基于爬坡方向状态划分的MCMC风电功率序列建模方法

由于电网弃风或者灵活性资源不足往往发生在风电大量发电时,故提高风电时间序列模型对大出力状态的建模-抽样精度,有助于后续的电网灵活性资源相关研究。在传统马尔科夫链蒙特卡洛(MCMC)法和持续与波动蒙特卡罗(PV-MC)法基础上,提出一种考虑爬坡方向状态划分的改进方法,以更准确地描述风电出力连续爬坡至大出力状态的过程。该方法以累积分布概率而不是以功率大小均匀划分状态区间,使各个状态区间的样本分布更均匀,提高了风电时间序列模型对大出力状态的建模-抽样精度。通过算例比较所提方法、MCMC法及PV-MC法生成风电功率序列与历史数据的分布特性和统计特性指标,结果表明,所提方法的拟合度较好,且能够有效解决MCMC法和PV-MC法高出力、样本偏少的问题。

一种基于模型预测控制的主动配电网实时优化调度方法

针对新能源发电的不确定性,本文提出了一种基于模型预测控制的主动配电网实时优化调度方法,对可控负荷进行建模,建立以主动配电网有功调整量最小为目标的实时反馈校正模型,并通过二阶锥松弛将非凸非线性规划问题转化为二阶锥规划问题,保证有效求解,在改进的IEEE33节点系统中进行仿真分析,结果验证了所提方法的有效性和优越性,对提高新能源的消纳率和系统的经济性具有重要作用。

风储联合调频中储能的容量优化配置

从风电场自身的一次调频能力出发,将储能控制与风电机组变桨距控制相结合,采用机会约束规划处理可信度和运行成本间的关系,考虑储能全寿命周期成本,以风储联合调频运行成本最小为优化目标,建立机会约束规划模型,利用蚁狮算法进行求解得出风电场储能功率和容量的最优配置方案,通过算例验证,模型可降低系统一次调频总成本和所需配置储能容量。