风速空间相关性和最优风电分配

风电场分布的地域多元化能够平滑风电波动。提出基于copula函数和均值－方差模型研究分布在不同位置风电场风速空间相关性和最优风电分配。利用极大似然法选取合适的copula函数描述风速间的相关关系,计算出风速间基于copula的秩相关系数,并借助最小二乘法拟合秩相关系数和风电场距离的关系。构造适合风电场的均值－方差模型优化风电的分配,其中风场的容量因子表示收益,风电前后时刻出力变化的标准差表示风险,线性相关系数用秩相关系数代替。以荷兰40个风场为例,结果表明,Gumbel copula 和 t copula函数较好地拟合了风场间风速的相关关系,并且,随着距离每增加100 km,秩相关系数下降0.1;通过求解均值－方差模型,得到各风场风电最优组合,相对于单个风场,风电波动下降程度最大达到70%,海上风场在降低风电波动中作用较大,在此模型指导下,可以选择最优风电分配策略,降低风电波动给系统带来的风险和成本。     

计及风电出力相关性和条件价值风险的电力系统概率可用输电能力评估

针对风电出力预测误差对区域间可用输电能力（ATC）评估的影响，提出一种计及风电出力相关性和条件风险价值（CVaR）的电力系统区域间ATC概率评估方法。首先，通过基于历史风电出力数据的相关系数矩阵和Copula函数，构建计及风电场出力空间相关性的风电出力预测误差概率模型；接着，基于获得的计及风电出力空间相关性的风电出力预测误差修正风电场出力预测值；然后，提出一种计及风电出力相关性和CVaR的ATC概率评估双层优化模型，下层模型以基态下发电成本和风险费用最小为目标，上层模型以极大化区域间ATC为目标，通过基态下和极限状态下机组的出力作为上下层模型间的交互信息；在此基础上，利用Karush-Kuhn-Tucker(KKT)最优条件，对下层模型进行转换，将双层优化模型转换为均衡约束的数学规划（MPEC）模型；进一步，将MPEC模型转换为混合整数二阶锥规划问题，进而实现概率ATC的求解；最后，通过PJM-5节点测试系统和吉林西部电网进行算例分析，结果验证了所提方法的可行性和有效性。     

考虑出力相关性的海上风电接入系统固定成本分摊方法

在海上风电规模化开发、集群化并网的背景下,如何回收海上风电接入系统的输电成本,公平合理地向各风电场分摊已成为目前海上风电行业亟待解决的问题。针对该问题,提出了一种考虑风电出力相关性的海上风电接入系统固定成本分摊方法。首先,利用藤Copula函数构建多个海上风电场的出力相关性模型,同时假定系统负荷需求模型服从正态分布,发电机服从0-1概率分布;然后,结合蒙特卡洛抽样和顺流概率潮流追踪法计算各海上风电场接入系统的固定成本分摊费用;最后,通过算例仿真分析,验证了所提方法的合理性和有效性。     

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。     

考虑时空相关性的多风电场出力场景生成与评价方法

含多个风电场的场景生成技术可为电力系统中长期规划和运行提供所需基础数据。为在场景生成过程中计入多风电场风电出力的时空相关性,提出两阶段场景生成方法：在第一阶段,采用Copula函数对多个风电场出力的空间相关性建模,获得多风电场出力的初始场景;在第二阶段,运用随机微分方程对风电场出力波动随机性建模,通过重构初始风电出力场景,使得最终获得的场景中风电序列较好地保留原始序列的时间相关性。为评估生成场景的有效性,构建场景有效性评价指标体系;引入多重分形去趋势波动分析方法,提供刻画风电序列的自相关特性和动态波动特性的多维度指标。以某区域风电场为例,生成风电季度出力场景,结果表明所提方法能够复现原始风电序列的时空相关性。     

考虑相关性的风力发电组合出力特性研究∗

大型风电基地由多个风电场组成,不同的组合与功率汇集方式对风电波动性的改变具有不同效果.建立风速频率分布的概率模型、风速分布的相关性模型和风-电能量转换模型,重点考虑了不同地理位置风速相关性的差异,基于实际风速数据研究了模型参数的提取方法,通过两座风电场按照不同相关性组合出力开展仿真分析,结论表明,将位置较远的风电场进行功率汇集具有一定的波动缓解作用.因此,大型风电基地的规划建设和功率汇集应考虑将相关性较低的风电场有限进行功率汇集,从而利用其自身特性减小波动性.     

