Initial Exploration of Wind Farm Cluster Hierarchical Coordinated Dispatch Based on Virtual Power Generator Concept

China has made many strides in large-scale development and centralized integration of wind power in recent years.The wind power penetration of some regions has reached a high level,which brings significant challenges for power system dispatch due to the inherent variability and uncertainty of wind resources.To increase the dispatch capabilities of wind power generation,the spatial smoothing effect among adjacent wind farms needs to be fully utilized.This paper presents the concept of hierarchical coordinated dispatch for wind power based on a new concept of a virtual power generator.The spatial smoothing effect of wind power is analyzed first.Next,the virtual power generator method of a wind farm cluster is defined and established.Then,the hierarchical coordinated dispatch mode is compared with an existing wind power dispatch mode for individual wind farms.Finally,the proposed concept is implemented on a simulation case to demonstrate applicability and effectiveness.

Analytic Mechanism for the Cumulative Effect of Wind Power Fluctuations from Single Wind Farm to Wind Farm Cluster

The use of wind power is rapidly growing worldwide as a means of reducing carbon emissions for the energy sector.China has the world’s largest wind power installation and multiple large-scale wind farm clusters,each comprising dozens of wind farms.For the planning and operation of the power system,it is important to understand the power fluctuation characteristics of wind farm clusters.Several studies demonstrate that the relative power fluctuation of a wind farm cluster is less than that of a single wind farm.Is this decreasing trend a random occurrence or does it have a regular pattern?This scientific question is addressed by investigating the mechanism of the cumulative effect of a wind farm cluster.In this study,a cumulative model is proposed by examining the spatiotemporal relationships of wind power variations and wind farm dispersion.Structural gain function and critical cumulative frequency are defined as the foundations to analytically describing the cumulative effect.By investigating the cumulative effect mechanism,the relationship between power fluctuation and spatiotemporal parameters of the wind farm cluster are revealed.The power fluctuation of a cluster can be predicted using the cumulative model even before it is completely built.The mechanism of the cumulative effect is validated on the basis of the data of two actual wind farm clusters.

基于CBAM-LSTM的风电集群功率短期预测方法

风电功率的精准预测对我国实现“碳达峰”、“碳中和”的目标具有重要意义。传统的风电功率预测方法往往忽视了时间序列数据中的长期依赖关系和空间相关性,导致预测结果不准确。为了解决这个问题,文中提出了了卷积块注意力机制(Convolutional Block Attention Module, CBAM)和长短时记忆网络(Long Short-Term Memory, LSTM)相结合的模型。首先,使用CBAM对风电功率时间序列数据特征和数值天气预报中蕴含的空间特性进行提取,该模块能够自适应地学习时间和空间上的重要特征;然后,将提取的特征输入到LSTM层结构中进行功率预测。为了验证所提方法的有效性,使用中国吉林省某风电场的数据集进行验证,实验结果表明,与其他功率预测方法相比,文中所提方法平均绝对误差(Mean Absolute Error, MAE)平均降低2.67%;决定系数(R-Square, R2)平均提高23%;均方根误差(Root Mean Square Error, RMSE)平均降低2.69%。

基于自适应优化AP聚类与BP加权网络的多区域复合短期风电功率预测

精准的风电集群区域功率预测对电源侧的竞价上网具有重要意义。由于同一地区多个风电场受气候影响波动程度相近,可看作具有时空相关性的风电场群,并以此进行集群的合理划分。为此,提出一种基于自适应优化近邻传播(AP)聚类与反向传播(BP)加权神经网络的多区域复合短期风电功率预测模型。首先,通过粒子群优化算法(PSO)优化AP聚类方法对风电场群的历史数据进行集群的聚类与划分;然后,根据得到的最优聚类结果构建风电场群子区域样本训练集;最后,利用基于相关系数权重的BP神经网络对各子区域进行功率预测。算例结果表明:所提方法在24 h日前预测相较传统叠加法与单一BP神经网络可提高1.35%和2.62%的精度,可表明该模型具有优越的预测性能。

