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。     

基于条件生成对抗网络的可再生能源日前场景生成方法

随着可再生能源渗透率的不断提高,如何有效地描述其出力不确定性是电力系统日前调度所面临的巨大挑战。针对该问题,该文提出一种基于条件生成对抗网络的可再生能源日前场景生成方法,该方法采用Wasserstein距离作为判别器损失函数,并设计适用于可再生能源日前场景生成的网络结构,通过生成对抗网络的博弈训练使生成器学习到预测条件下噪声分布与日前场景集之间的映射关系。该文使用实际风电数据(包括预测和实测数据)对所提方法进行测试,并与传统Markov链场景生成方法进行对比验证,结果表明所提模型能更精确地描述日前风电不确定性。     

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。     

基于鲁棒多标签生成对抗的风电场日前出力区间预测

风力发电不确定性强、波动性大,日前预测精度有待改善。为提高风电日前区间预测效果,提出一种基于鲁棒多标签生成对抗的风电场日前出力区间预测方法。首先,采用皮尔逊相关系数分析风电出力与多种气象因素、历史风电出力间的相关性,构建含数值天气预报气象特征与风电出力的原始数据集。然后,在原始数据集中去除待预测日风电功率,得到聚类数据集开展k-means聚类,获得带簇标签的原始数据集。之后,基于鲁棒性辅助分类生成对抗网络,生成海量带标签场景。最后,根据已知的历史风电出力和数值天气预报获得的特征,确定待预测日的簇标签,在生成场景中按对应簇标签筛选与待预测日风电功率特征相似度高的多个场景,组成相似场景集。基于相似场景集的待预测日风电功率均值及上下限,分别获得待预测日（次日）24个时段的风电功率点预测及区间预测结果。以中国东北某地区实际风电场数据为例验证了所提方法的优越性。     

基于通用分布的风电功率出力动态场景生成方法

随着大规模风电接入电网,风电功率的不确定性使得电力系统的运行与调度面临着新的挑战。针对风电功率的不确定性,本文提出了基于通用分布的风电功率动态场景生成方法,将风电的不准确性转化为确定性模型。本文首先利用通用分布良好的拟合特性去近似表征风电功率的实际分布,然后对风电的波动性进行建模,通过逆变换抽样的方法生成大量既符合风电的随机性又符合波动性的场景。为了验证所提方法的有效性,本文从场景生成的速度和精确程度方面进行了比较。以实际风电数据为基础的仿真算例验证了所提的基于通用分布的风电功率出力动态场景生成方法的可行性。     

基于生成矩匹配网络的光伏和风电随机场景生成

风电和光伏在配电网中的渗透率逐年提高,其出力的随机性和波动性给配电网的运行和规划带来了巨大的挑战.针对可再生能源输出功率的不确定性问题,提出了基于生成矩匹配网络(generative moment matching network,GMMN)的光伏和风电随机场景生成方法.该方法采用最大平均差异作为生成器的损失函数,并利...     

考虑时空相关性的多风电场出力场景生成与评价方法

含多个风电场的场景生成技术可为电力系统中长期规划和运行提供所需基础数据。为在场景生成过程中计入多风电场风电出力的时空相关性,提出两阶段场景生成方法：在第一阶段,采用Copula函数对多个风电场出力的空间相关性建模,获得多风电场出力的初始场景;在第二阶段,运用随机微分方程对风电场出力波动随机性建模,通过重构初始风电出力场景,使得最终获得的场景中风电序列较好地保留原始序列的时间相关性。为评估生成场景的有效性,构建场景有效性评价指标体系;引入多重分形去趋势波动分析方法,提供刻画风电序列的自相关特性和动态波动特性的多维度指标。以某区域风电场为例,生成风电季度出力场景,结果表明所提方法能够复现原始风电序列的时空相关性。     

基于月份划分与指定日类型的风电出力序列场景生成方法

风电场景生成是不确定性条件下进行电网调度及安全校核的重要基础。文中提出一种风电出力序列场景生成方法。首先，基于月均出力将年度风电出力序列划分为分布特性差异大的数个季度；然后,基于风电出力的日特性指标，对年度风电出力序列进行典型日聚类分析，并构建各日类型下的日特性指标联合分布函数。接着，用马尔可夫链描述每一季度内的日类型转移特性，并基于此通过抽样获得未来一段时期内每一日的日类型及日特性指标。进而采用优化技术生成未来一段时间内每日96点日风电出力序列。文中进一步提出了可根据指定极端日类型、日期位置以及长度的风电出力序列场景生成新方法。最后，通过算例分析证明了所提方法的有效性和可行性。     

