计及出力水平影响与自相关性的风电预测误差模拟方法

风电的预测误差不仅受预测出力水平的影响,而且时序上也存在显著的自相关性,基于此,提出一种兼顾两方面特征的风电预测误差模拟方法。充分利用Copula函数在描述变量间相关性方面的优势,通过分析风电出力的预测值与实际值间的联合概率分布,确定不同预测出力水平下预测误差的条件分布函数,对相邻时刻预测误差的相关性进行建模,并结合预测误差的条件分布函数,生成具有特定相关关系的备选数据列。顺次以前一时刻的预测误差为依据,从备选数据列中选取相应数据组成预测误差的模拟序列。算例仿真验证了所提方法的有效性。     

计及风电预测误差的电力系统风险规避评估模型

风电功率的短时大幅波动对电网的安全稳定运行造成冲击,为更准确地评估电力系统在较短时间内的风电消纳情况,需考虑风电功率的预测误差。为此,文中提出一种概率区间优化模型,从效益和风险两个维度评估风电预测误差对电力系统运行的影响,旨在得到最优权衡风险和效益的调度方案。在概率区间优化模型中,不确定风电被视为概率区间变量,即每个风电值对应一个分布概率。效益用不确定风电并网前后系统运行费用的差值来量度;风险则用风电的分布概率来衡量。然后,构建基于效益和风险的条件期望作为优化目标。最后,在一个调度系统上进行仿真并与区间优化模型对比,证明了所提出的优化模型的可靠性、鲁棒性和实用性。     

光伏发电出力的条件预测误差概率分布估计方法

光伏发电出力的可预测性较低,相比点预测而言,光伏发电出力的概率性预测能够提供更多的信息,有利于电力系统的安全经济运行。提出了一种基于Copula理论的光伏发电出力的条件预测误差分布估计方法。采用Copula函数对光伏实际出力与点预测的联合概率分布进行建模,实现了任意点预测对应的光伏实际出力的条件概率分布的估计。针对天气状况,对光伏预测精度影响较大的实际情况,采用聚类的方法按天气类型将历史数据进行分类,针对每类天气类型的光伏预测误差分别进行建模以提高预测误差估计的准确度。以2014全球能源预测竞赛(GEFC 2014)中的光伏出力数据进行了实证分析,验证了所提出方法对光伏出力条件预测误差估计的有效性,结果表明提出的方法在校准性和锐度方面均优于常用的正态分布的预测误差估计方法。     

计及检修需求不确定性的电力系统检修备用容量评估

针对电力系统规划中评估系统检修备用容量的迫切需求和机组检修需求的不确定特性对评估造成的影响,提出一种评估电力系统检修备用容量的方法。该方法建立考虑检修需求不确定特性的检修备用容量评估模型,以累计负荷最小为原则确定检修时段,求解该评估模型。在此基础上,基于蒙特卡洛模拟方法提出检修备用容量不足概率和检修备用容量不足期望值2个检修备用容量充裕度指标,以此确定系统检修备用容量,进而确定系统装机容量需求。以某省电力系统机组检修的实际数据为例进行计算,证明了所提检修备用容量评估方法的正确性和有效性。     

计及预测误差动态相关性的多风电场联合出力不确定性模型

为实现对多风电场联合出力不确定性的精细化建模,提出了计及预测误差动态相关性的多风电场联合出力不确定性建模方法。首先,分析了同区域风电场的出力及出力预测误差动态相关性特征。进一步,针对此特征,引入高维动态藤Copula理论,建立了多风电场预测出力及预测误差的联合分布模型。最终,将以上模型与基于Copula函数的离散卷积法相结合,建立了计及预测误差动态相关性的多风电场联合出力不确定性模型,并以置信区间对多风电场联合出力不确定性进行了离散化表征。仿真结果表明,对比其他模型,所提模型拟合精度更高,拟合过程与预测方法解耦,灵活性更强。     

考虑爬坡特性的短期风电功率概率预测

短期风电功率概率预测有助于调度部门提前安排发电计划,提高风电的消纳能力。提出一种考虑爬坡特性的风电功率概率预测方法,首先通过分析不同风电爬坡定义的特点,阐述互补组合预测的思路;然后采用小波神经网络建立风电功率确定性预测模型,并在其基础上建立不同功率分区内风电爬坡率和风电功率预测误差的二维核密度估计概率预测模型;最后由二者的联合概率分布求取后者的条件概率分布,得到风电功率概率预测结果。仿真结果表明,所提模型具有很高的短期风电功率概率预测精度。     

