风电功率及其预测误差概率分布研究

进行风电功率及其预测误差概率分布研究对分析风电功率分布特性有重要意义.以风电功率、日功率波动量均值为指标,统计分析风电在不同时间尺度下的波动概率分布;针对正态分布模型对风电功率及其预测误差分布拟合效果较差问题,利用非参数估计法拟合风电功率及其短期预测误差概率分布,并以残差平方和、相关系数为评价指标,对比不同预测模型和采样间隔对应的拟合效果;基于实测数据的分析结果表明,非参数估计法可以有效拟合风电功率及其短期预测误差概率分布,且具有较好的实用性.     

风电功率波动特性的概率分布研究

波动性是风电功率的固有特性,如何定量地描述风电功率的波动性尚缺乏有效方法。基于大量实测数据的分析,发现可以采用带移位因子与伸缩系数的t分布(t location-scale)描述风电功率波动特性的概率分布。分析表明:风电功率的min级分量约占风电场装机容量的2%~5%;多个风电场输出叠加在一起后可以有效减小min级分量的比例;风机类型对风电波动特性的影响很小,而风电场当前风电出力则对风电波动特性几乎无影响。带移位因子与伸缩系数的t分布还适合于描述风电场相邻时间间隔平均功率变化的概率分布,时间间隔加长后,由于风速相关性减弱,相邻时段平均功率的波动特性增强。     

基于符号时间序列法的风电功率波动分析与预测

风电功率波动与预测是风电并网研究的主要内容。针对风电功率的随机波动特性,将符号时间序列方法应用于风电功率波动与预测分析中,并提出一种自适应分区方法,该方法根据数据序列分布的密集程度,实现数据序列区域的非均匀分割,找出信息量丰富的区域,以便突出反映数据的变化情况。之后,以符号序列直方图理论为基础,通过直方图求逆实现原始数据序列关键数据区域的定位,进而完成风电功率的预测。以某一风电场实测风电功率数据验证所提方法的有效性,为风电功率调度提供参考。     

基于重尾分布的风电功率波动特性概率分布

研究风电功率波动特性对于提高风电功率预测精度、促进风电并网消纳、抑制风电并网对电力系统安全运行的不利影响等均具有重要意义.利用风电场实测数据,归纳风电功率波动特性的时变性、异方差性、波动集聚性和"尖峰厚尾"4个基本特征;为定量描述风电功率概率分布,在不同的时空尺度下分别采用正态分布、混合高斯分布以及重尾分布中的t Location-scale分布、稳定分布、拉普拉斯分布对风电功率波动率进行拟合,引入相对熵作为衡量拟合分布优劣的评价指标,并对比分析不同拟合分布的评价结果.仿真结果表明风电功率概率分布更适合采用重尾分布函数来描述,且重尾分布中的t Location-scale分布函数具有最佳的拟合效果.     

风电功率波动的时空分布特性

风电功率的波动特性是其对接入电网安全稳定运行产生影响的根本原因。由于缺乏实测数据,量化评估风电波动的影响程度一直难以解决。我国在建巨型风电基地(1~20 GW)所覆盖的地理空间更广、机组类型及台数更多,对其输出功率波动特性的量化评估是保证接入电网安全稳定运行的基础。基于中国东北某省级电网GW级风电场群实测功率数据,定量分析了风电功率波动在不同时间、空间尺度上的分布特性。分析结果表明,风电功率波动的时空分布具有一定的趋势性,且随着风电场群集聚规模的增大,风电功率的波动特性呈现较为明显的平缓效应。     

一种评估大规模风电功率脱落对电力系统频率影响的分析方法

大规模并网风电功率的波动会引起系统频率波动甚至导致系统频率动态越限,危及电网的安全运行,而风电单机容量小、随机波动性强等特点,使得基于阶跃扰动的传统频率动态分析方法不再适用.本文提出一种基于风电功率波动特性以及系统频率响应特性的评估方法,可用于分析风电功率波动极端方式——大规模风电功率脱落对电力系统频率动态的影响程度.基于实际电网风电运行实例,分析了并网点受扰后风电机群脱网造成的风电功率脱落引起的系统频率动态过程,并评估了典型运行方式下满足系统容许频差约束的最大风电功率脱落值.     

