多风电场支撑电网频率稳定的动态差异化时序协同控制策略

针对大规模风电接入带来的系统调频能力不足和调频能量透支引发的频率二次跌落问题,提出一种多风电场动态差异化时序协同的频率支撑控制策略。首先,阐述综合惯量控制下的风电调频原理,基于能量守恒理论分析频率响应阶段风电场群的动能变化过程,揭示多风电场调频时序对调频效果的影响机理。然后,考虑多风电场群同时调频引发的频率二次跌落风险,从场站交互视角逆向设计风电场群调频时序和任务分工,并依据风电实时调频能力动态调整投入顺序,以保证初期过程惯量安全需求,并提升频率最低点、抑制风电场群退出调频导致的系统频率严重二次跌落。最后,通过3机9节点测试系统和某实际电网算例对所提控制策略进行仿真分析,结果验证了所提策略的有效性和实用性。

基于GWO-BP-AdaBoost的多风电场功率预测

通过GWO-AdaBoost模型来优化BP神经系统网络,实现其对多因素分类处理能力的提高。经过实验表明,优化后的预测模型与BPNN和BPNN-AdaBoost对比,各项误差指标均减少,实现了多风电场功率预测准确度的提高。

考虑多风电场出力Copula相关关系的场景生成方法

合理刻画多风电场出力的随机变化规律,生成风电场未来出力场景,对电力系统应对风电随机变化问题具有重要意义。针对具有相关性的多个风电场出力场景难以生成的问题,提出一种基于连接(Copula)函数的场景生成方法,有效避免了构造多风电场出力联合概率分布这一难题,且所得的场景能较好地捕捉风电场间的相依规律,实现多风电场出力的场景模拟。为了分析场景的拟合精度及有效性,以美国德克萨斯州的实际风电场出力为样本进行了实证性研究,验证了所提方法的优越性。通过含多风电场的IEEE 30节点系统的最优潮流算例说明了合理刻画风电场出力场景对电力系统应对风电随机变化的重要作用。

考虑多风电场出力相关性的电力系统随机优化调度

考虑多风电场出力之间的尾部相关性,借助Gumbel-Copula函数构建多风电场出力的联合概率分布,提出含多风电场的电力系统随机优化调度模型。通过抽样平均近似(SAA)法处理机会约束条件,将随机优化问题转换为可计算的确定性非线性规划问题,并采用粒子群优化(PSO)算法进行求解。通过算例分析联合概率分布、机会约束置信水平和抽样次数对优化调度结果的影响,结果验证了基于Gumbel-Copula联合概率分布的随机优化调度的合理性。

多风电场并网时安全约束机组组合的混合整数规划解法

由风电预测不精确导致的随机性给安全约束机组组合和经济调度等带来新的挑战,尤其当考虑多风电场并网时,在确定性机组组合问题上表现良好的混合整数规划方法将陷入困境。文中通过引入发电机功率分布因子,并用基于极限场景集的场景法取代基于蒙特卡洛仿真的场景法,在计算时间和计算精度2个方面进行了改善。经过修改的IEEE118节点系统算例证明了在多风电场并网时,所述方法能更快地获得对风电随机性适应力更强的机组组合方案。

考虑多风电场出力相关性的风电容量可信度评估方法

风电容量可信度是衡量风力发电对电力系统可靠性贡献的重要指标,准确快速地计算风电场可信容量是含风电系统规划的基础。处于同一风区空间位置临近风电场出力具有相关性,采用Copula函数描述空间相邻风电场之间的出力相关关系,构建多风电场出力的联合概率分布模型。在此基础上提出出力相关的多风电场容量可信度评估方法,并采用截弦法计算得到风电场的容量可信度。以加入风电的IEEE RTS-96系统为例,仿真结果验证了所提方法的正确性和有效性。

基于大气动力模型的多风电场出力场景生成方法

具有时空相关性的多风电场未来出力的场景,在大规模风电接入下的日前、日内滚动经济调度问题中有着重要的应用。文章基于物理机理的解析模型提出一种生成多风电场未来时段出力场景的方法。该方法以大气运动方程和风速降尺度方程为基础,建立了描述风电场群高空大气与地表风运动关系的随机动态系统。结合地面实时量测风速信息,采用扩展卡尔曼滤波算法对系统状态进行估计,并对各风电场未来风速的联合概率分布进行预测。再利用蒙特卡洛仿真、风电功率曲线和场景约简技术生成具有时空相关性的各风电场未来时段的出力场景。算例中以美国密苏里州四个风电场为例进行仿真测试,并将该方法与高斯连接函数法进行对比和评价,验证了所提方法的有效性。