基于Copula理论的风/光出力预测误差分析方法的研究

准确预测风/光出力能够提高电力系统经济调度的可靠性。本文提出了一种新型的风/光出力预测误差分析方法,在基于点预测数据基础上,针对风电出力和光伏出力点预测精度不高的问题,采用Copula函数分别计算风电出力和光伏出力的实际值和预测值的联合概率分布,采用聚类的方法分别按天气类型和季度分析历史数据,分别对风电出力和光伏出力预测误差进行建模以提高预测精度,同时在各环境下考虑风电场和光伏电站的相关特性,使预测更加准确。以某风/光电站实际出力数据、天气、时间等为样本进行了实例研究,通过与传统预测方法进行对比验证了模型的精确性。     

计及误差时间相依性的风电功率超短期条件概率预测

针对单一参数化建模误差集粗糙的问题,基于风电功率历史特征进行建模,集成深度置信网络的特征提取和粒子群优化算法的寻优能力,分析预测误差时间相依性,实现误差修正。分析误差样本集,建立计及误差时间相依性的风电功率超短期条件概率预测模型。基于我国吉林省某风电场实际数据进行算例分析,结果表明所提模型可有效提高预测质量。     

计及预测误差时空-条件相依特性的日内光伏出力区间预测方法

由于光伏出力预测误差无法避免,区间预测可以更准确地描述光伏的不确定性,从而对电力系统的决策提供指导,而现有研究方法不能够充分地挖掘光伏功率的物理变化过程,因此提出了一种考虑预测误差时空-条件相依特性的日内光伏出力区间预测框架。首先通过外观相似性更新（appearance similarity update,ASU）模型得到考虑时间相依性的预测误差,再通过长短期记忆（long short-term memory,LSTM）网络模型以及空间相关性的分析得到考虑空间相依性的预测误差,并对预测的出力进行修正,最后依据其误差的条件相依性得到不同置信度下的区间预测。整体框架的效果在新疆光伏电场被验证,其均方根误差能够降低3%以上,同时考虑更新后的预测误差时空-条件相依性的区间预测效果有所提升,验证了所提方法的有效性和可行性。     

基于风速局部爬坡误差校正的风电功率优化预测

准确的风电功率预测对于电力系统安全稳定运行具有重要意义,滞后性是产生风电功率预测误差的主要原因,尤其是风速变化较快时,滞后性引起的预测误差较大。考虑到风速波动与风电功率的变化息息相关,提出一种基于风速局部爬坡(LR)误差校正的方法来改善预测风速的滞后性,并将校正后的预测风速及历史功率数据作为输入进行风电功率预测。提出利用灰狼优化(GWO)算法对最小二乘支持向量机(LSSVM)的参数进行优化,以提高风电功率预测的准确性。算例结果表明,所提方法能够有效提高风电功率预测精度。     

计及负荷预测误差的可中断负荷优化管理

综合考虑了在可中断负荷管理中存在的电力公司与用户信息不对称性、用户潜在的违约概率以及负荷预测误差等问题,创建了计及负荷预测误差的可中断负荷优化管理模型.该模型应用委托一代理理论来解决信息不对称问题,采用模糊概率理论求解包含违约惩罚的中断补偿,分析了负荷预测误差修正对电力公司支出的影响.算例证明,该模型能够激励用户上报真实的中断类型以获得最大补偿;促使用户减小违约概率从而增加其所获补偿;同时,引入负荷预测误差修正之后,可以减少电力公司的支出,有利于电力公司降低由负荷预测误差带来的市场风险.     

计及风电预测误差带的调度计划渐进优化模型

随着风电并网容量的不断增大,电网消纳风电的难度不断增大。风电场出力预测存在较大误差,且误差大小随预测周期和出力水平的不同存在较大差异,需要不同的备用容量来满足系统供电和负荷的平衡。针对上述问题,提出了计及风电预测误差的日前和日内调度计划渐进优化模型。该模型将风电出力和误差带的预测纳入调度计划的执行过程中,并根据最新的预...     

