基于趋势特征的风电功率爬坡事件检测方法

风电爬坡事件是风功率波动严重的小概率事件,因此在大数据中快速检测出爬坡事件十分关键。为提高爬坡事件的检测效率,本文根据爬坡事件蕴含显著的趋势信息,提出一种基于SDT和趋势标记相结合的风电爬坡事件检测方法。首先,采用改进的旋转门算法(SDT)对原始风电功率数据进行分段趋势提取,预提取出可能存在的爬坡事件。为避免漏检、处理不重要的分段,引入趋势标记的方法。根据提出的爬坡检测方法,对上海某风场的数据进行爬坡检测试验。结果表明,对爬坡事件进行分段提取趋势既缩短了爬坡检测时间又提高了爬坡检测精度,具有实际意义。     

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。     

风电功率爬坡事件作用下考虑时序特性的系统风险评估

与常规的风电功率随机波动相比,风电功率爬坡事件具有明显的时序特性。为准确评估其对系统运行风险的影响,分析风电功率爬坡事件的特点及发生过程,并基于非序贯蒙特卡罗模拟法推导与之相适应的常规机组停运模型。通过对常规机组可能停运时刻和对应的运行状态分别进行抽样,考虑爬坡事件与常规机组停运之间的时序关系对评估结果的影响。在计及低频减载及AGC调节作用的基础上,采用频率越限次数和失负荷期望对系统运行风险进行评估。以IEEE RTS 24节点系统为例,对多种场景下系统运行风险进行评估及对比分析,验证了所提模型的有效性。     

超短期风电功率爬坡事件检测和统计分析

随着风电渗透率的逐渐增加,超短期风电功率爬坡事件对电力系统的影响愈来愈显著。当前国内对爬坡事件没有明确定义,且缺少相应的检测方法和统计分析。阐述了爬坡事件的定义,提出了一种超短期风电功率爬坡事件检测方法,并从爬坡持续时间、爬坡变化率和爬坡幅值三个方面对上爬坡和下爬坡两种爬坡类型进行了统计。最后分析了超短期风电功率爬坡事件的日、月分布规律。实例证明,所提出的检测方法可以快速准确地检测出风电功率爬坡事件及其特征值。统计结果表明,上爬坡事件和下爬坡事件的爬坡持续时间、爬坡变化率和爬坡幅值三个爬坡特征具有较高对称性,但两类爬坡事件高发在一天之中不同的时段,也表现出明显的日、月分布特征。     

风电功率爬坡事件的滑动窗检测与实例分析

风电功率易受自然风况随机多变因素的影响,形成快速变化的爬坡现象,严重时会给电网调控带来较大困难。为更好应对风电功率爬坡带来的风险,需要研究风电功率爬坡事件的高效检测技术。基于通常的风电功率爬坡定义关系,设计了一种采用滑动窗技术的风电功率爬坡事件检测方法及其流程。方法通过风电功率变化率门槛值和滑动窗的合理设置,动态检测风电功率爬坡事件发生的起始时间、幅度、陡度和持续时间等关键信息。利用提出的检测技术,对江苏盐城地区4个风电场2015年1月—2016年3月期间的风电功率爬坡进行实例分析,验证了所提检测技术的正确性。     

基于原子稀疏分解和BP神经网络的风电功率爬坡事件预测

超短期风电功率爬坡事件越来越影响风电机组在电网中的运行。当前国内对爬坡事件的定义并不明确,缺少相应的预测方法。阐述了风电功率爬坡事件的物理含义,提出了一种基于原子稀疏分解和反向传播神经网络(BPNN)的组合预测方法,分别建立了原子分量自预测模型、残差分量预测模型和组合预测模型。以实际风电场数据进行验证,对不同预测方法和不同时间空间实测数据进行了较全面的分析,结果表明该方法可以提高预测精度,并能降低绝对平均误差和均方根误差计算值的统计区间。     

