基于深度学习的新能源爬坡事件预测方法

随着新能源渗透率的逐渐增大,有功功率不平衡的爬坡事件时有发生,甚至造成较大负荷损失。因风电和光伏预测的精度不够,需要考虑的运行场景较多,时域仿真不能满足在线评估要求。提出一种基于深度学习的方法,综合考虑机组和联络线的调节能力,利用堆叠降噪自动编码器提取各层特征训练支持向量机。将风电、光伏和负荷预测数据及上一时刻联络线功率等相关量作为输入,是否发生爬坡事件为输出,通过支持向量机快速预测是否发生爬坡事件。实际电网的仿真结果表明,本研究方法快速准确,能够对爬坡事件进行有效辨识。     

基于SVM的光伏最大功率跟踪的预测研究

针对光伏组件中常用的最大功率跟踪方法存在的不足,将支持向量机用于预测光伏组件的最大功率点工作电压.支持向量机是一种新型的机器学习方法,该方法以结构风险最小化原则取代传统机器学习方法中的经验风险最小化原则,在小样本的机器学习中有着优异的性能.根据光伏组件的特点和最大功率点工作电压的影响因素,建立了支持向量机的最大功率点工作电压预测模型.实际仿真分析表明,与BP神经网络的模型相比,支持向量机的模型具有更高的预测精度.     

基于时序分解与误差修正的新能源爬坡事件预测

为了提高以风电、光伏为代表的新能源的爬坡预测的准确性,提出基于主成分分析、时序分解与修正长短期记忆（LSTM）网络预测误差的爬坡预测模型. 为了充分考虑功率的时序特性,采用时序分解方法将功率分解为周期、趋势和余项,结合多个特征因素的主成分建立基于LSTM的趋势和余项预测模型,实现功率的时间特征与影响因素主成分的映射关系刻画. 在采用LSTM对趋势和余项进行初步预测的基础上,引入误差修正算法计算拟合预测模型的动态误差并构建新的非平稳时间序列,获得准度性更佳的趋势和余项预测值. 通过加法模型融合趋势、余项以及利用朴素法获得的周期,得到最终预测功率. 结合风电和光伏爬坡事件定义,运用所提模型分别进行风电和光伏爬坡预测. 实验结果表明,与其他预测方法相比,所提模型在功率直接预测和爬坡事件间接预测上均具有更优的精度,能够为电网调度提供更可靠的依据.     

新能源爬坡事件综述及展望

从爬坡的定义方式、预测方法、控制策略三个层面出发, 对以风电、光伏为代表的新能源爬坡事件进行概述。列举爬坡事件常用的定义并分析其优劣性; 总结爬坡事件目前主流的预测方法，根据是否利用功率预测结果分为直接法和间接法, 并对常用的评价指标进行介绍; 阐述目前爬坡控制策略常用的方法, 按照有无储能参与分为无储能参与的有限度控制策略和有储能参与的联合控制; 对目前研究仍存在的问题和未来重点研究方向进行总结。     

基于支持向量机的光伏发电功率预测

分析了光伏系统的发电特性以及影响光伏发电的因素,建立了基于支持向量机的光伏系统发电功率预测模型.该模型以结构风险最小化原则取代了传统机器学习方法中的经验风险最小化原则,在小样本的机器学习中有着优异的性能.用某一天的数据作为训练样本集,首先对数据进行去噪和归一化,然后用支持向量机方法对样本集进行训练和发电功率预测.仿真结果表明,基于支持向量机的预测模型具有较高的精度,可用于光伏发电系统的预测.     