风电功率状态的时域概率特性研究

随着大规模风电的并网,深入认识风电功率的随机特性将有利于更好地预测和利用风电。目前,对于风电功率波动特性的研究较多,对风电功率状态的时域概率特性的研究更侧重于对风电状态转移概率特性的描述。基于风电功率状态的定义,深入研究了风电功率状态持续时间的概率分布描述函数和状态转移概率矩阵。基于多座风电场/群的大量实测功率数据的研究发现:风电功率在某个特定状态可能持续几个小时甚至更长时间,逆高斯分布较适合用于描述风电功率状态持续时间的概率分布,可为系统运行调度风电提供参考信息;风电功率状态转移概率矩阵量化了风电场功率状态的跳变程度,风电功率状态的跳变呈现山脊特性。     

含风电的电力系统动态频率响应快速评估方法

大规模随机波动的风电功率接入电网引起系统频率偏差,从而影响系统安全稳定运行。为了研究不同频率风电功率波动对系统频率偏差的影响,提出了考虑发电机特性、调速器特性、系统网络结构、负荷特性,含风电的电力系统频率响应频域分析模型。基于该模型推导了风电功率激励下的电力系统各节点频率响应传递函数的显式表达式。根据传递函数的幅频特性能准确反映不同频率风电功率波动激励下各节点的频率响应特性。将该模型应用于IEEE 10机39节点系统,结合实测风电场功率波动数据进行了算例仿真,结果表明利用该模型能快速准确评估风电功率对系统各节点频率响应的影响。     

基于混合分布模型的风电功率波动特性研究

风电功率的波动特性是影响风电功率预测效果的关键问题之一。为定量描述风电功率波动的概率分布特性,提出基于混合含有尺度参数和位置参数的t分布模型(t Location-scale分布)对风电功率波动变化率进行拟合,通过k均值聚类算法进行模型参数确定。从风电场内风电功率波动的时间分布特性和空间分布特性两方面进行研究,分别比较相同机组数量不同采样间隔和相同采样间隔不同机组数量的风电功率波动的时空分布的概率拟合效果,并将混合含有尺度参数和位置参数的t分布模型与单一分布模型中的Normal分布、t Location-scale分布以及混合高斯分布通过评价指标进行对比,验证了其有效性和普适性。     

风电功率在时间和空间尺度的波动分析

风电功率自身的随机性和波动性对电网的运行影响重大。根据我国国内某地区的实测电网数据对基于NASA地球观测数据库的区域风电功率计算分析方法进行验证,并对基于时间和空间的风电功率波动在线评价指标包括风电容量因数和负荷功率的相关系数,负荷峰谷差率,等效负荷峰谷差率,风电场之间年平均功率波动的相关系数进行计算与分析,为调峰能力计算及风电接入能力分析提供科学依据。     

基于相空间重构的风电功率波动特性分析及其对预测误差影响EI北大核心CSCD

精确的风电功率预测是保证含大规模风电电力系统安全稳定运行的重要基础。为提高风电功率预测精度,已开展了诸多研究,新的预测方法不断涌现。但任何方法都无法保证无差预报,究其原因,风电功率的预测精度不但和预测方法有关,还与风电功率波动特性有关。该文阐述了评价风电功率波动特性的必要性;在相空间重构基础上,利用递归图和递归率对风电功率时间序列波动特性分别进行了定性和定量的刻画,以表征风电功率波动新模态产生的机率;分析了不同空间尺度下递归率的变化规律,建立了分析风电功率时间序列波动特性与预测误差关系的方法,最后给出了利用递归率为风电场管理机构确定切实可行且公平的预测精度考核指标提供依据的方法。文章算例说明了方法的有效性。     

基于数字信号处理的风电功率日周期性研究

风电功率具有波动性和间歇性,大规模风电并网对电网运行产生不利影响。主要对风电功率波动特性进行分析。基于数字信号处理,将风电功率数据作为数字信号进行处理。通过自相关系数分析发现风电功率数据具有一定的周期性。利用有限傅里叶分解提取日周期分量,并从能量角度分析了日周期分量在不同时间尺度和不同装机容量下的分布特性。日周期分量在风电功率中所占比例随时间和空间的不同发生变化。时间段越长日周期分量所占比例越小;随着风电场数量的增加,日周期分量所占比例将明显增加。     

风力发电系统功率波动传递特性的研究

风电具有间歇性、随机性和不确定性的特点,对电功率波动的评估是合理选择风电场储能互补设施的基础,但对于规划建设中的风电场,往往有丰富的风速数据而没有电功率数据。本文以长时间大量风速和电功率数据为样本,采用小波包将电功率和风功率分解为不同频段下的波动,通过数据曲线拟合得到风功率和电功率波动随频率的变化关系,进而得到从风功率到电功率的传递函数。风电功率传递函数可将电功率波动的估计问题转化为风功率波动的估计,为拟建风电场的功率波动研究提供一种新途径。     

基于波动过程聚类的风电功率预测极大误差估计方法

估计风电功率预测中可能发生的极大误差,有助于优化含风电电力系统的运行调度,提高电网对大规模风电的接纳能力。根据对历史风电功率预测误差分布特征的分析,提出了基于风电预测出力波动过程聚类的极大误差估计方法。首先利用摇摆窗对风电功率预测数据划分不同的波动过程,在此基础上,通过分析预测出力的波动性和功率水平与预测误差分布的相关性,聚类相似分布特性的预测误差,然后利用滑动窗宽的核密度方法拟合预测误差概率密度并估计极大误差。最后以美国BPA地区的风电功率数据为实例,对不同估计方法进行了较全面的分析,验证了该方法的有效性。     

