基于概率密度拟合的风电功率波动特性研究

本文分别使用了正态分布、t location scale分布和logistic分布对风功率波动的概率密度进行拟合,并且通过t location scale分布分析了风电机组及风电场的概率数值特征。建立了基于欧式空间的波动信息丢失度量模型,分析了功率波动的平稳性和不同时间尺度下风功率波动信息的丢失率。通过数据分析,得出了随着时间尺度的增大,风电功率波动的相对可变性呈现上升的趋势,风电功率波动的时空分布具有一定的趋势性的结论。     

可再生能源与热电联供混合微网能量协调优化

针对可再生能源与热电联供混合微网的能量协调优化,基于对可再生能源、微型燃气轮机以及储能等典型分布式能源的功率响应特性分析,提出多时间尺度的能量协调优化方法,即通过"时""分"以及"秒"时间尺度的能量协调完成混合微网运行优化:"时"时间尺度优化策略制定各分布式能源合理的机组组合方式以及运行发电计划;应用改进型欧拉滑动平均预测模型,提取混合微网功率波动的快慢变化过程,进一步优化各分布式能源"分"和"秒"时间尺度的功率输出。对所述混合微网能量协调优化策略进行了仿真分析与实验研究,验证了协调优化策略的有效性和可行性。     

基于多维时间序列局部支持向量回归的微网光伏发电预测

目前光伏发电预测普遍采用采样间隔较大的单一时间尺度功率序列建模,模型简单但对功率时序特征的模拟精度不高。文中提出了一种基于小采样间隔光伏功率数据的多维时间序列局部预测方法。通过构造不同时间尺度的光伏功率均值序列,形成以小时平均光伏功率序列为主要研究序列的多维时间序列;基于相关性分析、C-C方法和嵌入维最小预测误差法确定多维时间序列相空间重构的时间延迟和嵌入维;采用支持向量回归方法建立提前1h的光伏功率局部预测模型。以国内某微网的光伏功率预测为例进行仿真实验,计算结果表明,多维时间序列局部预测模型优于基于单一时间尺度功率序列的局部预测模型,更具应用价值。     

基于自适应时间尺度小波包和模糊控制的复合储能控制策略

对复合储能系统参与风电波动平抑进行了探讨和分析。首先,传统滤波方法在提取并网功率时以风电波动大的时段确定平滑程度,在不同风电波动场景整体平滑效果差异较大,提出自适应时间尺度小波包方法,能够根据风电波动情况自适应规划滤波时间尺度,同时在时间尺度内自适应确定分解层数,兼顾不同风电波动时段,提高了场景适应能力。然后,基于功率型、能量型储能出力充放电响应分界时间,用所提方法进行内部功率分配,并设计了计及复合储能荷电状态（SOC）优化和能量型、功率型储能协调控制的双目标模糊控制策略,在优化SOC的同时减小对并网功率的影响。最后,依托某风电场典型日数据在MATLAB中验证了所提方法的有效性。     

考虑光伏发电功率波动性的AGC备用容量分析方法

提出了基于自回归模型的频谱分析方法来分析光伏发电功率的波动特性。为获取足够分辨率的数据,以美国可再生能源实验室(NREL)的气象数据模拟仿真光伏阵列的出力,并用于分析不同时间尺度和空间尺度的光伏发电站的波动特性,确定光伏发电波动分量集中的时间尺度。研究表明,不同时间尺度的光伏发电波动量受天气影响显著,且随着光伏电站的规模扩大,不同光伏电站的整体出力也趋于平滑;此外,光伏发电波动主要集中在5min的时间尺度。在此基础上,验证了采用t分布拟合关键时间尺度光伏发电波动量的概率分布效果良好,通过滚动平均法分离关键时间尺度的功率波动分量,并量化分析光伏发电并网引发的自动发电控制(AGC)备用需求。     

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.     

考虑光伏双评价指标的混合储能平滑出力波动策略

针对光伏有功功率波动影响电网稳定运行问题,提出一种考虑光伏双评价指标的混合储能平滑出力波动控制策略.首先,根据不同时间尺度分别建立以波动率和光滑度为平滑出力波动目标的双评价指标;其次,基于改进集合经验模态分解(MEEMD)方法,实现光伏有功功率信号分解,采用灰色关联度将功率重构为高频和低频部分,得到最终的高频超级电容和低频蓄电池平滑出力波动指令;然后,以滑动平均滤波平滑曲线为充/放电目标参考功率,得到混合储能的充/放电功率指令,并用蓄电池和超级电容器组成的混合储能电池组以5min时间尺度进行出力波动的平滑,用超级电容器组成的单一电池组以1min时间尺度进行光滑度平顺,平顺光滑度跟随平滑出力波动,得到不同时间尺度的储能系统优先级平滑出力波动策略;最后,以新疆某光伏电站为例,综合对比多种光伏功率分解方法和不同评价指标,验证了所提策略的有效性.     