风电功率爬坡事件预测时间窗口的选取

为了完整、高效地预测爬坡事件,提出在一个合适的时间窗口内进行风电功率预测和爬坡事件识别的方法,并重点讨论如何选取合适的预测时间窗。首先通过历史爬坡事件的识别,统计爬坡持续时间的分布规律;利用数据相关性分析研究实例样本数据的可预测性;综合2者的结果确定爬坡预测时间窗口取值的可选范围。其次,基于预测时间窗的目标要求,提出可能的分析指标,在给定取值范围内寻找满足要求的最优时间窗口作为所求预测窗。最后以美国BPA地区的风电功率数据为实例,仿真求出该数据集的预测窗口大小为4.5 h,通过多个评估指标验证了该预测时间窗对实例爬坡预测的有效性。该工作为爬坡事件的预测奠定了重要基础。     

考虑爬坡特性的短期风电功率概率预测

短期风电功率概率预测有助于调度部门提前安排发电计划,提高风电的消纳能力。提出一种考虑爬坡特性的风电功率概率预测方法,首先通过分析不同风电爬坡定义的特点,阐述互补组合预测的思路;然后采用小波神经网络建立风电功率确定性预测模型,并在其基础上建立不同功率分区内风电爬坡率和风电功率预测误差的二维核密度估计概率预测模型;最后由二者的联合概率分布求取后者的条件概率分布,得到风电功率概率预测结果。仿真结果表明,所提模型具有很高的短期风电功率概率预测精度。     

基于卷积神经网络特征提取的风电功率爬坡预测

为提高风电功率爬坡预测的准确性,提出了一种基于卷积神经网络、长短期记忆网络和注意力机制的风电功率爬坡预测方法。首先,针对风电功率爬坡发生次数少、特征复杂、预测模型难以对小样本爬坡事件有效学习的问题,使用卷积神经网络对风电功率序列进行特征提取。然后,使用长短期记忆网络建立预测模型,解决风电功率的长时依赖问题,并在模型中加入注意力机制对长短期记忆网络单元的输出进行加权,从而加强风电特征的学习,提高爬坡预测准确度。仿真验证表明,模型对风电功率爬坡预测有较高的准确性。     

考虑电网侧频率偏差的风电功率爬坡事件预测方法

风电功率爬坡事件越来越影响风力机在电网中的运行,随之而来的爬坡事件预测问题成为国内外新的研究热点。综述了风电功率爬坡事件的研究背景、定义和特征,建立了考虑频率偏差量的含风力机的准稳态潮流计算模型,将频率偏差量和滑差修正量引入雅可比矩阵中进行含风力机的潮流计算,采用两种频率偏差指标(PRESF指标和APRESF指标)对爬坡事件进行预测。将所述预测模型应用于5节点和10机39节点系统进行算例仿真,对结果的对比分析验证了该方法的有效性。     

A coordinated dispatching strategy for wind power rapid ramp events in power systems with high wind power penetration

High wind power penetration poses a challenge for the dispatch of the power system when rapid ramp events occur. This paper proposes an optimal dispatching strategy against wind power rapid ramp events during peak load periods by coordinating generation units with different time intervals. Special attention is given to the definition of the wind power rapid ramp events considering operation conditions of the system. Then, the online prediction of wind power rapid ramp events and its influence on the spinning reserve procurement of the system is analyzed. Based on the principle of coordination among generation units with different time intervals, the optimal dispatch during peak load periods when wind power rapid ramp events occur is formulated as an optimization problem considering thermal generation units, the energy storage system, interruptible load and load shedding. To improve computational efficiency, the power output calculation of the generation units with different time intervals is decomposed. The results show that the proposed dispatching strategy is feasible for accommodating wind power rapid ramp events during peak load periods.     

考虑风电功率与需求响应不确定性的备用容量配置

将风电建模为多状态发电机组,以风电停运率考虑风电功率预测误差的不确定性,在基于消费者心理学的可中断负荷响应模型的基础上,综合评估含有风电、可中断负荷不确定性的系统可靠性指标。建立了日前备用协调优化模型,优化模型以满足一定供电可靠性为前提,同时优化可中断负荷备用和发电机备用容量,在24个时段的范围内研究计及风电不确定性下可中断负荷作为备用资源的积极效果。算例结果表明,引入风电后,系统对可中断负荷的需求有所增加,可中断负荷作为一种灵活的调控手段,在应对风电不确定性、降低系统运行成本上有积极意义。     

