基于Copula函数与等概率逆变换的风电出力场景生成方法

随着风电利用率的大规模提高,应用典型场景法应对风电机组出力的不确定性具有重要意义。针对多风电场出力之间的时空相关性提出一种改进的场景生成与缩减方法,并提出评价方法来检验生成场景的质量。该方法应用指数函数法构建体现风电时间相关性的多元变量协方差矩阵,应用Copula函数建立多风电场空间相关性模型,通过对随机数与历史数据的累积概率分布函数进行时空相关非线性变换与等概率逆变换生成大量初始场景。改进K-means聚类方法,通过手肘法与聚类有效性指标综合确定最优聚类数目后,缩减得到代表性时空相关风电场景。最后通过4项评价指标,对生成场景的波动性、相关性、可靠性等进行质量检验。算例分析表明,与其他方法相比,所提方法生成场景的波动性、爬坡情况和时空相关性均与历史数据更贴合,具有更高的实测值覆盖率。     

基于核密度估计和Copula函数的风、光出力场景生成

新能源的随机性、波动性及间歇性为电力系统规划带来困扰,对风、光出力的变化规律进行合理刻画,生成典型出力场景是新能源规划的常用方法.针对具有相关性的风、光出力典型场景难以生成的问题,本文首先应用非参数核密度估计法对大量样本数据进行拟合,并进行拟合优度及精度检验,得到风、光的核密度估计表达式,然后建立多种基于Copula函...     

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。     

基于经验Copula函数的多风电场出力动态场景生成方法及其在机组组合中的应用

随着大规模风电接入电网,风电功率的随机性与波动性以及多风电场出力的相关性使得电力系统的运行与调度面临着新的挑战。引入经验Copula函数表征多风电场联合出力分布;对风电的波动性进行建模,利用ksdensity函数拟合风电功率波动量,通过逆变换抽样的方法生成符合风电随机性和波动性的场景集合;生成基于经验Copula函数的多风电场出力动态场景,并将其应用于含多风电场的电力系统随机机组组合问题的求解。算例结果验证了所提风电波动性建模方法的有效性与动态场景生成方法的可行性,同时提高了含多风电场电力系统运行的经济性。     

基于动态Copula的风光联合出力建模及动态相关性分析

准确描述风力发电和光伏发电的动态相关性及联合出力的波动性,对风光互补系统的出力预测和经济调度具有重要意义。针对现行静态相关系数无法准确描述风光出力相依关系的问题,研究了风光出力的动态相关性,提出了基于动态Copula函数的风光联合出力模型构建方法。结合实测数据建立了8组动态与静态的风光联合出力Copula模型,用动态相关系数描述风光出力的相关性。运用拟合优度检验方法验证了动态Copula模型对比其静态模型的优越性,选出最优模型。最后将该模型应用在数据驱动的风光联合系统中,验证了其合理性与正确性。     

基于LHS与BR的风电出力场景分析研究

场景分析是电网运行规划中的一项重要技术,也是一个基础性工作。为有效分析风电出力的场景特征,本文基于风速的不确定特性对场景分析问题进行建模,构建了基于拉丁超立方抽样（LHS）与后向缩减法的场景分析模型,为快速分析任意时段的风电出力提供重要依据。本文首先分析风速特征,归纳同一时间点风速符合的概率分布;接着拟合各时刻威布尔分布的参数值,提出了一套基于LHS的场景生成方法;然后构建后向缩减场景缩减模型,使得到的若干条曲线能够更大程度表征原始场景的变化特征。最后,通过算例分析对比验证了本文所提方法的有效性与准确性。     

