问题;负荷有较高的预测精度,但其波动性较强,使用概率场景生成和削减的方法制定不同场景下负荷备用需求的调整量,以日运行成本最低建立目标函数,运用改进的粒子群算法在IEEE30节点系统上验证了所提模型的经济性和鲁棒性。     

A fuzzy chance-constrained program for unit commitment problem considering demand response,electric vehicle and wind power

As a form of renewable and low-carbon energy resource, wind power is anticipated to play an essential role in the future energy structure. Whereas, its features of time mismatch with power demand and uncertainty pose barriers for the power system to utilize it effectively. Hence, a novel unit commitment model is proposed in this paper considering demand response and electric vehicles, which can promote the exploitation of wind power. On the one hand, demand response and electric vehicles have the feasibility to change the load demand curve to solve the mismatch problem. On the other hand, they can serve as reserve for wind power. To deal with the unit commitment problem, authors use a fuzzy chance-constrained program that takes into account the wind power forecasting errors. The numerical study shows that the model can promote the utilization of wind power evidently, making the power system operation more eco-friendly and economical.     

基于净负荷分步建模的旋转备用优化确定风险分析方法

由于采用净负荷预测误差模型描述风电和负荷共同预测误差,优化系统旋转备用配置的多场景概率风险分析方法尚难以全面考虑风电的不确定性,如从网络安全和经济性方面必须考虑的弃风因素以及风电功率预测误差存在的非正态分布情况。为此,基于分步建模的策略改进多场景概率风险分析方法中净负荷预测误差模型,使其在计算系统失负荷风险时能够计及弃风和考虑不同类型概率分布的风电功率预测误差,并将弃风惩罚成本引入机组组合优化模型的目标函数中,以实现风电功率的合理消纳和系统旋转备用的优化确定。采用混合整数线性规划方法,对含风电场的IEEE-RTS 26机测试系统进行仿真分析,验证了改进模型的有效性。     

基于机会约束混合整数规划的风火协调滚动调度

为降低大规模风电随机性和波动性对电力系统调度的影响,保障电力系统运行的安全性和经济性,提出了考虑风电功率特性的基于机会约束混合整数规划的滚动调度模型。首先,研究了风电功率特性及风电预测误差和风电爬坡事件对系统调度的影响。然后,建立了考虑风电功率特性的机会约束混合整数规划滚动调度模型。通过滚动调度策略,有效减少系统备用容量,降低系统运行成本,提高系统的经济性,模型考虑风电爬坡约束,能有效降低风电爬坡事件的危害,提高系统的安全性。最后,通过算例对所提模型和调度策略的有效性进行了验证,结果表明,模型和调度策略能结合风电功率特性,有效兼顾系统的安全性和经济性。     

计及风电功率预测误差的备用容量计算新方法

风电出力的不确定性对于备用容量的配置具有重要影响。基于此,提出了一种计及风电功率预测误差的备用容量计算新方法。针对拉普拉斯分布形状调整不够灵活的问题,提出了一种改进拉普拉斯分布。并以此为基础,提出了一种发电机备用容量计算新方法。该方法首先以最小化发电成本为目标的最优潮流模型,对系统各机组的运行基准点进行求解;再按照鲁棒优化思想并结合发电机自动发电控制(AGC)的仿射模型建立鲁棒最优潮流模型求解各AGC机组参与因子;最后结合等概率转换原则求解系统的备用容量。算例分析表明,所提改进拉普拉斯分布模型拟合效果较好,且所提备用容量计算新方法能够综合考虑系统安全性和经济性的需求。     

微网功率不确定性模型及其在旋转备用优化中的应用

微网运行中存在发电单元故障停运以及可再生能源发电单元出力和负荷的波动性,从而合理安排旋转备用容量是维持微网安全、经济运行的重要环节。基于风电出力、光伏出力和负荷日前预测误差模型,利用全概率公式分别构建了综合预测误差及故障停运的风电和光伏出力不确定性分布模型,通过离散化风光出力和负荷不确定性分布与可调度机组停运概率分布联合生成微网功率不确定性离散分布模型,进而提出了计及微网功率不确定性以微网运行成本最小化为目标函数的微网最优旋转备用计算模型并考虑了微网向主网提供旋转备用。最后通过一个微网系统算例,采用混合整数遗传算法优化求解微网最优旋转备用值,验证了所建模型的合理性。     

超短期风电功率爬坡事件检测和统计分析

随着风电渗透率的逐渐增加,超短期风电功率爬坡事件对电力系统的影响愈来愈显著。当前国内对爬坡事件没有明确定义,且缺少相应的检测方法和统计分析。阐述了爬坡事件的定义,提出了一种超短期风电功率爬坡事件检测方法,并从爬坡持续时间、爬坡变化率和爬坡幅值三个方面对上爬坡和下爬坡两种爬坡类型进行了统计。最后分析了超短期风电功率爬坡事件的日、月分布规律。实例证明,所提出的检测方法可以快速准确地检测出风电功率爬坡事件及其特征值。统计结果表明,上爬坡事件和下爬坡事件的爬坡持续时间、爬坡变化率和爬坡幅值三个爬坡特征具有较高对称性,但两类爬坡事件高发在一天之中不同的时段,也表现出明显的日、月分布特征。     

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。