多风电场接入的灵敏度场景静态无功/电压评估

风电出力对电力系统运行的影响存在复杂的非线性,现有处理风电随机性的风电场景模型难以保证风电场景与电力系统优化运行保持一致,为此提出含多风电场的电力系统无功/电压灵敏度场景分析方法。首先利用网损/电压灵敏度计算方法计算多风电场相关性出力样本的网损/电压灵敏度,再基于主成分分析构建联合网损/电压灵敏度特征空间,并在此基础上进行场景聚类,得到多风电场网损/电压灵敏度场景。将某2个风电场的实际数据接入IEEE 30节点系统中分别进行传统风电场景分析和所提灵敏度场景分析,验证了所提方法的有效性和优越性。     

考虑多风电场相关性的场景概率潮流计算

考虑多风电场相关性的概率潮流计算对评估风电接入系统所带来的影响具有重要意义。针对相邻风电场出力间相关性复杂多变的特点,提出一种基于K-means聚类和Copula函数的场景概率潮流计算方法,能够考虑多风电场出力间相关性的变化,建立其场景概率模型,得到不同场景下系统状态变量的概率指标。以澳大利亚的2个相邻风电场实测出力为样本,在含多风电场的IEEE 30节点系统中对场景概率潮流计算方法进行测试分析。算例结果表明,所提方法能够建立准确的多风电场出力概率模型,得到更可靠的概率潮流计算结果。     

大规模风电接入的运行场景无功优化评估

场景分析是含风电电力系统处理风电随机性的典型方法,然而由于风电出力对电力系统运行的影响具有复杂的非线性,传统风电场景模型难以保证风电场景与电力系统优化运行保持一致。为此,不同于传统方法的先对风电场景聚类、再进行运行优化,而是先将风电出力样本代入无功/电压运行优化,对优化结果的无功/电压控制矢量进行场景聚类,再映射出风电的场景聚类,从而提出含大规模风电电力系统的无功/电压运行场景模型。考虑到K-means聚类方法难以确定聚类数的问题,通过聚类指标得到运行场景的最佳聚类数。将澳大利亚2个风电场实际数据接入到IEEE 30节点系统中,分别进行传统风电场景分析和所提出的运行场景分析,比较了系统网损和电压的概率特性,验证了所提出的运行场景分析方法的合理性和优越性。     

含风电和柔性直流的电力系统多场景概率无功优化

随着大规模风电并网以及多端柔性直流VSC-MTDC的广泛应用,传统无功优化己不能很好地适应现今包含间歇性风电场的交直流并列运行系统。本文提出一种基于场景分析法的含风电场及VSC-MTDC的交直流并列运行系统无功优化方法,首先统计风电场出力的历史数据拟合风电出力的多场景概率,接着通过考虑风电场的多场景组合,建立以多场景下的综合网损期望值最小化为目标函数,计及VSC-MTDC系统级控制策略的交直流系统运行约束的含风电场和VSC-MTDC参与的多场景无功优化模型,并采用全局最优解求解器Ipopt分别求解主从控制模式以及电压下垂控制模式下的最优无功方案。最后以实际的广东南澳片网作为算例进行分析,通过与单一场景下主从控制、下垂控制模型下的优化方案进行对比,验证了本文所提方法的有效性。     

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。     

考虑风电场相关性的含风电电力系统随机潮流分析

地理位置接近的不同风电场的风速具有较强的相关性,这将会影响含风电电力系统随机潮流分析评估的结果。首先根据多风电场的风速历史数据建立了考虑不同风电场相关性的风速离散化联合概率模型,在此基础上结合半不变量和级数展开方法,提出考虑风电场相关性的含风电电力系统随机潮流分析评估模型,得到各节点电压的分布和越限概率等指标,同时该模型也可以考虑风电场有功无功出力的相关性。对某实际电力系统的算例验证结果表明,所提算法较不考虑风电场相关性的随机潮流结果的精度提高了很多;与蒙特卡洛方法计算结果相比误差较小,而计算速度大大提高。该算法可以快速有效地得到含风电电力系统的随机潮流评估指标,并针对所得结果提出相应的无功补偿方案,具有较好的工程应用价值。     

