梯级水电站群超短期入库流量滞时时间序列预报方法

超短期预报调度对于实现短期调度和实时调度无缝衔接、降低调度风险、提高水电调度水平意义重大。而实际超短期预报调度面临着有效预报信息短缺、实时采集信息错报漏报、支流小水电调节、模型通用性差等一系列问题,为此,提出了一种梯级水电站群超短期滞时时间序列预报方法,首先分析了上游电站历史出库和下游电站历史入库流量,利用相关系数找出最强滞时流量匹配关系,从而将上游电站出库流量从下游电站入库中分解出来,还原出有效的区间流量,再通过区间流量逐日化进行时间序列建模,最后与上游电站滞时出库合成为下游电站预报入库流量。以云南澜沧江干流梯级电站为例,取得了良好的预测效果,从而验证了该方法的合理性、准确性与通用性。     

电网演变趋势分析系统(PDTA)

<正>电网演变趋势分析系统(PDTA)是中国电力科学研究院电力系统研究所开发的、具有我国自主知识产权和国际先进水平的电网变化趋势评估系统。电网演变趋势分析系统基于电网当前运行方式和在线稳定分析结论,利用调度操作调整、实时调度计划、新能源超短期预报和超短期负荷预测数据,形成电网     

网省紧耦合电网实时发电计划优化模型及应用

由于负荷、新能源功率等不确定性因素的影响,在日前发电计划执行过程中需要利用实时发电计划应用进行滚动修正。对于网省两级耦合紧密的区域电网,网调与省调机组共同承担省内用电负荷,跟随负荷预测偏差与新能源预测偏差进行实时调整,保证发用电平衡,网省间联络线交换功率计划呈动态变化特点。为此,在常规发电计划优化模型基础上,提出针对紧耦合电网的网省分担的虚拟功率交换计划（VIS）约束,建立网调和省调实时发电计划优化模型。针对运行中网调在局部省区调节能力不足的问题,提出网调多控制区优化模型,实现网调控制机组在省区之间的相互支援,并可量化分析支援大小。通过电网实际运行结果分析,验证所提出的方法的有效性,提高电网调度大范围资源优化能力。     

风储电站实时跟踪发电计划控制策略研究

针对风储电站实时跟踪发电目标,研究储能系统发电控制策略。该控制策略基于风电场实时输出功率超短期预测,根据风电场预测输出功率与发电计划之间的偏差,制定储能系统的发电目标,并根据储能系统的剩余容量、充放电深度、额定功率等影响储能系统使用寿命为约束条件,实时修正储能系统的发电目标,进而计算得到储能系统的实时发电功率值。文章提出了改进的线性外推预测的方法,采用滑动平均方法对线性外推预测的风电场输出功率进行平滑修正处理,并通过算例分析结果论证了文章方法可行性。     

梯级水电站群发电运行的水足迹研究

为合理评估大型流域梯级水电站群发电运行对水资源的消耗,以金沙江中游梯级水电站群为例,提出了不同调度模式下梯级水电站群发电运行的水足迹研究方法,基于负荷曲线单独运行、负荷曲线联合运行、发电量最大联合运行三种调度模式下的短期优化调度结果,分别计算获得运行阶段的水足迹,并分析了不同调度模式对水足迹的影响。结果表明,水足迹能直观地反映梯级水电站群发电运行对水资源的消耗,梯级水电站群可改变调度模式来降低其发电运行的水足迹。     

短期水电优化调度系统设计与开发

大规模水电站群联合优化调度运行对于水电厂自身和电网安全稳定运行至关重要,需制定高效实用的水电站短期发电计划指导其运行。因此,该系统研发了一套基于B/S模式的短期水电优化调度系统,阐述了该系统的总体功能设计和关键实现技术。系统应用表明,该系统具有友好的人机交互界面、良好的健壮性和可扩展性,为制定短期水电系统联合优化发电计划提供了便利。     

不同电价政策下流域梯级水电站群长期优化调度

为定量分析、比较不同电价政策下流域梯级水电站群运营特点,结合发电侧市场开放后梯级水电站群发电计划制定的实际,考虑不同电价政策,以水电站群发电收益最大为目标,建立了长期优化调度模型,并采用粒子群算法求解模型.以我国西南某流域梯级电站群为例,探讨了不同电价政策对梯级电站群优化调度的影响.     

