基于混合分布模型的风电功率波动特性研究

风电功率的波动特性是影响风电功率预测效果的关键问题之一。为定量描述风电功率波动的概率分布特性,提出基于混合含有尺度参数和位置参数的t分布模型(t Location-scale分布)对风电功率波动变化率进行拟合,通过k均值聚类算法进行模型参数确定。从风电场内风电功率波动的时间分布特性和空间分布特性两方面进行研究,分别比较相同机组数量不同采样间隔和相同采样间隔不同机组数量的风电功率波动的时空分布的概率拟合效果,并将混合含有尺度参数和位置参数的t分布模型与单一分布模型中的Normal分布、t Location-scale分布以及混合高斯分布通过评价指标进行对比,验证了其有效性和普适性。     

基于高斯混合模型的风电场群功率波动概率密度分布函数研究

如何描述风电功率波动的概率密度分布特性一直是风电联网运行分析领域的难点。在利用概率密度函数法分析风电功率波动特性的基础上,首先验证了采用多种单一分布函数模型拟合风电波动概率密度分布特性的效果较差,并根据列维定理揭示了风电场群出力波动概率密度分布特性呈现多种分布的规律;在此基础上提出采用高斯混合模型替代单一分布函数模型来拟合风电波动概率密度分布特性的方法。仿真结果表明,高斯混合模型具有良好的拟合效果,适用于描述大型风电场群出力波动的概率密度分布特性。     

基于重尾分布的风电功率波动特性概率分布

研究风电功率波动特性对于提高风电功率预测精度、促进风电并网消纳、抑制风电并网对电力系统安全运行的不利影响等均具有重要意义.利用风电场实测数据,归纳风电功率波动特性的时变性、异方差性、波动集聚性和"尖峰厚尾"4个基本特征;为定量描述风电功率概率分布,在不同的时空尺度下分别采用正态分布、混合高斯分布以及重尾分布中的t Lo...     

风电功率波动特性的概率分布研究

波动性是风电功率的固有特性,如何定量地描述风电功率的波动性尚缺乏有效方法。基于大量实测数据的分析,发现可以采用带移位因子与伸缩系数的t分布(t location-scale)描述风电功率波动特性的概率分布。分析表明:风电功率的min级分量约占风电场装机容量的2%~5%;多个风电场输出叠加在一起后可以有效减小min级分量的比例;风机类型对风电波动特性的影响很小,而风电场当前风电出力则对风电波动特性几乎无影响。带移位因子与伸缩系数的t分布还适合于描述风电场相邻时间间隔平均功率变化的概率分布,时间间隔加长后,由于风速相关性减弱,相邻时段平均功率的波动特性增强。     

新疆风电出力波动特性的概率建模

掌握风电出力的波动性规律是解决大规模风电并网运行难题的基础,分析了新疆某地区风电场出力的大量实测数据,提出了加权高斯混合分布概率模型模拟风电场及集群风电场功率变化特性,提出了反映风电出力波动特性的评价指标,采用极大似然估计法估算模型参数,并用多种概率分布模型模拟了新疆该地区风电场及集群风电场出力波动特性。仿真结果表明,加权高斯混合分布概率模型模拟精度最高,从而验证了加权高斯混合概率模型的可行性和有效性。     

大规模风电多尺度出力波动性的统计建模研究

掌握风电波动性规律是解决大规模风电并网运行难题的基础,从相关性和平滑性两个方面,研究了不同时空尺度下风电出力波动性的统计学规律。首先基于华北地区的实测数据对风电功率波动概率分布模型进行假设检验分析,证明了风电功率变化率采用混合高斯分布而非正态分布具有更好的拟合精度,然后利用数理统计方法建立了华北风电功率波动率概率密度分布的二分量一维混合高斯分布模型和置信区间模型,分析了模型参数受风电规模的影响规律。在此基础上,提出了能够有效反应风电群聚对出力波动性平滑效果的评价指标,并进一步建立该指标与相关系数之间的一次函数,对平滑效果与相关性之间的消长关系进行了描述。给出了评价规模化风电波动性、平滑性与相关性等主要特性的基本统计学方法,有效提升了风电波动性统计模型的精确性以及指标的完整性。     

风电功率状态的时域概率特性研究

随着大规模风电的并网,深入认识风电功率的随机特性将有利于更好地预测和利用风电。目前,对于风电功率波动特性的研究较多,对风电功率状态的时域概率特性的研究更侧重于对风电状态转移概率特性的描述。基于风电功率状态的定义,深入研究了风电功率状态持续时间的概率分布描述函数和状态转移概率矩阵。基于多座风电场/群的大量实测功率数据的研究发现:风电功率在某个特定状态可能持续几个小时甚至更长时间,逆高斯分布较适合用于描述风电功率状态持续时间的概率分布,可为系统运行调度风电提供参考信息;风电功率状态转移概率矩阵量化了风电场功率状态的跳变程度,风电功率状态的跳变呈现山脊特性。     

