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。     

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。     

基于有限混合Laplace模型的风功率波动特性研究

风电功率具有波动性,准确描述风电场功率波动规律对于研究风电大规模并网运行具有重要意义。首先基于风功率波动概率分布的重尾特性,提出有限混合Laplace分布(finite Laplace mixture,FLM)的概率分布模型,并求解了模型最优参数集。然后提出评价模型精确度指标体系,并基于大量风电场实测数据,用FLM模型分别与混合高斯模型及单一分布模型作对比,论述并证明了FLM模型能更精确地描述风场功率波动特性。在此基础上,分析在不同时空尺度下的风功率波动情况,总结了风功率波动在多时空尺度下的规律特征。实验结果表明,FLM模型相较于其他分布模型,具有更高的拟合精度和更普遍的适用性。     

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。     

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。     

考虑风电不确定性的风蓄火联合优化经济调度研究

风电的间歇性、波动性和反调峰特性导致大量风能成为弃风,致使风电的经济效益和环保效益均受到影响。针对风电和抽水蓄能以及火电出力的不同特性,文中采用内外两层模型嵌套求解,即优先建立内层风蓄联合运行收益最大和风电入网波动最小的双目标模型,以决定抽水蓄能机组的抽水功率或发电功率,再在外层建立计及不同置信水平风电预测误差的风蓄火联合收益最大的目标模型。以抽水蓄能和风电合作运行来应对风电的不确定性,同时采用机会约束规划来处理模型中的随机变量。采用粒子群优化-遗传算法混合优化算法求解模型,并通过IEEE 30节点系统验证了该模型在增加系统经济效益的同时可以降低风电出力波动性。     

乌兰察布地区风资源波动性及聚合特性分析

为系统准确地描述乌兰察布地区风资源的波动性和聚合特性,建立了风电波动幅度及波动速率量化指标,对该区域风资源潜力及波动性进行了分析。基于威布尔分布拟合参数进一步对比分析不同风向区间风资源的波动性,相比于出现频率较低的风向扇区,出现频率较高的风向扇区对应的风速通常平均风速较大,且波动性较弱。为平抑风电波动性,基于Kendall相关系数分析了乌兰察布地区不同空间位置风功率出力的聚合特性,并定义波动强度及波动速率下降指数来定量研究相关系数与聚合效果间的对应关系。结果表明,随着相关系数的增大,波动强度及波动速率下降指数呈线性下降变化趋势;不同空间位置风电聚合后,相比风电出力的波动幅度,对波动速率的平抑效果更加显著。     

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。     

考虑风储一体的多场景两阶段调度决策模型

考虑风电的波动性和随机性,将风电功率的不确定性引入含风电调度模型中,建立基于场景集的日前机组组合和日内经济调度滚动修正两阶段决策模型。应用场景集描述风电功率的不确定性,建立基于场景集的机组组合模型,同时考虑合理弃风和切负荷有利于系统的稳定经济运行,在日内修正模型中引入弃风量以及切负荷量作为松弛变量,提高了模型的收敛性。两阶段模型均包含了储能系统来平抑风电功率的波动。算例结果表明:该模型有效抑制了风电的不确定性影响,提高了调度决策的鲁棒性。     

一种风光联合出力概率模型建模方法

随着风电和光伏等新能源渗透率的逐年提高,其波动性和随机性对电力系统的安全稳定运行产生重要影响。考虑风电和光伏在时空上的波动性和相关性,提出基于混合高斯模型的多时空尺度的风电—光伏联合概率建模方法。该方法首先基于历史数据的数理统计结果,提出三阶混合高斯模型。使用K-means聚类方法求得模型各参数的迭代初值,运用最大期望算法求取混合高斯模型参数最优值。该模型具有同时考虑风电和光伏相关性和波动性的优点。以我国东南地区风电场和光伏实际数据为例进行仿真。仿真结果表明,所提出的3阶混合高斯模型对风光联合出力的概率特性具有良好的拟合效果。     

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。     

风电集群功率波动下系统关键变量提取及特性分析

风电集群功率波动对电力系统运行特性的影响日趋显著。对风电出力波动性对系统运行的影响进行了量化评估,借助多维空间上的系统关键变量集来描述电网受风电集群功率波动的影响程度,给出关键变量集的确定原则;提出一种灵敏度分析、PV分析和动态仿真相结合的方法,确定能反映风功率波动下系统主导动态特性的关键变量集。最后以含风电集群的内蒙古实际电网为例,对风电集群功率波动下的系统关键变量集进行提取并对风电集群典型日波动场景下的系统关键变量漂移特性进行分析。通过关键变量和非关键变量的漂移特性对比,验证了该方法的可行性和有效性。     