考虑时空相关性的多风电场出力场景生成方法

在大规模风电接入电力系统的背景下,考虑时空相关性的多风电场出力场景的应用在解决电力系统日前调度问题中具有重要意义。针对多风电场提出一种出力场景生成方法。该方法以多元正态分布函数和Copula函数为基础,建立了风功率时空相关性模型,综合分析了多风电场出力的时空相关性。依据上述相关性分析结果,结合蒙特卡洛抽样并引入Copula理论中的条件分布,生成大量具有时空相关性的风电场景。该方法生成的场景能够更好地模拟多风电场出力的相关关系。最后,以青海省风电场提供的风功率作为样本进行对比仿真,验证了所提方法的可行性与有效性。

基于波动划分及时移技术的多风电场出力相关性研究

多风电场相关性研究对于准确把握风力发电出力变化规律,进行风电场出力预测及时间序列建模具有重要意义,因此提出一种基于波动划分和时移技术的多风电场出力相关性分析方法。首先,通过风电场时间序列散点图分析和回归分析得到多风电场整体相关特性;然后,通过波动划分和波动配对算法,提取按波动过程划分的风电场出力序列局部特征并对多风电场波动进行配对;最后,采用基于Pearson相关系数的时移技术和格兰杰因果检验得到最优时移量和时移方向。通过具体算例分析可以证明,所提方法一方面可以精确提取风电场出力波动局部特征,进而更准确地描述风场出力相关特性,另一方面可得到大、中波动对应波动对的最优时移量,其可作为多风电场时间序列建模的约束条件,提高多风电场出力建模精度。

基于自适应多变量非参数核密度估计的多风电场出力相关性建模

研究多个风电场的联合概率密度,对于风电大规模并网及电力系统运行控制具有重要意义。该文提出一种基于自适应多变量非参数核密度估计的多风电场联合概率密度建模方法。首先以可变带宽代替固定带宽建立一种自适应的多变量非参数核密度估计模型,然后针对模型带宽选择问题,构造了一种以欧氏距离和最大距离为拟合性指标的带宽优化模型,最后利用序优化算法对其进行求解。实际算例仿真结果表明,该文方法不仅较传统基于copula函数的参数估计方法具有更高的精度和适用性,而且还较好地解决了传统多变量非参数核密度估计方法的局部适应性问题。

考虑多风电场风速变化规律的模拟数据生成方法

综合考虑多风电场风速的变化规律并模拟生成相应数据,对研究大规模风电接入系统具有重要意义。提出一种考虑多风电场互相关性和波动特性的风速时序建模方法。首先分析多风电场风速间的时延关系,利用Copula函数构造能描述多风电场互相关性和概率分布的风速序列;然后通过随机微分方程对生成的风速序列进行重构,使其满足实际波动特性;最后再依据时延关系对风速序列进行调整。结果表明,利用该方法生成的风速模型能够描述各风电场自身和相互之间的变化规律。以IEEE-RBTS测试系统进行充裕度评估,验证了所提模型的有效性和实用性。

基于改进KDE法和GA-SVM的多风电场聚合后输出功率长期波动特性预测方法

针对规划期内有新增风电装机容量但没有与其对应的实测风电输出功率数据,导致难以准确把握和刻画规划目标年多风电场聚合后输出功率长期波动特性的问题,提出一种利用改进核密度估计(KDE)法和经遗传算法寻优的支持向量机(GA-SVM)预测多风电场聚合后输出功率长期波动特性的方法。对风电功率的长期波动特性进行刻画,分析在多风电场聚合过程中装机容量与风电功率之间的关系;运用改进KDE法生成多风电场聚合过程中不同装机容量下的输出功率概率密度曲线;采用GA-SVM建立多风电场聚合后输出功率概率密度演变模型;根据概率分布与持续功率曲线的对应关系,对预测出的规划目标年的多风电场聚合后的输出功率概率密度曲线进行反演,得到可描述规划目标年输出功率长期波动特性的持续功率曲线。工程实例证明了所提方法的实用性和有效性。

