基于集对分析聚类法的超短期风电功率区间预测

高精度的风电功率预测是保证含高渗透率风电电力系统安全经济运行的重要手段。文章在传统ARIMA算法的基础上,引入集对分析理论对风电功率进行超短期区间滚动预测。首先采用改进的K-means算法,建立风电功率与风速、风向之间的集对关系;在点预测结果的基础上,估计区间上下限,经过误差调整,最后得到区间预测结果。文章引入3个模型评价指标对不同方法进行比较。算例表明,所提出的基于集对分析聚类算法的超短期风电功率区间预测能够得到更精确的预测区间。     

基于Copula理论的风电功率条件预测误差短期概率分布估计

风电功率预测分析是降低风电不确定性对电力系统影响的重要手段。文章提出了基于Copula理论的风电功率预测不确定性研究方法,从风电功率实际值和预测值的相关性入手,采用Copula理论对风电功率实际值和预测值的相依关系进行分析,在某一预测值的条件下,计算风电功率实际值的条件概率分布,进而转移到误差的条件概率分析当中,之后再将误差的分布估计转换为风电功率预测的不确定性估计。以东北地区某风电场的实测数据和预测数据进行实例分析,通过评价指标验证了该方法的有效性。     

基于风电概率预测的风电场调频容量估计方法

考虑风电的不确定性,提出一种基于风电功率概率预测区间和储能设备的风电场调频容量估计新方法。首先基于风电场弃风数据,利用粒子群算法得到风电场储能系统容量配置;然后建立Copula分位数回归模型求得日前风电功率预测区间;最后结合日前风电限值和不同置信概率下的风功率预测曲线产生最优调频容量估计。风电场实际数据的仿真证实所提方法的有效性,可为风电场调频能力研究提供有益的探索。     

基于风电功率预测误差区间的储能系统控制策略

由于风能的间歇性和随机性,风电功率预测的精度依然较低。随着大规模风电的集中接入,不确定性风电功率并网运行会加重电力系统的调控负担,同时会对日前调度计划安排带来不利影响。储能系统具有对功率和能量的时间迁移能力,被认为是平抑风电功率波动性、提高风电功率确定性的有效手段。本文从电力系统安全角度分析了制约风电上网规模的原因,使用基于时间序列的自回归模型预测风电功率,提出利用储能平抑风电功率预测误差区间的方法,对比考虑最大预测误差的传统调度方法,采用风电平均入网容量、风电发电量、电网空间利用率等评价指标评估所提出方法的有效性。     

A control strategy for energy storage system based on wind power prediction error interval

由于风能的间歇性和随机性,风电功率预测的精度依然较低。随着大规模风电的集中接入,不确定性风电功率并网运行会加重电力系统的调控负担,同时会对日前调度计划安排带来不利影响。储能系统具有对功率和能量的时间迁移能力,被认为是平抑风电功率波动性、提高风电功率确定性的有效手段。本文从电力系统安全角度分析了制约风电上网规模的原因,使用基于时间序列的自回归模型预测风电功率,提出利用储能平抑风电功率预测误差区间的方法,对比考虑最大预测误差的传统调度方法,采用风电平均入网容量、风电发电量、电网空间利用率等评价指标评估所提出方法的有效性。     

基于最优滚动控制域的储能控制策略

针对风电场预测功率与实际功率不匹配以及风力发电不确定性问题,提出一种以补偿风电预测误差和平抑风电波动为目标的储能控制策略。该策略以先进控制理论为基础,结合储能补偿预测区间和储能平抑风电波动区间,提取考虑储能运行成本的储能最优滚动控制域。首先,针对储能补偿预测误差目标,制定储能控制策略,提取允许误差内的储能补偿区间;其次,考虑风电功率波动要求及荷电状态（SOC）约束,采用模型预测控制求解出储能滚动控制序列,确定储能平抑区间。最后,考虑储能运行成本,将补偿区间和平抑区间相结合,制定储能最优滚动控制区间,以此为基础确定储能容量。以中国新疆某风电场为例,对该文提出的储能控制策略与传统控制策略进行对比验证,验证所提策略的可行性和有效性。     

