考虑调度计划和运行经济性的风电场储能容量优化计算

功率存储为随机波动的风电功率适应确定性的电网调度决策提供了可能,而储能容量规划则必须兼顾对调度决策的适应性及包含储能系统的风电场运行的经济性。为此,以适应电网调度运行计划的风电场输出功率时段参考值为依据,以储能系统投资成本和风电场运行成本最小化为目标,构建了计及风电场弃风能量和储能系统损失能量的风电场储能容量优化计算模型。该模型可充分保障风电场储能系统运行的经济性,实现指定调度运行计划下风电场输出功率的不波动或极小概率波动,进而达到风功率调度与电网运行调度间的平稳、有效衔接。运用改进粒子群优化算法对所建模型进行算例求解,分析结果表明了该方法的有效性。

考虑目标分解及其互补平抑的风电场复合储能容量优化

融合多种储能介质优质特性的复合储能将是未来储能技术发展的重要方向。以具备规模化应用可行性的铅酸蓄电池(VRLA)与全钒液流电池(VRB)为例,针对复合储能系统研究了其容量优化配置计算方法。首先,针对复合储能系统介质特性分解平抑功率目标;其次,构建发挥各介质优势且可协调优化的复合系统充放电策略;最后,建立以复合储能系统经济性运行为目标函数的容量优化配置模型,并基于粒子群优化(PSO)算法实现了求解计算。某风电场实际运行数据分析结果表明,经文中方法优化配置的复合储能系统在等效运行成本、平抑效果、充放电次数等方面均得到了优化,验证了该方法的有效性。

基于PSO算法的风电场储能容量优化计算

本文提出为风电场配置合理容量的储能设备,用于平滑其输出功率的随机波动,并建立了储能容量优化配置的数学模型。该模型以风电弃风率最小化和储能投资成本最小化为多目标函数,以有功功率偏差率来衡量平滑效果,应用粒子群算法(PSO)对该模型进行求解,可以快速、精确地求得最优储能容量值,使得风电场的综合效益实现最优。算例表明,该研究可以较小储能成本及弃风率实现风电场功率的平滑输出。

基于分层分布式模型预测控制的多时空尺度协调风电集群综合频率控制策略

高渗透率风电集群的接入对电力系统频率稳定性带来了不利影响,为了解决这一问题,根据大系统控制论中分层递阶控制理论,该文提出一种基于分层分布式模型预测控制的多时空尺度协调风电集群综合频率控制策略。该控制策略建立了风电集群在三次调频层、二次调频层及一次调频层的变粒度频率控制框架,首先在各层采用时间尺度逐层细化的预测时域、控制时域以及超短期风电功率预测值;其次在各层建立空间尺度逐层细化的滚动优化模型,其中在三次调频层考虑电网拓扑结构及全区经济性最优目标,在二次调频层考虑平均系统频率增广模型及分区安全性最优目标,在一次调频层考虑分区风电集群内单场动态分类来实时平抑系统负荷小幅值随机扰动;最后根据电网及风电集群实时运行状态建立反馈校正环节,实现综合频率控制策略的闭环运行。算例表明,所提控制策略能够有效实现风电集群参与系统调频,并能兼顾考虑系统的经济性及安全性目标。

基于随机预测控制理论和功率波动相关性的风电集群优化调度

为解决大规模风电并网的日内调度和实时控制问题,提出一种基于功率波动时间相关性和随机模型预测控制理论（fluctuation temporal correlation stochastic model predictive control,FTC-SMPC）的风电集群优化调度方法。基于单风场预测模型及误差模型,建立了表征风电集群功率动态波动时间相关性的预测误差的多元高斯概率密度函数（multivariate Gaussian probability density function,MGPDF）。通过逆变换抽样技术和场景缩减技术,从MGPDF随机生成的大量符合风电集群功率波动时间相关性的场景中选取风电功率预测典型场景。以典型场景集合为基础,建立调度周期内各场景弃风电量期望最小的日内调度模型。以风电集群日内调度曲线为参考,建立各风场功率缺额期望最小的风场实时控制策略。算例分析表明,相比于传统SMPC调度模型,文中所提调度模型能更准确地反映风电的波动特性并使调度曲线更加平滑,进而提高了对大规模风电的消纳能力。

基于分布式模型预测控制的包含大规模风电集群互联系统超前频率控制策略

随着风电在电力系统中的大规模接入以及风电渗透率的不断提高,仅依靠传统电源进行频率控制将无法满足系统稳定性要求,亟需风电具有与传统电源协调配合共同参与电力系统频率控制的能力。首先,建立了一个考虑非线性约束的包含大规模风电集群及传统电源的多区互联系统频率响应模型;其次,提出了考虑超短期风电功率预测信息的结合拉盖尔函数分布式模型预测控制策略,该策略依据风电预测数据对控制策略预测时域进行滚动优化,形成频率超前控制的优化机制;最后,提出了纳什均衡分解协调在线优化控制算法,解决带约束多变量复杂系统与在线滚动优化求解之间的矛盾。通过算例分析,对所提策略与算法的可行性和有效性进行了验证。

基于改进Shapley值的风电汇聚趋势性分状态量化方法

风电输出功率具有波动性,由于各机组出力之间的平抑效果,随着风电集群规模的增大,风电输出功率波动逐渐变缓,风电输出功率表现出"汇聚效应"。把握汇聚效应的趋势性对于规划送出线路及网架结构具有重要的意义。基于改进Shapley值法对风电汇聚效应的趋势性进行量化分析。在对不同风电输出状态量化分析的基础上,得到各状态下的持续出力曲线,进而构建基于汇聚特性分析的风电持续出力曲线分状态组合预测模型,并建立预测精度评价体系。采用改进的Shapley值法确定预测模型中的权重系数,避免了传统Shapley值法在单一模型预测结果偏差过大时仍参与组合的现象。基于实测数据对模型有效性进行检验,算例分析表明:相对于单一的预测模型,风电持续出力曲线的分状态组合预测方法能较更准确地描述风电汇聚的趋势。

