适用于鲁棒调度的风电场出力不确定性集合建模与评估

合理地刻画风电场出力不确定性集合是应用鲁棒调度的重要前提。文中对风电场出力不确定性集合建模及评估方法进行了研究,依据风电数据是否完备,分别提出了精确、有效的建模方法。当风电数据完备时,相比于已有方法,所提方法建立了给定置信概率与不确定性集合之间的解析关系,且集合可构建为具有较强工程适用性的椭球或多面体形式。当风电数据不完备时,所提出的方法可辅助调度机构在仅获知部分风电场出力预测误差信息时更加合理、有效地刻画风电场出力的不确定性,从而制定更加经济、可靠的调度策略。此外,文中还提出了评估一般风电场出力不确定性集合的方法。基于EirGrid历史数据的算例分析,验证了所提出的不确定性集合建模方法的合理性、精确性,以及评估方法的有效性。     

计及出力水平影响与自相关性的风电预测误差模拟方法

风电的预测误差不仅受预测出力水平的影响,而且时序上也存在显著的自相关性,基于此,提出一种兼顾两方面特征的风电预测误差模拟方法。充分利用Copula函数在描述变量间相关性方面的优势,通过分析风电出力的预测值与实际值间的联合概率分布,确定不同预测出力水平下预测误差的条件分布函数,对相邻时刻预测误差的相关性进行建模,并结合预测误差的条件分布函数,生成具有特定相关关系的备选数据列。顺次以前一时刻的预测误差为依据,从备选数据列中选取相应数据组成预测误差的模拟序列。算例仿真验证了所提方法的有效性。     

计及预测误差动态相关性的多风电场联合出力不确定性模型

为实现对多风电场联合出力不确定性的精细化建模,提出了计及预测误差动态相关性的多风电场联合出力不确定性建模方法。首先,分析了同区域风电场的出力及出力预测误差动态相关性特征。进一步,针对此特征,引入高维动态藤Copula理论,建立了多风电场预测出力及预测误差的联合分布模型。最终,将以上模型与基于Copula函数的离散卷积法相结合,建立了计及预测误差动态相关性的多风电场联合出力不确定性模型,并以置信区间对多风电场联合出力不确定性进行了离散化表征。仿真结果表明,对比其他模型,所提模型拟合精度更高,拟合过程与预测方法解耦,灵活性更强。     

计及超分辨率风电出力不确定性的连续时间鲁棒机组组合

随着风电在电力系统中渗透率的提高,调度时段内的风电出力波动越发剧烈,可能导致时段内爬坡不足,威胁电力系统在时段内的运行安全.针对这一问题,提出计及超分辨率风电出力不确定性的连续时间鲁棒机组组合模型和求解算法,该方法充分考虑时段内风电出力变化,给出对超分辨率风电出力不确定性鲁棒的调度方案.首先,基于连续时间建模方法,建立...     

计及风电不确定性优化调度研究综述EI北大核心CSCD

大规模风电并网后为系统带来不确定性因素,对系统优化调度造成极大的挑战。该文立足于国内外电力系统适应高比例风电并网消纳的实际进展,首先,从机组组合计划、经济调度、市场机制等多角度对国内外研究现状进行梳理;其次,依据时间尺度、调控目标、建模机理及不确定模型等多种准则对计及风电不确定性优化调度模型进行归类分析,归纳并总结各类优化模型的优缺点及应用情况;然后,分别从模糊隶属度函数、场景集、鲁棒不确定集及分布鲁棒不确定集等四个方面,详尽地阐述各类处理风电不确定性模型的架构、应用现状、优势及不足;最后,对相关领域未来研究方向进行展望,以期为计及风电不确定性优化调度的研究提供参考和建议。     

考虑风电出力不确定性的综合能源系统鲁棒优化

受风速的波动性和间歇性的影响,风力发电具有明显的不确定性特点,增加了电力系统调度运行难度。针对风电出力的不确定性,以系统总运行成本及弃风成本最优为总目标,考虑系统能量平衡、火电机组出力、燃气轮机出力、P2G设备出力等约束条件,采用鲁棒优化方法构建含P2G设备、冷热电联产机组及储能装置的综合能源系统鲁棒优化模型,采用24时段的算例通过Matlab软件中心YALMIP工具箱,通过CPLEX求解器进行求解,分析不同鲁棒参数及风电消纳率条件下,系统运行成本的差异。最后,仿真验证了所建模型的正确性和有效性。     