高比例风电系统的爬坡备用需求评估

在极端天气情况下,风电功率会在短时间尺度内发生大幅度的变化,出现风电功率高风险爬坡事件,严重威胁电力系统的安全稳定运行。开展爬坡备用的需求评估,有助于减小风电出力波动和预测误差对电网运行带来的不利影响。为保障高比例风电系统的备用充裕度,提出一种基于门控循环单元和非参数核密度估计法的组合区间爬坡备用需求预测方法。首先,将风电功率实际数据和日前预测数据构建成多变量时间序列,基于门控循环单元（gate recurrent unit,GRU）模型提高预测结果的准确度。进而,采用非参数核密度估计方法对风电功率预测误差进行置信区间估计,得出给定置信区间下的风电功率预测区间。最后,根据区间预测结果,预测爬坡事件并提取爬坡特征量,建立爬坡备用需求评估模型,评估得出爬坡备用容量需求。基于西北某省级电网的数据开展了算例测试,验证了所提方法的有效性。     

考虑风电不确定性的电热系统经济调度

随着风电等新能源大规模并网,其出力的不确定性给电力系统日前调度带来很大挑战。传统的研究方法多是假设风电功率预测误差服从某种概率分布,但风电功率预测误差受到多种因素影响,概率分布模型无法准确描述其特性。为此,采用基于神经网络的组合预测方法对风电功率误差进行建模,再将预测的风电误差加入到包含热电机组、火电机组、风电、储热装置和电锅炉的热电联合优化调度模型中,最后以实际的10机系统为例进行仿真,分析了风电预测误差对机组出力、风电消纳及调度成本的影响。结果表明,与传统方法相比,所建模型可减少机组燃煤成本与旋转备用成本,降低了经济调度成本,提高了风电消纳水平。     

以预测区间边界为约束的风电功率场景预测方法

针对现有不确定性预测方法存在保守性大而造成对系统调节能力要求较高的问题,提出一种区间估计和场景分析相结合的风电功率预测方法,首先通过区间估计得到以给定置信度包含未来风电功率真实值的短时波动区间,然后筛选出历史日中各时段落在区间包络线内的风电场景样本,再对筛选出的样本基于均值聚类算法进行缩减从而得到各时段的预测场景。最后通过风电预测算例和风火联合优化算例,证明了方法的可行性和有效性。     

短期风电功率预测误差及出力波动的概率建模

准确刻画短期风电功率预测误差以及区域风电出力波动特征是解决大规模不确定性能源并网运行难题的基础。为准确表征风电出力波动与预测误差及气象误差的关联关系，建立高斯混合分布概率模型及利用其与观测曲线的误差构造云模型，然后建立基于正态云与混合高斯分布耦合的概率分布模型，最后采用多种概率密度分布模型对冀北地区单风电场功率预测误差、集群风电功率预测误差、气象预测误差以及不同功率波动范围的预测误差和与其对应的气象预测误差的关联关系进行统计分析。算例结果表明，所提模型拟合效果最优，从而验证了基于正态云与混合高斯分布耦合的概率模型的有效性。     

Ultra short‐term probability prediction of wind power based on LSTM network and condition normal distribution

Considering the inevitable prediction errors in the traditional point predictions of wind power, in this paper, a new ultra short‐term probability prediction method for wind power is proposed, in which the long short‐term memory (LSTM) network, wavelet decomposition (WT), and principal component analysis (PCA) are combined together for ultra short‐term probability prediction of wind power, a conditional normal distribution model that is developed to describe the uncertainty of prediction errors. First, WT and PCA are jointly used to smooth the original time series, then the point prediction model for subsequence data based on LSTM network is proposed. It is worth pointing out that the input matrix of the model includes many features, such as wind power and wind speed, which will be helpful for improving prediction performance. After optimizing the index of the ultra short‐term probability prediction interval (PI) of wind power by particle swarm optimization (PSO), the conditional normal distribution model of prediction errors is developed. Thus, the ultra short‐term PIs for wind power are obtained. Finally, based on the data of two wind farms in China, simulation results are provided to illustrate the usefulness of the proposed prediction model. It follows from those results that the proposed method can improve the accuracy of prediction, and the reliability of probability prediction for wind power is also improved.     