考虑条件风险价值的含多风电场电力系统经济调度

针对单一Copula函数在描述风速相关性时的限制性,通过引入mix-Copula函数获取具有相关性的多维风速样本。引入条件风险价值理论,将风电功率的不确定性以经济性考量,建立了一种含多风电场的电力系统经济调度模型,协调经济性和安全性的问题。采用场景化理论对目标函数进行处理,使得计算得以简化。以含2个风电场的IEEE30节点系统为算例,分析风速相关性和置信水平对优化结果的影响,验证模型的合理性及有效性。

计及时间演变和空间相关的多风电场短期功率预测

针对多风电场站和多时间步的日前风电功率预测问题,提出了同时计及单风场功率时间演变和多风电场间空间相关的深度时空融合多风电场短期功率预测模型。它由门控循环单元、多核卷积层和时变模式注意力机制共同构成。首先通过门控循环单元和多核卷积层分别提取各风电场历史风电数据的时序和多周期特征;然后引入时变模式注意力机制对多风电场时变特征的演变模式赋予相关性权重,同时实现对多风电场功率时间演变规律的纵向追踪与横向对比。中国北方某风电基地实际算例结果表明,所提预测模型能有效利用风电功率时空特性,与现有多种预测模型相比具有更高的预测精度和更强的风功率时变模式学习能力。

基于独立稀疏SAE的多风电场超短期功率预测

为应对多风电场超短期预测模型中输入和输出变量众多、变量间的时空关系复杂等问题,提出一种基于独立稀疏堆叠自编码器的多风电场超短期功率预测方法。该方法基于降维编码、特征预测和重构解码相结合的预测框架,首先设计了一种独立稀疏双层堆叠自编码器提取多维风电功率的空间独立特征,并将其作为预测对象分别预测,最后将特征预测的结果重构解码,获得多风电场功率的预测结果。对实际算例的验证结果表明,独立稀疏堆叠自编码器能增强提取特征的可靠性、独立性和合理性,从而有效提高多风电场超短期功率预测的精度和效率。

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。

一种多风电场区域无功补偿协调策略评价方法

随着我国风力发电的爆发式增长,各种针对风电集中区域电网的无功补偿协调方法及控制策略层出不穷,如何评价其有效性并从中选取最优的区域电网无功补偿策略是亟需解决的问题。基于此,文中提出了一种基于生存指数熵权理论的多风电场无功补偿协调策略评价方法,从风场区域电网电压质量和经济性两个方面对多种无功补偿协调策略进行综合评估。基于实际风场群区域电网算例,利用本评价方法对四种不同无功补偿协调控制策略进行效能评估,理论分析和仿真结果证明了该评价方法的有效性。

考虑波动趋势和相关性的多风电场模拟出力数据生成方法

为构建多风电场出力序列以便为电力系统规划与运行提供依据,在深入分析风电场出力波动特性的基础上,提出了一种考虑多风电场出力波动趋势和相关性的模拟出力序列建模方法。首先,将各风电场出力序列划分为多个顺序连接的风过程,将其定义为局部的波动过程,并定量表达得到反应出力局部极值和变化趋势等特征的拟合参数;然后,在对特性相近月份聚合后,统计拟合参数,并从拟合参数的角度分析各风电场出力的相关性,构建描述互相关性的Copula函数;最后,结合Copula函数序贯抽样多风电场的拟合参数,构建具有显著相关性的模拟趋势序列,并重构为模拟出力序列。提出的方法从波动过程的角度考虑了局部相关特性,避免了以往只关注整体相关性而不能很好模拟局部特性的问题。对中国某省两风电场进行了仿真模拟,在满足局部相关特性的同时,两风电场的历史与模拟序列的互相关性和统计特性基本一致,验证了方法的有效性,为电力系统随机生产模拟、电力系统风电接纳能力评估等奠定了基础。

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。

区域多风电场功率的分位数回归概率预测方法

对区域多风电场功率的概率预测有利于应对大规模风电并网现状下风电功率的随机性和波动性。通过建立基于径向基神经网络的分位数回归模型,实现了气象预报变量和风电功率间的非线性映射,得到了分位数形式的短期概率预测结果。针对区域风电数据维度高的问题,提出用交替方向乘子算法进行模型参数优化,从而提高了高维度模型的计算效率。提出了基于区域风向聚类的机制转换模型,对不同风向特征的样本进行独立建模,进一步提高了预测效果。以华东28处风电场为例,通过对可靠度、锐度和Pinball分数3个评价指标进行对比分析,标明所提预测方法相比传统预测方法取得了更好的概率预测效果。