考虑功率数据相关性的风电功率超短期预测

通过对风电场内部不同区域风电功率序列的相关性进行分析,确定风电机组的空间差异性对风电功率预测产生影响,提出一种提高风电功率超短期预测效果的分层叠加预测方法。基于东北某风电场实测数据的算例分析表明,相同的风电功率预测方法,使用分层叠加法预测比整场预测误差小,更能提高风电功率超短期预测效果。     

基于DDRTS的风储联合并网功率波动特性及电能质量研究

基于新疆某风电场出力实证数据,对比分析单台风机与整个风电场输出功率特性,论证风电功率间歇性和随机波动性大,但整个风电场输出功率具有自平滑特性,从不同时间尺度进行风电场波动特性量化分析。在DDRTS软件中构建区域电网模型,基于频率和电压稳定约束,仿真分析风电出力波动对电网电压、频率等造成的影响,研究区域电网容忍风电功率多尺度波动极限值的计算方法及规律特征。在不同时间尺度、不同极限风功率波动量情况下,进行电网的电能质量仿真分析。结果表明,构建风储联合并网系统,能有效平抑风电出力波动,降低风电并网对电网电压和频率的影响。     

基于改进KDE法和GA-SVM的多风电场聚合后输出功率长期波动特性预测方法

针对规划期内有新增风电装机容量但没有与其对应的实测风电输出功率数据,导致难以准确把握和刻画规划目标年多风电场聚合后输出功率长期波动特性的问题,提出一种利用改进核密度估计(KDE)法和经遗传算法寻优的支持向量机(GA-SVM)预测多风电场聚合后输出功率长期波动特性的方法。对风电功率的长期波动特性进行刻画,分析在多风电场聚合过程中装机容量与风电功率之间的关系;运用改进KDE法生成多风电场聚合过程中不同装机容量下的输出功率概率密度曲线;采用GA-SVM建立多风电场聚合后输出功率概率密度演变模型;根据概率分布与持续功率曲线的对应关系,对预测出的规划目标年的多风电场聚合后的输出功率概率密度曲线进行反演,得到可描述规划目标年输出功率长期波动特性的持续功率曲线。工程实例证明了所提方法的实用性和有效性。     

基于EMD分解和集对分析的风电功率实时预测

风电功率时间序列的随机性和波动性使得风电功率多步预测时难以达到理想的预测准确度,因此,提出一种基于经验模态分解(EMD)和集对分析的风电功率实时预测模型。该模型首先将风电功率时间序列经EMD分解,处理成有限个相对平稳的分量;然后利用极值点划分法,按波动程度相近的原则将分量重构为高频、中频和低频3个分量;最后对3个分量各自的特点针对性地建立预测模型,并将3个分量的预测结果叠加作为原始风电功率的预测值,用滚动的方式实现多步预测。采用3个不同装机容量的风电场的实测风电功率数据进行仿真,结果表明该方法提高了多步预测的准确度,显示出了良好的预测性能。     

适用于高风电渗透率电力系统的火电机组一次调频策略

大规模随机波动的风电功率接入电力系统将引起系统频率偏差增大,从而对电力系统的频率响应能力提出了更高要求。该文基于实测数据研究了风电功率的频率特性,分析了不同频段内的风电功率波动对电力系统调频的影响。在一次调频时间尺度下,分析了调差系数取值对一次调频控制系统稳定性的影响,并基于分频原理提出火电机组动态一次调频控制策略。该策略通过在不同频段内设置不同的火电机组调差系数,提高了火电机组的一次调频能力。将该策略应用于两区域电力系统,结合实测风电场功率波动数据进行了算例仿真,仿真结果表明利用该策略能有效减少风电功率波动对系统频率稳定的影响。     

大规模风电多尺度出力波动性的统计建模研究

掌握风电波动性规律是解决大规模风电并网运行难题的基础,从相关性和平滑性两个方面,研究了不同时空尺度下风电出力波动性的统计学规律。首先基于华北地区的实测数据对风电功率波动概率分布模型进行假设检验分析,证明了风电功率变化率采用混合高斯分布而非正态分布具有更好的拟合精度,然后利用数理统计方法建立了华北风电功率波动率概率密度分布的二分量一维混合高斯分布模型和置信区间模型,分析了模型参数受风电规模的影响规律。在此基础上,提出了能够有效反应风电群聚对出力波动性平滑效果的评价指标,并进一步建立该指标与相关系数之间的一次函数,对平滑效果与相关性之间的消长关系进行了描述。给出了评价规模化风电波动性、平滑性与相关性等主要特性的基本统计学方法,有效提升了风电波动性统计模型的精确性以及指标的完整性。