中国风电场调度的可行性探析

当前中国正处于工业化发展的中后期,将全力完成这个关键的转型,与之而来环境污染越来越严重,已经完成工业化的欧美等国家现阶段纷纷倡导开发新能源,发展低碳电力。而风能毫无疑问是一种绿色环保并且可再生的能源,世界各地都在尽力发展风能以求最大化的利用。本文从注重国家政策支持、实行省级区域联网的风力调度、建模和求解破解混合储能系统的风电场调度问题来探析中国风电场调度的可行性。     

基于BP-SVM模糊信息粒化掺烧煤泥循环流化床经济性建模

目前循环流化床(circulating fluidized bed,CFB)技术是工业综合利用低价煤泥的最佳处理方式,同时煤泥掺烧技术也是提高CFB机组经济性的重要手段。以某300MW CFB机组DCS稳态数据为样本,利用BP(back propagation)网络算法选择模型输入变量;供电煤耗经模糊信息粒化(fuzzy information granulation,FIG)提取有效信息后作为模型输出训练样本;利用支持向量机(support vector machine,SVM)建立实际运行工况参数与供电煤耗之间的BP-SVM模糊信息粒化模型。研究建立了实际运行数据驱动下的机组经济性预测模型,是优化掺烧煤泥CFB机组经济性的模型基础。     

基于单一机组功率输出波动的风电场负荷分配优化策略

随着风电并网技术不断发展,风电场内负荷分配问题亟待解决,如何优化连续周期内风电场内各机组的负荷分配问题,是增加控制系统平稳性的关键所在。风电场内机组数量大地理位置分散,传统负荷分配模型维数过高易陷入"维数灾难难"困境中,针对这一问题,提取机组负荷特征值,利用模糊C均值方法对风电场内机组进行聚类分析,不同群组设置不同负荷分配优先级以降低维度;在风功率预测准确与机组全程功率可控的基础上,引入模糊函数作为权重系数建立目标函数,运用粒子群算法求解模型。所建立模型减少了连续周期内风电场单一机组功率输出的波动,并解决了负荷分配方案维数过高的问题。通过对某45MW风电场机组负荷分配问题的算例分析,验证了本方案的可行性及有效性。     

基于谱分解的聚类方法在风电场/群输出功率特性分析中的应用

随着风能规模化利用的进一步推广,区域电网中风电的渗透率不断增加,电网对风电的合理调度日益重要。大型风电场/群的输出功率是关于多台机组的高维非线性模型。本文考虑风电场/群内风机的类型、位置等因素,根据风电场/群中风机的输出功率特性数据,采用基于马尔科夫转移矩阵的谱分解聚类方法对风电场/群进行充分降维,并提出相应的评价指标用于分析和优化聚类结果。最后,选取华北某大型风电场中任意20台风机的输出功率数据进行仿真实验,实验结果表明：该方法能够有效的根据风电场内风机的输出功率特性将其划分为4个集群。同时,采用波动性指标进行评价并得到了输出功率最平稳的一类机群;采用误差带指标对其中一个集群进行优化,显著降低了该集群的输出功率标准差。