基于形态学分解的大规模风光并网电力系统多时间尺度灵活性评估

大量以风电和光伏为代表的间歇性可再生能源的接入对系统可控电源的灵活运行能力提出了更高的要求,为实现含高比例可再生能源的电力系统可靠性运行,亟需建立一套考虑风光出力特性的系统灵活性定量评估体系。考虑新能源发电的多时间尺度波动特性,提出一种基于形态学分解的电力系统灵活性评估指标及其计算方法。首先通过数学形态学算法分解净负荷曲线,得到多时间尺度分量曲线,并根据不同频段的波动分量得出对应的向上、向下灵活性需求;然后,建立系统内不同类型可控机组在不同波动时间尺度下的灵活性调节能力模型;通过对同一时间尺度下的灵活性资源与需求的匹配分析,计算各时间尺度的向上、向下灵活性不足概率、灵活性不足期望和灵活性裕度期望指标;加权形成系统灵活性评估综合指标。基于南方某电网实际数据进行系统灵活性指标评估,验证所提指标和评估方法的有效性。

多风电场功率时间序列的时空相关性统计建模和运行模拟方法

在风电场时间序列统计建模中需要同时计及多风电场功率的空间相关性和功率时间序列在不同时间尺度的相关性。提出了一套层次化的多风电场时间序列数据挖掘与统计建模方法。首先将日功率曲线聚类为不同的模式类,并统计多风电场模式的联合分布,识别强相关风电场群。然后建立单变量马尔科夫链模型描述功率曲线模式的日间转移。最后按联合模式划分子样本集,分别建立多变量马尔科夫链模型描述日内相邻时段功率的随机变化。通过某省多风电场实际录波数据的统计建模和功率序列模拟,并与2种典型建模方法进行对比,表明了所提模型生成的时间序列能更准确的模拟实际样本的时间和空间相关性。

复杂波动时间序列的多尺度分解算法及其在可再生能源发电建模应用中的性能评估

新能源发电曲线的准确预报对电网运行至关重要。针对这类随机波动型时间序列的建模分析,本文研究了3种具有代表性的多尺度分解算法:小波变换、经验模态分解和数学形态学分解。以波动规律复杂的风电时间序列为例,对比了3种分解算法的效果。基于信息熵理论和希尔伯特变换技术,从信息复杂性、幅值特性和频率特性3个方面,建立了一套评价分解算法应用性能的指标体系,并采用分解算法和神经网络的组合预测模型进行验证。结果表明,本文所提评价体系有效,为新能源建模中分解算法的选择和应用提供参考。