利用快速S变换及2DPCA的同调机组识别

提出一种基于快速S变换及二维主成分分析法（2DPCA）的机组同调识别方法。根据相量测量装置测得的电气运行变量计算得到机组实时功角信息,采用快速S变换将每台发电机的功角信号转换为时频特征模值矩阵,用2DPCA提取矩阵特征指标,并利用自组织神经网络实现机组同调分群。IEEE-39节点系统和加纳实际电网系统算例表明,该方法能够很好消除噪声影响,充分提取功角信息时频域特征,准确识别系统机组同调性。

基于分布式模型预测控制的风电场参与AGC控制方法

随着风电并网规模的不断扩大,常规电源调频已很难满足系统频率稳定性要求,需要风电集群参与系统调频。首先根据风电集群并网特点,建立含风电集群的多区域互联系统自动发电控制(automatic generation control,AGC)模型;然后根据风电场的超短期功率预测值判断风电场在调频过程中的备用容量,基于分布式模型预测控制原理,以尽量利用风电参与AGC控制、减少火电机组出力为目标,提出一种含风电集群的多区域互联系统AGC控制方法。即利用风电场的备用容量实现风电场参与AGC控制,减少常规电源调频压力。最后通过算例分析,对所提出策略的可行性与有效性进行了验证。

基于随机分层分布式模型预测控制的风电集群频率控制规划方法

大规模风电集群功率输出不确定性对接入电网频率造成不利影响,为了使风电集群与传统电源协调配合共同参与系统调频,提出一种基于随机分层分布式模型预测控制(stochastic-hierarchical-distributed model predictive control,S-H-DMPC)的风电集群频率控制机会约束目标滚动规划方法(chance constrained goal rolling programming,CCGRP)。首先,建立考虑功率波动相关性的风电集群功率预测误差模型;其次,提出考虑风电集群功率预测误差随机向量的双层机会约束目标滚动规划方法,上层规划侧重电网拓扑结构及全区系统经济性,下层规划侧重平均系统频率增广模型(average system frequency augmented model,ASFAM)及分区运行安全性;最后,提出基于蒙特卡罗随机模拟的模型求解方法,该方法采用仿射变换算法,通过对风电集群功率预测误差随机向量进行抽样实现机会约束条件的处理。仿真算例表明,所提控制方法能有效提高风电集群参与系统调频的准确性,证明了方法的可行性与鲁棒性。

基于模型预测控制的风电集群多时间尺度有功功率优化调度策略研究

风电集群有功功率多时间尺度优化调度是提高风电集群精细化调度水平,促进风电消纳的有效技术手段。为有效克服已有方法在风电集群有功功率控制效果差、跟踪调度计划误差较大的不足,基于模型预测控制理论,提出一种风电集群有功功率多时间尺度协调调度新方法。该方法基于方差–协方差变权重组合预测模型对日前风电功率进行预测,依据风电集群出力特性,考虑风电功率的上升、平稳、下降等主要变化趋势,建立有功功率动态变化优先次序集。在日前调度阶段,考虑风电集群预测值与调度值的偏差,建立以风电消纳最大化为目标的调度模型;在日内调度阶段,为减小风电集群日前预测误差带来的不利影响,采用模型预测控制技术实现风电集群有功功率有限时域滚动优化和实时反馈校正,其中,反馈校正环节以当前时刻风电集群输出状态为新一轮滚动优化调度的初始值。以某大规模风电基地实际数据为算例,结果表明,文中所提方法提高了风电集群有功功率调度精度和平稳性,可以有效协调风电集群有功功率日前调度、日内滚动及实时调度,进一步增加风电集群输出功率的平滑性。

无人值守变电站的智能巡检机器人运用

随着电网的快速发展,变电站值班员数量不足矛盾突出。随着变电站值守模式向无人方向转变,人工巡视工作量加大。通过使用机器人辅助人工对变电设备巡检,可对设备进行可靠巡检。介绍巡检机器人技术发展历程,通过电力公司变电站智能巡检机器人研究,介绍巡视系统框架,在变电站中应用智能巡检机器人,分析产生社会经济效益。使用巡检机器人可降低变电站工作人员劳动强度,提高设备巡检工作质量。

多时空尺度协调的风电集群有功分层预测控制方法

大规模风电集群内风电场数量众多,分布范围广,提高风电集群有功控制能力十分关键。为此,该文基于模型预测控制理论,提出一种考虑多时空尺度协调的风电集群有功分层预测控制方法。该方法将风电集群在空间尺度上分为三层控制层,将超短期风电功率预测值在时间尺度上逐层细化,并对各层滚动优化环节进行了优化建模。其中,在预测模型环节采用物理方法和统计方法结合的组合预测模型,在反馈校正环节采用基于误差波动性分析的方法。在区域层内以功率变化趋势与风电场运行状态为信息进行动态分群,在单场层内考虑风电集群送出通道利用率与自动发电控制机组下旋转备用空间以促进风电消纳。仿真分析中通过与常用有功分配方法对比,结果表明文中所提方法在保证系统安全运行和满足集群计划的同时,能够提高风电消纳能力,合理利用风能资源和分配集群内风电功率。