基于相空间重构和误差补偿的风电功率混沌时间序列预测模型

针对风电混沌时间序列在多维空间内展现出的短期可预测性,本文提出将误差补偿思想与相空间重构理论结合,将误差补偿模型推广至多维空间。由于风电实测数据同时包含线性特征与非线性特征,使用向量自回归模型和Elman神经网络模型分别对多维空间内的风电混沌时间序列的线性特征与非线性特征进行预测,并将两者的结果相加得到最后的预测值。对我国某风电场实测数据的建模仿真结果表明,本文所提方法较单一线性建模和单一非线性建模方法更优,具有更高的预测精度。

计及动态惩罚因子的风火协调优化调度

鉴于采用弃风惩罚因子在风电系统动态经济调度中存在的问题,引入动态惩罚因子,提出了一种新的电力系统动态经济调度模型——风火协调优化调度模型,并基于实际电力系统的风电场有功出力和负荷数据,在IEEE30节点系统中对计及动态惩罚因子的风火协调优化模型进行仿真模拟。结果表明,优化模型在有效降低风电场弃风量的同时,可减少系统的总成本。

基于分步筛选法的电网融冰计划决策

针对直流融冰期间系统运行可靠性降低、安全风险增大的问题,提出一种基于分步筛选法的融冰计划决策方法。该方法引入风险评估理论,采用兼顾输电线路保护动作与覆冰断线的综合故障概率模型;建立以断线融冰时负荷切除期望最小、断线后系统运行风险最低为目标,以融冰条件为约束的融冰策略决策模型;根据分步筛选法得到最优融冰策略。通过对IEEE30系统的仿真表明,该方法提出的决策模型能有效减小因融冰带来的负荷损失,降低融冰期间系统的运行风险,为电力部门制定融冰计划提供一定的参考。