考虑电网频率偏差的风电功率爬坡限制指标动态优化

制定风电并网功率的爬坡限制指标可以有效抑制风电剧烈爬坡事件对电网频率偏差的影响。提出了一种考虑电网频率偏差的风电功率爬坡限制指标动态优化策略,根据电网的实时运行情况,对风电并网功率爬坡限制指标进行动态优化,使系统频率始终处于安全范围内。首先以电网的动态频率特性为基础,建立含一次调频和二次调频特性的电力系统频率仿真模型;然后利用二分法,根据电网频率偏差限值获得最优爬坡限制指标,从而有效避免了因固定爬坡限制指标过于宽松而导致的系统状态越限,以及爬坡限制指标过于苛刻而导致的风电场爬坡控制经济性较差的缺点。最后,通过IEEE RTS算例的仿真结果验证了所提策略的有效性。     

考虑电网侧频率偏差的风电功率爬坡事件预测方法

风电功率爬坡事件越来越影响风力机在电网中的运行,随之而来的爬坡事件预测问题成为国内外新的研究热点。综述了风电功率爬坡事件的研究背景、定义和特征,建立了考虑频率偏差量的含风力机的准稳态潮流计算模型,将频率偏差量和滑差修正量引入雅可比矩阵中进行含风力机的潮流计算,采用两种频率偏差指标(PRESF指标和APRESF指标)对爬坡事件进行预测。将所述预测模型应用于5节点和10机39节点系统进行算例仿真,对结果的对比分析验证了该方法的有效性。     

考虑风电功率爬坡的功率预测-校正模型

随着大规模风电接入电力系统,风电功率爬坡事件对电网的安全稳定运行带来一定的影响。研究爬坡事件发生时的功率预测已越来越迫切。基于极限学习机理论,提出了一种考虑风电功率爬坡事件的超短期功率预测和校正模型。首先,利用最优旋转门算法对当前爬坡事件进行识别,提取爬坡事件特征值,建立模糊C均值聚类模型以得到同类数据,在此基础上,采用极限学习机算法对上述数据进行训练、预测,通过元组向量时间扭曲法在历史风电功率预测爬坡事件库中寻找与当前风电功率预测结果相似的爬坡事件,得到功率预测历史相似爬坡事件。最后,利用功率预测历史匹配值与实际值之间的特征值误差,对风电功率预测结果进行修正。算例表明,所提方法可准确识别风电功率爬坡事件、有效提高风电功率超短期预测精度。     

高比例风电系统的爬坡备用需求评估

在极端天气情况下,风电功率会在短时间尺度内发生大幅度的变化,出现风电功率高风险爬坡事件,严重威胁电力系统的安全稳定运行。开展爬坡备用的需求评估,有助于减小风电出力波动和预测误差对电网运行带来的不利影响。为保障高比例风电系统的备用充裕度,提出一种基于门控循环单元和非参数核密度估计法的组合区间爬坡备用需求预测方法。首先,将风电功率实际数据和日前预测数据构建成多变量时间序列,基于门控循环单元（gate recurrent unit,GRU）模型提高预测结果的准确度。进而,采用非参数核密度估计方法对风电功率预测误差进行置信区间估计,得出给定置信区间下的风电功率预测区间。最后,根据区间预测结果,预测爬坡事件并提取爬坡特征量,建立爬坡备用需求评估模型,评估得出爬坡备用容量需求。基于西北某省级电网的数据开展了算例测试,验证了所提方法的有效性。     

基于卷积神经网络特征提取的风电功率爬坡预测

为提高风电功率爬坡预测的准确性,提出了一种基于卷积神经网络、长短期记忆网络和注意力机制的风电功率爬坡预测方法。首先,针对风电功率爬坡发生次数少、特征复杂、预测模型难以对小样本爬坡事件有效学习的问题,使用卷积神经网络对风电功率序列进行特征提取。然后,使用长短期记忆网络建立预测模型,解决风电功率的长时依赖问题,并在模型中加入注意力机制对长短期记忆网络单元的输出进行加权,从而加强风电特征的学习,提高爬坡预测准确度。仿真验证表明,模型对风电功率爬坡预测有较高的准确性。     

