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。     

Copula函数与核估计理论相结合分析风电场出力相关性的一种新方法

大型风电场出力的准确预测对风电场接入电网的安全性与经济性有重要意义。针对邻近风电场出力存在一定的相关性,结合Copula函数与核估计理论,提出一种分析风电场出力相关性的新方法。首先结合非参数核密度估计和Copula理论推导了一种Copula核估计函数;然后由此估计函数替代经验Copula函数来分析风电场出力相关性。不同于经验Copula函数,Copula核估计函数为连续函数,能有效消除参数假设误差,并且可从原理上降低参数估计的复杂度与计算量。以华北地区某实际风电场出力为例,将基于Copula核估计函数和经验Copula函数建立的风电场出力相关性模型分别接入到IEEE30节点测试系统进行潮流验证。结果表明,基于Copula核估计函数建立的风电场出力相关性模型更接近于实际数据模型,两者的潮流计算结果较为一致。     

基于混合Copula函数的风电功率相关性分析

风电功率作为电力系统调度运行中不可忽视的随机输入变量,其相关性分析直接影响电力系统的不确定性和运行风险评估。文中从风电功率相关结构的角度出发分析风电功率的相关性,分析了风电功率间的尾部特征,提出利用混合Copula函数建模分析风电功率相关性的方法。该方法依据风电功率测量数据的相关结构,以线性加权的方式构造能够描述不对称尾部特征的混合Copula函数,并利用期望最大化(EM)方法对相关参数进行估计,研究结果表明,混合Copula函数能够很好地刻画风电功率间的相关结构和尾部特征,同时基于Copula函数的相关性测度理论能够方便地求取反映相关程度的指标。     

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Copula函数的风电时序联合出力典型场景生成

针对风、光出力进行典型场景生成是电力系统规划和运行中应对风、光出力不确定性的常用方法,然而现有的典型场景生成方法未考虑不同时刻出力分布函数的差异性。在此背景下,针对分布式可再生能源发电的不确定性和相关性,创新性地考虑了不同时刻出力分布函数的差异性,运用Copula函数建立了多风电场时序联合出力模型;对模型进行概率抽样、拼接生成大量初始场景集,采用K-means聚类算法进行场景缩减生成风电时序联合出力典型场景。算例分析表明,所得的风电时序联合出力典型场景符合出力的相关性,并可以体现出力分布函数在不同时刻的差异性,在反映同一地区多风电场实际出力方面具有更高的准确性,可以更加有效地指导电力系统的优化运行。     

基于Copula函数的风电场风速建模分析

韭菜坪风电场为贵州省的一个大型山区风电场,风电场内各机组的风速具有一定相关性。本文采用多元正态Copula函数及秩相关矩阵度量的方法来量化分析该风电场内风速的相关性,以建立更能反映该风电场特性的风速模型。多元正态Copula函数能有效地将威布尔分布的风速序列、风速累积概率分布序列及标准正态分布序列连接起来,实现相关风速变量的转换及建模预测。该方法为今后分析韭菜坪风电场风速特性对该地区电网安全稳定性的影响提供一定的技术支持,也可为山区及大型风电场规划选址提供参考。     

利用贝叶斯线性回归结合混合Copula函数分析风电功率的相关性

分析风电场之间的出力相关性有助于合理规划风机的功率输送以及调度优化,从而提高传输线路的利用率。以冀北地区风场为例,首先分析了该区域风速的分布特性,然后利用贝叶斯线性回归算法建立混合Copula函数模型,拟合得到4个机群风速序列的联合分布,计算出风电场之间的出力相关性,并与其他相关性函数建模进行对比研究。研究结果表明,基于贝叶斯线性回归的混合Copula函数模型能够提高参数估计的精确性,从而使得计算出的相关性更为准确,并且由其拟合得到的出力概率分布与实际风场出力的概率分布较为一致。     

基于Copula理论的风电场间风速及输出功率相依结构建模

在电力系统规划和运行中,对风能的随机相关性进行建模是获取准确结果中非常重要的环节。鉴于风速分布呈现非线性和尾部相关性模式,区别于应用较为广泛的线性相关分析,文中引入了Copula函数对风电场风速以及输出功率之间的相依结构进行系统建模,建立了多风电场风速及功率的联合分布函数。对甘肃酒泉地区4个风电场风速相依结构的研究表明,对于有一定相关性的2个风电场,其风速之间的相关性呈现非对称的尾部特性,单一Copula函数较难精准表述其相依结构,故构建混合Copula函数,即根据拟合优度检验选取合适的Copula函数的凸组合进行描述更为准确;对福建2个风电场输出功率相依结构的研究表明,Gumbel-Copula适合用于2个风电场输出功率的相依结构建模。最后给出了四维风速的相依结构模型。     