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。     

主动管理模式下分布式风电源选址定容规划

节能减排背景下,以分布式风电源(DWG)为代表的可再生能源发电得到了快速发展。考虑风速和负荷间的时序相关性,采用联合概率分布法对其进行多场景构建。在此基础上,考虑调节有载调压变压器抽头、削减DWG有功出力、调节DWG功率因数和需求侧管理4种主动管理措施,建立了主动管理模式下DWG选址定容双层规划模型,上层规划以年综合费用最小为目标,下层规划则以每个场景的配电网运行费最小为目标。提出改进差分进化算法和原对偶内点法相结合的混合策略对规划模型进行求解。IEEE 33节点配电网算例的仿真和分析验证了模型的可行性和所提求解方法的有效性。     

计及不确定性的分散式风电场与地区电网协调无功优化调度方法

针对地区电网中分散式风电多点接入导致的电压波动问题,本文提出了考虑不确定性的分散式风电与地区电网协调控制的无功优化调度方法。首先计及风速不确定性和风电场内接线,构建了分散风电场无功可调容量预测模型;在此基础上,将风电出力和负荷不确定性处理为区间约束,提出了地区电网的双层无功优化模型,上层以地区电网网损最小为优化目标,下层用来寻找电网运行的最恶劣场景,使得在满足电压运行要求的同时降低网损,兼顾安全性与经济性;最后采用遗传算法与内点法相结合的方法对模型进行求解,并以某地区电网为算例,MATLAB计算结果验证了所提策略的可行性和有效性。     

考虑多元随机因素概率相关性的主动配电网规划研究

针对分布式电源在配电网中的选址定容问题,提出了一种考虑多元随机因素概率相关性的配电网规划方法。首先,采用Spearman秩相关系数对各随机因素之间的概率相关性进行表征。然后,利用多面体不确定性集合表征的方法将风电出力、光伏出力以及负荷的不确定性分别通过无分布的有界区间来表示。最后结合二阶段动态鲁棒的思想构建了计及需求侧响应的主动配电网规划模型,并采用Benders分解法对规划模型进行求解。本文所提方法的合理性和有效性在基于标准算例的仿真结果中得到了验证。     

基于改进条件生成对抗网络的可控场景生成方法

可再生能源发电具有较强的随机性和波动性,为实现高效可靠的场景建模,提出一种基于改进条件生成对抗网络的可控场景生成方法。提出基于条件生成对抗网络的场景生成框架,结合Transformer的全局注意力机制以及常规卷积和深度可分离卷积的局部泛化机制,设计适用于提取可再生能源发电不同维度特征的网络结构;利用条件生成对抗网络模型建立低维气象特征隐空间和高维可再生能源发电数据之间的映射关系,提出一种可控场景生成方法,并建立随机场景生成、场景约减、极端场景生成和连续日场景生成4种生成策略。基于实际光伏、风电数据和气象数据的仿真结果表明,所提模型与方法能够有效学习可再生能源发电的随机性、时序性、波动性及空间相关性,实现对不同策略下场景的可控生成。     

联网风电机组风速-功率特性曲线的研究

介绍了变速恒频风力发电机的基本运行机理及其PSASP/UPI仿真模型的开发原理。采用统计学方法分析了风电场中风电机组的实测运行数据,并在此基础上重新建立了适用于联网风电机组仿真模型的风速–功率特性曲线。仿真结果表明,该曲线更接近于风电机组的实际运行情况,在变速恒频风力发电机的仿真模型中,采用上述曲线能显著提高仿真的精确性。     

含异步风电机组的配电网故障恢复研究

根据风电具有的随机性、间歇性等特点,建立了以风速为输入的风电场注入功率模型。考虑到风速的统计特性,应用多场景方法模拟了异步风电机组的不确定出力,确定了基于场景发生概率的故障恢复子目标。在此基础上,考虑到配电网故障恢复目标中的其它因素,应用自适应权重和的方法建立了含异步风电机组的配电网故障后恢复重构问题的综合目标函数;然后将随机生成树策略与蚁群优化算法相结合,用以解决配电网故障后恢复重构的网络优化问题,避免了搜索过程中可能出现的大量不可行解,加快了算法的搜索速度。IEEE-33系统算例验证了文中方法的有效性。     

含风电机组的配网无功优化

研究了分布式电源中发展较为成熟的风力发电机组并网后配电网的无功优化问题,提出一种基于场景发生概率的无功优化综合指标,该指标由网损和静态电压稳定裕度两部分构成。基于该指标,提出一种新的无功优化模型。在该模型中,提出风电机组输出功率典型场景的选取策略,无功优化潮流计算中考虑了风电机组的特点,将其作为电压静特性节点处理。在求解方法上,采用基于自适应权重的遗传算法求解。算例表明,提出的模型和算法是可行的,对风电系统的运行具有一定的参考价值。