基于自适应扩散核密度估计的时序相关概率最优潮流计算方法

为准确评估光伏与负荷的时序性和相关性对电力系统运行状态的影响,提出一种基于自适应扩散核密度估计的时序相关概率最优潮流计算方法。首先,利用光伏出力的自适应扩散核密度估计模型将高斯核函数转换为线性扩散过程,采用渐进积分误差法(asymptotic mean integrated squared error,AMISE)为扩散核函数选取自适应最优带宽,提高了光伏出力模型的局部适应性;其次,利用Copula理论构建光伏与负荷的时序联合概率分布模型,并获取具有相关性的时序光伏出力与负荷样本,进而提出能够准确计及光伏与负荷时序性和相关性的概率最优潮流计算方法;最后基于我国某地光伏电站实测数据与IEEE30节点系统进行仿真分析,验证了所提出计及光伏出力与负荷时序相关性的概率最优潮流计算方法的准确性与有效性。     

考虑时空相关性的风光出力序列生成方法

风光出力模拟技术能为新能源场站的规划及电力系统优化调度提供数据支撑。考虑风光出力的时间相关性和空间相关性,建立基于动态马尔科夫链和转移概率矩阵的时序风光出力模型,以保证时间相关性,根据Copula理论生成各时刻下风光空间相关模型进行求解,以此维持风光出力的空间相关性,最终依次调用上述模型得到新的风光出力序列。并以河北省南部电网2个相邻的风电场和光伏电站实际运行数据为例进行仿真,结果表明,所提方法能够模拟与真实风光出力相似的概率分布,且同时满足相关性指标的风光出力序列,验证了序列生成方法的实用性和有效性。     

基于马尔可夫模型的光伏出力聚类与模拟

恰当地处理光伏数据并建立合理的出力模型是含光伏发电系统运行与规划的基础。该文基于马尔可夫模型和谱聚类算法,综合考虑光伏出力的天气特性、日特性、季节特性,提出了一种光伏出力聚类和模拟方法。首先,从光伏出力中提取幅值、基准出力和波动出力,基于马尔可夫模型针对波动出力进行聚类分析,并利用Alpha值、Silhouette指数、贝叶斯准则确定最佳聚类数;然后,整合聚类结果并搭建基于月内天气状态和日内出力状态的双层马尔可夫模型;最后,利用双层抽样得到中长期光伏模拟时序出力。与传统K-means算法相比,基于马尔可夫模型的谱聚类算法能够更好地解决光伏出力数据可能出现的数据丢失与误测问题,并具有更好的天气区分性。与马尔可夫蒙特卡洛模拟相比,该文所提光伏出力模型能够更好地保持光伏出力的天气特性、时序特性和概率特性,并具有更高的精度。算例分析验证了该文所提模型的有效性。     

基于新型场景划分与考虑时序相关性的光伏出力时间序列模拟方法

针对现有光伏出力的马尔科夫链模型在原始数据分段和随机抽样方面的不足,文章提出一种基于新型场景划分与考虑时序相关性的光伏出力时间序列模拟方法。首先引入Davies-Bouldin有效性指标优化模糊C均值聚类（fuzzy C-mean clustering,FCM）法,进行场景划分,形成数据特征更清晰的原始光伏出力序列集合。然后建立不同场景的光伏出力状态转移矩阵,通过马尔科夫链蒙特卡洛法生成光伏出力时间序列,在此过程中,利用Copula理论进行条件概率抽样生成下一时刻光伏出力状态值,以降低传统蒙特卡洛抽样的随机性。实际算例表明,文章所提方法生成的光伏出力时间序列不仅在数据的概率统计特性方面比现有的模型结果更精确,而且更好地保留了原始序列的自相关性。     

基于拉丁超立方采样的小范围分布式光伏出力时空概率分布生成方法

为应对分布式光伏在配电网中广泛的接入,提出了一种基于拉丁超立方采样的光伏时空概率分布出力生成方法。在对影响光伏出力的因素进行分析后,考虑到在较小范围内外界环境的相似性,采用FFT滤波结合二阶差分筛选,将光伏出力分解成基础值和波动值,改进了传统方法中将光伏出力整体进行相关性分析的处理方式,认为在较小的范围内这种相关性只存在于波动值之间,进一步通过相关性系数矩阵拟合的方法建立相关系数和距离之前的关系。在Nataf变换中进行采样空间变换之前增加Lilliefors检验步骤,判断波动值的分布满足正态分布的情况下能够避免空间变换带来的复杂计算,并快速构建多变量联合分布。最后通过光伏出力模拟生成模型,得到了既在时序上满足单个光伏出力概率分布,又在空间上满足相关性系数矩阵的光伏出力模拟概率分布值。     

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。     

基于高斯混合模型的光伏发电出力中高比例异常数据检测方法研究

光伏发电出力中的高比例异常数据具有相互重叠、多高斯分布的特点,如何精确地剔除光伏发电出力中的高比例异常数据是实现光伏功率精确预测的关键问题.文章分析了光伏发电出力中高比例异常数据的特点,并研究了一种基于高斯混合模型的光伏发电出力高比例异常数据检测方法.建立了高斯混合模型的算法模型,使用期望极大算法(Expectation Maximization,EM)对高斯混合模型的参数进行估计,使用算法模型对光伏发电出力中的高比例异常数据进行检测和剔除.实际算例分析和对比实验表明,文章的方法可以对多分类的高比例异常数据进行精确地检测,较传统的异常数据检测方法更加适用于光伏发电出力的高比例异常数据检测.     

