基于模糊序优化的风功率概率模型非参数核密度估计方法

风功率概率分布模型的研究对于风电场规划以及运行都具有重要意义。提出了一种基于模糊序优化的风功率概率密度模型非参数核密度估计方法。该方法利用风电运行数据样本构建风功率概率密度的非参数核密度估计模型;然后建立用于模型带宽选择的多目标优化模型;最后利用模糊序优化对带宽优化模型进行求解。实际算例结果表明,所提建模方法完全由样本数据驱动,不需要对概率密度模型进行先验主观假设,因而具有更高的建模精度和更强的适用性。

基于混合高斯分布的风功率横向时间序列概率密度建模研究

鉴于风功率概率分布模型对风电场规划及运行具有重要意义,提出了一种基于混合高斯分布的风功率横向时间序列概率密度建模方法,即利用风电运行数据样本,首先构建基于混合高斯分布的风功率横向时间序列的先验模型,然后利用最小二乘法对先验模型的参数进行估计,再利用相关建模精度指标确定混合高斯模型的最优维度。基于实际算例的仿真结果表明,所构建的风功率概率密度模型具有较高的精度和泛化性能。

基于总体平均经验模态分解与改进Elman神经网络的风功率组合预测

风功率的短期预测对于电力系统的安全稳定运行具有重要意义。提出了一种基于总体平均经验模态分解(EEMD)和改进Elman神经网络的短期风功率组合预测方法。首先利用EEMD分解将风功率序列按不同波动尺度逐级分解,得到不同频率的分量以缓解风功率序列的非平稳性,然后对各分量分别建立改进的Elman神经网络预测模型进行预测,最后叠加各分量的预测结果得到最终预测数据。仿真结果表明,该方法不仅可以有效缓解风功率非平稳性对于预测精度的影响,还可以避免传统方法的模态混叠问题,具有较高的预测精度和适应性。

风电场输出功率的同时刻概率分布特性

文章基于实测数据,定量分析了风电场输出功率在一年中同时刻的概率分布特性,分别采用傅里叶级数、多项式函数和高斯函数等对风电场输出功率同时刻概率分布进行拟合,并研究其精确拟合方法,将和方差、均方根误差和确定系数作为评价指标对上述拟合函数进行误差分析,发现3阶傅里叶级数能较好地描述同时刻下风功率的概率分布。最后,利用不同年份的样本验证该拟合方法的通用性。结果表明,3阶傅里叶级数在描述同时刻下风电场输出功率概率分布特征方面具有较高精度及普遍适用性。

考虑需求侧响应的风电穿透功率极限计算方法

风电出力具有随机性、波动性和反调峰性,其大规模接入电网后,对系统调峰平衡带来较大负面影响并制约系统对风电的消纳能力。研究了一种考虑需求响应的风电穿透功率极限计算方法。将需求响应控制作为提升系统消纳风电能力的手段,以系统消纳风电能力最大为优化目标,同时考虑系统常规发电机组的运行约束,构建了基于电价灵敏度理论的风电穿透功率极限计算模型。以实际电网数据进行计算。结果表明所提方法能够提升系统对风电的消纳能力,验证了本文所提方法的有效性和正确性。