基于QR-NFGLSTM与核密度估计的风电功率概率预测

为提高风电功率概率预测精度和缩短长短期记忆网络的训练时间,提出一种基于分位数回归结合新遗忘门长短期记忆（NFGLSTM）网络与核密度估计的风电功率概率预测方法。该方法对长短期记忆网络的结构改进,提出一种新的遗忘门结构,以缩短训练时间。基于分位数回归和NFGLSTM网络建立组合预测模型,得到风电功率点预测值和某一置信度下的预测区间,采用Cosine核函数的核密度估计求解预测值的概率密度函数。基于某风电场的实测数据的算例分析表明,和传统预测方法相比,该方法可缩短长短期记忆网络的训练时间,提高概率预测精度。     

基于EMD与加权马尔可夫链QR法的风电功率区间预测

提出一种基于经验模式分解(EMD)、加权马尔可夫链与分位数回归(quantile regression,QR)的风电功率概率区间预测方法。由于风功率数据与风速显著相关,首先对历史风速进行经验模式分解,得到不同频率段的风速,再以不同频率段的风速为样本,分别对其进行加权马尔可夫链预测,相加得到最终预测风速。最后将所得的预测风速代入QR预测模型,得到一定置信水平下的风电功率概率区间的上下限。以区间覆盖率和区间平均带宽为评价指标,与马尔可夫链下的QR法和加权马尔可夫链下的QR法的对比仿真表明,提出的基于经验模式分解与加权马尔可夫链下的QR法具有风电功率概率预区间预测的覆盖率更高,平均带宽更窄,精度更好的预测效果。     

基于多层语义融合注意力机制的短期风电功率概率密度预测方法

获得未来风电功率的短期概率性信息将有助于电网的综合能源调度,为此提出一种结合多层语义融合注意力机制的短期风电功率概率密度预测方法。为尽可能获得更多语义层下的编码信息,在编码阶段引入循环高速网络（RHN）并通过深层的RHN网络结构最大程度地提取输入特征的底层关联信息。设计多层语义融合注意力机制以融合不同语义层下的局部注意力向量,进一步加强编码特征向量的表达能力,并将网络的输出与分位数回归和核密度估计方法结合,得到不同分位点下未来短期风电功率的预测结果与连续概率密度分布。实验结果表明：提出的短期风电功率概率密度预测方法不论是在预测的得精度上,还是在具有不确定性的预测结果分布上均优于其他比较模型。     

基于卷积和共享权系数长短时记忆网络时融合机制在风速预测上的应用研究

针对对于风能规划和应用都具有重大影响的风速存在强随机性问题,该文提出结合卷积神经网络（CNN）和共享权重长短期记忆网络（SWLSTM）的空时融合模型（CSWLSTM）,充分提取风速序列中蕴含的空域和时域信息,以提升预测精度。此外,为了获得可靠的风速概率预测结果,提出一种新的结合CNN、SWLSTM和高斯过程回归（GPR）的混合模型,称为 CSWLSTM-GPR。将CSWLSTM-GPR应用于中国内蒙古风速预测案例,从点预测精度、区间预测适用性和概率预测综合性能3个方面与相同结构的CNN和SWLSTM模型的风速预测方法进行比较。CSWLSTM-GPR的可靠性测试保证了预测结果的可靠性和说服力。实验结果表明,CSWLSTM-GPR在风速预测问题上能获得高精度的点预测、合适的预测区间和可靠的概率预测结果,也充分展现了该研究所提出CSWLSTM在风速预测方面具有较好的应用潜力。     

含风光电站的电力系统动态经济调度

随着电力系统中风电和光伏发电的接入比例不断增长,其输出功率的随机性给系统经济调度带来了不确定因素。通过将满足一定置信概率的风电、光伏发电的功率区间预测信息纳入发电计划中,同时引入了可中断负荷作为旋转备用,建立了基于功率区问预测的考虑机组组合的系统动态经济调度模型。求解模型时利用改进离散粒子群算法（discreteparticleswarlnoptimization,DPSO）来解决机组启停问题,采用连续粒子群算法来实现负荷的经济分配,并采用启发式调整规则,提高算法的效率和搜索性能。最后通过10机系统仿真算例验证了模型和算法的有效性。