SCESS-DFIG发电系统宽时间尺度功率波动的平抑控制方法

针对高渗透率风电宽时间尺度功率波动平抑问题,提出了将变桨控制与超级电容储能功率控制相结合的功率波动抑制方法。利用超级电容对风电场有功功率波动进行双向快速、准确的调节,有效地控制了输出功率短时间尺度的波动;通过减载变桨控制留出功率裕度,当超级电容电压过低或过高时进行辅助功率调节,既优化了超级电容的能量管理,又实现了宽时间尺度的功率波动抑制。在通过建立含有双馈风力发电机(DFIG)、直流双向升/降压变换器、超级电容储能单元模型的基础上,对一个由3台具有超级电容储能的DFIG(SCESS-DFIG)组成的风电场进行仿真分析。通过在具有相同额定参数、不同风速曲线给定、不同的超级电容初始电压的运行状态下的模拟,验证所提控制策略的有效性。     

基于高斯混合模型聚类的风电场短期功率预测方法

对任意来流条件下的风电场发电功率进行准确预测,是提高电网对风电接纳能力的有效措施。针对大型风电场的功率预测采用单点位风速外推预测代表性差的局限,提出基于高斯混合模型(GMM)聚类的风电场短期功率预测方法。方法结合数据分布特征,利用GMM聚类将大型风电场划分为若干机组群,借助贝叶斯信息准则指标评价,获得风电场内最优机组分组方案。实际算例验证表明,按照小时级、月度级、年度级等时间尺度进行统计,所建立的GMM聚类模型均极大地提高了未分组的风电功率预测模型的准确性。相较于应用广泛的k-means聚类、层次凝聚聚类等方法,GMM聚类方法在分组功率预测中表现出了显著优势,为大型风电场短期功率预测模型的优化及运行经济性的提升提供了技术支持与依据。     

基于数字孪生混合储能的风电功率波动平抑策略

针对风电出力的波动性和预测的不准确性,提出一种基于数字孪生混合储能(digital twin hybrid energy storage,DTHES)的控制策略,对储能设备的运行效率进行优化。该策略综合考虑了风电并网波动、预测模型误差和储能设备的使用效率。首先,将注意力机制(Attention)引入门控循环单元(gated recurrent unit,GRU)中,建立Attention-GRU预测模型。然后,结合并网功率波动标准和不同储能设备的响应特性,对数字孪生预测数据进行虚拟变分模态分解(virtual variational mode decomposition,VVMD),得到初级分配功率。最后,考虑储能设备的运行效率和使用寿命问题,应用混合储能服务系统对虚拟混合储能的初级分配功率进行修正,得到最终分配功率。基于中国东北某地区风电厂数据进行实验,验证了该策略能够提高风电预测效率和精度、抑制风电并网波动的同时,增强储能设备的利用效率。     

基于遗传算法—模糊径向基神经网络的光伏发电功率预测模型

针对光伏发电系统出力波动问题,提出遗传算法(GA)—模糊径向基(RBF)神经网络的光伏发电功率预测模型,将功率预测值应用于光伏发电的蓄电池储能功率调节系统,以降低对电网的冲击。选择与待预测日天气类型相同、日期相近、温度欧氏距离最小的历史日作为相似日,把与光伏发电功率相关性大的太阳辐射强度和温度作为模型输入变量,提出K均值聚类和遗传算法的参数优化方法,建立基于GA—模糊RBF神经网络的最终预测模型。在光伏功率预测的基础上,提出一种平滑控制策略,对光伏并网功率进行有效调节,从而达到平滑光伏功率波动的目的。实例证明,所述预测模型具有较高精度,并验证了平滑功率波动控制策略的有效性。     

考虑不同时间尺度的风电变流器功率模块可靠性评估模型

考虑到变风速运行下风电变流器功率模块的结温波动既受到风速的影响,同时也存在由换流引起的基频结温波动。为了综合衡量这两个时间尺度下结温波动对变流器可靠性的影响,提出考虑不同时间尺度下结温波动特点的可靠性评估模型。针对受风速影响较大的长时间尺度结温波动,根据FIDES可靠性评估导则,引入热应力因子和温度循环因子对不同风速均值、风速湍流强度运行状态下的可靠性影响进行评估。针对由换流引起的短时间尺度下的基频结温波动,采用多状态概率评估思想将风速大小进行概率划分,并基于功率模块失效机理评估不同风速对功率模块故障率的贡献。最后,以某风场变流器为例,对其可靠性进行评估,并分析设计参数对可靠性的影响。文中结论对于制定检修计划,提高功率模块设计可靠度提供了依据。     