风电自动发电控制策略可行性分析

为应对大规模风电并网运行带来的诸多不利因素,在传统水、火电机组有功控制技术的基础上,综合风电运行特点,研究分析了计划曲线跟踪、限时段控制等多种风电有功控制策略,并且成功实现了宁夏首次风电联网有功闭环控制。研究结果表明：风电有功控制策略有较强的可行性,能够为电网接纳大规模风电运行提供关键技术支撑。     

风电场功率控制策略的研究*

风速的不稳定性和间歇性使得风电机组的输出功率具有随机性和波动性。随着风电场容量的急剧增加,导致电力系统的稳定性和电能质量受到严重影响。文中搭建了双馈风力发电机组的数学模型和控制模型,采用了磁链定向矢量控制技术和电压定向矢量控制技术,针对风电机组的功率调控能力进行了深入研究与分析,提出了双馈风力发电机组的有功和无功控制策略。仿真结果表明该控制策略是合理的、可行的。     

计及需求响应的含风电电力系统旋转备用优化配置策略

风电大规模并网影响了电力系统的稳定运行,且存在消纳困难。为保证含风电电力系统的可靠性,提出了一种计及需求响应的旋转备用优化配置策略。该策略在分析风电出力及负荷预测误差的前提下,考虑可控负荷需求响应能力,以系统发电总成本最小为目标建立电源优化组合模型。采用GUROBI求解器对模型优化求解。经仿真验证,该策略在保证电网稳定运行的前提下,可提高电力系统运行的经济性,增强常规机组提供旋转备用的能力,促进风电消纳,具有较高的工程应用性。     

基于风速局部爬坡误差校正的风电功率优化预测

准确的风电功率预测对于电力系统安全稳定运行具有重要意义,滞后性是产生风电功率预测误差的主要原因,尤其是风速变化较快时,滞后性引起的预测误差较大。考虑到风速波动与风电功率的变化息息相关,提出一种基于风速局部爬坡(LR)误差校正的方法来改善预测风速的滞后性,并将校正后的预测风速及历史功率数据作为输入进行风电功率预测。提出利用灰狼优化(GWO)算法对最小二乘支持向量机(LSSVM)的参数进行优化,以提高风电功率预测的准确性。算例结果表明,所提方法能够有效提高风电功率预测精度。     

一种可在特高压或风电大量接入后减少旋转备用的新方法

由于风电和火电机组相比更加多变,难以预测,增加风电的注入水平一般会需要更多的旋转备用,这会增加成本。调压辅助调频有助于改善这一问题。当风电出力突然大幅度下降导致频率下降时,可以通过调低负荷电压来减少有功需求、提高事故后电网频率,然后再通过AGC将频率恢复到正常水平。在指定允许的LOLP或LOLE时,可以通过概率计算得到这种方法减少的旋转备用数量。调压辅助调频也可在特高压接入后节省需要的旋转备用。仿真计算证明了该方法的有效性。     

风力发电并网技术及电能质量控制策略

对传统发电技术和风力发电技术进行了对比,研究了恒速、变速风力发电机的不同拓扑结构以及风力发电机的各种并网控制技术,并对这几种并网技术所带来的电能质量问题的控制策略进行了总结.指出今后风力发电的研究方向是提高单机容量,以及加强电力电子装置在风电并网及电能质量控制等方面的应用.     

加强电力需求侧管理实施最大需量负荷控制

常州武进大众钢铁有限公司通过实施电力需求侧管理项目,采用电力需量智能控制管理系统使电力负荷曲线更趋平衡,既减少了需量电费,增加了经济效益,又减轻了电网高峰用电负荷,对缓解地区用电紧张状况具有一定的积极作用,值得在电炉钢厂等大电力用户中推广应用。     

双馈风力发电中的恒电压无功控制策略研究

在常规双馈风电变流器矢量控制基础上,通过增加恒电压无功控制算法,提出一种双馈风电变流器恒电压无功控制策略,即采用PI调节器对电网正序电压进行闭环调节,调节器输出作为变流器无功功率指令输入,无功功率控制不再响应风机主控制器的指令.以1.5 MW双馈风电机组为例进行了仿真模型和实际测试验证,结果表明,该策略在一定程度上能够达到稳定系统电压的目的。