基于风电功率预测与储能技术的风电消纳预测研究

针对风电出力的间歇性、波动性导致的消纳、并网难等问题,提出一种基于风电功率预测与储能技术的风电消纳预测方法。首先,以弃风量最小为目标,构建基于含风电系统各类常规机组的启停状态的组合优化模型,并采用新型离散粒子群算法求解;其次,探寻系统次日24 h全时段可消纳风电的上、下限,并对其加以校核;最后,兼顾系统安全稳定运行与风电调度计划允许误差两个因素,对某实际39节点10机系统分析并引入储能,以实际风电出力为测试对象,并以不同方案调度储能来验证所提方法的有效性与实用性。     

考虑弃风限电风险的风火打捆外送多目标优化调度方法

针对由于风电不确定性而造成风火打捆外送方式下系统弃风限电风险问题,提出了一种考虑弃风限电风险的风火打捆外送多目标优化调度方法。首先,根据风电功率预测误差Beta分布模型,建立了风电实际可发电功率的概率分布模型,量化分析风电功率不确定性对风火打捆外送方式下的系统弃风限电风险影响机理;引入多目标优化理论,以风电外送消纳电量最大、系统综合弃风限电风险值最小为优化目标,以风电、火电出力计划为优化控制变量,以风电实际可发电功率为随机变量,构建了风火打捆外送多目标优化调度模型;引入概率序列理论,将不确定性优化模型转化为确定性模型求解。通过算例仿真,验证了所提方法的正确性和有效性。     

基于分时充电电价的电动汽车消纳风电的机组调度优化模型

随着风电的大规模入网,其间隙性和随机性导致弃风现象严重,电动汽车的快速发展为风电消纳提供了新途径。文章以风电消纳最多、负荷方差最小和火电机组发电成本最低为目标函数,综合考虑电力系统的功率供需平衡、火电机组和风电出力等约束条件,建立了基于分时充电电价的电动汽车消纳风电的机组调度优化模型。根据电动汽车负荷对充电电价的响应,得出电动汽车的充电负荷,进而得到电力系统总负荷,以此为基础采用分步优化的方法对模型进行求解。首先以负荷方差最小和风电消纳最多为目标,通过多目标遗传算法NSGA-II对风电出力进行优化;然后以火电机组的发电成本最低为目标对火电机组的出力进行优化,达成风火机组的联动调度。算例结果表明,对电动汽车实行分时充电电价能够提升风电的消纳能力,平滑负荷曲线,降低火电机组的发电成本。     

考虑热网特性的电热联合系统辅助服务调度

针对传统的热电系统调度中,热电机组的“热电耦合”限制其调峰范围,导致弃风高发问题,分析了热电机组可参与辅助服务的调节容量,在目标函数中计及辅助服务调峰激励机制,构建考虑热网特性的热电调度模型,进而通过算例仿真,对比热网蓄热特性、传热特性和热力系统参数对于系统调节容量及风电消纳的影响,确定了不同热网特性下热电机组调峰成本变化,验证了所提模型可提高机组调峰和风电消纳的经济效益。     

短期风电功率预测误差及出力波动的概率建模

准确刻画短期风电功率预测误差以及区域风电出力波动特征是解决大规模不确定性能源并网运行难题的基础。为准确表征风电出力波动与预测误差及气象误差的关联关系，建立高斯混合分布概率模型及利用其与观测曲线的误差构造云模型，然后建立基于正态云与混合高斯分布耦合的概率分布模型，最后采用多种概率密度分布模型对冀北地区单风电场功率预测误差、集群风电功率预测误差、气象预测误差以及不同功率波动范围的预测误差和与其对应的气象预测误差的关联关系进行统计分析。算例结果表明，所提模型拟合效果最优，从而验证了基于正态云与混合高斯分布耦合的概率模型的有效性。     

考虑功率预测不确定性的风电消纳随机调度

针对风电并网消纳中的随机调度问题,基于随机规划理论,建立了考虑功率预测不确定性的风电消纳期望值模型,提出了基于Monte Carlo随机模拟和遗传算法相结合的模型求解算法步骤,并在含风电场的IEEE 30节点系统上进行算例分析,验证方法的可行性和有效性。研究表明：基于期望值模型的的风电消纳随机优化调度能够很好地量化风电功率预测误差带来的不确定性,实现调度目标期望值的最优化,对提高风电并网随机调度的量化决策水平,促进风电消纳具有积极作用。     