考虑风电爬坡事件的鲁棒机组组合

风电功率具有强波动性和不确定性,其强波动性主要表现为较大的爬坡事件,而其强不确定性则表现为风电功率难以精确预测,两者都给电力系统运行带来了新的挑战。针对爬坡事件,建立了考虑风电爬坡事件约束的精确线性化的机组组合模型;针对风电功率难以精确预测,考虑用其预测值以及区间预测上、下限来描述风电场出力,从而通过线性鲁棒优化理论将该随机问题转化为一确定性问题后进行求解。以含风电的10机39节点系统为例进行算例分析,结果表明,对于一般的风电爬坡事件,爬坡事件约束是不起作用的,但对于风电波动速率较大的情况,考虑爬坡事件更能保证系统安全。由于所建模型为一线性混整规划模型,故可实现大规模求解并用于实际系统。     

风电爬坡事件研究综述及展望

风电爬坡事件易造成系统有功功率不平衡,破坏频率稳定性,甚至引起大规模切负荷,严重威胁着电网的安全稳定经济运行。从定义、预测方法和控制策略3个方面对风电爬坡事件的相关研究进展进行了综述。首先对比分析了爬坡事件的常用定义,明确了其优缺点和适用范围;其次,归纳了爬坡预测方法的研究现状,根据是否由风电功率预测结果判断划分为直接预测方法和间接预测方法两类,总结了常用预测方法评价指标;然后阐述了无储能的有限度爬坡控制策略的基本思想、控制方法和风储联合爬坡控制策略的原理以及研究进展;最后展望了风电爬坡事件未来的重点研究方向。     

含风电场电力系统的模糊鲁棒优化调度

随着电力系统中风电渗透率的不断提高,如何维护含风电场电力系统的安全稳定运行成为调度部门面临的新挑战。风电功率预测为调度部门提供决策依据,是解决风资源波动性和间歇性的首要方法,但当出现预测方法无法有效预测的风电功率爬坡事件时,依据功率预测值安排的调度方案可能不可行。为此,在传统模糊调度的基础上,提出含风电场电力系统模糊鲁棒调度方法。该方法采用六点模糊数考虑风电功率爬坡事件持续时间的不确定性,生成包含最坏场景的不确定集,并将其用来描述风电功率及安排调度。算例结果表明,考虑风电功率爬坡的模糊鲁棒调度可以有效解决传统调度方案中系统爬坡能力不足的问题。     

基于相似性修正的风电功率爬坡事件预测方法

为了满足爬坡预测所需的长期高精度风电功率预测要求,提出基于相似性修正的风电功率爬坡预测方法。该方法首先根据Granger因果检测法提取数值天气预报(numerical weather prediction,NWP)中对风电功率预测有效的气象变量,保证基于气象变量和统计模型的混合预测模型的可实现性,并以支持向量回归模型作为基本预测模型。其次,结合历史数据分析气象背景相似性与爬坡事件相似性,给出相似爬坡事件的选取机制。考虑到较高精度的风电功率预测可提高爬坡预测的性能,为此,结合相似爬坡的功率变化修正风电功率的预测结果,并由误差指标分析验证修正模型的优越性。最后,对实际算例进行仿真分析,验证基于相似性修正的风电功率预测模型的可行性。     

考虑火电机组深度快速变负荷能力的频率控制

风电的大规模并网和常规燃煤机组的快速爬坡能力不足对系统的频率稳定产生了严重的威胁。考虑到中国当前以燃煤机组为主的电源结构,通过合理利用火电机组深度快速变负荷能力提高机组动态特性是解决这一问题的有效手段,但是目前其在电力系统中的应用主要集中在调度上。文中提出了一种将火电机组深度快速变负荷能力应用在含风电电力系统的频率控制中的方法,该方法基于含风电电力系统的频率分析模型,首先在预测层面根据风电功率超短期预测的结果以及机组深度快速变负荷的经济性和安全性条件判断,合理制定火电机组深度快速变负荷状态的开关计划,然后利用所制定的开关计划进行实时风电功率激励下的系统频率控制,所提策略与传统自动发电控制策略紧密结合,工程上易实现。将所提方法应用于IEEE 10机39节点系统,仿真结果表明,所提方法能够有效提高含风电电力系统的频率控制能力,适用于高风电渗透率的互联电网。     