基于经验模态分解的PSO-SVM风电功率短期预测

针对风电功率预测对精确度的要求,结合风电机组功率特性曲线及支持向量机非线性拟合,提出了一种基于经验模态分解(EMD)的粒子群算法(PSO)优化支持向量机(SVM)功率短期预测模型。即将EMD分解后的各个风速序列分量通过PSO-SVM模型预测,将得到的各分量预测结果叠加后得到风速预测值,将该值输入功率转化曲线,即可得到最终的风电功率预测结果,以实现对风电机组功率的预测。通过对某地区风电场实际风速为例进行的仿真误差对比分析,得知该组合预测模型不仅有效可行,且有效提高了短期风电功率的预测精度。     

基于改进支持向量机算法的光伏发电功率预测

针对当前光伏发电间断性和随机性对电流影响较大的问题,基于改进支持向量机算法,提出光伏发电功率预测方法.通过灰色关联度优化气象影响因素参数,改进支持向量机算法,建立多气象因素协同约束的光伏电池等效模型,得到光伏电池的串联和并联电阻;将训练数据的总数映射到特征空间中,筛选数据并定义特征空间中的超平面,计算光伏发电的有效功率并降低误差.结果表明,预测结果与实际结果符合程度高,功率预测的绝对误差小,有效性和应用性得到验证.     

基于小波变换和支持向量机的风电功率爬坡事件识别与预测

随着风电场规模的增大,风电功率爬坡事件给电网带来的影响越来越显著,提高爬坡事件识别与预测精度对电网安全经济运行具有重要意义。阐述了爬坡事件的定义,提出了基于小波变换(WT)的风电功率爬坡事件识别方法,建立了风电功率爬坡事件的WT-SVM预测模型。以某风电场的实测风电功率数据为例,进行不同时段的识别与预测。结果表明,基于WT的方法可以快速准确地识别风电功率爬坡事件及其特征值,WT-SVM爬坡事件预测模型可以提高风电功率爬坡事件预测准确度。     

基于经验模态分解的短期负荷预测

提出了一种新的电力系统短期负荷预测混合模型,该模型将经验模态分解（EMD）、支持向量机与BP型神经网络有机结合在一起,充分利用了各方法的特点。利用经验模态分解将负荷序列分解成若干序列,根据各序列的变化特点,在考虑温度影响因素的基础上构建不同的支持向量机模型,然后利用BP网络进行非线性重构得到最终预测结果。仿真结果表明基于该方法的电力系统短期负荷预测具有较高的精度。     

基于原子稀疏分解和支持向量机的风电功率实时预测研究

准确的超短期风电功率实时预测是实现风能大规模调度的有效手段.针对风电场风电功率实时预测精度低的问题,文中提出了一种基于原子稀疏分解(ASD)理论和支持向量机的预测方法.该方法利用原子稀疏分解算法对风电功率时间序列进行分解,然后对得到的原子分量和残差分量分别进行自预测和支持向量机预测,最后将预测值组合叠加,从而得到最终的预测值.以某风电场的实测风电功率数据为例,进行不同时段的实时预测.结果表明,该方法可以显著提高风电功率的预测精度.     

Cross-Regional Analysis of New Energy Consumption Capacity

An assessment of the new energy consumption capacity of the grid can help to improve new energy efficiency and its planning and development. The annual capacity of multi-regional new energy consumption is affected by the new energy installed capacity of each region, the output of thermal power units, the load size, and the exchange capacity between regional tie lines. In this paper, a real-time data processing method of a province is proposed, and a raw data processing method with dimensionality reduction equivalent is proposed. From the perspective of new installed capacity of new energy across regions, we obtain the assessment of the capacity of wind power photovoltaic bases in a given scenario, and propose new installed capacity for wind, light and energy storage power stations.     