基于相关性分析的风电场功率限值分配算法

当风电出力超过电网接纳能力时,电网需要限制风电场的出力。基于风电场功率预测信息按比例初步确定风电场功率分配限值;以随机变量相关性分析为理论基础,描述风电场出力之间的相关性对整体出力波动性的影响。以减小风电电量损失为目标,考虑风电场装机容量的差异,基于风电场出力之间的相关系数修正风电场功率分配限值。以位于同一地区的5个风电场组成的风电场群为算例,对所提出的风电场功率分配限值修正方法进行验证。计算结果表明,风电场实际出力更接近理想出力曲线,减小了弃风电量,验证了方法的有效性。     

考虑多风电场出力相关性的风电容量可信度评估方法

风电容量可信度是衡量风力发电对电力系统可靠性贡献的重要指标,准确快速地计算风电场可信容量是含风电系统规划的基础。处于同一风区空间位置临近风电场出力具有相关性,采用Copula函数描述空间相邻风电场之间的出力相关关系,构建多风电场出力的联合概率分布模型。在此基础上提出出力相关的多风电场容量可信度评估方法,并采用截弦法计算得到风电场的容量可信度。以加入风电的IEEE RTS-96系统为例,仿真结果验证了所提方法的正确性和有效性。     

基于时变Copula函数的风电出力相关性分析

相邻风电场风电出力存在较强的相关性,但一段时间内其相关强度并非一成不变,所选取时间窗口不同,可能会得到不同的相关性结论。针对这一问题,基于Copula相关性分析理论,提出了采用时变Copula函数来分析风电出力时变相关性。并研究了3种时变Copula函数的特性,给出了时变相关系数的时变方程,再采用IFM法和AIC法进行Copula函数参数估计和拟合优度检验。通过实例分析,对比了静态Copula函数和时变Copula函数拟合优度,证明了时变Copula函数在风电场风电出力相关性分析中的可行性和优越性,为风电场风电出力相关性分析提供了更有效的新方法。     

基于模糊聚类的含风电场发电系统可靠性分析

风电出力的随机性和间歇性使得风电在接入发电系统时会对发电系统可靠性造成影响。考虑到风电出力与负荷之间存在一定的相关性,提出了一种基于模糊聚类的风电场多状态可靠性模型。模型根据风电场出力与负荷数据的分布情况,使用两维模糊聚类对数据进行状态划分,并计算各状态之间的转移概率,最后通过序贯蒙特卡罗模拟对含风电场发电系统进行可靠性评估。算例分析结果表明,所建模型能够很好地模拟出风电场出力和负荷的分时序列,且可靠性分析结果准确有效。     

计及预测误差动态相关性的多风电场联合出力不确定性模型

为实现对多风电场联合出力不确定性的精细化建模,提出了计及预测误差动态相关性的多风电场联合出力不确定性建模方法。首先,分析了同区域风电场的出力及出力预测误差动态相关性特征。进一步,针对此特征,引入高维动态藤Copula理论,建立了多风电场预测出力及预测误差的联合分布模型。最终,将以上模型与基于Copula函数的离散卷积法相结合,建立了计及预测误差动态相关性的多风电场联合出力不确定性模型,并以置信区间对多风电场联合出力不确定性进行了离散化表征。仿真结果表明,对比其他模型,所提模型拟合精度更高,拟合过程与预测方法解耦,灵活性更强。     

多风电场功率时间序列的时空相关性统计建模和运行模拟方法

在风电场时间序列统计建模中需要同时计及多风电场功率的空间相关性和功率时间序列在不同时间尺度的相关性。提出了一套层次化的多风电场时间序列数据挖掘与统计建模方法。首先将日功率曲线聚类为不同的模式类,并统计多风电场模式的联合分布,识别强相关风电场群。然后建立单变量马尔科夫链模型描述功率曲线模式的日间转移。最后按联合模式划分子样本集,分别建立多变量马尔科夫链模型描述日内相邻时段功率的随机变化。通过某省多风电场实际录波数据的统计建模和功率序列模拟,并与2种典型建模方法进行对比,表明了所提模型生成的时间序列能更准确的模拟实际样本的时间和空间相关性。     