考虑风电不确定性的电-气综合能源系统协调优化

风电不确定性与波动性是制约风电消纳的关键因素,传统优化方法在处理风电不确定性时存在诸多局限,电-气综合能源互补优化可提高风电利用率。基于此,建立了以电转气装置为耦合元件的综合能源调度模型,以常规机组运行成本、弃风惩罚成本等为系统优化目标。首先,通过数值天气预报方法对风速进行预测,建立预测误差累加状态转移矩阵,构建风场景马尔科夫链模型形成不确定合集;然后,通过拟合形成服从威布尔分布的风功率预测场景集,以引入扰动的改进型蝙蝠算法对模型进行求解。最后采用修改后的IEEE39节点算例验证了所提模型对风电消纳的经济性和实用性。     

双重不确定性预测下风电场超短期有功优化控制

针对风电场并网友好性提升问题,提出考虑风速预测不确定性和风电机组有功特性不确定性的风电场发电能力评估方案。对风速超短期预测误差和风电机组在各风速区间的出力特性进行双重不确定性分析并建立概率分布模型,进而利用贝叶斯网络构建风电机组超短期出力的双重不确定性概率预测模型。基于风电场各风电机机组超短期出力概率预测模型,以最大概率跟踪电网调度指令为目标设计场站功率分配策略。算例分析表明,所提考虑双重不确定性的概率预测模型对机风电组有功的概率分布描述更准确,该模型在场站控制中可有效提升电网功率指令的完成水平。     

A control strategy for energy storage system based on wind power prediction error interval

由于风能的间歇性和随机性,风电功率预测的精度依然较低。随着大规模风电的集中接入,不确定性风电功率并网运行会加重电力系统的调控负担,同时会对日前调度计划安排带来不利影响。储能系统具有对功率和能量的时间迁移能力,被认为是平抑风电功率波动性、提高风电功率确定性的有效手段。本文从电力系统安全角度分析了制约风电上网规模的原因,使用基于时间序列的自回归模型预测风电功率,提出利用储能平抑风电功率预测误差区间的方法,对比考虑最大预测误差的传统调度方法,采用风电平均入网容量、风电发电量、电网空间利用率等评价指标评估所提出方法的有效性。     

基于风电功率预测误差区间的储能系统控制策略

由于风能的间歇性和随机性,风电功率预测的精度依然较低。随着大规模风电的集中接入,不确定性风电功率并网运行会加重电力系统的调控负担,同时会对日前调度计划安排带来不利影响。储能系统具有对功率和能量的时间迁移能力,被认为是平抑风电功率波动性、提高风电功率确定性的有效手段。本文从电力系统安全角度分析了制约风电上网规模的原因,使用基于时间序列的自回归模型预测风电功率,提出利用储能平抑风电功率预测误差区间的方法,对比考虑最大预测误差的传统调度方法,采用风电平均入网容量、风电发电量、电网空间利用率等评价指标评估所提出方法的有效性。     

风-光-火-蓄联合系统两阶段优化调度

由于间歇性能源出力具有不确定性,该文利用抽水蓄能容量大、响应速度快的优势,建立风-光-火-蓄两阶段动态调度模型。长时间尺度以总成本最低为目标,综合考量系统运行成本、SO₂、NO_X、PM排放量、弃风弃光量惩罚,来优化可控电源出力。短时间尺度以长时间尺度为基准,基于模型预测控制原理滚动求解出力增量,使抽蓄机组有功出力偏差最小,以增强调度的平滑性。最后根据东北某地区抽蓄机组实际数据及改进的IEEE-30节点系统仿真验证了该文所提模型的有效性,以此来降低系统的污染物排放水平,提升系统对风电、光伏的消纳能力。     

考虑源荷不确定性的电热系统联合调度

针对风电和电热负荷不确定的问题,提出计及源荷不确定性的旋转备用容量的优化方法,建立考虑电热备用耦合影响的调度模型.在日前阶段,以能源与负荷的预测量制定机组的出力方案,风电由于其预测精度较低,利用Beta概率密度函数来拟合风电出力,从而确定风电的不确定性带来的旋转备用容量,利用机会约束规划来处理不确定问题;负荷有较高的预...     

含风光电站的电力系统动态经济调度

随着电力系统中风电和光伏发电的接入比例不断增长,其输出功率的随机性给系统经济调度带来了不确定因素。通过将满足一定置信概率的风电、光伏发电的功率区间预测信息纳入发电计划中,同时引入了可中断负荷作为旋转备用,建立了基于功率区问预测的考虑机组组合的系统动态经济调度模型。求解模型时利用改进离散粒子群算法（discreteparticleswarlnoptimization,DPSO）来解决机组启停问题,采用连续粒子群算法来实现负荷的经济分配,并采用启发式调整规则,提高算法的效率和搜索性能。最后通过10机系统仿真算例验证了模型和算法的有效性。     