融合LSTM和SVM的钢铁企业电力负荷短期预测

为了解决大型钢铁企业电力用电对地区负荷冲击大, 电力负荷短期预测准确率低的问题, 提出一种融合长短期记忆网络(long short-term memory, LSTM)和支持向量机(support vector machine, SVM)的负荷短期预测算法。对钢铁工业地区负荷特性进行分析, 根据系统负荷的组成部分将负荷细分为冲击性负荷和其他负荷, 采用协方差和皮尔逊算法分别对负荷影响因子进行相关性分析和差异化处理; 选取历史负荷、温度、日期类型、钢价、电价、铁矿石价格6个属性作为负荷预测影响因素, 通过模糊权值逻辑将LSTM和SVM融合, 得到最终负荷预测结果。仿真试验结果表明, 所提出的预测方法相对于单独的LSTM或SVM, 可以更准确地预测钢铁工业地区的短期负荷。     

考虑风光多维时空相关性的电源规划方法

提出考虑风光多维时空相关性的电源规划方法。基于Copula理论和风光出力概率分布建立考虑风光多维时空相关性的风光出力模型, 将出力场景应用于双层电源规划模型中, 提出考虑风光多维时空相关性的电源规划方法。上层是以总规划费用最小为目标函数的投资决策模型, 下层是以运行经济性和调峰特性最优为目标的短期运行优化模型。通过某地区算例验证分析了所提方法的有效性。结果表明,考虑风光时空相支性能够降低数据模拟误差,提高规划方法的经济效益,改善调峰特性。     

大规模光伏电站经柔性直流并网系统故障穿越策略

大规模光伏经柔性直流并网系统采用直流架空线路是未来新能源并网的趋势之一。然而,架空线直流短路故障发生概率较大,极易导致光伏电站脱网或换流站电力电子器件损坏。本文首先根据柔性直流输电系统、光伏电站特性,建立了相应的数学模型及仿真系统模型;其次,针对大容量光伏经双极模块化多电平换流器(modular multilevel converter,MMC)的高压直流功率传输系统发生直流架空线路单极短路接地故障工况,分析其故障特性;最后,提出综合考虑直流断路器(direct current circuit breaker,DCCB),换流站控制方式,光伏电站功率出力控制的直流故障穿越的协调控制策略。即故障发生时利用非故障极换流站继续进行功率传输,根据换流站额定功率与光伏电站输出功率计算得到不平衡功率,充分利用光伏阵列自身功率输出特性,优化光伏电站内的直流线路电压,实现控制光伏电站输出功率减载;对直流架空线路在瞬时故障情况下的故障穿越问题,提出了光伏电站减载以及换流站功率前馈增量控制,从而维持系统功率平衡,提高系统的并网稳定性;基于PSCAD/EMTDC的建模仿真,通过故障穿越措施前后的系统参数对比,表明所提方法能够有效的维持光伏电站与柔性直流系统运行特性,平稳实现故障穿越。     

风电机组网侧逆变器实时电流跟踪法谐波抑制

为解决异步风力发电机网侧逆变器接入带有非线性负载的电网时存在谐波干扰的问题,采用一种改进的并网逆变器实时电流跟踪谐波抑制方法,建立了风力发电机网侧并网逆变器电压矢量、电流跟踪和扰动的数学模型以及控制系统的谐波电流实时跟踪仿真模型.利用Matlab/Simulink对带非线性负载的并网逆变器控制系统进行电流跟踪谐波抑制仿真,并研究逆变器离网独立运行时对负载的供能过程.仿真结果表明,该实时电流跟踪谐波抑制方法具有良好的跟踪性能和抗扰性能,与传统谐波抑制方法相比具有较强的鲁棒性,为深入研究整个系统的并网逆变以及搭建实验平台提供了依据.     

基于OS-ELM的光伏发电中长期功率预测

为了进一步提高光伏出力预测的精度,提出了一种基于在线序列极限学习机的光伏发电中长期功率预测方法. 结合在线序列极限学习机学习速度快、泛化能力强的特点,通过对大量气象数据和历史发电数据综合处理,对光伏发电系统的输出功率进行预测. 同时,由于实时数据的不断输入,该方法能够对预测模型进行在线更新. 算例仿真研究表明,该预测方法与反向传播神经网络、支持向量机方法相比,能够有效提高预测精度,满足在线应用的需求,具有较好的应用前景.