随着以风电和光伏为代表的新能源渗透率的快速增长,新型电力系统与气象系统间的耦合程度不断加深,系统运行场景分析与生成面临严峻挑战。极端气象事件的频发导致新能源波动加剧,系统运行场景不确定性激增,而现有方法对气象事件与新能源...随着以风电和光伏为代表的新能源渗透率的快速增长,新型电力系统与气象系统间的耦合程度不断加深,系统运行场景分析与生成面临严峻挑战。极端气象事件的频发导致新能源波动加剧,系统运行场景不确定性激增,而现有方法对气象事件与新能源出力间关系的考虑不足,难以准确刻画极端气象事件影响下的新能源出力特性。为此,提出了一种计及极端气象的长时间尺度系统运行场景生成方法。该方法根据极端气象事件时空分布特性对气象因素进行建模,基于插入多个短时间尺度气象事件的年时间序列,通过高斯过程回归(Gaussian process regression,GPR)模型与Copula函数、数据-知识联合驱动方法结合拟合生成完整的年气象场景,然后将气象场景映射到新能源出力场景,最后通过求解机组组合问题得到系统运行场景。使用SG-126节点算例系统对所提方法进行验证,结果表明该方法能够有效考虑极端气象事件给系统运行带来的影响。展开更多
文摘随着以风电和光伏为代表的新能源渗透率的快速增长,新型电力系统与气象系统间的耦合程度不断加深,系统运行场景分析与生成面临严峻挑战。极端气象事件的频发导致新能源波动加剧,系统运行场景不确定性激增,而现有方法对气象事件与新能源出力间关系的考虑不足,难以准确刻画极端气象事件影响下的新能源出力特性。为此,提出了一种计及极端气象的长时间尺度系统运行场景生成方法。该方法根据极端气象事件时空分布特性对气象因素进行建模,基于插入多个短时间尺度气象事件的年时间序列,通过高斯过程回归(Gaussian process regression,GPR)模型与Copula函数、数据-知识联合驱动方法结合拟合生成完整的年气象场景,然后将气象场景映射到新能源出力场景,最后通过求解机组组合问题得到系统运行场景。使用SG-126节点算例系统对所提方法进行验证,结果表明该方法能够有效考虑极端气象事件给系统运行带来的影响。