分布函数差异化导向的风电功率预测误差气象条件概率建模方法

从统计学角度分析条件概率分布的差异性对于随机决策问题的重要性,并提出一种分布函数差异化导向的风电功率预测误差气象条件概率建模方法。以预测误差概率分布总体差异程度最大化为目标,利用改进的K-means算法进行气象数据聚类,并基于聚类结果对风电功率预测误差数据进行分箱;采用通用分布拟合不同气象模式的误差概率密度,得到解析化的风电功率预测误差气象条件概率分布。利用支持向量机实现气象模式识别,从而基于数值天气预报为调度计算提供相应气象模式下的误差条件概率模型。以中国华北地区某风电场历史数据为例,验证了所提方法的有效性,且相较于不考虑气象的简单统计频次模型,所提模型可使系统的风电消纳水平得到有效提升。     

面向两个细则考核的风-储场站日前-日内两阶段功率优化上报策略

针对两个细则考核风功率上报准确率的问题，提出一种可有效降低风-储场站风险考核电量的日前-日内两阶段功率优化上报策略。首先，提出面向两个细则的风-储场站日前-日内功率协同上报框架；然后，以期望考核电量最小化为目标，建立计及储能调节的日前-日内两阶段风-储功率优化上报模型，模型中，日前、日内风功率场景集通过基于预测误差分箱的Cornish-Fisher级数与Cholesky分解法生成；最后，针对模型的多重非线性特征与不同时间尺度的求解效率要求，制定基于小步长线性化迭代的求解算法。算例仿真结果表明，相较其余上报策略与求解算法，该文提出的日前-日内协同上报策略及相应算法有效地提升了上报准确率及求解性能。