风电场发电功率短期预测组合模型研究

随着风电机组装机容量的持续高速增加以及大规模风电场的建设,各个国家(地区)的电网对风电的重视程度也在增加,风电场发电功率的短期预测对于风电场并网以及电网的调度起着至关重要的作用。提出基于相空间重构理论RBF神经网络功率预测模型,通过判断功率时间序列的混沌属性,还原其规律性,以达到提高预测准确度的要求;结合时间序列模型,建立了组合预测模型。通过对结果进行对比分析,显示组合模型可以得到较高的短期发电功率预测准确度,更好地满足实际现场需要。     

基于BP神经网络的风电场发电功率短期预测

结合我国风电发展的基本情况,分析总结了国内外风力发电功率预测的现状及方法。由于BP神经网络能以任意精度逼近任意非线性映射并且泛化能力强,所以运用BP神经网络法来进行功率预测,建立内蒙某风电场提供的数值天气预报数据与发电功率的映射模型。利用MATLAB进行仿真,验证设计预测模型的实际可行性,并且预测精度满足相关要求。最后运用VB简单设计开发了一个风电功率预测系统。     

基于支持向量机的光伏发电功率预测

分析了光伏系统的发电特性以及影响光伏发电的因素,建立了基于支持向量机的光伏系统发电功率预测模型.该模型以结构风险最小化原则取代了传统机器学习方法中的经验风险最小化原则,在小样本的机器学习中有着优异的性能.用某一天的数据作为训练样本集,首先对数据进行去噪和归一化,然后用支持向量机方法对样本集进行训练和发电功率预测.仿真结果表明,基于支持向量机的预测模型具有较高的精度,可用于光伏发电系统的预测.     

考虑风电不确定性和有功无功联合调整的两阶段优化调度

基于风电不确定性以及网络中潮流的合理分布对机组出力均有影响的调度问题,文中建立含风电的两阶段优化调度模型。针对风电预测精度日内-实时逐步提高的特点,日内滚动阶段根据时间序列法预测风电出力数据,构造优化发电成本的初调度,确定机组基础出力;实时阶段为了进一步减小误差,通过蒙特卡洛场景生成和后向削减预测风电出力,考虑风电的不确定性;通过有功和无功功率联合调整的动态潮流,使各机组根据频率特性系数按比例分担有功功率不平衡量,根据节点区域控制策略调整无功功率不平衡量,修正机组基础出力,实现潮流的合理分布,建立优化网损和电压水平的调度模型,并通过粒子群算法对模型求解,最后以改进IEEE14节点为例,进行仿真验证。     

基于PSO-RNN的光伏发电功率预测研究

针对光伏发电功率预测对电力系统的安全稳定和经济运行问题,本文提出了基于粒子群算法优化脊波神经网络的光伏功率预测模型。采用脊波函数作为隐含层激励函数的神经网络,即脊波神经网络,同时采用粒子群算法优化脊波神经网络的权值,并以实际光伏发电站的历史光伏发电数据和气象数据作为仿真算例,对预测模型进行仿真和测试。仿真结果表明,与BP神经网络预测模型相比,基于粒子群算法优化脊波神经网络预测模型的日平均绝对误差和日最大绝对误差均有所降低,证明粒子群算法优化脊波神经网络的预测模型具有较高预测精度,不仅加快了脊波神经网络收敛速度,而且避免了陷入局部最优解,具有一定的实用性及可行性。该研究为光伏发电功率预测提供了理论参考。     