基于加权系数动态修正的短期风电功率组合预测方法

风电功率预测是解决大规模风电并网问题的有效手段之一,预测精度越高,越有利于提高电网运行的安全性和经济性。为了提高风电功率短期预测精度,通过组合预测方式弥补单一预测模型的局限性,针对各预测结果性能随预测时间尺度变化的问题,提出了不同时间断面差异化的组合预测方法,并根据风电功率的波动特性,恰当引入天气变化的持续信息,优化了15 min~4 h预测时间尺度下的预测精度。同时,针对各集合成员每日更新结果,通过在线建模方式,动态修正各集合单元组合权值,提高预测模型的适应性。实际算例表明,所提方法能够得到风电功率预测结果,组合系数变化性质符合实际原理,与目前常用的组合预测方法相比,预测精度更优。     

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BP神经网络的光伏发电功率预测研究

随着光伏并网容量的增加,光伏发电功率的波动对电网调度运行的影响不容忽视,电网对光伏发电功率预测精度提出了更高要求。在分析了光伏发电功率波动影响因素的基础上,基于BP神经网络建立光伏发电功率预测模型。通过大唐吐鲁番光伏发电实测数据验证该方法,预测结果 RMSE为3.544,表明该方法可以准确预测光伏发电功率。     

削峰填谷策略下微电网多时间尺度能量优化

在并网模式下,微电网通过控制联络线潮流的大小及方向,可以为大电网提供削峰填谷的辅助功能。但是,由于微电网系统中的可再生能源和负荷同时呈现随机波动的特性,使得微电网与主网相连的联络线上功率波动较大,并影响到配网的安全运行。为此,本文针对削峰填谷策略,提出一种微电网多时间尺度的能量优化管理方法。首先,通过模糊模型得到峰谷时段微电网与大电网联络线上的预设交换功率曲线;其次,提出了基于时计划、调整计划和实时计划三种不同时间尺度下的多能源协调优化方法,以实现削峰填谷策略下微电网的能量控制目标;最后,针对一个包含风/光/储微源的典型微网,对所述多时间尺度优化方法进行了仿真实验与分析,证明了该方法对于控制联络线功率波动的有效性。     

风电功率预测研究方法综述

风电场穿透功率不断加大,对电力系统安全、稳定、经济、可靠运行造成威胁,因此进行风电功率预测,不断提高预测精度意义日益突出。针对已有的风电功率预测方法,按照预测时间尺度、预测模型对象和预测模型原理不同,对风电功率预测方法进行系统分类,详细综述了组合预测方法和区域预测方法。并列表给出各预测方法的优缺点及适用场合。针对目前风电功率预测存在的一些问题,提出相应改进措施。     

基于天气分型的短期光伏功率组合预测方法

由于光伏功率波动特征与天气类型紧密相关,且光伏功率短期预测存在功率波动过程预测精度低、气象因素与功率波动过程相关性弱的问题,文中提出了一种基于天气分型的短期光伏功率组合预测方法。首先,基于气象因素与光伏功率波动特征的关联性,将天气过程划分为5种类型,并基于变分模态分解算法将光伏功率分解为类晴空过程和波动过程。然后,利用Granger因果关系算法筛选出与各天气类型下光伏功率波动过程密切相关的关键气象因子。最后,建立基于天气分型的短期光伏功率组合预测模型。模型充分考虑了深度学习算法的特异性,对光伏功率类晴空过程与各天气类型下的光伏功率波动过程进行分类预测。仿真结果表明,文中所提出的短期光伏功率预测方法能够显著提升短期光伏功率预测的精度。     

基于FCM和LSTM的光伏功率超短期预测

光伏电站输出功率的不确定性对电网的运行调度产生了严重影响。基于模糊均值聚类(fuzzy C-means,FCM)和长短期记忆网络(long short-term memory networks,LSTM),提出了一种光伏功率超短期预测方法。首先,通过滑动时窗将历史数据划分为时序片段,将功率波动特性以时段为样本进行分析;然后,定义了3种特征指标提取波动规律,采用FCM方法进行时序片段聚类,在聚类后重构数据集,结合LSTM网络,建立光伏功率预测模型;最后,采用澳大利亚光伏电站实测数据集验证所提方案的聚类性能与预测性能。仿真结果表明,所提方法具有更高的聚类准确性和预测精确度。     

不同时间尺度下基于混合储能调度的微网能量优化

针对混合储能系统中能量型和功率型储能的不同特点,建立了符合实际需求的微网经济优化模型。根据不同时间尺度提出了日前调度策略和实时调度策略。考虑到日前调度预测精度差的弊端,应用机会约束规划,以一定置信水平下满足备用需求作为可靠性约束,将最小运行成本作为优化目标,利用分时电价差异,优化协调各微源和储能系统出力。针对微网内风机、光伏和负荷等不确定性因素带来的功率波动,实时调度中应用1阶低通滤波算法平滑波动功率,并通过滑动平均滤波方法对滤波后的波动功率在混合储能中进行合理分配,使蓄电池储能承担更多低频功率波动,超级电容器承担高频波动。实时调度按照日前计划进行,实时监测各单元运行状态,并及时修正功率波动累积引起的日前计划偏差。