融合多场景分析的交直流混合微电网多时间尺度随机优化调度策略

交直流混合微电网接入高渗透率可再生能源及其特殊的网架结构,对交直流混合微电网的经济运行构成挑战。针对这一问题,提出一种融合多场景分析的交直流混合微电网多时间尺度随机优化调度策略。在日前调度阶段,在综合考虑市场分时电价、微电网内各分布式单元和双向AC/DC功率变换器的运行成本及特性的基础上,运用多场景分析技术模拟风光和交直流负荷的不确定性,以日运行成本最低为目标构建日前两阶段随机优化调度模型。在日内调度阶段,基于模型预测控制构建日内滚动优化调度模型,该模型通过在线滚动优化结合反馈校正形成闭环优化,在保障日前计划有效性的同时,充分抑制日前预测误差引发的功率波动,有效避免冲击配电网的稳定运行。最后,以某交直流混合微电网示范工程为依托,通过算例分析对所提方法进行验证,结果表明,所提方法能够有效应对交直流混合微电网多重不确定性的影响,实现其经济和鲁棒运行。     

面向滚动优化调度的光伏发电功率日内超短期预测

微电网的滚动优化调度是微电网消纳新能源,保持经济运行的重要方法。面向微电网滚动优化调度需求,利用在线监测数据构建了K-means聚类算法和随机森林回归相结合的光伏发电超短期滚动预测模型。首先,通过K-means聚类分析筛选出与当前时刻气象数据相匹配的相似样本;然后,结合当前光伏发电功率数据,构建随机森林预测模型实现对未来1 h内时间间隔为5 min的光伏发电功率的预测;通过即时更新每5 min时间间隔的监测数据进入下一次预测,实现对光伏发电功率的滚动预测。经实测数据测试后,所采用的组合算法可快速得到较准确的预测结果,为微电网滚动优化调度提供可靠的光伏发电功率预测信息,具有较强的实用性。     

基于DPK-means和ELM的日前光伏发电功率预测

日前光伏发电功率预测是电网经济调度的重要依据。针对K均值(K-means)聚类算法初始聚类中心和聚类数目不易确定的问题和传统神经网络训练参数较多、易陷入局部最优等缺陷,构建了DPK-means和极限学习机(extreme learning machine,ELM)的组合预测算法实现日前光伏发电功率的预测模型。首先,采用密度峰值法(density peaks clustering,DPC)对K-means聚类进行优化,解决了K-means算法初始聚类中心和聚类数目不易确定的问题。然后,在利用DPK-means算法对历史气象数据样本聚类分析的基础上,建立ELM预测模型实现日前光伏发电功率的预测。经实测数据验证可知,所提出的组合预测算法可得到较好的预测结果,具有较强的实用性。     

基于集合经验模态分解的交直流混合微电网混合储能容量优化配置

针对交直流混合微电网并网联络线功率的波动性带来的新能源消纳瓶颈问题和交、直流子网之间交互功率的优化问题,提出了一种混合储能系统容量优化配置方法。首先,考虑系统净负荷功率和分时电价,确定联络线协议功率和混合储能系统需平抑的总功率;然后,利用集合经验模态分解对混合储能系统总功率进行分析,根据不同滤波阶数下锂电池和超级电容器的充放电功率指令,采用自适应惯性权重的粒子群算法对以锂电池和超级电容器的额定功率和额定容量为优化变量的混合储能容量优化配置模型进行求解;最后,对不同滤波阶数所对应的系统年综合成本进行排序,确定系统年综合成本最小的滤波阶数和对应的储能配置方案。基于某交直流混合微电网进行了算例分析,验证了采用所提方法配置混合储能系统可有效平抑交直流混合微电网并网联络线功率的波动,降低交、直流子网间的换流损耗,提高交直流混合微电网的经济性。