风电功率预测方法综述

随着风电接入容量的持续增长,风力发电的间歇性和波动性对电网造成的影响越来越明显,因此风电功率预测方法的研究得到了广泛的关注。准确的风电功率预测可以给电网调度、机组组合操作、风电场运营维护等提供必要的依据。从3个方面对目前的风电功率预测方法和进展进行介绍。首先,介绍了两种确定性预测方法:仅使用历史数据的统计学习方法和使用了NWP(numerical weather prediction)数据的物理模型。其次,介绍了用于提供预测结果不确定度的概率性预测方法。最后,由于风电爬坡事件会对电网造成较大的影响,还介绍了目前风电爬坡事件预测方法的研究和进展。对现有的风电功率预测方法介绍后,提出了目前风电功率预测模型遇到的一些问题以及需要进行深入研究的方向。     

基于超短期风电预测和混合储能的风电爬坡优化控制

风电爬坡对电力系统运行的经济性和可靠性有较大的影响,也是对电网造成冲击的重要因素之一,如何减小风电爬坡时的功率波动对电网的冲击成为国内外研究热点。为风电场配备储能系统能够有效抑制风电爬坡时的功率波动。为此,提出一种基于风电功率超短期预测和混合储能系统实现平抑功率在电池和超级电容器之间有效分配方法。首先通过奇异值分解理论风电爬坡事件,提出混合储能系统的动态最佳荷电状态,以使储能设备更好地平抑下一时段风电功率波动。考虑未来风电功率及其预测误差,根据超前充放电控制策略对储能设备当前充放电进行修正,并给出了提前充放电修正公式。仿真结果表明,该方法及其控制策略能有效抑制风电爬坡的功率波动,从而减小风电爬坡事件对电网的冲击,并且能够充分提高混合储能设备的利用效率。     

基于爬坡特征和云模型的风电功率预测误差区间评估

为了满足电力系统优化运行对预测误差区间评估结果越来越高的可靠性要求,改善传统的区间评估方法在发生小概率风电爬坡事件时较差的适应性,提出了一种基于爬坡特征分类和云模型的风电功率预测误差区间评估方法。通过对每类数据分别建立模型以提高不同爬坡类型下评估方法的适应性。首先,利用改进的旋转门算法识别爬坡后得到爬坡特征,并基于爬坡特征对预测误差进行分类,对上爬坡类误差和下爬坡类误差分别建立云模型,对非爬坡类误差采用K-means算法得到不同预测误差类型所对应的区间范围。然后,以风电功率和爬坡特征数据共同作为模型输入,以预测误差类型为输出,建立评估模型,从而得到风电功率预测误差评估区间。最后,利用Elia网站的风电数据进行算例分析。结果表明,所提方法的风电功率误差区间评估效果更优。     

风电功率爬坡事件作用下考虑时序特性的系统风险评估

与常规的风电功率随机波动相比,风电功率爬坡事件具有明显的时序特性。为准确评估其对系统运行风险的影响,分析风电功率爬坡事件的特点及发生过程,并基于非序贯蒙特卡罗模拟法推导与之相适应的常规机组停运模型。通过对常规机组可能停运时刻和对应的运行状态分别进行抽样,考虑爬坡事件与常规机组停运之间的时序关系对评估结果的影响。在计及低频减载及AGC调节作用的基础上,采用频率越限次数和失负荷期望对系统运行风险进行评估。以IEEE RTS 24节点系统为例,对多种场景下系统运行风险进行评估及对比分析,验证了所提模型的有效性。     

应对风电功率爬坡事件备用需求分析和预防控制

针对风电功率爬坡事件会严重影响系统有功平衡,甚至导致频率越限或失负荷等问题,提出一种应对风电功率爬坡事件的备用需求分析方法和预防控制策略。首先,基于序列运算理论将爬坡事件在时序上的概率预测结果转化为各时间断面上爬坡量的概率分布,并在此基础上结合风险可接受程度对系统备用需求进行了分析。然后,提出一种应对爬坡事件的预防控制策略,过程中不断根据最新的爬坡事件预测信息对调度计划进行调整,调整量包括风电场减载量、常规机组计划出力和备用容量。以含风电场的IEEE-RTS24为例对所提模型进行了仿真验证,结果表明该方法可对爬坡事件作用下系统运行风险进行准确评估,并可将风险控制在可接受范围内。     

