基于时序和随机风速模型的含风电场发电系统充裕性评估

建立基于蒙特卡洛模拟(MCS)的含风电场发电系统可靠性评估模型,包含时序和随机风速模型的建立及序贯和非序贯蒙特卡洛模型的建立,并把该模型应用到RBTS测试系统中。由不同风速模型和不同MCS方法构成4种组合可靠性评估模型,本文分析4种组合模型的系统缺电概率LOLP、缺供电时间期望LOLE、期望缺供电量EENS、可靠性指标,并确定时序和随机风速模型及序贯和非序贯MCS方法对系统充裕性的影响,同时分析了风电场装机容量、系统峰值负荷等因素对系统充裕性指标的影响。     

基于Box-Cox变换的风电场短期风速预测模型

风电场准确的风速预测可以减轻或避免风电对电网的不利影响,有利于在开放的电力市场环境下正确制定电能交换计划,提高风电竞争力.基于风速序列的时序性,使用极大似然法对风速序列进行了Box-Cox最优变换,建立了ARMA(p,q)风速预测模型.为检验时间序列模型的有效性,利用最小信息准则中的BIC(Bayesian Information Criterion)函数对ARMA(p, q)模型进行识别,并通过风速频率曲线对预测结果进行了修正.仿真结果和算例验证了该方法在风电场风速预测中的适用性,具有一定的实用价值.     

多馈入直流输电系统充裕度评估的模型和方法

建立了多馈入直流系统充裕度评估的容量模型,该模型将直流系统分为阀组、极、双极3个子系统,通过串联和并联的形式将这3个子系统组合成整个直流系统,将合成的直流系统与发电系统串联形成单馈入直流系统,将各单馈入直流系统并联组成多馈入直流系统.文中提出了子系统串联和并联连接时容量模型的等效方法,并基于多馈入直流系统的容量模型计算了充裕度指标,算例分析结果表明文中提出的模型和方法是合理的,对多馈入直流系统的充裕度评估有一定的指导意义.     

基于混合半云模型的相关性风速及风电场并网可靠性分析

针对现有相关矩阵法生成相关性风速的不足,文中引入风速的混合半云模型,改进风速的抽样过程。采用蒙特卡洛抽样生成具有相关性的风速样本,通过历史风速与模型结果的对比表明,所提出的改进相关矩阵法生成的风速间的相关系数与真实数据更为接近。然后,选取不同相关系数对风电场出力和并网可靠性进行分析,分析结果表明相关系数对风电场出力和可靠性有较大影响,考虑风速相关性可以得到对风电场出力和并网可靠性更加准确的分析。     

基于互转换Ornstein-Uhlenbeck过程的风速仿真模型及应用

准确的风速仿真是研究含风能发电系统的重要且基础步骤.为此,提出基于互转换Ornstein-Uhlenbeck过程的风速仿真模型,该模型可产生任意时间步长的仿真风速样本,将其与时序Monte Carlo模拟法结合,提出仿真时间步长可变的含风能发电系统充裕度评估方法.然后,采用某观测站的实测风速样本验证所提模型,结果表明,...     

基于交叉熵的蒙特卡洛法在发电系统充裕度评估中的应用

针对传统蒙特卡洛法对稀有事件的敏感性等问题,提出了一种基于交叉熵的蒙特卡洛法,将其应用于发电系统充裕度评估中。基本思想是使用重要抽样密度函数,通过求解最优问题获得该函数的最优参数,从而提高传统蒙特卡洛法的抽样效率。最后使用可靠性测试系统IEEE-RTS以及修改后的测试系统对提出的方法进行验证,将仿真结果与使用传统蒙特卡洛法得到的结果进行比较,表明该方法在保证评估精度的基础上大大提高了计算速度。     

基于序贯蒙特卡洛法的风／柴／储能发电系统充裕度评估

边远地区采用风／柴／储能发电向负荷供电,可保证供电可靠性、节省柴油燃料和保护当地的生态环境。采用已测量到的风速历史数据,建立风速时间序列模型,进行风速模拟预测,并计算风电机组的输出功率。应用序贯MonteCarlo模拟法,在考虑机组随机故障的情况下,建立发电机充裕度评估模型。针对样例系统,定量分析了系统各种配置参数变化对发电系统充裕度的影响。评估结果可为风／柴／储能发电系统可靠运行和储能设备配置提供依据。     

基于RAMSES的特高压电网可靠性充裕度评估

以浙江电网2015年规划方案为例,分别进行了特高压接入前后的充裕度评估。介绍了可靠性评估软件RAMSES。运用该软件分析了3种典型1 000 kV变电站电气主接线的可靠性指标(年停电频率、停电时间、可用率等),发现双断路器接线方案可靠性最高。通过计算各主要负荷点的电力不足时间期望和频率发现电网的可靠性薄弱环节,增加该地区的机组事故备用容量。通过建设特高压电网,浙江省网电力不足概率由原来的0.000 2降低到了0.000 04,提高了可靠性水平。     