基于预测误差分布特性统计分析的概率性短期负荷预测

现有短期负荷预测方法一般只能给出确定性负荷预测结果,难以满足电力市场中不确定性风险分析决策的要求。文中提出了一种基于负荷预测误差特性的统计分析的概率性预测方法。该方法首先从时段与负荷水平2个联合维度上建立了对预测误差分布规律进行统计分析的模型,并提出了检验该统计规律有效性的原则和方法;将验证后的预测误差统计分布规律与确定性的负荷预测结果相结合,即可得到概率性的负荷预测结果。基于该结果,还能求取某一置信水平下的预测负荷曲线的包络线。结合实际电网数据验证了所提出方法的有效性和实用性,为概率性短期负荷预测提供了一条可行的新思路。     

基于爬坡特征和云模型的风电功率预测误差区间评估

为了满足电力系统优化运行对预测误差区间评估结果越来越高的可靠性要求,改善传统的区间评估方法在发生小概率风电爬坡事件时较差的适应性,提出了一种基于爬坡特征分类和云模型的风电功率预测误差区间评估方法。通过对每类数据分别建立模型以提高不同爬坡类型下评估方法的适应性。首先,利用改进的旋转门算法识别爬坡后得到爬坡特征,并基于爬坡特征对预测误差进行分类,对上爬坡类误差和下爬坡类误差分别建立云模型,对非爬坡类误差采用K-means算法得到不同预测误差类型所对应的区间范围。然后,以风电功率和爬坡特征数据共同作为模型输入,以预测误差类型为输出,建立评估模型,从而得到风电功率预测误差评估区间。最后,利用Elia网站的风电数据进行算例分析。结果表明,所提方法的风电功率误差区间评估效果更优。     

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。     

计及输电容量约束的供给函数均衡研究

在拍卖电力市场中,竞价是供给函数,数量和支付额是基于节点价格或者按报价付费.本文的规划可以应用于批发现货市场,利用变量的微积分推导出结果,得到拍卖市场中构成纳什均衡的欧拉条件和横截性条件.通过3节点系统和IEEE 14节点系统2个算例可以看出,模型对于计及输电容量约束的批发现货市场中发电商的竞价策略具有很好的应用性,为解决市场参与者的发电或输电能力不足时的电力供给均衡问题提供了一条有效途径.     

考虑预测误差分布特性的风电场集群调度方法

为应对大规模风电集中并网给电力系统有功功率平衡带来的影响,将风电功率预测信息纳入电力系统日常调度是为应对大规模风电集中并网给电力系统有功功率平衡带来的影响,将风电功率预测信息纳入电力系统日常调度是必然趋势。现有考虑预测信息的风电场集群有功调度方法一般采用确定性风电预测数据,由于风能特性和预测水平限制,难以满足电力系统调度精度需求。因此提出一种考虑风电功率预测误差分布特性的有功功率调度方法,该方法首先通过历史数据统计分析得到风电场风电功率预测误差的概率分布,然后以风电场集群下发有功指令后各风电场输出的风电功率缺额的数学期望之和最小为优化目标,优化分配风电场集群调度指令,减少因风电有功预测误差导致的风电场群输出有功功率与集群调度要求之间的功率差额。通过风电场实际数据验证了所提方法的有效性和先进性。     

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。     

计及风电的电力系统检修备用容量评估及应用

系统的检修备用容量定义为满足系统机组检修而需要设置的容量。为评估风电出力的不确定性以及机组检修需求不确定性对系统检修备用容量评估带来的影响,建立了考虑机组检修需求不确定性和风电场风速相关性的检修备用容量评估模型,同时提出了风电接入后的检修备用容量不足概率这个检修备用容量充裕度指标来评估系统需要设置的检修备用容量。在检修备用容量评估应用方面,提出了包含机组检修需求和风电波动性信息的机组检修概率的概念,对机组的强迫停运率进行修正以用于电力系统随机生产模拟、发电系统、发输电系统充裕度评估以及风险评估等。算例中分析了风电场的相关性和风电装机容量对检修备用容量的影响,得到结论:风电场相关系数越大,系统所需检修备用容量越大;风电装机容量越大,系统所需检修备用容量越小。