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。     

基于贝塔分布的风电功率波动区间估计

风电的大规模并网使得风电功率的波动性对电网的影响越来越大,单一且确定的点预测往往不能满足电网风险分析和制定决策的需求。通过对风电功率预测误差分布特性的研究,提出利用预测功率区间分段方法与参数优化后的贝塔分布对具有偏态性的功率预测误差频率分布进行拟合。同时根据估计区间最狭原则,实现一定置信水平下风电功率的波动区间估计。利用所建优化模型、正态分布模型和优化前的贝塔分布模型分别对某风电场历史数据进行分析,对比结果验证了优化贝塔分布模型能更有效地对功率预测区间进行估计。     

采用自适应VMD与能量管理控制的混合储能平抑风电波动策略

采用燃料电池/电解槽/储氢罐/超级电容构建混合储能系统来平抑风电功率的波动性,实现风电平滑并网.针对风电功率的波动特性,结合风电并网波动率标准,提出自适应VMD算法,实现风电功率的自适应分解,得到风电并网功率和混合储能系统功率指令,根据燃料电池和电解槽出力需求,结合超级电容的荷电状态和储氢罐的储氢状态,提出一种能量管理控制策略,实现储能系统内部功率分配.算例结果表明,所提算法能自适应实现风电功率的最优分解,所提控制策略能完成储能系统内部功率的合理分配并有效地平滑风电出力波动,同时保证超级电容的荷电状态、储氢罐的储氢状态工作在合理区间.     

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。     

基于混合半云模型的风速-功率曲线建模方法

风速-功率曲线的准确建模是风电机组出力态势评估和风电功率预测的关键基础之一。计及风电映射关系的不确定性及功率曲线的分布形态,提出一种基于混合半云模型的建模策略来实现对风功率数据固有和随机分布特征的挖掘和建模。引入最优组内云熵算法快速有效地剔除异常数据;采用逆向云发生器求取期望、熵与超熵数字特征来定量刻画风速-功率对应关系的不确定性,构建腰部数据的半云模型;通过X条件云发生器和正向云发生器分别求取腰部和上部数据的功率云滴,实现定性数字特征向定量数据的转换。以中国东北某大型风电场的实测数据为例,从数据质量、频率分布和风功率预测等维度分析混合半云模型,验证了所提方法的可行性。     

直流孤岛外送风电变电流控制策略

由于风电具有波动性,对于没有足够火电配比的风电系统,尤其是风电孤岛系统,无法采用以往的定功率控制输送风电。为此,提出可以跟踪风电变化、输送可控可变功率的变电流控制策略。根据风电功率的波动性,该策略利用变电流控制方式实时输送波动的风电功率,且可以保证系统的电压电流均在允许范围之内。推导了该策略的控制原理、运行区域,确定了控制模型结构,设计了变电流控制器,搭建了仿真模型。仿真结果验证了所提策略的有效性。     

考虑相关性的风力发电组合出力特性研究∗

大型风电基地由多个风电场组成,不同的组合与功率汇集方式对风电波动性的改变具有不同效果.建立风速频率分布的概率模型、风速分布的相关性模型和风-电能量转换模型,重点考虑了不同地理位置风速相关性的差异,基于实际风速数据研究了模型参数的提取方法,通过两座风电场按照不同相关性组合出力开展仿真分析,结论表明,将位置较远的风电场进行功率汇集具有一定的波动缓解作用.因此,大型风电基地的规划建设和功率汇集应考虑将相关性较低的风电场有限进行功率汇集,从而利用其自身特性减小波动性.     

基于局部极差变化率的风电功率波动定量刻画

针对目前风电功率波动性研究中缺乏对其时序演进特征定量刻画的问题,对风电场实测功率数据样本进行分析,提出一种基于局部极差变化率的风电功率持续波动状态的识别方法,提取风电若干个持续出力状态以描述风电功率的持续波动特征。以用来衡量局部极差变化率的幅值和相角为模型输入量,建立灰色多目标决策模型,通过兼顾幅值的变化和相角的变化以寻找模型次优解的方法挖掘出具有代表性的幅值和相角,进而定义表征波动的量即波动系数,并以此来量化风电功率在某一时间段内的波动。给出了使用波动系数修正现行风电场预测预报考核指标的方法。