计及风电预测误差的电力系统风险规避评估模型

风电功率的短时大幅波动对电网的安全稳定运行造成冲击,为更准确地评估电力系统在较短时间内的风电消纳情况,需考虑风电功率的预测误差。为此,文中提出一种概率区间优化模型,从效益和风险两个维度评估风电预测误差对电力系统运行的影响,旨在得到最优权衡风险和效益的调度方案。在概率区间优化模型中,不确定风电被视为概率区间变量,即每个风电值对应一个分布概率。效益用不确定风电并网前后系统运行费用的差值来量度;风险则用风电的分布概率来衡量。然后,构建基于效益和风险的条件期望作为优化目标。最后,在一个调度系统上进行仿真并与区间优化模型对比,证明了所提出的优化模型的可靠性、鲁棒性和实用性。     

考虑风电预测误差相关性的负荷恢复鲁棒优化

为应对负荷恢复过程中源荷双重不确定性,建立了负荷恢复鲁棒优化模型。应用近似线性化潮流方法对模型进行线性化处理,并基于解耦思想将原模型分解为预测场景下的方案优化主问题和误差场景下的方案校核子问题。主问题以预测场景下加权负荷恢复量最大化为目标函数,进行风电接入和负荷恢复方案最优决策;基于主问题的决策结果,子问题引入松弛变量,构建计及预测误差不确定性的max-min双层方案可行性校核优化模型,并以可调盒式集合刻画负荷预测误差,以线性多面体集合描述具有相关性的风电预测误差。在求解过程中,利用线性优化强对偶理论将max-min结构的子问题对偶转化,并引入大M法线性化所得对偶模型,然后采用列与约束生成算法进行主、子问题高效迭代求解。算例结果验证鲁棒优化模型和迭代求解方法的有效性和可行性。     

计及风电预测误差不确定性的风电参与网架重构优化

在大停电后的电力系统恢复过程中,充分考虑风电场的功率支援可加快系统的恢复速度,而风电场出力又具有不确定性,这为系统恢复方案的制定带来了新的挑战。为此文中提出了一种考虑风电场出力不确定性的网架重构恢复方法,该方法首先以预测误差不确定性描述风电场出力不确定性,然后采用风电场限出力接入策略消除风功率波动性对网架重构带来的负面影响,同时定义网架恢复成功率指标描述风电场预测出力不确定性可能导致的恢复失败风险。之后,在机组节点恢复成功率不低于一定置信水平的前提下建立随机相关机会目标规划模型,以最大化网架恢复成功率和最小化网架恢复时间为优化目标,采用离散粒子群算法和随机模拟技术组成的混合智能算法求解模型。最后,以IEEE 39节点为算例对该方法与传统恢复方法进行了分析比较,结果表明,提出的恢复方法在有效应对风电场出力不确定性的同时能够有效缩短网架恢复时间,加快系统恢复进程。     

计及风电时间相关性的鲁棒机组组合

鲁棒优化是解决大规模新能源接入后电力系统调度的重要手段。相比于基于场景的随机规划、带有风险约束的机组组合等,鲁棒机组组合的结果往往偏于保守。鲁棒优化的保守性直接受到不确定集合的影响。研究了风电预测误差时间相关特点,提出了基于自相关性的时间相关性约束。并利用不确定集合的离散性特点,将该约束近似简化为可以用于实际鲁棒优化问题的线性约束。在列与限制生成(CCG)算法的基础上,改进了Bender’s分解后子问题的求解算法,提出了一种适合离散型不确定集合的鲁棒优化求解方法。最后,以真实风电数据进行了大量的仿真实验。结果表明,提出的算法能够在不影响机组组合可靠性的前提下,降低鲁棒优化保守性。     

消纳大规模风电的鲁棒区间经济调度:（二）不确定集合构建与保守度调节

对鲁棒区间经济调度中不确定集合的构建方法进行探讨。首先,建立考虑不确定变量概率边界值的鲁棒区间经济调度模型。然后,针对调度中心掌握风电预测信息的不同情况,相应地提出构建满足一定置信水平的不确定集合的方法,其中考虑了风电场的出力相关性。该方法使得调度人员可以灵活地根据风险偏好程度来控制鲁棒调度策略的保守度。最后,在改进的IEEE 24节点系统上进行蒙特卡洛仿真,验证所提出的不确定集合构建方法的有效性,并对其性能进行了比较。     