考虑多风电场相关性的场景概率潮流计算及无功优化

针对结合K-means聚类和Copula函数建立场景概率模型时,K-means聚类不能根据风电出力数据分布特点自发确定最佳聚类数这一不足,提出通过基于密度的聚类有效性指标确定最佳聚类数。并以此建立最优场景概率模型,采用改进型回溯搜索算法(BSA)进行无功优化。以澳大利亚的两个相邻风电场实测出力为例,在含多风电场的IEEE30节点系统中对所提方法进行验证,算例结果表明采用所提方法确定的最优场景概率模型能准确描述多风电场输出功率之间的相关性。     

采用分段离散化和高斯混合模型的多场景概率潮流计算

针对电网运行中风电和负荷的不确定性,提出了一种采用风电场输出功率分段离散化和负荷高斯混合模型的多场景概率潮流计算方法。在风电场有向功率特性曲线的基础上,分段离散化处理风电场输出功率,构造风电场输出功率多场景。同时,建立负荷的高斯混合模型,构造负荷功率多场景。然后,确定系统注入功率多场景及其对应的概率,在系统注入功率的每个场景中,风电节点输出功率为定值,负荷节点功率均服从高斯分布。最后,应用全概率公式,将系统注入功率的每个场景中计算所得状态变量的概率分布以该场景对应的概率作为权重,整合计算得到最终的概率潮流结果。以改进的IEEE 57节点系统进行仿真分析,结果表明所提方法简化了概率潮流求解过程,提高了计算效率。     

电压越限概率指标及其在含风电场电网无功优化控制的应用

针对间歇性风电使得基于实时无功优化的电压控制效果劣化问题,提出一种含风电场的无功优化控制模型,用以应对风电功率不确定性对电压控制的影响。根据变速恒频风机有功出力的概率分布,联合风电出力变化与电压变化的关系提出电压越限概率指标及其表达式,基于电压越限概率建立无功优化控制模型。以国内某电网为例,分别应用传统无功优化控制模型和文中所提出的模型进行无功优化控制,并对比其优劣性。结果表明,所提模型不仅能够有效地控制电压,还能降低风电接入下节点电压发生越限的概率。     

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。     

基于直流概率潮流的风电穿透功率极限计算

风力发电已经成为清洁能源中发展最快的一种发电方式,确定风电穿透功率极限对风电并网的规划和运行有着重要作用。文中提出了基于直流概率潮流的风电穿透功率极限计算方法,计算中通过直流概率潮流计算,综合考虑风电场出力、发电机出力、节点负荷等因素的随机性,得到含有风电场的电力系统中线路有功潮流的概率分布,然后利用随机规划理论和改进的遗传算法求解风电穿透功率极限。最后以IEEE30系统为算例,验证计算方法的有效性。     

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。     

基于Faure序列的电力系统概率潮流计算

风电场的大规模接入使得在进行电力系统概率潮流计算时需要考虑风电场出力的随机性。传统的蒙特卡洛法计算时间长、占用内存大。提出一种基于Faure序列的含风电场电力系统概率潮流计算方法。IEEE30节点和IEEE118节点系统对所提方法的准确性与有效性进行了仿真验证。仿真结果表明:Faure序列法可以较好地估计输出随机变量的概率分布,能有效地处理间歇性能源接入系统后的不确定性问题。     

考虑源荷频率特性的含风电交直流系统概率连续潮流方法

针对传统连续潮流方法难以适应大规模风电接入交直流互联系统的实际情况,提出了一种含风电交直流系统概率连续潮流计算方法。该方法在兼顾常规机组调频特性和负荷电压/频率静特性基础上,进一步考虑风电出力随机性、直流控制方式和频率波动偏差约束,建立考虑电源调频和负荷电压/频率静特性的含风电交直流系统概率连续潮流方程;通过其修正方程的雅可比矩阵,推导能反映频率波动、风电出力和控制方式等因素的负荷裕度灵敏度指标;基于统一迭代法,结合蒙特卡洛方法和预估-校正方法获取系统N和N-1状态时多场景潮流解和负荷裕度。最后,修改的IEEE 39节点系统算例仿真结果验证了所提方法的正确性和有效性。     