光伏发电接入配电网可靠性研究现状与展望

对含有光伏发电系统的配电网进行可靠性评估,有利于配电系统的安全可靠运行。概括了光伏发电接入配电网带来的影响,从光伏出力随机模型、光伏出力和负荷相关性、光伏发电系统结构等方面阐述了光伏可靠性模型,总结了光伏发电孤岛运行模型,并对光伏发电接入配电网的供电可靠性评估中解析法和模拟法的应用进行了分析,指出可靠性评估方法的改进、光储混合发电系统以及光伏发电接入交直流配电网可靠性是今后光伏发电接入配电网可靠性研究的重点。     

风光水火联合运行电网的电源出力特性及相关性研究

通过调研西北电网大量实际运行数据,提出常规火电与热电联产机组的调峰深度以及影响水电调节能力的主要因素。基于数理统计分析方法提出风电、光伏集群出力的季特性、日特性以及概率分布曲线,为风光水火联合运行电网不同时空尺度下生产运行模拟提供依据,从而确定各类电源的合理配置和经济运行方案。分析证明:光伏出力与时间相关性强,风电出力与时间相关性弱。风电与光伏互补性不明显,水电与光伏互补性明显。风光水火联合运行电网的新能源接纳能力不宜采用小方式下调峰平衡的简单估算方法,应通过电力系统生产运行模拟仿真确定各类电源的合理装机规模和结构。     

计及预测误差时空-条件相依特性的日内光伏出力区间预测方法

由于光伏出力预测误差无法避免,区间预测可以更准确地描述光伏的不确定性,从而对电力系统的决策提供指导,而现有研究方法不能够充分地挖掘光伏功率的物理变化过程,因此提出了一种考虑预测误差时空-条件相依特性的日内光伏出力区间预测框架。首先通过外观相似性更新（appearance similarity update,ASU）模型得到考虑时间相依性的预测误差,再通过长短期记忆（long short-term memory,LSTM）网络模型以及空间相关性的分析得到考虑空间相依性的预测误差,并对预测的出力进行修正,最后依据其误差的条件相依性得到不同置信度下的区间预测。整体框架的效果在新疆光伏电场被验证,其均方根误差能够降低3%以上,同时考虑更新后的预测误差时空-条件相依性的区间预测效果有所提升,验证了所提方法的有效性和可行性。     

基于Copula理论的风/光出力预测误差分析方法的研究

准确预测风/光出力能够提高电力系统经济调度的可靠性。本文提出了一种新型的风/光出力预测误差分析方法,在基于点预测数据基础上,针对风电出力和光伏出力点预测精度不高的问题,采用Copula函数分别计算风电出力和光伏出力的实际值和预测值的联合概率分布,采用聚类的方法分别按天气类型和季度分析历史数据,分别对风电出力和光伏出力预测误差进行建模以提高预测精度,同时在各环境下考虑风电场和光伏电站的相关特性,使预测更加准确。以某风/光电站实际出力数据、天气、时间等为样本进行了实例研究,通过与传统预测方法进行对比验证了模型的精确性。     

基于EMD和ABC-SVM的光伏并网系统输出功率预测研究

针对光伏发电系统的输出功率具有非平稳性和随机性的特点,提出一种基于经验模态分解(EMD)和人工蜂群算法(ABC)优化支持向量机(SVM)的光伏并网系统输出功率预测模型。首先根据预测日的天气预报数据,构建相似日的15 min输出功率时间序列。然后,将输出功率时间序列进行经验模态分解,得到不同尺度下的固有模态分量IMFn和趋势分量Res,针对每个IMF分量和趋势分量分别建立相应的支持向量机预测模型,并对SVM模型参数进行人工蜂群算法寻优预处理。最后,将每个模型预测的结果进行合成重构,得到光伏并网系统输出功率的预测值。通过实际数据测试表明:基于EMD和ABC-SVM的功率预测模型同单一SVM预测模型及未经优化的EMD-SVM预测模型相比,具有更快的运算速度和更高的预测精度。     