风/柴/储能系统发电容量充裕度评估

提出一种用于含风能和能量储存设备的小型孤立电力系统(SIPS)发电容量充裕度评估仿真方法。该仿真方法根据每小时计算的随机事件模拟发电系统的运行历史记录,考虑现场风资源的时序性、系统中发电机组的故障和修复特性。使用几个样例系统说明了该方法的应用,该系统的充裕度取决于许多因素,它们是能量储存容量、系统负荷需求、风能注入水平、发电机组强迫停运率(FOR)和其地理位置。能量储存设备对该系统可靠性能有积极的影响;SIPS随着系统负荷的增加,充裕度减少;风力发电机组FOR的变化对系统充裕度的影响不大;增加风能注入水平可以改善可靠性;位于高平均风速处的系统明显比低平均风速处的系统可靠性高。     

风速时序仿真模型及其在发电系统可靠性评估中的应用

风速模拟在风电领域相关研究中具有重要的应用。基于多项式正态变换和连续状态马尔科夫链技术,提出了一种时序风速的模拟方法。该方法首先利用多项式正态变换方法将原始数据变换为服从正态分布的数据;然后利用连续状态马尔科夫链描述变换后数据的随机波动过程;最后,通过正态逆变换获得模拟产生的风速数据。实际风速数据验证表明,模型能够较好地保持原始风速数据的概率分布特性和短期相依特性。将该模型应用于IEEE-RTS可靠性测试系统,结果表明模型可进行含风能的电力系统可靠性评估。     

A meteorological information mining-based wind speed model for adequacy assessment of power systems with wind power

Accurate wind speed simulation is an essential prerequisite to analyze the power systems with wind power. A wind speed model considering meteorological conditions and seasonal variations is proposed in this paper. Firstly, using the path analysis method, the influence weights of meteorological factors are calculated. Secondly, the meteorological data are classified into several states using an improved Fuzzy C-means (FCM) algorithm. Then the Markov chain is used to model the chronological characteristics of meteorological states and wind speed. The proposed model was proved to be more accurate in capturing the characteristics of probability distribution, auto-correlation and seasonal variations of wind speed compared with the traditional Markov chain Monte Carlo (MCMC) and autoregressive moving average (ARMA) model. Furthermore, the proposed model was applied to adequacy assessment of generation systems with wind power. The assessment results of the modified IEEE-RTS79 and IEEE-RTS96 demonstrated the effectiveness and accuracy of the proposed model.     

基于风速时间周期特征的风电并网系统风险评估方法

目前的风电并网系统风险评估方法多采用风速的概率分布模型,评估的是系统全年的风险指标,不能反映风速和系统风险的时变特征。提出了风速的时间周期特征,并将其描述为风速长期、平缓的月变化趋势和短期、快速的日波动特征两部分的叠加。用时间周期拟合函数表示风速的月变化趋势,用服从特定概率分布的随机变量表示风速的日波动特征,通过对多年风速样本进行曲线拟合来建立风速的时间周期特征模型。根据该模型模拟得到的时变风速建立风电场出力模型,采用蒙特卡洛模拟方法计算风电并网系统中长期风险指标,反映了系统风险的时变特征。以IEEE-RTS79系统及某风电场实际风速为例,验证了所提方法的有效性。评估结果可为电力系统规划、中长期调度和月发电计划制定等提供重要参考。     

计及风速相关性的电网静态安全风险评估

电网内的多个风电场由于地理位置比较接近,具有较强的风速相关性,会影响概率潮流的结果。采用Nataf变换建立多个风电场间的风速相关性样本空间,进而得到具有相关性的风电场出力。以风速相关性下的系统当前运行状态为基础,构成预想事故集,将全概率理论与排序集采样概率潮流相结合,进行风速相关性下的电网静态安全风险随机潮流计算,并对电网安全风险进行评估。在风电接入改进IEEE 30节点系统中使用RSMCS方法进行仿真,结果表明所提方法可准确、快速地评估风速相关性下系统当前运行状态的静态安全风险。     

