基于t Location-Scale分布的风电功率概率预测研究

风电功率特有的随机波动性,导致风电功率点预测方法的预测精度不高,增加了风电并网的难度,致使风电场弃风现象严重。基于风电功率点预测的基础上,风电功率概率预测可以预测出风电功率的波动范围,为电力系统的安全运行以及电网调度运行给出不确定信息和可靠性评估依据。提出了一种基于t location- scale分布的风电功率概率预测方法,即采用t location-scale函数来描述风电功率预测误差概率分布,并以此建立误差分布,基于已建立的误差分布可以进行概率预测。并引进了覆盖率和平均带宽来评价预测区间的优劣程度。利用吉林省西部某风电场历史数据验证了该方法的可靠性。     

基于波动过程聚类的风电功率预测极大误差估计方法

估计风电功率预测中可能发生的极大误差,有助于优化含风电电力系统的运行调度,提高电网对大规模风电的接纳能力。根据对历史风电功率预测误差分布特征的分析,提出了基于风电预测出力波动过程聚类的极大误差估计方法。首先利用摇摆窗对风电功率预测数据划分不同的波动过程,在此基础上,通过分析预测出力的波动性和功率水平与预测误差分布的相关性,聚类相似分布特性的预测误差,然后利用滑动窗宽的核密度方法拟合预测误差概率密度并估计极大误差。最后以美国BPA地区的风电功率数据为实例,对不同估计方法进行了较全面的分析,验证了该方法的有效性。     

考虑预测误差分布特性的风电场集群调度方法

为应对大规模风电集中并网给电力系统有功功率平衡带来的影响,将风电功率预测信息纳入电力系统日常调度是为应对大规模风电集中并网给电力系统有功功率平衡带来的影响,将风电功率预测信息纳入电力系统日常调度是必然趋势。现有考虑预测信息的风电场集群有功调度方法一般采用确定性风电预测数据,由于风能特性和预测水平限制,难以满足电力系统调度精度需求。因此提出一种考虑风电功率预测误差分布特性的有功功率调度方法,该方法首先通过历史数据统计分析得到风电场风电功率预测误差的概率分布,然后以风电场集群下发有功指令后各风电场输出的风电功率缺额的数学期望之和最小为优化目标,优化分配风电场集群调度指令,减少因风电有功预测误差导致的风电场群输出有功功率与集群调度要求之间的功率差额。通过风电场实际数据验证了所提方法的有效性和先进性。     

风电功率预测信息在日前机组组合中的应用

将风电功率预测信息纳入电力系统调度运行是解决风电波动的主要技术之一.受自然条件影响,风电功率预测的精度仍然较低.描述风电功率的不确定性并在机组组合中使用该信息,可提高机组组合决策的鲁棒性.文中分别采用点预测、区间预测和分位点预测描述风电功率的不确定性.在此基础上,分别建立了适合各种风电功率预测信息的机组组合模型.最后,...     

基于数据特征提取的风电功率预测误差估计方法

估计风电功率预测误差对电力系统的调度与控制、安全与防御等方面具有重要意义。从风电历史数据和日前预测数据特征提取的角度,研究了日前风电功率预测误差的估计方法。首先,提取并分析影响风电功率预测误差的主要因素,包括风电出力波动程度、风电功率幅值、预测方法等,并通过数据统计分析其相关性。然后,结合风电历史运行数据,采用多元线性回归方法建立风电功率预测误差的估计模型。最后,基于比利时电力运营商Elia公开的风电场实际运行数据,进行了仿真算例分析。所述方法也在中国西北部某省调度系统上应用于备用需求分析,并实现了试运行。     

利用储能提高风电调度入网规模的经济性评价EI北大核心CSCD

受自然条件的影响,风电功率预测的精度依然较低。在大规模风电基地联网运行的场景下,直接利用风电功率预测信息进行风电调度决策,会给电力系统的安全运行带来风险。储能系统具有对功率和能量的时间迁移能力,能够有效应对风电功率预测误差,确保电网的安全运行。然而,在目前的技术经济水平下,储能系统造价昂贵,利用储能系统提高风电的调度入网规模是否可行,需要从经济性角度进行系统评估。该文提出利用储能减小风电调度风险的"源网协调"调度方法,构建了储能系统经济性评估模型,分不同的概率区间预测场景评估了利用储能系统提高风电接纳规模的可行性,研究结果能够为利用储能系统提高风电调度入网容量提供决策依据。     