基于风储联合系统的受端电网黑启动技术及协调恢复策略

受端电网发生故障停电时要求送端电源具备黑启动能力,目前我国现有的黑启动电源主要为火电厂及水电厂。随着高比例风电地大量接入,电网要求风电机组具有一定的黑启动能力,但风能由于其不确定性和波动性导致风电机组很难单独参与黑启动。为使得风电机组具备较好的黑启动能力参与电网恢复,本文针对双馈风电场,提出了一种基于风储联合系统的受端电网三阶段协调恢复策略。初始阶段,通过储能装置建立交流频率和电压并实现风机顺利并网;中期阶段,切换储能装置控制模式并在风机转子侧设计虚拟同步控制为系统提供频率和电压支撑,完成部分发电机组及负荷的恢复;后期阶段,在储能侧设计了基于H2/H∞的附加鲁棒控制器抑制多机组并网的低频振荡,实现受端电网平稳恢复。最后,基于PSCAD/EMTDC搭建了风储联合系统模型,仿真分析了虚拟同步控制与常规控制在风电机组参与黑启动过程中对频率波动抑制效果的差异,通过对比频率振荡幅值验证了虚拟同步控制具有更好的频率支撑能力,更适合风电机组参与黑启动;并且黑启动各阶段系统频率及电压波动曲线均处于安全范围,从而验证了所提协调恢复策略的有效性和可行性。     

考虑风电场功率爬坡的超短期组合预测

随着大规模风力发电接入电力系统,准确的风电场功率预测对于整个电力系统的安全稳定运行均意义重大.而风电功率爬坡事件则是产生风电功率预测误差的重要原因,尤其是当风速数据变化较快时,所引发的功率爬坡会导致预测误差较大.因此研究考虑风电场功率爬坡事件的预测就显得日益紧迫.文中基于极限学习机理论,提出了一种考虑风电场功率爬坡的超短期组合预测模型.经算例验证表明,文中方法能够准确识别风电场的功率爬坡事件并有效提高风电功率超短期预测的精度,具有一定的理论意义和实用价值.     

面向光伏发电的规则表预测模型

基于模式树提出了一种面向光伏发电的规则表模型.学习时,迭代地构建不同的模式树;对于每次迭代,树中对应于最优的路径被作为规则表中的规则.预测时,根据规则表,使用相应的线性回归模型进行预测.实验结果表明,较之于神经网络、模式树,该模型具有更好的可解释性,同时表现出更高的预测准确性.     

基于功率成本的中继系统最优功率分配

为了降低移动通信网络的功率成本,依据不同的供电方式所确定的不同功率价格,提出了以功率成本为约束条件,以最小中断概率为优化目标的中继系统最优功率分配方法. 主要采用拉格朗日乘子法求解功率分配结果. 仿真结果表明,当各节点功率价格不同时,基于功率成本的最优功率分配与不考虑功率价格的最优功率分配相比,在中断概率相同的条件下,功率成本较小;当各节点的功率价格相差较大时,对比效果更加明显.     

基于FA-PCA-LSTM的光伏发电短期功率预测

准确的短期光伏功率预测是调度部门合理制定发电计划、保证电力系统安全性和经济性的关键性技术.针对光伏出力可预测性低的问题,提出了一种结合因子分析(factor analysis,FA)、主成分分析(principal component analysis,PCA)和长短期记忆网络(long short-term memory,LSTM)的光伏发电短期功率预测方法.首先采用因子分析对多元数据序列信息进行分析,提取相关性较高的公共因子并优化样本.然后通过主成分分析对优化后的多元数据序列进行筛选,在充分利用序列信息的基础上降低数据规模和复杂程度.最后,利用LSTM网络对多元数据序列与光伏功率序列之间的非线性关系进行动态时间建模并预测.采用中国新疆某光伏电站的实测数据进行验证,算例分析结果表明所提预测方法的有效性.     

风电功率概率预测研究综述

从风力发电被人们应用起,风电功率预测一直是研究的热议话题.由于风能自身的波动起伏、随机不定,导致风电功率具有一定的不确定性.目前风电功率大部分研究针对其点预测,但考虑风电功率固有的波动特性,其点预测的预测精度有限.然而准确可靠的风电功率预测对于电力系统运行是必不可少的.鉴于风力发电的不确定性,概率预测提供了一种独特的方案,即:提前估算和量化风电并网对系统运行潜在的影响以及风险.故风电功率概率预测将会成为风电功率预测的热门方向.文中归纳总结了风电功率概率预测已有的研究成果,并对风电功率概率预测未解决问题及将来发展趋势进行展望.     