基于小波变换的ARMA-LSSVM短期风速预测

对风电场风速的准确预测,可以有效减轻并网后风电对电网的影响,提高风电市场竞争力。提出将时间序列自回归滑动平均模型（Auto Regressive Moving Average, ARMA） 与最小二乘支持向量机模型（Least Square Support Vector Machine,LS-SVM）相结合的混合模型短期风速预测方法。采用小波变换（Wavelet Transform,WT）方法将历史风速序列分解成具有不同频率特征的序列。根据分解后各分量的特点,对于低频趋势分量选取LS-SVM方法进行预测,而高频波动分量则选取ARMA模型进行预测,采用小波重构得到最终预测结果。仿真实例表明,不同的预测方法整体的预测精度不同,而混合模型预测的均方根误差最低为11.5%,与单一预测方法相比,混合模型提高了预测精度。     

优选状态数的MCMC算法在风电功率序列生成中的应用

传统马尔科夫链蒙特卡洛(MCMC)法的状态数选择常依赖于人工经验,应用于风电功率序列建模时难以较好地同时模拟原始风电功率序列的概率分布特性和自相关特性。针对该问题,提出一种优选状态数的MCMC(OSN-MC)算法。首先给出MCMC方法状态数的选取范围,其次在该范围内以生成序列与原始序列的自相关函数的误差平方和最小为原则确定优选状态数,然后利用各状态对应功率范围内的累积分布函数抽样生成随机风电功率,提高优选状态数下生成风电功率序列对于原始序列分布特性的模拟精度。应用OSN-MC法和MCMC法对中国、美国和欧洲的12个风电场生成风电功率序列,并与原始实测序列进行特性比较,结果表明:OSN-MC法生成的风电功率序列对原始序列的分布特性和自相关特性的模拟效果均优于MCMC法所生成的风电功率序列。     

基于小波变换的短期风速预测综合模型

针对风速序列具有非平稳性、非线性、异方差性的特点,首先利用db3小波对原始风速序列进行多分辨率分析,并对其系数进行单支重构,得到表征风速序列内在特性不同频段上的概貌风速与细节风速;其次对不同频段上的风速序列建立时间序列主模型,采用LM检验法分析所建模型的残差序列,提出用ARCH模型和GARCH模型进行改进,更贴近实际地反应了风速变化的规律;最后通过实例验证该文方法能够有效提高预测精度.     

基于蒙特卡罗仿真的风力发电系统可靠性评价

风能存在随机性和波动性的缺点,风力发电对电力系统可靠性有一定影响。为全面评价风力发电并网后的经济性和可靠性,提出了基于序贯蒙特卡罗仿真的风力发电机组可靠性模型．并给出了详细算法,考虑了风能的随机特性和风力发电机组的强迫停运。采用该模型对风力发电机组进行概率仿真,并结合时序负荷模型,计算出不同设计方案下系统可靠性指标和经济指标。     

基于灰色－辨识模型的风电功率短期预测

为了准确预测风电机组的输出功率,针对实际风场,给出一种基于灰色GM(1,1)模型和辨识模型的风电功率预测建模方法,采用残差修正的方法对风速进行预测,得出准确的风速预测序列。同时为了提高风电功率预测的精度,引入FIR-MA迭代辨识模型,从分段函数的角度对风电场实际风速-风电功率曲线进行拟合,取得合适的FIR-MA模型。利用该模型对额定容量为850 kW的风电机组进行建模,采用平均绝对误差和均方根误差,以及单点误差作为评价指标,与风电场的实测数据进行比较分析。仿真结果表明,基于灰色-辨识模型的风电机组输出功率预测方法是有效和实用的,该模型能够很好地预测风电机组的实时输出功率,从而提高风电场输出功率预测的精确性。     

风速频率分布模型的研究

本文介绍了现有的描述风电场风速频率分布的模型,如对数正态分布模型、威布尔分布模型、AR-GARCH模型等数学模型,并分析了各种模型的特点及其局限性。通过对风电场实际风速频率分布特点的分析,认为AR-GARCH模型能较准确的描述实际情形下的风能资源分布,该模型能充分反映风速随时间变化的随机性和波动性,能有效解决其它常用数学模型在低风速、零风速以及风速频率分布曲线存在多峰值时的拟合误差过大的问题,并具有较强的通用性。本文结合三个典型工程实例的计算分析,验证了AR-GARCH模型的有效性和正确性。     

基于灰色-加权马尔可夫链的光伏发电量预测

光伏发电量预测是光伏并网的一项基础性工作。运用灰色模型对光伏发电量进行总体趋势的预测后,加入了加权马尔可夫链预测理论,建立了灰色-加权马尔可夫链预测模型。该模型不仅考虑了GM(1,1)模型对指数增长序列的适应性,而且考虑了发电量数据随机波动的特点,用状态转移概率矩阵来描述这种波动性。将该模型运用于合肥某光伏电站的光伏发电量预测,结果表明加权马尔可夫链与灰色模型的结合,提高了对波动性较大的发电量数据预测的精度,验证了该模型的可行性和有效性。