基于条件生成对抗网络的多区域风电短期出力场景生成方法

基于预测功率结果,构建风电出力场景集是电力系统随机优化调度的重要基础。现有多区域风电出力场景生成方法主要是时空相关性系数约束的随机抽样方法。由于风电时空相关性特征的时变非线性,生成的场景集与风电实际出力差异较大。提出一种基于条件生成对抗网络的多区域风电出力场景生成方法。该方法采用三维卷积网络设计适用于多区域风电出力场景生成的网络结构,通过对条件生成对抗网络进行博弈训练,学习到多个区域风电实际出力数据的特征以及输入数据与输出数据之间的映射关系。以我国西北地区5个风电区域为例对所提方法进行分析,并与传统的以相关性系数为约束的拉丁超立方抽样方法进行对比;结果表明,所提方法生成的多区域出力场景集更符合风电出力特征。     

基于时变Copula函数的风电出力相关性分析

相邻风电场风电出力存在较强的相关性,但一段时间内其相关强度并非一成不变,所选取时间窗口不同,可能会得到不同的相关性结论。针对这一问题,基于Copula相关性分析理论,提出了采用时变Copula函数来分析风电出力时变相关性。并研究了3种时变Copula函数的特性,给出了时变相关系数的时变方程,再采用IFM法和AIC法进行Copula函数参数估计和拟合优度检验。通过实例分析,对比了静态Copula函数和时变Copula函数拟合优度,证明了时变Copula函数在风电场风电出力相关性分析中的可行性和优越性,为风电场风电出力相关性分析提供了更有效的新方法。     

基于综合Copula函数的风电出力相关性建模

针对单一Copula函数模型在描述风电功率相关性中失真较大的缺陷,提出构造综合Copula函数模型刻画其相关结构的策略,并采用EM方法估计模型中相关参数的值。以某地区两相邻风电场的实际历史出力数据为基础,通过对比不同组合函数的拟合优度校验,筛选出最优的综合Copula函数,并将其运用于系统的概率潮流计算中,作出支路有功功率及节点电压这二者的概率密度曲线,通过与单一Copula函数所得曲线的对比,验证了其在风电场出力建模中的有效性及可行性。     

采用谱聚类的风电典型出力场景选取方法

为有效地减少原始场景数量,以较小的工作量和较高的精度表征风电出力的全时空特性,本文提出了一种基于谱聚类算法的风电日出力典型场景生成方法。首先采用谱聚类算法对风电日出力场景进行聚类分析,得到能有效反映样本亲疏关系的聚类簇。随后考虑风电的反调峰特性,从聚类后的风电日出力场景中选出能够很好的反映各类场景中原出力曲线调峰效益的出力曲线,将其作为典型场景。最后,以云南某地区2017年风电实际出力数据为算例进行聚类分析,验证所提方法的正确性及有效性。     

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。     

多风电场接入的灵敏度场景静态无功/电压评估

风电出力对电力系统运行的影响存在复杂的非线性,现有处理风电随机性的风电场景模型难以保证风电场景与电力系统优化运行保持一致,为此提出含多风电场的电力系统无功/电压灵敏度场景分析方法。首先利用网损/电压灵敏度计算方法计算多风电场相关性出力样本的网损/电压灵敏度,再基于主成分分析构建联合网损/电压灵敏度特征空间,并在此基础上进行场景聚类,得到多风电场网损/电压灵敏度场景。将某2个风电场的实际数据接入IEEE 30节点系统中分别进行传统风电场景分析和所提灵敏度场景分析,验证了所提方法的有效性和优越性。     

基于隐式最大似然估计的风电出力场景生成

随着风电渗透率的日益提高,如何有效地描述风电出力的不确定性成为了配电网运行和规划所面临的巨大挑战,为此,提出一种基于隐式最大似然估计的风电出力场景生成方法。针对风电出力曲线的数据特征,设计适用于风电出力场景生成的损失函数和网络结构。通过无监督训练使得场景生成器能够学习到高斯噪声与风电出力场景之间的映射关系。仅需调节模型中相关的参数,采用所提方法就能够生成不同时间尺度的风电出力场景。仿真结果表明,所提方法的预测区间平均宽度和预测区间覆盖率均优于现有的生成对抗网络,且所提方法对于不同的风电场具有一定的普适性。