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Pair Copula的多维风电功率相关性分析及建模

大规模风电场的接入使风电相关性更加复杂,合理描述多风电场出力的随机性和相关性特性,对准确分析风电对电力系统运行的影响具有重要意义。现有的Copula等方法能较准确描述二元相关性,但对于更高维模型的相关性描述则不够准确。基于此,提出了基于C藤Pair Copula的风电功率高维相关性模型,以及相应的采样方法。Pair Copula能够描述风电功率两两之间不同的相关性结构,从而能较好描述复杂的多维相关性,且建模步骤简单,使用灵活,适用范围广。对澳大利亚多个风电场出力样本进行分析和建模,验证了所提方法的优越性。最后通过IEEE 118节点系统的概率潮流算例,说明了合理刻画风电功率相关性可以更准确地分析含风电接入的电力系统运行特性。     

基于Copula理论考虑风电相关性的源网协调规划

相邻风电场处于相似气象条件下,功率相关性较强。目前源网规划方法假设风电场功率间相互独立,忽略风电相关性对规划的影响,不适用于未来高比例可再生能源电力系统。文中主要提出了考虑风电相关性的源网规划方法,并探讨风电相关性对规划方案的影响。首先,基于Copula理论描述风电功率相关性,通过模糊C均值聚类法考虑风电不确定性,建立了概率风电功率模型。继而,提出考虑风电相关性的经济源网协调规划模型,采用遗传算法求解。通过Garver 6节点系统和巴西南部46节点系统算例分析不同系统规模下风电相关性对规划的影响。算例分析结果表明:风电相关性对局部规划方案影响显著,对全局影响较小,应避免建设连接有相关性较强的风电场接入点的输电线路,减少风电功率趋同变化的不利影响;经济性方面,投资费用增加,运行费用降低,对总费用影响不明显。     

基于非对称Copula函数的风电场黑启动储能优化配置

在高比例风电接入的区域电网中,为加快停电后的恢复速度,可以采用风电场配置储能系统作为黑启动电源。针对启动发电机组过程中风电出力平滑问题,提出一种基于非对称Copula函数的储能优化配置方法,以投资成本最小为目标,使风电场具备黑启动电源的能力。将储能的功率配置和容量配置看作2个随机变量,根据样本数据分析两者之间的相关特性,基于非对称Copula函数建立二元联合概率分布进行准确描述。利用核密度估计得到2个边缘概率分布,通过极大似然估计和拟合度测试确定最佳Copula函数。仿真结果表明,所提非对称Copula函数拟合准确度更高,得到的储能配置成本更低。     

基于Copula函数的马尔科夫链风速预测模型

针对风能随机波动造成的电网不平稳运行问题,提出了一种基于Copula函数计算马尔科夫链风速预测模型,对风速进行了短期预测。首先,利用相邻时段风速变量时间相关性建立连续一阶马尔科夫链风速预测模型,然后,结合Copula函数并采用基于经验分布的半参数估计法计算风速模型的状态转移函数,有效避开了离散型马尔科夫链因风速状态离散化程度高引起模型计算过于复杂的缺点,并且生成了较高精度的预测风速时间序列。最后,实例仿真分析结果验证了所提模型预测的准确性和有效性。     

基于运行数据的风电机组间风速相关性统计分析

统计分析风电机组间的风速相关性对风电场的等值建模、风速/风功率预测及机组集群控制优化均具有指导意义。鉴于风电机组间的风速相关性研究工作开展较少,首先构建基于风电机组输出功率为索引的风电机组实际运行数据清洗方法与流程,然后基于Copula函数理论建立风电机组间风速相关性计算方法,最后基于张北地区某风电场风电机组运行数据进行案例应用分析。案例分析结果表明,提出的数据清洗整定方法可有效消除异常数据,提高风速相关性分析基础数据的质量;不同的时间尺度、风速、风向下的相同风电机组间的风速相关系数差异较大,案例中相同两台风电机组不同条件下风速运行数据相关性最大可达0.96,最小则降为0.55,风电机组间的风速相关系数表现出的时变性和差异性对基于风速相关性的风电场等值建模、风速/风功率预测精度影响较大。