基于蒙特卡罗方法的风电场有功出力的概率性评估

风电具有随机性和间歇性的特点,常规确定性方法已无法准确评估风电场有功出力情况。为了解决此问题,引入概率性方法对风电场出力进行评估。考虑运行、停运和降额状态,建立了风电机组的多状态故障模型。在此基础上,考虑风速的随机性、风电场尾流效应建立了风电场的可靠性模型。基于此模型,应用蒙特卡罗方法给出了风电场有功出力概率评估的方法和流程。在Matlab中编写了相关程序,并对风电场的有功出力进行了概率评估,分析了不同可靠性参数和模型参数对评估结果的影响,从中可以看出风速模型中形状参数和尺度参数对评估结果影响较大。     

考虑多参数影响的风电场多状态出力概率性评估

大规模风电并网会对电力系统的可靠性带来严峻挑战,其出力的随机性也会对电力系统可靠性评估带来难题。为了准确地对风电场出力进行评估,结合风速的随机性,考虑了风电机组的故障、降额和随机投产状态以及风速分布的威布尔参数对风电场出力的影响,建立了风电场多状态出力的可靠性模型;基于蒙特卡洛法对风电场的有功出力进行了概率性评估,并分析了不同状态数、不同降额概率、故障停运概率、随机投产率及不同的风速分布威布尔尺度参数和形状参数等对评估结果的影响。仿真结果表明,所建模型切实可行,能有效地对风电场出力进行评估。     

风电机组出力状态数对含风电机组配电网可靠性影响

基于风速分布的ARMA、Weibull和指数平滑模型,建立风电机组的多状态出力模型,并对含风电机组的配电网可靠性进行评估。应用该算法对RBTS-BUS6测试系统进行可靠性评估,并对不同风速预测模型对可靠性评估的影响进行对比分析,分析了风电机组多状态出力模型状态数的变化对含风电机组配电网可靠性指标的影响,表明指数平滑模型对应的配电网可靠性指标准确度更高。     

风速分布预测的指数平滑模型及其在配电网可靠性中的应用

风电机组多状态出力模型的准确建立是含风电机组配电网可靠性评估的关键。基于风速历史数据由近及远影响逐渐减弱的特性,提出一种新的风速分布预测模型,即风速分布预测的指数平滑模型。在指数平滑模型建立中,以风速预测值与实测值间的绝对误差最小为目标函数构造并确定平滑系数最优取值,从而建立风电机组多状态出力模型。通过同ARMA、Weibull分布等风速模型的比较,验证了指数平滑方法建立风电机组多状态出力模型的精确性与高效性。将该方法应用于IEEE RBTS测试系统BUS 6的配电网可靠性评估,并与已有方法进行对比,表明该方法在可靠性评估计算精度上具有一定的优势。     

计及风速与风机故障相关性的概率潮流计算

针对计及风速与风机故障不确定性及相关性的风电并网电力系统概率潮流计算问题,基于Nataf变换建立了能够同时考虑风速、风机故障不确定性和相关性的风电场出力模型,提出一种可灵活处理风速与风机故障相关性的Monte Carlo概率潮流计算方法,并引入"拉丁超立方抽样"技术提高抽样效率,降低计算复杂度。仿真结果表明:该方法能反映风电场出力的实际情况,合理评估风电并网对电力系统概率潮流的影响,有助于风电场的选址及电网规划。     

考虑尾流效应的风电场可靠性模型研究

考虑风电场的风况条件及风机排布阵列、风机强迫停运率、风电机组之间的尾流效应和风电机组输出功率特性曲线,建立了风电基地发电可靠性模型.据此,对东北地区某一风电场的风速和有功出力进行了仿真研究,结果表明,风电场可靠性评估考虑尾流效应,有利于进一步准确研究风电场可靠性模型的应用以及风电场对电力系统可靠性的影响.     

计及冰雪天气影响的风电场短期出力模型

针对冰雪天气对风电场实际运行的影响,提出了一种新的风电场短期出力模型。该模型考虑了风电机组和集电线路的积冰过程,基于现有的研究成果对叶片积冰情况下的风电机组有功出力模型进行了修正。同时考虑冰雪天气下风电场内设备的随机停运,对风电机组和集电线路在恶劣运行条件下的故障停运概率进行了估计,建立了与环境因素相依的时变停运概率模型。考虑尾流效应影响,对风电场内机组的状态进行分批次抽样,并结合机组出力水平和集电线路的抽样状态,计算风电场的出力。仿真结果表明所提的出力模型能够反映风电场在冰雪天气下短时间内的出力特性,适用于风电接入系统的短期可靠性评估。     

含风电场的互联发电系统可靠性评估

为得到更准确的风速序列,建立了小时级的时序风速概率分布模型,并根据该模型进行抽样获得时序风速序列。考虑风电机组的功率输出特性、尾流效应等因素,建立了风电场可靠性模型。采用分区的方法,结合增加了由25台风电机组组成的风电场的IEEE-RTS 24节点算例,利用时序蒙特卡洛模拟法对含风电场的互联发电系统进行可靠性评估。所提模型考虑了风速和负荷的时序相关性以及风电机组的功率输出特性、尾流效应等影响风电场出力的因素,使风电场接入系统后的可靠性评估更为客观、准确。     

一种用于序贯蒙特卡罗仿真的风电机组多状态可靠性模型

针对传统风电机组可靠性模型不适合序贯蒙特卡罗仿真的不足,利用基于马尔可夫链的解析方法建立了风电机组的多状态可靠性模型。通过对整个风电场的风况和风机的历史运行数据的统计,得出风机有功输出状态之间的转移率,利用基于马尔可夫链的解析方法求出每个风机状态出现的概率和该状态的平均持续时间。在此基础上,提出了用于序贯蒙特卡罗仿真的双重抽样方法。在Matlab中编制了风电机组多状态可靠性模型的仿真程序,并与常用的基于单重抽样方法的两状态模型进行比较分析。仿真结果表明了所建多状态可靠性模型和所提双重抽样方法的有效性,该模型能反映故障情况下任意持续时间的风机出力,从而提高了模型的准确性和应用范围。     

基于风电场动态时空关系的风速分布模型研究

通过测风塔风速和风向数据计算风电场各机组的动态空间位置,基于Matlab平台在综合风电机组尾流效应和时滞效应数学模型的基础上,建立了风速在各台风机上的分布模型。算例以实际风电场为研究对象,将测风塔的实测数据输入该模型计算场内各风机风速,分析了尾流和时滞因素对风速模型及风电场出力的影响,结果表明尾流降低出力、时滞平滑出力。最后将风速模型转换成全场输出功率模型,并与风电场实测出力数据进行比较,验证了所建风电场风速模型的有效性。