考虑时序性的风电序列场景集生成方法

针对目前单时段/多时段场景集生成方法在保留风电序列时序性方面的不足,提出一种自适应预测箱和状态转移矩阵相结合的风电序列场景集生成方法:在单时段分析阶段,结合自适应预测箱技术生成静态场景集;在多时段分析阶段,以状态转移矩阵滤除风电序列多时段转移过程的不合理波动,经过迭代过程生成既满足风电随机特性,又满足时序性要求的风电序列场景集.以德国TenneT电力公司的风电数据为例,在风电序列时序特征改进、与实际场景的差异性、算法计算效率和面向优化调度的应用效果方面与其他方法进行对比分析,验证所提方法的新颖性、合理性及实用价值.     

基于场景判别的风电齿轮箱温度预测及趋势异常预警方法

将齿轮箱温度划分为正常、温升异常和温度异常3种场景,并利用所构建的卷积神经网络（Conventional neural network,CNN）结合双向长短期记忆（Bidirectional long short term memory,Bi LSTM）网络模型对场景进行判别。在此基础上,采用分位数回归（Quantile regression,QR）结合门控循环单元（Gaterecurrentunit,GRU）方法,分别预测不同温度场景下的油温及轴承点预测及温度区间,并根据GRU温度异常诊断模型对2种预测温度进行诊断。算例分析结果表明,用该方法能准确预测各状态下齿轮箱温度,且预测区间可靠,可实现齿轮箱温度异常的高效诊断。依托某风场实测数据对所提方案进行验证,验证结果表明所提方法有效且性能优越。     

基于自适应风电功率场景选取的有功调度模型

大规模风电并网给电力系统优化调度带来了新的挑战。考虑到风电功率场景选取与系统有功调节能力之间的内在联系,提出一种风电功率场景自适应选取方法,该方法可以根据系统有功调节能力动态调整各场景的功率区间范围。在此基础上,建立了基于场景分析法的风电并网系统有功调度模型。通过对不同场景选取模式下条件期望再调度成本的比较,分析了风电功率场景选取对有功调度的影响。算例分析表明,所提模型和方法可以有效地获得对风电功率不确定性适应力更好的有功调度方案。     

基于动态自适应相关滤波的复杂场景目标跟踪算法

为解决目标变化、场景非均匀照明等复杂场景下的目标跟踪问题,提出了一种复杂场景下基于动态自适应相关滤波的目标跟踪算法。该算法首先构造一组几何失真的目标参考图像的版本,然后基于组合滤波器的思想,将构造的适用于每个图的最优模板组合起来;同时为避免下一帧中预先指定目标预期位置的需要,算法采用基于时间序列的预测机制,通过考虑目标的运动学来提高跟踪精度;最后该算法设计了重新初始化机制,在系统发生故障时算法进行重启。仿真结果表明,所提的算法的跟踪精度和跟踪效率上优于现有的算法,从而验证了所提算法的有效性和可行性。     

基于Copula-SVM的短期风电功率场景预测方法

风电场输出功率具有随机性、间歇性以及可控性弱等特点,提高风电功率预测精度对含有大规模并网风电的电力系统安全经济运行具有重要意义。基于支持向量机(SVM)建立短期风电功率的均值预测模型,利用Copula函数对多时段风电功率的预测误差进行相依性建模,结合风电功率的预测均值和预测误差相依性结构,形成短期风电功率场景集合,可以直接用于机组组合等决策过程中。基于某实际风电场进行仿真分析,结果表明,考虑预测误差相依结构的场景集合能够包含风电功率实际值曲线,显示了方法的有效性。     

基于风场景识别的动态风电功率概率预测方法

传统风电功率预测是确定的、静态的、非条件性的,无法代表不同外部状态的发电过程,缺失预测误差的概率性信息。针对上述问题,提出了一种动态的基于风场景识别的风电功率概率预测方法。首先建立基于K means的风场景识别模型,根据风速和风向识别自然风特征,据此划分风电场风况类别。然后针对各风况类别建立基于相关向量机的概率预测模型。在实际预测中,根据实时风况动态调整概率预测模型参数。以中国西北某风电场为例进行验证,结果表明,该方法提高了单点预测精度、概率预测可靠性和技术分数、运行效率,为预测细化建模提供新的解决思路。     

基于自适应预测的同步断路器

介绍一种基于弹簧操作机构的真空同步断路器.该同步断路器以TI2812DSP为控制核心.可实现在电网电压预定相位处合闸的功能,从而可大大缩短合闸操作暂态过程,提高电网电能质量.分析实现断路器同步控制的原理和影响弹簧机构动作时间的因素,并据此提出基于时间序列的自适应预测控制策略.可显著提高断路器同步动作的准确性和可靠性.随后采用高性能数字信号处理器(DSP)实现断路器同步控制器样机,并对上述控制算法进行试验验证.试验结果表明:同步断路器可以实现在电网电压预定相位精确合闸:当环境变化、控制电压波动及弹簧老化等原因引起断路器动作时间偏离时,自适应控制器能够在三四个动作周期内迅速修正偏差.重新回到并保持同步状态.     