保持主导振荡模态的双馈风电场动态聚合等值方法

针对风电场详细建模出现的“维数灾”问题,计及双馈风电机组各控制环节与系统振荡模态的关系,以保持等值前后主导振荡模态一致为目标,提出考虑风电机组多时间尺度级联特性的风电场站等值聚合方法。首先考虑风电机组多控制环节级联建立风电场状态空间模型;其次,利用振荡能量级判别系统主导振荡模态,并基于参与因子分析不同模态的关键影响因素;在此基础上,以主导振荡模态的关键影响因素为分群指标,结合自编码器进行数据降维处理,经改进聚合算法聚类和拓扑变换获取等值参数等环节后得到等值模型。最后,在Matlab平台分别搭建单机模型和含24台双馈风电机组的风电场模型,验证了所提等值方法的有效性。

集群化发展模式下风电场预测、规划及控制关键技术综述

随着我国风电行业的快速发展,规模化发展风电对能源转型的推进至关重要。然而,由于风电场所处的复杂环境和高昂的建设运营成本等因素,集群化发展模式下的风电场面临着一系列技术难点和挑战。因此,文中针对集群化发展模式下风电场的建设和运营,重点总结了相关的预测、规划及控制关键技术。文中围绕风电场集群的关键技术与研究思路进行了归纳总结;针对风电场集群的特点,包括风资源量化表征与预测技术、多风电场协同优化规划技术以及多风电场控制与运行技术进行了详细探讨,对于每个技术领域,分析了当前的研究现状和取得的成果;最后,阐明了风电场集群建设和运营关键技术领域的发展趋势,并指出了待解决的技术难点,通过总结这些技术的研究成果为我国风电的规模化、集群化开发提供参考。

组合聚类和深度学习模型的风电场群风速预测

为提高规模化风电场群的风速预测精度,进而保障中国电网的安全稳定运行,提出了一种基于粒子群-投影寻踪聚类算法结合NS-L-Transformer的风电场群短期风速混合预测模型。首先,通过变分模态分解、去伪分量和小波变换的方法对采集的风速数据集进行处理,得到滤除噪声干扰后的风速数据集。其次,考虑风电场群间的风速空间关联特性,根据其风速波动特征,采用粒子群-投影寻踪聚类算法分析了风电场群间的空间相关性,根据算法所得到的评价指标对风电场群进行了场群关联性最优分类,并构造了分类后的高维风速数据集。最后,通过Transformer模型的自注意力机制结合LSTM模型的门控单元机制捕捉风速时间序列的局部特征,提出了NS-L-Transformer模型对所构造的具有局部特性的高维风速数据集进行了风速预测。选用中国东南某地区风电场群的风速数据进行了仿真分析,研究结果表明,采用分类后的高维数据集进行风速预测较单一风速数据集的预测精度有较大的提升;相较于Transformer模型,NS-L-Transformer的预测误差减少,从而验证了本研究所提混合预测模型的有效性。

基于高斯混合模型聚类的双馈风电场动态等值建模方法

针对风电场动态运行条件下等值建模精度偏低、聚类依据不足的难题,提出一种基于高斯混合模型聚类思想的风电场等值建模方法。首先,分析单台双馈感应式风力发电机在低电压穿越期间的动态响应特性,根据响应特性的集群特征构建聚类指标。然后,提出基于高斯混合模型动态初步聚类、优化聚类数目的两阶段等值建模方法,推导出赤池信息和贝叶斯信息准则下聚类数目的寻优算法。以典型中等规模风电场为例,在Matlab/Simulink平台进行不同故障穿越条件的仿真测试,结果表明所提风电场等值建模方法聚类有效、精度高。

适应风电场宽频振荡研究的模糊度量层次聚类法

为助力“双碳”目标实现,推动风电产业发展,研究并治理风电场并网宽频振荡问题迫在眉睫。为建立适用于风电场振荡研究且能准确高效反映实际风电场输出特性的仿真模型,提出基于模糊度量的层次聚类法,改善传统综合层次聚类算法使用距离度量造成的聚类结果偏移。利用F检验法定量评价聚类效果,横向比较F评分确定最优聚类方案,纵向比较确定最优聚类分群数。评价结果表明,模糊度量层次聚类法的聚类效果良好。最后采用PSCAD结合青海省海南新能源基地风电场实例进行了仿真分析,验证了模糊度量层次聚类法对风电场聚类的适用性。