基于DDRTS的风储联合并网功率波动特性及电能质量研究

基于新疆某风电场出力实证数据,对比分析单台风机与整个风电场输出功率特性,论证风电功率间歇性和随机波动性大,但整个风电场输出功率具有自平滑特性,从不同时间尺度进行风电场波动特性量化分析。在DDRTS软件中构建区域电网模型,基于频率和电压稳定约束,仿真分析风电出力波动对电网电压、频率等造成的影响,研究区域电网容忍风电功率多尺度波动极限值的计算方法及规律特征。在不同时间尺度、不同极限风功率波动量情况下,进行电网的电能质量仿真分析。结果表明,构建风储联合并网系统,能有效平抑风电出力波动,降低风电并网对电网电压和频率的影响。     

考虑风电随机性的直驱风机风电场等值模型评价方法

近年来,直驱风机风电场引发的电力系统次同步振荡现象成为了研究的热点。然而,尚未有文献对适用于次同步振荡研究的风电场等值模型进行研究。该文提出在考虑风电随机性的情况下评价等值模型适用性的方法。首先,以风电场等值模型与详细模型对应特征根的平均欧氏距离为判别依据,采用二次函数逼近的方法刻画该距离与注入风功率之间的非线性关系,然后利用高斯混合模型刻画风功率的概率分布,并利用高斯混合模型的性质求取上述平均欧氏距离的分布函数。通过计算这一分布的均值和方差可以对不同等值模型进行评价,均值和方差均较小的等值模型在风电随机变化的情况下能更准确地反映真实风电场的动态特性。最后,以聚合等值模型和基于输出倍乘的单机等值模型为例介绍了文中所提评价方法的应用流程。     

典型风电场风电功率预测误差研究

比较了风电场并网功率的预测值与实际值,研究了风电场并网功率日预测误差概率及最大日预测误差、风电场并网功率实时预测误差概率分布、风电场预测数据的均方根误差和风电场风功率预测误差的分布特性,并提出了利用储能系统减小风功率预测误差,提高风电功率预测精度。     

风电功率波动的时空分布特性

风电功率的波动特性是其对接入电网安全稳定运行产生影响的根本原因。由于缺乏实测数据,量化评估风电波动的影响程度一直难以解决。我国在建巨型风电基地(1~20 GW)所覆盖的地理空间更广、机组类型及台数更多,对其输出功率波动特性的量化评估是保证接入电网安全稳定运行的基础。基于中国东北某省级电网GW级风电场群实测功率数据,定量分析了风电功率波动在不同时间、空间尺度上的分布特性。分析结果表明,风电功率波动的时空分布具有一定的趋势性,且随着风电场群集聚规模的增大,风电功率的波动特性呈现较为明显的平缓效应。     

风电功率及其预测误差概率分布研究

进行风电功率及其预测误差概率分布研究对分析风电功率分布特性有重要意义.以风电功率、日功率波动量均值为指标,统计分析风电在不同时间尺度下的波动概率分布;针对正态分布模型对风电功率及其预测误差分布拟合效果较差问题,利用非参数估计法拟合风电功率及其短期预测误差概率分布,并以残差平方和、相关系数为评价指标,对比不同预测模型和采样间隔对应的拟合效果;基于实测数据的分析结果表明,非参数估计法可以有效拟合风电功率及其短期预测误差概率分布,且具有较好的实用性.     

风电功率波动特性的混合Logistic分布模型

自然界中风固有的波动性直接影响风电功率的准确预测。因此,如何定量描述风电功率的波动性是解决该问题的关键。文中提出一种混合Logistic分布模型来定量描述风电功率的波动变化率,采用改进K均值聚类算法来确定模型参数。从不同采样间隔分布特性以及时间窗分布特性分析该模型性能,并将该分布模型与单一分布模型Normal分布、Logistic分布以及混合高斯分布等模型进行对比,通过利用吉林省某风电场的实测数据仿真实验,比较其评价指标,验证了该文提出模型的有效性。     

基于t Location-Scale分布的风电功率概率预测研究

风电功率特有的随机波动性,导致风电功率点预测方法的预测精度不高,增加了风电并网的难度,致使风电场弃风现象严重。基于风电功率点预测的基础上,风电功率概率预测可以预测出风电功率的波动范围,为电力系统的安全运行以及电网调度运行给出不确定信息和可靠性评估依据。提出了一种基于t location- scale分布的风电功率概率预测方法,即采用t location-scale函数来描述风电功率预测误差概率分布,并以此建立误差分布,基于已建立的误差分布可以进行概率预测。并引进了覆盖率和平均带宽来评价预测区间的优劣程度。利用吉林省西部某风电场历史数据验证了该方法的可靠性。     

