基于时序数据动态天气划分的短期风电功率预测方法

依据天气模式分别建立预测模型是短期风电功率预测精细化的有效手段。传统基于聚类划分天气类别的风电功率预测方法,常采取提取特征量的思路“退化”适应聚类方法,而特征量难以全面反映复杂天气的变化信息,会削弱划分的可靠性。为保留各天气类型的动态变化性质,提出了一种基于时序数据动态天气划分的风电功率预测方法:采用t-分布邻域嵌入的非线性降维方法对相关气象指标进行降维处理;利用基于改进绝对距离、增速距离、波动距离组合指标的面板数据层次聚类方法对历史天气进行类别划分;针对不同风电天气类型,选取邻近日分别建立基于支持向量机回归的风电功率预测模型。通过甘肃某风电场群数据的验证,与基于特征提取天气划分的风电功率预测方法相比,文中提出方法的精确性有明显改善,验证了该风电功率预测改进方法的有效性。

含风电场的交直流互联电网协作式分布式模型预测控制

针对风电场输出功率的强波动性对交直流互联电网调频的影响,提出了基于协作式分布式模型预测控制的交直流互联电网调频控制方法,以提高风电经交直流通道外送互联系统的频率稳定性,克服集中式模型控制方法扩展性差的缺点,该控制策略具有全局最优解。文章建立了含风电场的交直流互联电网调频控制模型,构建了基于协作式分布式模型预测控制的含风电场交直流互联电网的经济性调频控制策略。以3区域交直流互联电网调频控制模型进行仿真,结果表明,文章所提出的协作式分布式模型预测控制方法,能够有效地改善风电场输出功率随机波动的频率稳定性,使系统频率及区域间交换功率在较小的范围内变化,其控制效果明显优于传统的分布式模型预测控制和分散式模型预测控制。