利用储能提高风电调度入网规模的经济性评价

受自然条件的影响,风电功率预测的精度依然较低。在大规模风电基地联网运行的场景下,直接利用风电功率预测信息进行风电调度决策,会给电力系统的安全运行带来风险。储能系统具有对功率和能量的时间迁移能力,能够有效应对风电功率预测误差,确保电网的安全运行。然而,在目前的技术经济水平下,储能系统造价昂贵,利用储能系统提高风电的调度入网规模是否可行,需要从经济性角度进行系统评估。该文提出利用储能减小风电调度风险的“源?网协调”调度方法,构建了储能系统经济性评估模型,分不同的概率区间预测场景评估了利用储能系统提高风电接纳规模的可行性,研究结果能够为利用储能系统提高风电调度入网容量提供决策依据。     

短期风电功率动态云模型不确定性预测方法

高比例风电并网场景下,电力系统优化运行势必对风电功率预测精度及其不确定性分析结果的可靠性提出更高要求。现有的不确定性预测研究中大多为整体性的误差分析与建模,难以满足模型在各个时刻和各类天气下的适应性。因此,提出了动态云模型的短期风电功率不确定性预测方法。首先,建立各个预测功率区间段内的单点预测误差云模型,利用云模型数字特征(期望、熵、超熵)生成云滴分布图,以此量化预测不确定性态势。然后,计算给定置信水平下的云滴分位点,以及与之相对应的预测功率可能发生波动的置信范围,即风电功率预测不确定性分析结果。根据实时条件更新云模型,可以提高各个运行时刻点不确定性预测结果的可靠性。以中国北方某风电场运行数据为例进行验证,结果表明与传统的分位数回归方法相比,所提方法可靠性有所提升,能够为电力系统调度决策、备用安排等提供更为可靠的指导信息。     

考虑风电场储能容量配置的风电功率预测误差估计算法对比研究

针对风电功率预测误差估计方法中混合高斯分布拟合法和特征值提取估计法这两种适用范围较广的风电功率预测误差估计方法,详细介绍其原理和误差估计流程,利用实际风电场数据对两种方法进行算例验证,并根据计算结果,针对两种方法下的估计区间对储能容量配置的影响进行对比研究,为工程应用时的方法选取提供参考。同时,为了兼顾误差估计区间的有效性和经济性,有效指导风电场储能系统的容量配置,在高斯混合模型的基础上对风电功率预测误差进行状态划分,结合马尔可夫模型,提出一种MM-GMM优化预测误差区间估计算法并对其进行算例验证。     

考虑风电功率预测不确定性的火电机组调度策略研究

针对大规模风电并网导致电力系统调度不确定性增大的问题,提出了一种考虑风电功率不确定性的火电机组优化调度方法.首先,采用k均值聚类对历史风功率预测值和预测误差进行区间划分,分区间采用高斯混合模型对预测误差的概率密度函数进行拟合.其次,建立考虑风电预测不确定性的火电机组经济调度模型.最后,在麻雀算法的基础上,结合天牛须寻优算法进行火电机组经济调度的求解.     

考虑风电场储能容量配置风电功率预测误差估计算法对比研究

针对风电功率预测误差估计方法中混合高斯分布拟合法和特征值提取估计法这两种适用范围较广的风电功 率预测误差估计方法,详细介绍其原理和误差估计流程,利用实际风电场数据对两种方法进行算例验证,并根据计算 结果,针对两种方法下的估计区间对储能容量配置的影响进行对比研究,为工程应用时的方法选取提供参考。同时, 为了兼顾误差估计区间的有效性和经济性,有效指导风电场储能系统的容量配置,在高斯混合模型的基础上对风电 功率预测误差进行状态划分,结合马尔可夫模型,提出一种ＭＭ－ＧＭＭ优化预测误差区间估计算法并对其进行算例 验证。     

基于风电功率预测误差分析的风电场储能容量优化方法

在风电场中配置储能系统,利用储能系统的快速调节能力,及时平抑和补偿风电出力波动,是应对大规模风电接入的有效方法。如何根据风电场的预测水平确定储能系统的最大功率和额定容量,是一个亟须研究的课题。文中提出了一种基于风电功率预测误差分析的储能系统规模确定方法,并建立了储能装置规模与风电场风能损失之间的成本与效益模型。最后,以美国德克萨斯州某风电场数据为例,验证了所提储能容量优化配置方法的正确性和可行性。     

基于SAPSO-BP和分位数回归的光伏功率区间预测

提出了一种基于SAPSO-BP(模拟退火粒子群优化BP神经网络)和分位数回归的光伏功率区间预测方法。首先给出一种动态SAPSO-BP算法对光伏出力进行预测,该方法考虑BP的局部极小化和粒子群的早熟收敛等问题,能优化BP的参数设置,提高光伏功率的预测精度。在光伏功率确定性预测的基础上,通过分析不同天气类型下SAPSO-BP模型的预测功率误差。最后根据不确定天气因素建立分位数回归模型,实现对光伏输出功率的波动区间分析。该模型无需假设光伏预测功率误差分布,且计算方法简单,可提供在任意置信水平下,光伏预测功率的波动范围,为电力系统调度决策、运行风险评估提供更加丰富的信息。     