基于原子稀疏分解和BP神经网络的风电功率爬坡事件预测

超短期风电功率爬坡事件越来越影响风电机组在电网中的运行。当前国内对爬坡事件的定义并不明确,缺少相应的预测方法。阐述了风电功率爬坡事件的物理含义,提出了一种基于原子稀疏分解和反向传播神经网络(BPNN)的组合预测方法,分别建立了原子分量自预测模型、残差分量预测模型和组合预测模型。以实际风电场数据进行验证,对不同预测方法和不同时间空间实测数据进行了较全面的分析,结果表明该方法可以提高预测精度,并能降低绝对平均误差和均方根误差计算值的统计区间。     

基于机会约束混合整数规划的风火协调滚动调度

为降低大规模风电随机性和波动性对电力系统调度的影响,保障电力系统运行的安全性和经济性,提出了考虑风电功率特性的基于机会约束混合整数规划的滚动调度模型。首先,研究了风电功率特性及风电预测误差和风电爬坡事件对系统调度的影响。然后,建立了考虑风电功率特性的机会约束混合整数规划滚动调度模型。通过滚动调度策略,有效减少系统备用容量,降低系统运行成本,提高系统的经济性,模型考虑风电爬坡约束,能有效降低风电爬坡事件的危害,提高系统的安全性。最后,通过算例对所提模型和调度策略的有效性进行了验证,结果表明,模型和调度策略能结合风电功率特性,有效兼顾系统的安全性和经济性。     

超短期风电功率爬坡事件检测和统计分析

随着风电渗透率的逐渐增加,超短期风电功率爬坡事件对电力系统的影响愈来愈显著。当前国内对爬坡事件没有明确定义,且缺少相应的检测方法和统计分析。阐述了爬坡事件的定义,提出了一种超短期风电功率爬坡事件检测方法,并从爬坡持续时间、爬坡变化率和爬坡幅值三个方面对上爬坡和下爬坡两种爬坡类型进行了统计。最后分析了超短期风电功率爬坡事件的日、月分布规律。实例证明,所提出的检测方法可以快速准确地检测出风电功率爬坡事件及其特征值。统计结果表明,上爬坡事件和下爬坡事件的爬坡持续时间、爬坡变化率和爬坡幅值三个爬坡特征具有较高对称性,但两类爬坡事件高发在一天之中不同的时段,也表现出明显的日、月分布特征。     

考虑爬坡特性的短期风电功率概率预测

短期风电功率概率预测有助于调度部门提前安排发电计划,提高风电的消纳能力。提出一种考虑爬坡特性的风电功率概率预测方法,首先通过分析不同风电爬坡定义的特点,阐述互补组合预测的思路;然后采用小波神经网络建立风电功率确定性预测模型,并在其基础上建立不同功率分区内风电爬坡率和风电功率预测误差的二维核密度估计概率预测模型;最后由二者的联合概率分布求取后者的条件概率分布,得到风电功率概率预测结果。仿真结果表明,所提模型具有很高的短期风电功率概率预测精度。     

风电爬坡事件对系统运行充裕性的影响评估

风电爬坡事件具有大波动性和强不确定性的特点,可造成系统中发用电的严重不平衡,从而导致负荷损失。在分析风电爬坡事件特征和爬坡预测研究现状的基础上,建立了风电爬坡事件模型,定量表示爬坡事件表征量与风电功率曲线之间的关系;同时考虑负荷预测的不确定性,采用场景削减方法生成风电爬坡过程对应的典型净负荷场景集。构建了评估系统运行充裕性的指标体系,推导了缓冲失负荷概率指标的计算公式;将系统状态分为充裕、失负荷和临界3种,分别计算各状态对应概率及失负荷严重程度。以甘肃电网为例,典型事件的评估结果验证了所述方法和指标体系的有效性和合理性,分析了常规机组爬坡速率及系统备用比例在防范风电爬坡事件不利影响方面的作用。