基于多元自适应回归样条的光伏并网系统日输出功率预测

为了更加准确、灵活地预测光伏发电系统的输出功率,提出了基于多元自适应回归样条(MARS)的光伏系统输出功率预测方法。通过对该算法的原理进行分析,确定了模型分析流程,并介绍了数据来源。其次,以气温、日照时间等因素作为自变量,对MARS模型进行了分析研究,确定了光伏功率预测时的仿真模型。最后,将提出的预测方法与现有的预测方法进行了对比。通过训练数据以及测试数据对比分析各种方法的RMSE、MAD和MAPE,并根据历史数据预测光伏日输出功率。通过对比证实了MARS模型比其他模型更能准确预测光伏系统的输出功率。     

基于扰动观测器的广义风/光一体化控制策略研究

随着光伏、风电等分布式可再生能源高比例接入微电网,其发电出力不确定性给微电网的安全稳定运行带来显著的压力。提出了一种基于广义风/光同构模型的扰动观测器。首先通过建立风机接口整流器状态方程与光伏接口Boost电路状态方程的类比模型,提出了单输入单输出的风/光同构等效模型,使风机和光伏可以达到广义模型一致性。其次,针对光伏、风机等分布式能源出力不确定所造成的状态变量部分未知问题,通过引入连续时间模型的扰动观测器对等效的广义Boost模型进行控制,在光照或风速变化时,可以实现迅速跟随变化,同时随着时间的推移,扰动观测器可以实现无差调节,从而达到消除扰动而带来的部分状态未知的目的。更进一步,利用电压-电流双扰动观测器可以获得稳定的风/光混合系统的输出电压、电流及功率,并且输出量迅速达到给定值。最后通过仿真验证了所提出方法的有效性和可靠性。     

基于时空自回归移动平均模型的风电出力序列模拟

多风电场出力序列间的时空耦合相关性对风电并网下的电力系统运行具有重要影响。时空自回归移动平均(ST-ARMA)模型以较为简洁的形式对多维序列时空耦合相关性进行统计建模。针对多风电场出力时空序列的模拟问题,首先从时空序列的角度对风电场实测功率数据进行了统计分析,着重探讨了多风电场出力的时空耦合相关性。在此基础上,采用空间关系矩阵对风电场位置进行描述,并将其嵌入ST-ARMA模型的自回归过程建立多风电场出力序列的时空耦合相关性模型。该模型有效地模拟了实测风电场出力序列的时间相关性、空间相关性以及二者之间的耦合特性,可用于产生大量与实际风电出力统计特性相同的模拟数据,为风电并网下的电力系统运行与规划研究提供数据基础。     

考虑系统调峰特性的风光消纳优化

由于风电和光伏发电受自然因素的影响较大,其出力具有随机性和波动性,将对系统的调峰能力造成严重影响。该文首先针对风电自身的出力特性,从系统调峰能力的角度对区域电网可以接纳的风电容量进行评估;然后根据风电和光伏发电在时间尺度上存在的互补性,建立以系统失负荷率最低和弃风、光率最小为目标的优化模型,利用改进惯性权重的粒子群算法对模型进行求解,得到最优的风电和光伏发电出力。最后,利用实际区域电网风电、光伏发电以及负荷的历史数据对该文所提方法的有效性进行验证,结果表明采用风光互补优化策略对风电和光伏发电的输出功率进行优化后,系统出力波动有所降低且消纳能力有明显提升。     

不同时间尺度下新能源联合发电特性及最优配比

针对由可再生新能源的间歇性和波动性造成的能源弃用问题,亟需准确地分析新能源输出特性,构建用于新能源发电特性的相关系数、波动率和互补系数等评价指标,并通过对比利时新能源基地历史数据进行分析,得到不同时间尺度下风电和光伏及其联合发电特性。通过固定风电容量逐渐增加光伏容量比重,观察不同风电-光伏装机容量比对评价指标的影响,得到满足评价标准的风电-光伏发电配比区间。研究结果表明,在风电容量和光伏容量配比区为1∶1至1∶1.68时能够满足评价指标。风光联合发电方式能够减缓单一间歇性新能源发电波动,提高电力系统稳定性。     

基于EMD-LSTM的光伏发电预测模型

随着能源消费结构的改变,可再生能源发电的消纳比例逐渐上升。文中以光伏发电功率为研究对象,分析了不同天气状态下的发电功率曲线特性及不同气象因素与光伏发电出力的相关性,进而提出了一种经验模态分解-长短期记忆神经网络(EMD-LSTM)方法融合的光伏发电功率预测模型。首先对预处理后的光伏发电功率历史序列进行重构,并对重构后的出力序列进行EMD分解,针对分解得到的各子序列分别建立长短期记忆神经网络模型,最后将各子序列预测模型得到的结果叠加得到光伏发电功率预测值。采用国内某地区光伏发电的实际出力数据对模型进行了检验,与滑动平均自回归模型(ARIMA)、支持向量机模型(SVM)、LSTM等预测模型相比,文中所提出的模型预测误差小,能有效提高光伏发电功率的预测精度。