基于多目标原子轨道搜索算法的风电场集群最优经济调度

随着环保意识的增强以及风电渗透率的不断攀升,使得电力部门对含风电系统的经济调度提出了更高的要求。为了在降低污染物排放及促进风电消纳的同时将发电成本控制在最低,建立了考虑环境与经济指标的风-火多随机变量经济调度模型。该模型中的目标函数考虑了火力发电成本、风力发电成本、弃风惩罚成本及污染气体排放。采用多目标原子轨道搜索算法进行模型求解,该算法在传统原子轨道搜索算法的基础上添加了存档机制、网络机制以及领导者选择机制,具有较强的多目标优化执行能力。结合修改后的IEEE30节点算例进行仿真分析,结果验证了所提模型的可行性以及多目标原子轨道搜索算法求解此类问题的有效性。

拒绝服务攻击下的风电场群优化调度研究

电力系统网络层与物理层的深度耦合使得电力系统遭受网络攻击的风险不断上升。风电场群调度系统是自动化调度系统中的复杂信息物理系统,其对于实现发电计划、新能源消纳有重要作用。鉴于网络攻击可以改变调度的最优有功分配,甚至影响电力系统的稳定,文中提出随机受限的拒绝服务攻击下风电场群调度系统模型,该模型在已有风电场群有功调度的基础上,结合Bernoulli分布模拟攻击数据的丢失,制定相应攻击指标模拟攻击方的攻击路线,并以粒子群优化算法对模型进行求解,最后通过某风电场群的仿真调度系统验证所述方法的有效性。

多时空尺度风电集群爬坡的模型预测控制分层策略

提出一种基于模型预测控制分层策略,对风电集群进行动态划分,以不同时间尺度的数值天气预报(numerical weather prediction,NWP)作为参考依据,用深度学习方法对每个子集进行建模,对每个时间段进行集群的聚类、划分与判定以提高预测精度。控制层在空间上分为三个部分,利用模型预测控制对风功率在时间上进行逐层细分,在滚动优化的环节加入对风电集群的爬坡约束条件,反馈校正环节以当前时刻风电集群输出状态为新的一轮滚动优化调度的初始值。试验结果显示该方法可以降低风电功率的波动,降低风电爬坡事件的出现。

计及电压稳定性约束的海上风电场集群VSC-MTDC组网优化方法

海上风电场将朝深远海、集群化方向发展,多端柔性直流输电技术(voltage source converter based multi-terminal direct current,VSC-MTDC)对远距离、大规模海上风电接入系统表现出明显优势,因此有必要对海上风电场集群VSC-MTDC组网优化进行研究。考虑到风电场集群出力的聚集效应会影响电气设备的容量配置,以及陆上电网的公共连接点(point of common coupling,PCC)电压稳定性对大规模风电接入容量的影响。文中推导了PCC点电压稳定性指标,并引入了“N+”原则对电气设备进行容量配置,提出一种计及“N+”原则和PCC点电压稳定性的海上风电场集群VSC-MTDC组网优化方法。采用改进的NSGAⅡ算法对海上风电场集群VSC-MTDC系统进行分析。算例结果表明,按“N+”原则进行容量配置可以更好提高收益,考虑PCC点电压稳定性虽然会增加投资成本,但能够提高PCC点电压稳定性。

考虑风电场并网性能差异的风电集群有功控制策略优化

为更合理准确地控制大规模风电集群接入多重嵌套断面场景下的新能源出力,提出了一种考虑风电场并网性能差异的风电集群有功控制优化策略。该控制策略考虑了新能源发电量、各风电场的指令功率输出偏差值及指令功率输出与实际功率输出偏差值三个方面的影响。在不满足网络安全约束的情况下,将根据风电场并网性能差异实施强制触发策略。通过仿真算例验证了该策略可实现对风电集群有功出力的精确控制,并有效提高了风电的消纳率。

区域风电场群集中式功率预测系统设计

为实现对区域风电场群集中式功率的准确预测,提出并设计了一种适应性强、维度高的预测模型。首先,通过AHP分析法发现影响区域风电场群集中式功率预测系统的五个必要因子;然后,构建预测评估模型得到其设计附加值的数据构建状态空间模型;接着,将该状态空间模型在人工智能的数据空间中进行部署并加以神经网络训练;最后,对这一预测系统模型进行实证验证,发现其数据吻合度较高。该预测模型可以用于对区域风电场群集中式功率进行预测,具有较广泛的应用价值。

