基于VMD和GP的短期风电功率置信区间预测

传统风电点预测算法无法对风机出力的不确定性、随机性、波动性做出定量描述,提出一种基于变分模态分解(VMD)和高斯过程(GP)的区间预测方法,其意义在于能预测一定置信度下的短期风电功率波动区间。该方法利用变分模态分解算法将风功率序列分解为一系列不同带宽的模态分量以降低其非线性,对全部子模态分别建立高斯过程模型,最后叠加每个子模态预测结果得到风功率的置信区间。算例结果表明,与其他常规分解算法相比,该组合模型可以有效提高预测精度和预测区间覆盖率,减小预测区间宽度,具有一定的实用价值。     

计及低碳排放和需求侧管理的主动配电网双层规划

发展主动配电网是提高配电网对间歇性可再生能源发电接纳能力、支撑低碳经济发展的一种重要手段。提出一种考虑碳排放成本和需求侧管理的主动配电网双层规划模型,在上层规划中,以包含碳排放成本的配电网规划年综合费用最小为优化目标;在下层规划中,以需求侧管理和主动管理模式下分布式电源（distributed generation,DG）出力削减量和可中断负荷中断量最小为优化目标,采用二进制量子粒子群算法结合原对偶内点法进行求解。针对风速、光照强度和负荷的不确定性问题,建立相应的概率模型,并采用拉丁超立方抽样技术生成DG出力和负荷全年序列场景。以一个待扩展的25节点配电网络作为算例进行仿真,结果表明,所提模型与算法能够有效降低碳排放成本和提高配电网对DG的接纳能力,考虑需求侧管理进一步优化了主动配电网规划方案,使年综合费用更小。