基于数据驱动的风电功率预测误差解耦评价方法

针对风电功率预测中多环节交互影响的复杂性,文中提出一种风电功率预测误差的精细化评价方法,旨在利用数值天气预报、气象观测数据、风电运行数据等多源异构信息,定量分析功率预测各关键环节对预测总误差的影响程度。首先,解析了风电功率预测运行机理,将预测过程分解为数值天气预报、风能-功率转换建模、预测结果校正3个关键环节。然后,设计了基于核密度估计的风电异常数据分区间辨识方法,建立了风资源-电力特性的简化模型。最后,基于气象、电力等多源运行数据驱动,提出功率预测各环节等效误差的量度方法。算例结果表明,所提方法可定量评估各环节预测对功率预测误差的影响。     

考虑风电场灵活性及出力不确定性的机组组合

大规模并网风电的出力不确定性及反调峰特性给电力系统运行,尤其是机组组合的安全可靠性、经济性带来了严峻的挑战。合理构建风电出力不确定性模型,并将新的优化方法,如随机优化、鲁棒优化等应用到机组组合中已成为当前的研究热点。首先对风电场潜在调节能力进行了探讨,提出了一种新的风电调度模式及相应的机组组合模型。风电场在新的调度模式下将转变为一个"灵活"的参与者,而机组组合模型同时计及了风电场出力的不确定性。然后,以修订后的IEEE 39节点系统为基本算例对所提方法进行了仿真分析,结果表明所提出的方法可有效地提高电力系统运行的整体性能。此外,所提方法还可用于评估系统对风电的接纳能力。     

计及风电不确定性和弃风率约束的风电场储能容量配置方法

风电的大规模开发造成了严重的弃风问题,在风电场内配置储能装置可显著减少弃风,文中基于分布鲁棒优化方法研究了考虑风电不确定性和弃风率约束的风电场储能容量配置问题。首先根据历史数据构造风电出力的经验分布函数,为考虑风电出力的不确定性,以Kullback-Leibler(KL)散度作为分布函数距离测度建立了风电出力的概率分布函数集合。随后,将弃风率要求建模为概率分布函数集合中最坏分布下的鲁棒机会约束,进一步建立了以储能投资成本最小为目标、以弃风率为约束的鲁棒机会约束规划模型。最后,通过矫正机会约束中的风险阈值,将鲁棒机会约束转化为传统机会约束,并采用凸近似和抽样平均构建线性规划进行高效求解。基于IEEE 30节点电网进行了算例分析,并与传统的随机规划和鲁棒优化模型进行对比,验证了所提模型在处理风电不确定性时能有效兼顾保守性和鲁棒性。     

计及空间相关性的轻量级风电功率预测方法

针对风电功率预测数据高维灾难以及云计算的通信依赖问题,提出一种风电功率的属地边端轻量级预测方法。采用KNN算法计算风机间的距离量化空间相关性,并引入轮廓系数自适应地确定近邻数k以降低冗余特征维度,从而确定输入目标预测风机的邻近风机数据;基于Seq2Seq结构的GRU-MLP网络完成各台风机的风电功率预测。实验结果表明,在预测准确率近似的条件下所提方法相较于常规网络复杂度小、效率更高,可为风电场功率预测任务从云端向边缘迁移提供技术方案。     

短期风电功率预测误差综合评价方法

对短期风电功率预测误差进行综合评价是改进预测精度、指导预测结果合理应用的前提.当前风电功率预测误差评价主要采用均值类指标,无法全面、准确反映预测系统的运行情况.文中总结了风电功率预测误差的主要存在形式,提出了一套包含纵向误差、横向误差、相关因子与极端误差等在内的综合评价方法.基于内蒙古某风电场实际数据,采用该方法对不同预测方法、预测系统的不同误差环节进行了较为全面的评价,验证了评价指标的指导价值.     

计及气象因素和风速空间相关性的风电功率预测模型

建立了一种计及数值天气预报中气象因素和风速空间相关性的组合加权风电功率预测模型.首先,考虑到数值天气预报数据中的风速精确度不高,建立了基于高斯过程的数值天气预报风速修正模型,计入其他气象因素,如风向、温度、湿度、气压等,进行风电预测.同时,基于目标风电场与相邻风电场区域的风速空间相关性分析,求得其最大相关系数点的延迟时...