基于模式识别的自适应短期负荷预测系统

短期电力负荷预测是电力调度部门制定发电计划的依据,预测系的灵活适应性是实现电网经济运行的重要保证。在分析影响日电力负荷主要因素的基础上,给出了用于日荷预测的负荷模式定义,基于海明距离给出了负荷模式相拟度的计算方法,有效实现了预测负荷所需要的历史负荷模式样本的抽取。利用人工神经网络实现由历史负荷模式到预测负荷的映射。基于C＋＋面向对象的程序设计方法开发了一套灵活的智能自适应短期预测系统。多个用户的应用结果表明,本系统具有很好的实用性和满意的预测结果。     

考虑城市场景需求的中压直流配电网规划选优分析方法

针对城市配电网规划中多个中压直流配电网的建设优先次序尚无量化分析方法的问题,提出一种考虑城市场景需求的中压直流配电网规划选优分析方法.从供电质量提升需求、城市场景需求和配电网经济性3个层面建立了一套城市中压直流配电网规划选优综合指标体系,在供电质量提升需求方面考虑与目标水平之间的差距,在城市场景需求方面考虑中压交流配电...     

基于ANN的在线参数自适应预测算法的研究

本文从一个新的角度研究了基于人工神经网络 (ANN)的预测问题 ,针对在线参数的特点 ,提出一种基于ANN的自适应预测算法 ,研究了训练样本噪声 ,采样频率与信号频率对算法性能的影响 ,对算法作出改进。并从预测算法的通用性和速度等方面对该算法进行了评价。将该算法应用于电力设备在线参数的预报 ,预测结果表明该算法是有效的     

基于通用分布的风电功率出力动态场景生成方法

随着大规模风电接入电网,风电功率的不确定性使得电力系统的运行与调度面临着新的挑战。针对风电功率的不确定性,本文提出了基于通用分布的风电功率动态场景生成方法,将风电的不准确性转化为确定性模型。本文首先利用通用分布良好的拟合特性去近似表征风电功率的实际分布,然后对风电的波动性进行建模,通过逆变换抽样的方法生成大量既符合风电的随机性又符合波动性的场景。为了验证所提方法的有效性,本文从场景生成的速度和精确程度方面进行了比较。以实际风电数据为基础的仿真算例验证了所提的基于通用分布的风电功率出力动态场景生成方法的可行性。     

基于风电机组分群的风电可靠性评价方法研究

为了更好地开展风电机组可靠性评价工作,在分析比较国内外风电机组可靠性评价规程的基础上,提出了对风电场风资源、风电机组群、风电场以及单台风电机组可靠性评价的新办法,在新的评价办法中增加风资源以及风电机组群的可靠性评价指标计算方法。与现有评价规程及评价方法相比,新的评价办法更符合中国目前风电机组发展形势及风电机组可靠性管理特点,同时具有数据处理量小,风电场运行与管理人员工作负担轻的优点。     

基于混合Copula函数的风电场出力建模方法

大容量风电场接入系统后,由于其具有间歇性、随机性和不确定性,会对电网潮流分布造成影响。以往的研究大都侧重于解决不同风电场间的风速相关性问题,针对云南电网中大型风电场往往由分布在不同山头的若干风电机群构成的实际情况,风电场内部已经不能单纯地采用一台风电机组等效。基于可以描述不同尾部特性的Copula理论,文中提出基于混合Copula函数建立风电场出力模型的方法。以云南电网某实际风电场为例进行验证分析,在PSD-BPA软件平台上建立该风电场出力模型,并进行系统潮流计算,结果表明,基于混合Copula函数的模型与基于单一Copula函数的模型相比,更接近于历史实测数据模型,二者得到较一致的潮流结果。     