计及尾流效应的风电场短路故障动态等值建模

快速、准确分析大型风电场短路特性具有重要的工程应用价值,而尾流效应影响下风电场各机组短路特性差异大,需建立风电场短路故障时等值模型.提出一种考虑尾流效应影响的风电场短路故障动态等值方法,首先定义尾流效应因子反映机组受尾流效应影响程度,并采用尾流效应因子作为分组依据,缩小尾流效应影响下组内各机组运行状态差异性.为提高非对称短路故障下的等值模型有效性,分析风电场短路时正、负、零三序网络的构成,提出适用于零序集电网络的等值方法,搭建平台并加以验证.仿真结果表明,该风电场短路故障动态等值模型能准确反映尾流效应影响下风电场有功、无功短路输出特性.

基于改进模糊C-均值聚类的陆上风电场集电线路回路划分与拓扑结构优化

【目的】在“双碳”目标以及我国能源结构加速转型的双重驱动下,风电产业规模不断快速增长,亟须降本增效以应对平价上网压力。集电线路的造价在投资中占比较大,存在可观的优化空间。为了降低投资成本,提出了一种改进模糊C-均值(fuzzy C-means,FCM)聚类算法。【方法】利用改进FCM聚类算法对陆上风电场集电线路回路进行划分。该算法综合考虑了方位角与欧式距离,以保障回路间线路不交叉,并使相邻机组聚集到同一回路;引入机位到聚类中心距离的修正因子,通过调节其数值限制回路容量。在回路划分的基础上,利用动态Prim算法对各回路进行集电线路优化选线。最后,通过某陆上风电场算例验证方法的有效性。【结果】与只考虑方位角的聚类方法相比,考虑方位角和间距的改进FCM算法优化效果更好,单回、双回连接对应的集电线路总造价分别降低了2.6%和5.4%。【结论】所提算法能够有效降低集电线路的总造价,具有一定的应用价值,可为风电场集电线路设计提供参考。

基于数据驱动相似度方法的风电场站动态等值建模研究

针对大型集中式风电场站中风电单元众多、运行工况多变、集电网及拓扑接线繁杂的特点,提出一种数据驱动相似度方法,实现对大型集中式风电场站的等值建模。首先,引入相似度来表征风电发电单元运行状态中的数据特征,并通过相似度,以数据驱动方式实现风电发电单元聚类分群;其次,对同一集群的发电单元进行聚合,获得等值机组的等值参数,并最终得到风电场等值模型;最后,以广东省某海上风电场为实例,对所提方法进行仿真与验证。研究结果表明,该方法能有效提升风电场的建模效率和模型精度。

大模型辅助的大型海上风电场集电系统拓扑优化

集电系统拓扑优化是大型海上风电场规划建设的核心问题,本质上是一个涉及多约束、多目标的复杂混合整数优化问题。针对该问题,提出了一种基于大语言模型(large language model,LLM)辅助的大型海上风电场集电系统拓扑优化方法。首先,基于大语言模型辅助对风电机组群进行聚类,通过链式提示法使LLM理解优化目标,并利用LLM将大型海上风电场分割为若干小型区域,以降低优化问题维度,提升求解速度和质量。然后,构建集电系统拓扑优化模型,基于混合整数线性规划求解器,获得海上风电场的最优集电系统拓扑设计方案。最后,利用1个含有75台风电机组的大型海上风电场系统进行方法性能验证,仿真结果表明:与传统优化技术相比,所提方法获得的聚类风机数量更加均衡,在考虑拓扑功率损耗的同时,生成的拓扑方案经济性最优。LLM在集电系统拓扑辅助优化中具有较高的有效性,为海上风电场集电系统拓扑设计优化提供了一种新思路。

高比例风电并网系统线路过载问题研究

以风电为代表的可再生能源电源会增加电力系统的不确定性。为了实现高比例可再生能源电力系统的状态估计和风险评估,提出一种基于典型场景聚类的高比例风电并网系统线路过载安全风险评估方法。利用K-means算法构建系统典型场景,结合风险理论对线路过载这一风险指标进行评估,表征线路潮流波动和系统状态的变化。IEEE39节点系统验证了所提方法的有效性。结果表明,系统典型场景的变化直接影响到电力系统的运行情况和风险指标。其中,在风电水平较高和负荷水平较低的场景下,系统的风险指标较高。