基于Copula理论的风光互补发电系统可靠性评估

提出应用Copula理论建立风电场、光伏电站出力联合概率分布模型的方法。该方法不仅考虑了风电场、光伏电站出力的随机性,并且计及两者出力的相关性。根据某风光互补电站的实测出力数据,采用非参数核密度估计法,估计风电场、光伏电站出力的概率分布。选取Kendall秩相关系数作为风电场、光伏电站出力的相关性测度。利用Frank Copula函数,计算风电场、光伏电站出力的联合概率分布。以RBTS标准测试系统作为算例,对风光互补发电系统进行可靠性评估,结果表明:建立的模型能够较好地描述风光互补发电系统出力的概率特性,且考虑相关性的可靠性评估更接近实际情况。     

基于Copula的多风电场出力相关性建模及其在电网经济调度中的应用

随着大规模风电并网,构建一个能准确描述风电场出力随机性和彼此间相关性的模型,对电网安全有效地利用风能意义重大。构建了基于Copula理论的多风电场出力联合分布函数模型,并引入相关性和拟合性指标,提出了基于熵权属性识别理论的最优模型选取方法。然后,给出了基于蒙特卡洛抽样和Copula联合分布的风电场出力相关性场景在电力系统经济调度中的应用。最后,以美国加州沿海风电场出力历史同步数据为样本验证Copula建模的有效性,结果表明,t-Copula不仅能很好地刻画原变量之间的相关性,而且能精准地拟合原样本经验分布函数。通过含多风电场的IEEE 118节点系统的动态经济调度算例,说明了考虑多风电场间相关性的建模对制定合理调度计划是必要且有效的。     

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。     

基于混合藤Copula模型的风光联合发电相关性建模及其在无功优化中的应用

为解决多维风光联合发电相关性建模问题,提出结合K-means聚类和藤结构原理建立混合藤Copula模型。考虑光伏出力昼夜周期性,利用混合藤Copula模型重点分析风光联合出力在日间的相关性,并在该模型的基础上结合回溯搜索算法对电力系统进行无功优化。以美国某地区相邻2个风电场、1个光伏电场的实测数据为例,在IEEE 30节点系统中对所提方法进行验证。算例结果表明,所提方法能够更准确地描述多维风光出力的相关性,并且利用该方法建立的无功优化模型能有效降低网损,减少节点电压偏差和发电机无功偏差。     

基于Pair Copula的多维风电功率相关性分析及建模

大规模风电场的接入使风电相关性更加复杂,合理描述多风电场出力的随机性和相关性特性,对准确分析风电对电力系统运行的影响具有重要意义。现有的Copula等方法能较准确描述二元相关性,但对于更高维模型的相关性描述则不够准确。基于此,提出了基于C藤Pair Copula的风电功率高维相关性模型,以及相应的采样方法。Pair Copula能够描述风电功率两两之间不同的相关性结构,从而能较好描述复杂的多维相关性,且建模步骤简单,使用灵活,适用范围广。对澳大利亚多个风电场出力样本进行分析和建模,验证了所提方法的优越性。最后通过IEEE 118节点系统的概率潮流算例,说明了合理刻画风电功率相关性可以更准确地分析含风电接入的电力系统运行特性。     

计及相关性的风电场和光伏电站时序出力模型研究

在大规模风光并网时,采用具有相关性的风光时序数据进行系统可靠性评估能够更好模拟系统的运行状态,有利于提高可靠性评估的准确性和实用性。基于混合Copula函数和马尔科夫过程相关理论,建立了一种用于可靠性评估的计及相关性的风光时序出力模型。首先,通过区分光伏出力序列中的规律性与随机性特征,提取出光伏出力的随机分量;然后将风光时序相关性模型分解为风电出力时序模型、光伏出力时序模型以及风光出力的时序相依模型3部分。最后,通过比利时瓦垄地区的实测数据对上述模型进行了验证。     

基于C藤Copula理论的水风互补系统调峰方法

水电与风电是我国装机规模最大的两类清洁能源,准确描述风电出力场景是实施水风互补以解决间歇性新能源发电大规模消纳难题的重要途径。依托云南电网实际工程,提出基于C藤Copula理论的水风互补系统调峰方法。耦合风速等气象信息聚类风电出力样本,建立Copula联合分布以描述同地区风电场间的出力空间相关性,引入C藤Copula条件树确定不同地区的风电出力主导电站,将多维联合Copula函数等效描述为系列二维Copula函数,实现多电站高维联合分布的降维求解,并耦合风电出力场景构建了水风互补随机调峰模型。通过13座水电站与21座风电场构成的互补系统验证分析,所提方法可减少余荷峰谷差约67%;与确定性模型相比,在风电出力波动大的典型日调峰效果和运行可靠性更好,呈现出良好的实用性。     

基于综合Copula函数的风电出力相关性建模

针对单一Copula函数模型在描述风电功率相关性中失真较大的缺陷,提出构造综合Copula函数模型刻画其相关结构的策略,并采用EM方法估计模型中相关参数的值。以某地区两相邻风电场的实际历史出力数据为基础,通过对比不同组合函数的拟合优度校验,筛选出最优的综合Copula函数,并将其运用于系统的概率潮流计算中,作出支路有功功率及节点电压这二者的概率密度曲线,通过与单一Copula函数所得曲线的对比,验证了其在风电场出力建模中的有效性及可行性。     