电网水电站群短期优化调度模型体系及应用分析

立足电网水电站群短期优化调度的业务特点及应用需求,提出电网水电系统短期优化调度的多模型转化机制及其运用准则,为水电站群的日计划方案编制提供决策支撑;以水电能源的高效利用和电力系统的电力电量平衡为基础,建立了相互关联的短期优化模型体系,重点阐述了电网水电站群可用水量与水电负荷需求的协调关系。国网直调水电系统的计算结果表明,多模型转化机制能准确体现电网的不同调度意图,并获得对应的水电站群负荷控制策略。     

基于CFS预报产品的水电站水库预泄决策方法

针对降雨预报不确定性带来的汛期预泄风险问题,提出基于CFS预报产品的水电站水库预泄决策方法。利用CFS历史预报数据,建立不同预见期特定预报降雨条件下的实际降雨和入库流量的概率分布,计算不同库水位和发电决策组合下的弃水风险率。在常规调度的基础上,根据CFS降雨预报信息,以弃水风险率为决策依据,以优化的弃水风险率阈值为预泄幅度的定量指标进行调度。实例研究表明,该方法简便易行,充分利用了降雨预报信息,在汛期可提供定量化预泄决策,兼顾了效益与风险,达到了减小弃水的同时增大发电量的目的。     

基于时空图卷积神经网络的光伏发电功率超短期预测方法

为了解决传统光伏电站超短期功率预测方法不能同时准确提取发电功率的时间和空间特征的问题,提出一种基于时空图卷积神经网络的光伏发电功率超短期预测方法。针对同一区域内的多个光伏电站,首先对电站进行图建模,利用图卷积网络（GCN）与门控线性单元（GLU）提取发电功率的时空特征。利用提取到的时空特征信息以及区域内光伏电站的历史发电功率数据训练预测模型,最终实现对多个光伏电站发电功率超短期预测。实验结果表明,该方法能够将超短期功率预测均方根误差减小至1.122%,对工作人员根据实际情况进行电网的调度管理具有重要意义。     

GFS预报信息在水电站运行中的应用研究

针对水电站水库的中长期优化调度中若能充分有效地利用预报信息将可获得更大经济效益的问题,利用GFS发布的10~14 d降雨数值预报信息,构建了其信息的统计方法,并以预报降雨为主因子建立了二滩水电站汛期旬径流的枯、平、丰三级预报模型,基于已建立的二滩水电站有、无预报信息相结合的发电调度模型,针对汛期无径流预报的时段,利用径流定性预报结果修正改进了其调度决策。模拟调度结果表明,改进方案可行、优越。     

基于局部形相似的超短期负荷预测

为了进一步提高超短期负荷预测的精度,特别是负荷曲线出现拐点时的预测精度,在选择相似日的基础上,提出了一种基于局部形相似的超短期负荷预测方法。通过西安地区实际负荷数据的仿真,验证了该方法既能保证负荷曲线拐点处的预测精度,同时又提高了总体的预测准确度。     

基于风速波动特征提取的超短期风速预测

针对风电场风速预测准确度不高的问题,提出一种基于风速波动特征提取的超短期风速预测方法。首先建立风速-风速变化量联合概率密度模型,分析风速的不确定性特征;根据风速波动特征,应用集合经验模态分解（EEMD）和风速分量样本熵（SampEn）值,将风速分解重组为波动量和趋势量;应用人工鱼群算法（AFSA）优化小波神经网络（WNN）进行趋势量预测;应用改进非线性自回归（INARX）神经网络对风速波动量进行预测,进而得到预测风速。通过实际风电场风速仿真预测,并与多种预测方法对比,表明该预测方法预测结果误差较小,可准确地进行超短期风速预测。     