考虑时空相关性的多风电场出力场景生成与评价方法

含多个风电场的场景生成技术可为电力系统中长期规划和运行提供所需基础数据。为在场景生成过程中计入多风电场风电出力的时空相关性,提出两阶段场景生成方法：在第一阶段,采用Copula函数对多个风电场出力的空间相关性建模,获得多风电场出力的初始场景;在第二阶段,运用随机微分方程对风电场出力波动随机性建模,通过重构初始风电出力场景,使得最终获得的场景中风电序列较好地保留原始序列的时间相关性。为评估生成场景的有效性,构建场景有效性评价指标体系;引入多重分形去趋势波动分析方法,提供刻画风电序列的自相关特性和动态波动特性的多维度指标。以某区域风电场为例,生成风电季度出力场景,结果表明所提方法能够复现原始风电序列的时空相关性。     

考虑风电出力和负荷不确定性的电力系统有功优化潮流

建立了考虑风电出力和负荷不确定性的电力系统有功优化潮流模型。针对传统经验值法确定的系统所需旋转备用容量适应性较差的不足,文中在对风电出力和负荷需求进行区间预测的基础上,采用极限场景理论确定系统的正负旋转备用以协调风电出力和负荷的随机性。针对现有爬坡率约束只考虑单时段机组调节的缺点,为避免系统在风电出力和负荷出现陡峭波动时,机组调节量超过限值,加入多时段耦合约束以平衡系统风电出力和负荷的波动性。最后通过一种改进的粒子群算法对模型求解,并以含风电场的IEEE 30节点系统为算例验证所提模型的正确性与有效性。     

含风力发电的电力系统电压越限概率评估

针对以往含风力发电随机潮流计算的研究中存在的局限性,提出了一种适应于不同风季风速分布的电力系统电压越限概率评估方法。基于对风电机组输出功率概率空间的划分,给出了含多风电机组的系统风电功率输出场景划分方法;通过对系统各场景下的随机潮流计算得到既定场景下节点电压越限概率,从而计算出节点电压越限概率、系统电压越限概率指标和节点群电压越限概率指标。以含风电场的IEEE30系统为算例,给出了四种不同风季条件下,系统电压越限概率指标的仿真计算结果,验证了方法的有效性。     

基于隐马尔科夫模型的多风电场相关性出力时间序列建模方法

生成具有相关性的多风电场中长期出力时间序列,对电力系统规划和调度运行具有重要的意义。该文提出一种基于隐马尔可夫模型的多风电场出力时间序列建模方法。将风电出力的相关性作为隐马尔可夫模型的状态变量,并利用Markov链描述其时变特性;将各风电场在相邻时刻的出力作为隐马尔可夫模型的观测变量,建立相关性状态与相邻时刻出力的概率映射关系。利用Baum Welch算法估计隐马尔可夫模型参数,获取时变相关性状态的转移概率矩阵和各状态下多个风电场在相邻时刻出力的联合概率分布。最后,通过蒙特卡罗仿真逐月生成多风电场出力的时间序列场景。算例中对我国西北某省份的3个风电场进行测试,结果显示:所提方法生成的各风电场出力的年/月特性、概率分布特性、波动特性和自相关性均优于独立建模方法,并且风电出力相关性与历史序列非常接近,证明所提方法的有效性。     

考虑多风电场黑启动价值的机组恢复顺序双层优化决策

大规模风电的接入为当今电力系统能源格局带来根本性变革,同时对大停电后电力系统恢复进程产生巨大影响。针对含多风电场的待恢复电力系统,文中首先构建了考虑空间集群效应的多风电场出力典型场景的确定方法及多风电场黑启动价值评价函数,并提出以综合净收益函数为评价标准的机组恢复顺序双层优化模型。上层模型求解当前电力系统可恢复的初始目标集,缩小恢复策略的求解范围,下层模型从该初始目标集中求取综合净收益最大的风电机组与火电机组恢复顺序组合,并根据动态可恢复节点重要度求解恢复路径。最后,在含风电机组的IEEE 39节点系统中验证了所提决策方法的有效性。