基于改进k-means聚类的风电功率典型场景在日前调度中的应用

针对含风电电源的电网日前调度优化问题,应用聚类分析获得风电功率典型场景进行风电功率预测,并将预测结果用于日前调度优化具有重要意义。提出一种基于改进k-means聚类算法的风电功率典型场景生成方法,对周期内的风电数据通过场景生成和缩减,得到少数几个能反映周期内历史数据特征的风电功率典型场景集;然后以系统运行成本最小为目标,建立适应风电接入的日前机组组合模型,模拟风电接入后电力系统实际运行情况。最后通过算例比较风电功率点预测、区间预测和典型场景预测在电力系统日前调度中的经济运行优化结果,验证了所提方法的有效性和实用价值。     

基于统计升尺度方法的区域风电场群功率预测

对区域性风电场群输出功率进行预测是增加风电接入容量,提高大规模风电接入条件下电力系统运行安全性和经济性的有效手段。文中对区域预测建模技术进行研究,利用输出功率相关系数矩阵和预测精度指数进行代表风电场选取和权重系数计算,采用基于少数代表风电场的统计升尺度方法,并利用华北电网2011年1月至6月风电场实际数据进行统计升尺度建模和方法验证。验证结果表明,相比于传统的累加法,统计升尺度方法可改进所实现的区域风电功率预测模型的区域预测精度,同时减少区域预测模型对单个风电场数据完备性的依赖。     

基于改进熵权法的风电功率组合预测方法

对风电场输出功率进行精确的预测是保证含大规模风电电力系统安全稳定运行的重要手段。采用单一预测模型进行预测时,都会有各自的优势和劣势,为了更好地提高风电功率预测精度,提出了基于改进熵权法的风电功率组合预测方法,并同时采用滚动式权重,以此来实现对单一预测模型的互补。以吉林省西部某风电场的实测数据为例进行分析,说明了基于改进熵权法的风电功率组合预测方法在对风电功率进行预测时的有效性,同时证明了滚动式权重可以实现对权重的不断更新,使各权重值能够反映出风电功率的最新变化,从而实现了对风电功率预测精度的提高。     

基于调峰能力分析的电网弃风情况评估方法

随着风电弃风现象的日益增多,如何有效评估未来电网的弃风情况已成为宏观决策部门和风电企业都非常关心的问题。为此,提出了一种新的评估方法。其原理是：针对某个评估水平年,先以各月典型日负荷曲线为基础模拟出月内各日的负荷曲线,进而通过电源调峰能力分析得到各日各时段的电网接纳风电空间;之后,以历史风电标幺值曲线乘以规划风电装机容量作为可能的风电出力曲线;然后,通过二者的比较得到各日的风电弃风功率时序曲线。利用该曲线可统计得到年弃风比例、年利用小时数、年弃风功率持续曲线、年弃风电量月分布、年弃风电量峰谷分布等各类数据,从而全面反映水平年风电弃风情况。利用该方法,算例中对2015年东北电网的风电弃风情况进行了评估。     

基于神经网络的酒泉风电基地超短期风电功率预测方法

风电的随机性和波动性给电力系统调度运行带来了一定的困难,以我国首个千万kW级风电基地甘肃酒泉风电基地为例,研究了基于神经网络的酒泉风电基地超短期风电功率预测方法,并对风速和风电功率实时数据进行了分析处理。在此基础上,基于神经网络算法和贝叶斯规则进行了超短期预测建模过程分析。最后,通过预测结果对预测模型进行了验证分析,验证结果表明预测模型合理、预测精度高,该预测结果可以为调度运行人员提供参考。     

基于交叉熵理论的风电功率组合预测方法

风电功率预测对电力系统的调度和安全稳定运行具有重要的意义。针对目前风电功率预测方法过分依赖参考样本的问题,利用信息融合技术,建立了一种基于交叉熵理论的风电功率组合预测方法,将风电功率组合预测看作信息融合问题,利用交叉熵理论判断各预测方法的相互交叉程度,按支撑度大小变化动态设置权重。阐述了所提方法的基本思想和主要实现方法,针对某实际风电场的算例结果表明,新方法能够有效识别预测方法交叉度,提高了风电功率预测精度。     

基于生成矩匹配网络的光伏和风电随机场景生成

风电和光伏在配电网中的渗透率逐年提高,其出力的随机性和波动性给配电网的运行和规划带来了巨大的挑战.针对可再生能源输出功率的不确定性问题,提出了基于生成矩匹配网络(generative moment matching network,GMMN)的光伏和风电随机场景生成方法.该方法采用最大平均差异作为生成器的损失函数,并利...