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。     

计及风电不确定性的风-水短期联合优化调度方法

针对风电并网带来的出力随机性和波动性问题,提出了一种计及风电不确定性的风-水短期联合优化调度方法。首先,以地区风电群为整体,考虑风电出力不确定性导致的预测值与实际值间的偏差,采用模糊聚类方法对风电预测值与实际值进行二次聚类,构建预测值与对应的实际值间的出力情景集合及条件概率分布,将风电不确定性转变为有限个确定的条件情景进行描述;继而,建立多情景风电与水电站群联合调峰调度模型,结合当前风电预测值对应的实际情景及其概率分布,采用基于逐次逼近和关联搜索的水电站群短期优化调度方法进行求解;最后,以西南某地区为例,验证所提方法应用效果。     

基于全概率公式的含风电配电系统概率潮流计算

针对风电出力不满足正态分布的特点,对风电出力分段离散化,并将多个风电场的离散化结果进行组合得到系统风电出力状态的所有组合,将问题转换为求解风电注入功率确定的多个条件概率分布问题。利用全概率公式整合多个条件事件的原点矩以计算系统状态变量的期望和方差。基于所有条件概率分布满足正态分布的特点,将所得的多个Gauss函数按全概率公式累加的方法得到同时考虑风电随机性和负荷随机性的概率密度函数,摒弃了传统的Gram-Charlier级数拟合概率密度函数的方法。以IEEE 33节点配电网络接入多个风电场为例对所提方法进行验证,并与多个抽样规模的蒙特卡罗模拟法进行对比,结果证明所提方法具有与千万次抽样的蒙特卡罗模拟法等同的精度。     

基于Copula函数的风电时序联合出力典型场景生成

针对风、光出力进行典型场景生成是电力系统规划和运行中应对风、光出力不确定性的常用方法,然而现有的典型场景生成方法未考虑不同时刻出力分布函数的差异性。在此背景下,针对分布式可再生能源发电的不确定性和相关性,创新性地考虑了不同时刻出力分布函数的差异性,运用Copula函数建立了多风电场时序联合出力模型;对模型进行概率抽样、拼接生成大量初始场景集,采用K-means聚类算法进行场景缩减生成风电时序联合出力典型场景。算例分析表明,所得的风电时序联合出力典型场景符合出力的相关性,并可以体现出力分布函数在不同时刻的差异性,在反映同一地区多风电场实际出力方面具有更高的准确性,可以更加有效地指导电力系统的优化运行。     

计及风电预测可靠性的含风电电力系统优化调度模型

针对风电随机性对电力系统安全、经济运行的影响,在考虑风电预测可靠性的基础上,建立含风电的电力系统优化调度模型。将实际风电出力看作随机变量,并通过混合Copula函数对历史风电场出力及其对应预测值建立相关性模型;在得到预测出力后,通过相关性模型获得风电实际出力分布概率;采用机会约束规划建立含风电的电力系统经济调度模型,并在保证系统可靠性的条件下优化风电计划出力。最后通过改进粒子群优化算法求解模型,结果表明该模型和算法可行且有效。     

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。     

风电场出力预报预评估研究

风电场出力预报预评估可以提高风电场并网系统调度决策质量,对于推动风力发电量增长具有重要理论和实践意义。提出从预报误差对风电场并网电力系统的影响角度,或者从风电场并网系统能够接纳或忍受的风电场出力预报偏差的角度,动态地对出力预报结果进行分析和考察,提出了风电场出力预报的预评估概念、确定预评估标准的一般原则及其判据。在此基础上,具体针对风电并网系统经济调度中,对风电场出力预报在时间尺度和精度尺度方面的要求,提出风电场短期出力预报的预评估标准并建立了对应的判据模型。基于IEEE-30测试系统和“风电有限全额并网     

风电功率预测误差分段指数分布模型

风电预测存在较大误差,对于风电场和电网调度人员而言,预测的不确定性信息比单纯的功率预测值更有指导意义。基于对中小规模风电场短期和超短期功率预测误差分析,提出风电功率预测误差分段指数分布模型,并进行分段指数分布概率密度函数及概率分布函数推导,采用非线性最小二乘法进行参数估计。实例分析中,通过模型精度指标和曲线拟合效果对比了分段指数分布模型与传统误差分布模型,论证了分段指数误差分布模型较传统模型在精度、灵活性方面的优势。     

考虑多风电场出力相关性的风电容量可信度评估方法

风电容量可信度是衡量风力发电对电力系统可靠性贡献的重要指标,准确快速地计算风电场可信容量是含风电系统规划的基础。处于同一风区空间位置临近风电场出力具有相关性,采用Copula函数描述空间相邻风电场之间的出力相关关系,构建多风电场出力的联合概率分布模型。在此基础上提出出力相关的多风电场容量可信度评估方法,并采用截弦法计算得到风电场的容量可信度。以加入风电的IEEE RTS-96系统为例,仿真结果验证了所提方法的正确性和有效性。     

基于隐马尔科夫模型的多风电场相关性出力时间序列建模方法

生成具有相关性的多风电场中长期出力时间序列,对电力系统规划和调度运行具有重要的意义。该文提出一种基于隐马尔可夫模型的多风电场出力时间序列建模方法。将风电出力的相关性作为隐马尔可夫模型的状态变量,并利用Markov链描述其时变特性;将各风电场在相邻时刻的出力作为隐马尔可夫模型的观测变量,建立相关性状态与相邻时刻出力的概率映射关系。利用Baum Welch算法估计隐马尔可夫模型参数,获取时变相关性状态的转移概率矩阵和各状态下多个风电场在相邻时刻出力的联合概率分布。最后,通过蒙特卡罗仿真逐月生成多风电场出力的时间序列场景。算例中对我国西北某省份的3个风电场进行测试,结果显示:所提方法生成的各风电场出力的年/月特性、概率分布特性、波动特性和自相关性均优于独立建模方法,并且风电出力相关性与历史序列非常接近,证明所提方法的有效性。