计及不确定因素的梯级水电站短期优化调度

以一定时期内期望发电效益最大化为目标。采用马尔可夫链对梯级水电站机组未来调度时段的预想故障及上网电价进行概率预测。构建了一种新的梯级水电站短期概率优化调度的模型。并且采用服从正态分布的负荷波动来分析时变负荷对优化调度的影响。该模型全面考虑了梯级水电站蓄水量、弃水量、水位、发电引用流量等约束条件,实现了机组运行状态概率预测与优化调度决策的密切结合。利用微分进化算法鲁棒性强、搜索效率高的特点。与蒙特卡洛方法对模型进行求解。以一梯级水电站系统为例进行计算分析,表明所提出的模型合理和有效。     

巨型水电站厂内负荷准实时优化分配模型研究

目前,水电站厂内负荷准实时优化分配在中小型水电站得到了较好的应用,而在巨型水电站却缺乏深入研究。基于巨型水电站的实际生产运行情况,充分考虑其所担负的电网调峰、调频任务,增加了避免机组负荷大面积转移的约束条件;设计了巨型水电站厂内负荷准实时优化分配模块;采用改进动态规划算法,以水电站耗水量最小为目标,建立了巨型水电站厂内负荷准实时优化分配模型,并将该模型应用于四川省瀑布沟巨〖JP3〗型水电站(3 600 MW)。结果表明,通过厂内负荷准实时优化分配运行,电厂日发电耗水率由2.678 m3/(kW·h)〖JP〗下至降2.599 m3/(kW·h);厂内经济运行效益提高近3%;平均计算耗时0.102 s。该结果为研究巨型水电站厂内负荷优化分配提供了可靠参数,其建模思路也可供类似巨型水电站借鉴和参考。     

大型水电厂AGC调节策略研究

AGC机组调节比较频繁,如果仅考虑经济性而调用大量机组去响应并非特别大的随机负荷调整是不尽合理的,尤其是对机组台数众多的大型水电厂,不仅经济上得不偿失,而且会带来安全隐患。随着电力市场理论研究的深入和市场规则的完善,辅助服务市场将引入竞争逐步走向市场机制,电厂通过竞价方式确定是否承担AGC服务,这种承诺性交易使水电厂可预先采用合适的AGC调节策略,协调发电与AGC之间的关系,提高运行安全性和经济性。针对大型水电厂及电力市场下AGC调节问题,提出了动态分组轮换控制策略,既避免了机组频繁调整,也实现了负荷的经济分配,更适应大型水电厂的AGC运行。     

考虑多地区互相关性的小水电群发电能力模拟预测方法

针对小水电数量多、分布广、信息采集差、不确定性强、管理区划与流域交叉重叠等特点,提出一种考虑多地区互相关性的小水电群发电能力模拟预测方法。该方法以地区小水电群整体为研究对象,分析地区间小水电群发电能力的互相关性并构建Copula相关性函数,在此基础上选取代表地区构建基于Copula函数的地区权重发电能力预测模型,同时结合历史出力趋势对模拟预测值进行重构,使其满足实际出力特性,并以云南省地区小水电群为例验证了该方法的有效性。结果表明,云南省15个地区的小水电发电群预测值合格率均大于70%,合格率较高。该研究方法可为小水电的后期应用提供指导。     

基于分位回归鲁棒极限学习机的短时负荷预测方法

针对短期负荷预测对电力系统运行管理和优化调度的影响,提出一种基于分位回归鲁棒极限学习机的短时负荷预测方法,即先对所收集的历史负荷数据进行归一化处理,然后利用自相关分析提取最相关的历史负荷数据作为模型的输入变量,再融合鲁棒极限学习机和分位回归建立负荷预测基本模型,最后利用某电力公司2016年采样频率为30min的数据进行实例分析,试验数据表明相比极限学习机(ELM)、分位回归(QR)和分位回归支持向量机(QR-SVM),所提模型预测精度更高,验证了所提模型和算法的可行性和有效性。