含风电的节能发电调度研究

随着大规模风电并网,风电资源的随机性及不确定性给电力系统节能发电调度带来了新问题。为适应上述电力系统新情况,更好地实现电力系统的节能减排,本文基于多目标粒子群算法,对含风电的节能发电调度进行研究。以火电机组总能耗最小和CO2排放量最小为共同目标函数,建立含风电的多目标节能发电调度模型,利用多目标粒子群算法进行模型求解,并引入半可行域的概念进行约束条件的处理。同时以1个含有10台火电机组和1个风电场的系统为算例进行验证。结果表明,多目标优化方案与以火电总能耗最小为目标的方案相比,CO2排放量减少8.16%,火电总能耗仅增加4.73%,与以CO2排放量最小为目标的方案相比,火电总能耗减少7.39%,CO2排放量仅增加1.73%。该方案实现了节省资源及降低排放的目的,对电力系统节能减排具有参考价值。     

基于风速功率关系带的时间序列法预测研究

在运用时间序列法预测风速及风电功率的基础上,采用分层统计法对16台风电机组的风速功率数据进行统计分析,得出基于实测数据的风速功率关系带,用于提取有效历史功率点,达到提高风电功率预测精度的目的．运用MATLAB软件编程实现预测,并选取合适的误差衡量指标进行误差分析．     

基于FILTERSIM算法的风力发电功率预测

由于风力发电受天气条件的影响,所以其输出功率难以预测。将风力发电功率与气象数据依据一定的排列规则整理为三维图像,通过FILTERSIM算法对训练数据图像降维并提取其特征,然后在已知的气象数据组成的验证点集上预测风力发电功率。试验结果与验证数据的对比表明,该方法能有效预测风电的发电功率。     

基于主成分分析和LightGBM的风电场发电功率超短期预测

风力发电场发电功率的超短期预测越精确,越有利于电力系统的稳定运行和优化调度。为提高风电场发电功率超短期预测的准确率,提出了一种基于主成分分析(PCA)和轻量梯度提升树(LightGBM)的风电场发电功率超短期预测方法。该方法首先进行主成分分析,将与风电功率相关程度低的维度剔除,降低数据的冗余性。然后利用LightGBM建模,实现风电场发电功率的超短期预测。实验结果表明,基于LightGBM的风电场发电功率超短期预测效果良好,优于传统机器学习方法在风电场超短期功率预测上的精度。     

同时考虑发电费用与网络损耗的多目标有功最优潮流

在对传统的单纯以发电费用最少和网络损耗最小为目标的单目标最优潮流分析的基础上,利用权重系数将两者有机结合,建立了多目标的有功最优潮流模型,分别利用二次规划算法和遗传算法进行求解,并对两种计算方法的计算结果和求解效率进行了分析。     

计及电压稳定约束的含风电区域电网调度域划分

为了解决风电接入电网带来的系统灵活性与风电消纳以及运行不稳定问题.文中提出了随机潮流下电压稳定L指标评价电压稳定与电网运行域的概念,该方法可以准确地找出风电并网后全网电压稳定性最薄弱的节点,帮助调度人员对薄弱节点监视与控制,并提出基于观测全网电压稳定情况的电网运行域划分指标,基于电压稳定约束将电网划分为不同的运行域.通过IEEE-30节点典型算例系统仿真计算,验证了所提策略与指标的有效性.     

风光储混合发电系统优化设计与分析

针对风光储混合发电系统优化设计问题,在满足可靠性的前提下,结合风力发电机组、PV方阵、抽水蓄能电站、蓄电池组等元件的输出特性,以及能量交易系统的运行方式,以总系统成本最小为目标,建立了相应的优化模型.进而分析了可靠性约束、上网电价、能量交易系统容量,以及不同运行方式对风光储混合发电系统优化配置结果的影响,为混合系统的优化设计和运行提供了依据.     

计及风电和需求响应的电网动态经济调度

随着电网中风电渗透率的不断提高,风电出力的随机性和波动性给电网的经济调度带来了很大的挑战.为了应对这一挑战,在需求侧引入两种可变负荷模型,利用价格变化来调节可转移负荷、可避免负荷的需求量及需求时刻,以达到削峰填谷的效果.并通过算例分析了该模型的有效性.