基于风电场功率波动与限风特性的混合储能容量配置方法

我国风电并网规模逐年增大,高渗透率下的风电功率波动威胁电网的运行安全,同时电网调节能力不足导致"弃风限电"问题升级。在风电场配置混合储能系统可有效平抑功率波动并缓解弃风问题。基于风电场功率波动与限风数据的统计特性,分别确定功率型储能系统所需平抑的波动分量和能量型储能系统多场景工作划分原则。提出一种综合考虑风电功率波动平抑效果、减少弃风的经济效益与储能工程总投入成本的混合储能系统优化配置方法。最后通过算例分析表明,此方法可确保风电场最大功率波动10 min不超装机容量15%的前提下有效减少弃风,且收获较好的经济效益,从而验证其有效性与经济性。     

基于改进KDE法和GA-SVM的多风电场聚合后输出功率长期波动特性预测方法

针对规划期内有新增风电装机容量但没有与其对应的实测风电输出功率数据,导致难以准确把握和刻画规划目标年多风电场聚合后输出功率长期波动特性的问题,提出一种利用改进核密度估计(KDE)法和经遗传算法寻优的支持向量机(GA-SVM)预测多风电场聚合后输出功率长期波动特性的方法。对风电功率的长期波动特性进行刻画,分析在多风电场聚合过程中装机容量与风电功率之间的关系;运用改进KDE法生成多风电场聚合过程中不同装机容量下的输出功率概率密度曲线;采用GA-SVM建立多风电场聚合后输出功率概率密度演变模型;根据概率分布与持续功率曲线的对应关系,对预测出的规划目标年的多风电场聚合后的输出功率概率密度曲线进行反演,得到可描述规划目标年输出功率长期波动特性的持续功率曲线。工程实例证明了所提方法的实用性和有效性。     

考虑多风电场功率相关性的概率潮流联合分布计算

随着大规模风电接入电网,风电的随机性为电网运行带来了更多的不确定因素,严重威胁系统的静态安全。提出一种考虑多风电场功率相关性的概率潮流联合分布计算方法,可用于评估多个风电场风电出力对系统静态安全的影响。首先采用高斯混合模型来准确描述多个风电场功率的联合概率分布,然后利用高斯混合模型的优良性质,依据系统状态量与风功率之间的近似线性关系,进而获得系统状态量的联合概率分布。将该方法应用于宁夏电网的静态安全概率评估,经过与蒙特卡罗仿真法比较,结果表明,该方法准确度更高,计算速度更快。     

基于主次双尺度交集切割效应的混合储能平抑风功率波动控制

针对风电多时间尺度波动量不同的特性,提出采用能量型和功率型混合储能(hybrid energy storage system,HESS)依据主次双时间尺度(primary-secondary time-scale,PSTS)联合平抑的方法。首先详细分析和挖掘了PSTS风功率动态上下限波动机理,得到了PSTS交集的"切割效应"(cutting effect,CE)特征,建立了风电PSTS波动联合控制目标域数学模型,并推广到多尺度风功率波动;基于2种储能充电状态(state of charge,SOC)反馈与充放电功率限制,确定了各种状态下储能充放电功率及其在2种储能间的分配模型,制定了完整的混合储能充放电控制策略。其次,以三维空间关系分析法寻找了功率型和能量型储能容量配比与效果之间的关系。最后,根据国网规定标准,应用某风电场实际数据仿真验证了该控制策略将风电波动率限制在国网标准内的有效性,并确定了在效果较优基础上功率型和能量型储能容量最佳配比。     

江苏海上、沿海和内陆风电出力及波动特性分析

江苏风电装机规模大,具有海上、沿海和内陆风电场3种类型的风电场。掌握不同类型风电有功出力及波动性规律对于电网规划、调度、运行意义重大。基于江苏海上、沿海和内陆3类风电场的运行数据,利用多种概率分布模型模拟了风电场有功出力及波动特性,采用最大似然估计法对模型参数进行估计,根据多种评价指标对拟合精度进行衡量,结果表明海上风电有功出力服从Gamma分布,沿海和内陆风电有功出力更接近Weibull分布。3类风电的有功波动最优拟合为含有尺度和位置参数的t分布。     

风电功率预测误差分段指数分布模型

风电预测存在较大误差,对于风电场和电网调度人员而言,预测的不确定性信息比单纯的功率预测值更有指导意义。基于对中小规模风电场短期和超短期功率预测误差分析,提出风电功率预测误差分段指数分布模型,并进行分段指数分布概率密度函数及概率分布函数推导,采用非线性最小二乘法进行参数估计。实例分析中,通过模型精度指标和曲线拟合效果对比了分段指数分布模型与传统误差分布模型,论证了分段指数误差分布模型较传统模型在精度、灵活性方面的优势。