基于大规模风光互补的发电侧可调节鲁棒优化调度策略

随着间歇性新能源并网率不断提高,太阳能和风能出力随机性和不确定性对电网运行的影响越来越大。为了衡量风光出力的相关性,提出将Copula理论引入到调度策略中,采用Kendall秩相关系数来衡量其相关性。同时为了协调系统的经济性和可靠性,提出引入模糊机会约束来界定风光互补可信水平,减少了配置风光出力和旋转备用容量决策的盲目性。最后将该鲁棒优化调度模型化简成经典的非线性二次规划问题,采用优化对偶内点法求解,并用经典算例进行测试,结果验证了该模型的可行性、鲁棒性和经济性。     

Copula函数与核估计理论相结合分析风电场出力相关性的一种新方法

大型风电场出力的准确预测对风电场接入电网的安全性与经济性有重要意义。针对邻近风电场出力存在一定的相关性,结合Copula函数与核估计理论,提出一种分析风电场出力相关性的新方法。首先结合非参数核密度估计和Copula理论推导了一种Copula核估计函数;然后由此估计函数替代经验Copula函数来分析风电场出力相关性。不同于经验Copula函数,Copula核估计函数为连续函数,能有效消除参数假设误差,并且可从原理上降低参数估计的复杂度与计算量。以华北地区某实际风电场出力为例,将基于Copula核估计函数和经验Copula函数建立的风电场出力相关性模型分别接入到IEEE30节点测试系统进行潮流验证。结果表明,基于Copula核估计函数建立的风电场出力相关性模型更接近于实际数据模型,两者的潮流计算结果较为一致。     

基于云理论的风电场群长期出力区间预测

风电的不确定性给风电集群式开发和并网带来极大挑战,风电功率的点预测已很难满足电网长期灵活规划的实际需求。针对风电场群的长期风电功率区间预测问题,提出了一种基于云理论的D藤PairCopula-GARCH-t模型,用于预测风电场群的出力区间。GARCH-t模型较为准确地反映了预测误差的尖峰厚尾特性,提高了风电功率预测的精度。D藤Pair Copula模型有效地描述了风电场群之间出力的相关性。以期望、熵和超熵为数字特征的云模型预测出的风电功率区间,不仅能反映风电的随机性和模糊性,也能合理地描述两者之间的关联性,为规划人员作长期风电并网规划提供参考。     

含大规模储热的光热电站—风电联合系统多日自调度方法

含储热的光热电站具有良好的可调度性,其可调度能力与实时光照功率和储热装置内存储的能量有关。当光热电站与风电组成联合系统发电时,光热电站可以削减风电的不确定性,但由于风、光功率情况在不同调度日间具有波动性,因此联合系统需要的光热电站的可调度能力和光热电站的实际可调度能力每天均不相同。文中建立了基于场景方法的光热电站与风电联合系统的多日随机调度模型。该模型充分考虑多日风、光功率预测的不确定性,进行联合系统日前自调度。最后,通过算例分析,讨论了不同预测时间尺度、储能参数取值对自调度结果的影响。     

基于Copula函数及Rosenblatt变换的含相关性概率潮流计算

随着风电渗透率的增加,在考虑风电出力随机性和间歇性对配电网影响的同时,风电场间风速的相关性应予以考虑。将Rosenblatt变换与Copula函数相结合以处理风电场间复杂的非线性关系,提出一种基于Copula函数及Rosenblatt变换的概率潮流半不变量算法。所提方法能准确捕捉到输入变量间的非线性相关关系,且具备半不变量法计算效率高的优点。以IEEE33节点网络接入风电场对所提方法进行测试。结果证明了所提方法的有效性、准确性和实用性,所提方法计算结果较考虑线性相关性算法的计算结果更接近实际运行情况。     

基于混沌理论的风电功率超短期多步预测的误差分析

风电功率对电力系统的安全运行、合理调度等方面有不可忽视的影响。掌握风电功率预测误差的分布特性,对风资源的大规模开发利用具有重要意义。利用两种混沌预测方法进行风电功率超短期的预测。并且以东北某风电场的实测风电功率数据为例,分析了超短期风电功率预测误差的概率分布、预测误差与超前预测步数之间的关系、预测误差与风电场出力情况之间的关系以及预测误差与装机容量之间的关系。该研究为揭示风电功率超短期多步预测的误差构成及修正奠定了理论基础。     

利用贝叶斯线性回归结合混合Copula函数分析风电功率的相关性

分析风电场之间的出力相关性有助于合理规划风机的功率输送以及调度优化,从而提高传输线路的利用率。以冀北地区风场为例,首先分析了该区域风速的分布特性,然后利用贝叶斯线性回归算法建立混合Copula函数模型,拟合得到4个机群风速序列的联合分布,计算出风电场之间的出力相关性,并与其他相关性函数建模进行对比研究。研究结果表明,基于贝叶斯线性回归的混合Copula函数模型能够提高参数估计的精确性,从而使得计算出的相关性更为准确,并且由其拟合得到的出力概率分布与实际风场出力的概率分布较为一致。     

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。     

基于改进高斯混合模型的概率潮流解析方法

大规模风电并网使电力系统的随机性问题日益突出,概率潮流分析是一种能够计及电力系统随机性的稳态运行分析重要工具。针对风电的随机性和多个风电场出力之间的相关性问题,提出利用遗传算法改进的高斯混合模型求解多个风电场出力的联合概率密度函数,利用联合概率密度函数对多个风电场出力的随机性和相关性进行刻画。在此基础之上,利用线性潮流方程计算多条线路和多个节点电压的联合概率分布,最终求解概率潮流的计算结果。仿真结果表明,所提方法计算精度高,速度快,利用联合概率密度函数和联合分布函数能够比边缘分布更精确地评估电力系统多条线路同时过载的风险。