计及接纳风电能力的电网调度模型

当电网接入一定规模的风电时,为追求风电高效利用会使电网调度更加复杂。针对风电接入电网时调度面临煤耗量与风电高效利用之间的矛盾问题,将风电能够为电网节约的煤耗量作为风电价值的量度,构建计及接纳风电能力的电网调度决策模型,以确定风电允许的波动范围,使调度中的煤耗量和电网接纳风电的能力得到有效协调。通过烟台电网算例验证说明,该方法对计及不确定型可再生电源的电网调度是有效的,符合节能发电调度的理念。     

基于风电出力模糊集的电-气耦合系统分布鲁棒优化调度

随着可再生能源装机容量不断扩展及综合能源系统研究的持续推进,燃气轮机作为耦合元件加深了电力系统和天然气系统的相互融合,为可再生能源消纳提供了新的途径。针对随机规划方法、区间优化及鲁棒优化算法处理风电出力不确定性的不足,文中提出一种基于风电预测误差模糊集的分布鲁棒优化方法求解电力-天然气耦合系统的协同调度决策。首先,利用主成分分析法提取高维预测误差向量蕴含的时空尺度关联特性,并引入一系列矩函数描述预测误差的分布信息以构建相应的模糊集。然后,建立两阶段分布鲁棒优化经济调度模型,第1阶段制定日前机组开停机计划、调度出力及备用方案;第2阶段辨识最劣风电场景分布以保证第1阶段调度决策的有效性。结合线性决策规则和对偶理论将该半无限优化问题转化为有限维优化问题进行求解。最后,通过算例验证了所提模型及求解方法的有效性。     

基于改进混沌时间序列的风电功率区间预测方法

风电功率区间预测是预测给定置信水平下风电功率的上限和下限,可以反映风电功率的变化范围,为调度提供有效的辅助信息。考虑风电功率的混沌特性,提出了基于改进混沌时间序列的风电功率区间预测方法。由于风电功率具有强间歇性和波动性,传统的混沌时间序列方法在风电功率区间预测中难以获得好的聚类效果和高的预测精度,影响了功率区间预测的结果。引入蚁群聚类算法和支持向量机,利用蚁群聚类算法的强搜索能力和支持向量机的强预测能力对传统方法进行改进,获得了更好的区间预测结果。将改进方法应用于英国和德国风电场的风电功率区间预测中,对比分析改进方法与基于神经网络的功率区间预测方法和传统方法在不同置信水平下的预测结果,验证了所提改进方法的有效性。     

基于风荷耦合特性的源荷储的优化调度

风电的随机性和波动性给电力系统的运行与控制带来了挑战。在研究新疆某地风电负荷数据的基础上得到了风荷耦合特性,基于此提出一种源荷储双层优化调度策略。上层优化模型以风电消纳最大为目标,通过风荷耦合特性确定工业负荷转移时段及容量,并得到常规机组的运行情况形成日前调度计划。下层优化模型以系统运行成本最优为目标,基于上层优化结果,通过调节常规机组出力及储能电站充放电功率来抑制风电波动。最后通过改进的粒子群算法求解模型验证了所提调度策略的有效性。     

风电高渗透电网等效惯量概率预测方法

在虚拟惯量控制技术的驱动下,风电高渗透电网包含不同形式惯量资源,系统等效惯量呈现复杂的非线性时变波动特征。为更好地诠释系统等效惯量的不确定性,提出了一种考虑风机虚拟惯量的系统等效惯量概率预测方法。首先利用数据驱动方法构建系统等效惯量的点预测模型,预判等效惯量的变化趋势;然后采用非参数核密度估计建立各时段预测误差概率密度函数,得到一定置信水平下待预测时刻系统等效惯量可能发生波动的区间范围。基于改进的IEEE RTS-79系统进行算例分析,结果表明所提方法与传统参数估计方法相比可靠性更高,能够为新型电力系统在低惯量场景下运行方式安排提供有益的辅助决策信息。     

基于误差分类的风电功率区间评估

为了提高风电功率的区间评估精度,结合预测误差数据的特性,提出了一种基于误差分类的区间评估方法。首先,引入K-means聚类算法,以欧氏距离为聚类指标对风电预测误差的整体水平进行分类。然后,建立误差区间评估模型,以风电功率数据和历史预测误差为模型输入,以预测误差区间为输出,利用长短期记忆(LSTM)神经网络深度学习模型输入和输出之间的关联。最后,利用Elia网站风电数据进行验证,结果表明,与其他评估模型和传统的误差概率分布方法相比,所提方法更能抓住误差数据的特性,能够得到更为准确的风电功率区间评估结果。