基于风-光-蓄-火联合发电系统的多目标优化调度

针对风电、光伏出力的随机性、间歇性和波动性而导致其在大规模接入电网时对电网发电计划制定和调度产生的影响,提出了含风-光-蓄-火联合发电系统的多目标优化调度模型。利用抽水蓄能的抽蓄特性,将风电和光伏出力进行时空平移,使风-光-蓄联合出力转变为稳定可调度电源,具备削峰填谷的功能,与火电机组共同参与系统优化调度。以风-光-蓄联合出力最大、广义负荷波动最小和火电机组运行成本最小作为目标函数,建立多目标优化调度模型,通过多目标处理策略,使目标函数简化为2个,以降低问题维数;在求解阶段,利用分层求解思想,将模型划分为两层,分别采用混合整数规划方法和机组组合优化方法进行求解。10机测试系统仿真结果表明：所建模型可以提高风能和太阳能的利用率,缓解火电机组的调峰压力,大幅降低风电反调峰特性对电网的影响,从而保证电力系统安全、稳定、经济运行。     

Ultra short‐term probability prediction of wind power based on LSTM network and condition normal distribution

Considering the inevitable prediction errors in the traditional point predictions of wind power, in this paper, a new ultra short‐term probability prediction method for wind power is proposed, in which the long short‐term memory (LSTM) network, wavelet decomposition (WT), and principal component analysis (PCA) are combined together for ultra short‐term probability prediction of wind power, a conditional normal distribution model that is developed to describe the uncertainty of prediction errors. First, WT and PCA are jointly used to smooth the original time series, then the point prediction model for subsequence data based on LSTM network is proposed. It is worth pointing out that the input matrix of the model includes many features, such as wind power and wind speed, which will be helpful for improving prediction performance. After optimizing the index of the ultra short‐term probability prediction interval (PI) of wind power by particle swarm optimization (PSO), the conditional normal distribution model of prediction errors is developed. Thus, the ultra short‐term PIs for wind power are obtained. Finally, based on the data of two wind farms in China, simulation results are provided to illustrate the usefulness of the proposed prediction model. It follows from those results that the proposed method can improve the accuracy of prediction, and the reliability of probability prediction for wind power is also improved.     

Assessing wind uncertainty impact on short term operation scheduling of coordinated energy storage systems and thermal units

Renewable resources, especially wind power, are widely integrated into the power systems nowadays. Managing uncertainty of the large scale wind power is often known as one of the most challenging issues in the power system operation scheduling. Additionally, energy storage systems (ESSs) have been widely investigated in the power systems owing to their valuable applications, especially renewable energy smoothing and time shift. In this paper, a stochastic unit commitment (UC) model is proposed to assess the impact of the wind uncertainty impact on ESSs and thermal units schedule in UC problem. Wind uncertainty is modeled based on the two measures. First, the wind penetration level is changed with respect to the basic level. Second, the wind forecasting error is modeled through a normal probability distribution function with different variances. The ESSs are modeled based on several technical characteristics and optimally scheduled considering different levels of the wind penetration and forecasting accuracies. The proposed formulation is a stochastic mixed integer linear programming (SMILP) and solved using GAMS software. Simulation results demonstrate that the wind uncertainty have a considerable impact on operation cost and ESSs schedule while proposed optimum storage scheduling through the stochastic programming will reduce the daily operational cost considerably.     

An analysis for the need of a battery energy storage system in tracking wind power schedule output

电池储能系统(battery energy storage system,BESS)在风储联合应用中具有多种功能,利用电池储能系统提高风电并网调度运行能力是当前研究的热点之一.文章基于我国北方某风电场历史运行数据与预测数据,依据预测误差评价指标和风电场预报考核指标的综合评价方法对风电场预测数据进行分析研究,归纳了预测误差的概率分布特征;提出利用电池储能系统提高风电跟踪计划出力能力,统计并量化出电池储能系统用于跟踪计划出力场合的作用范围;通过仿真验证电池储能系统在风储联合系统中提高风电跟踪计划出力控制策略的有效性和可行性.     

基于风荷耦合特性的源荷储的优化调度

风电的随机性和波动性给电力系统的运行与控制带来了挑战.在研究新疆某地风电负荷数据的基础上得到了风荷耦合特性,基于此提出一种源荷储双层优化调度策略.上层优化模型以风电消纳最大为目标,通过风荷耦合特性确定工业负荷转移时段及容量,并得到常规机组的运行情况形成日前调度计划.下层优化模型以系统运行成本最优为目标,基于上层优化结果...     

考虑多时间尺度灵活性的含大规模风电电力系统机组组合研究

考虑机组多时间尺度启停约束,建立系统多时间尺度灵活性供给模型;考虑风电预测误差分布时变性,建立多时间尺度灵活性需求分析模型;基于混合整数线性规划方法,提出考虑多时间尺度灵活性的含大规模风电电力系统机组组合模型.模型能够充分反映含大规模风电电力系统多时间尺度灵活性供需平衡关系,在保证灵活性和安全性的前提下,提高运行经济性...