基于经验Copula函数的多风电场出力动态场景生成方法及其在机组组合中的应用

随着大规模风电接入电网,风电功率的随机性与波动性以及多风电场出力的相关性使得电力系统的运行与调度面临着新的挑战。引入经验Copula函数表征多风电场联合出力分布;对风电的波动性进行建模,利用ksdensity函数拟合风电功率波动量,通过逆变换抽样的方法生成符合风电随机性和波动性的场景集合;生成基于经验Copula函数的多风电场出力动态场景,并将其应用于含多风电场的电力系统随机机组组合问题的求解。算例结果验证了所提风电波动性建模方法的有效性与动态场景生成方法的可行性,同时提高了含多风电场电力系统运行的经济性。     

基于空间相关性的风电功率预测研究综述

由于风电具有很强的随机性和波动性,因此大规模风电并网会对电力系统的运行和稳定性造成很大的影响。如何准确预测区域风电场的功率已经成为当今电力系统亟待解决的研究课题。现有的风电功率预测方法未考虑空间相关因素,预测体系有待进一步完善。基于空间相关性的风电功率预测是一种考虑了本地信息和空间相关信息的综合预测方法。文中给出了基于空间相关性的风电功率预测的定义、概念和基本特点,分别从统计模型、物理模型、空间降尺度过程和空间升尺度过程4个方面详细阐述了基于空间相关性的风电功率预测的实现方法,并对空间相关性在风电功率预测方面应用的最新国内外研究进展作了系统的分析评述。最后,针对该领域尚存在的问题与不足,总结了今后的发展方向和需要进一步探索的研究内容。     

基于波动划分及时移技术的多风电场出力相关性研究

多风电场相关性研究对于准确把握风力发电出力变化规律,进行风电场出力预测及时间序列建模具有重要意义,因此提出一种基于波动划分和时移技术的多风电场出力相关性分析方法。首先,通过风电场时间序列散点图分析和回归分析得到多风电场整体相关特性;然后,通过波动划分和波动配对算法,提取按波动过程划分的风电场出力序列局部特征并对多风电场波动进行配对;最后,采用基于Pearson相关系数的时移技术和格兰杰因果检验得到最优时移量和时移方向。通过具体算例分析可以证明,所提方法一方面可以精确提取风电场出力波动局部特征,进而更准确地描述风场出力相关特性,另一方面可得到大、中波动对应波动对的最优时移量,其可作为多风电场时间序列建模的约束条件,提高多风电场出力建模精度。     

基于故障风险水平的海上风电场机会维护策略

海上风电场的维修费用占发电总成本比例较高,为降低海上风电场的运维成本,在基于可靠度阈值的机会维护策略基础上,针对风电机组子系统间存在的故障相关性与子系统故障风险水平,提出了一种包含故障风险水平、可靠度双阈值和维护矩阵的海上风电场机会维护策略。首先,采用故障链模型对风电机组子系统间的故障关系进行描述,并建立起风电机组各子系统的可靠度模型,引入多级维护的概念,提出考虑故障风险水平的风电场机会维护策略优化模型,采用粒子群算法对子系统机会维护的风险因子进行优化,进而确定单台机组的维护策略。其次,综合考虑了海上可及性、备件库存等因素,提出了一种基于维护矩阵的海上风电场维护策略优化模型,该模型以单位时间总维修成本最小为目标函数,根据子系统的备件库存和故障风险水平来对维护策略进行动态调整。最后,以某海上风电场中单台风电机组为例,考虑故障风险水平的机会维护策略比传统机会维护策略可降低27%的费用率,并分析了可及率、多级维护等因素对风电场机会维护策略的影响,验证了基于故障风险水平的海上风电场机会维护策略在降低维护费用方面的有效性。     

计及气象因素和风速空间相关性的风电功率预测模型

建立了一种计及数值天气预报中气象因素和风速空间相关性的组合加权风电功率预测模型。首先,考虑到数值天气预报数据中的风速精确度不高,建立了基于高斯过程的数值天气预报风速修正模型,计入其他气象因素,如风向、温度、湿度、气压等,进行风电预测。同时,基于目标风电场与相邻风电场区域的风速空间相关性分析,求得其最大相关系数点的延迟时间,建立风速空间相关性预测模型。然后,基于数值天气预报偏差修正的风电功率预测模型和空间相关性预测模型,建立组合加权预测模型,并利用拉格朗日乘子法求得组合模型中各个单一模型的加权值。算例结果表明,所提模型及方法能够有效提高风电功率预测的精度。