Day-Ahead Probabilistic Load Flow Analysis Considering Wind Power Forecast Error Correlation

Short-term power flow analysis has a significant influence on day-ahead generation schedule. This paper proposes a time series model and prediction error distribution model of wind power output. With the consideration of wind speed and wind power output forecast error’s correlation, the probabilistic distributions of transmission line flows during tomorrow’s 96 time intervals are obtained using cumulants combined Gram-Charlier expansion method. The probability density function and cumulative distribution function of transmission lines on each time interval could provide scheduling planners with more accurate and comprehensive information. Simulation in IEEE 39-bus system demonstrates effectiveness of the proposed model and algorithm.

计及误差信息的自适应超短期风速预测模型

为提升超短期风速预测精度,提出一种计及误差信息的自适应混合预测模型。应用自适应噪声的完备集合经验模态分解模型与鲸鱼优化的变分模态分解模型分别对风速样本数据与预测误差进行分解,同时计算各子序列的模糊熵以判断序列复杂程度。在此基础上,应用鲸鱼优化的长短期网络预测复杂程度较高的序列,差分自回归移动平均模型预测复杂程度较低的序列。最后,将初始风速预测结果和风速误差预测值相加得到基于误差修正的超短期风速预测值。结果表明,修正预测误差与考虑分解策略可有效提升点预测的性能,与基准模型相比,所提模型在多场景下均具备优良的预测精度。

基于水电储能调节的风光水发电联合优化调度策略

为缓解新能源装机容量扩大引起的弃风弃光现象,在已有梯级水电上下电站之间加入储能泵站,提出风光水储短期优化调度策略。构建以风光水储系统负荷跟踪误差最小、梯级水电站发电量最大和梯级水电站发电耗水量最小的多目标优化调度模型;提出基于季节性自回归移动平均(seasonal auto-regressive lntegrated moving average, SARIMA)模型和Copula函数的风光出力预测模型作为优化调度模型的边界条件,通过SARIMA预测模型将风光出力历史数据分解为季节性分量、趋势分量以及随机噪声余项进行全天96个调度时段风光出力预测,并叠加上基于Copula函数生成风光出力预测误差,然后通过拉丁超立方采样以及K-means聚类进行场景生成和缩减得到5个风光出力场景。选取风光典型日出力数据为例进行算例分析,算例结果表明:所提预测模型较SARIMA模型可以显著提高预测准确度,模型预测风光出力均方根误差从33.34、229.49 MW分别下降至0.697、9.534 MW;所提优化调度策略可以在全年丰、平、枯水期有效减少弃风弃光现象,并可将过剩新能源中的50%转化为上级水库储存水能。

考虑光伏随机性的交直流混合配电网鲁棒机会约束安全域模型

为实现高比例光伏接入下交直流混合配电网的安全评估,构建了交直流混合配电网的鲁棒机会约束安全域模型。首先,提出一种基于区间划分的自适应带宽核密度估计方法,以获取光伏预测误差概率分布,构建光伏出力机会约束不确定集合;其次,采用功率与节点电压幅值比值为状态变量,在已有交流线性化潮流模型的基础上推导一种交直流混合配电网线性化潮流模型;然后,提出交直流混合配电网鲁棒机会约束安全域的概念和模型,结合列与约束生成算法和径向迭代搜索算法生成可观测的鲁棒机会约束安全域空间。最后,算例分析验证了所提模型能够在鲁棒机会约束安全域上准确、直观的反映光伏出力的随机性,进而为交直流混合配电网的准确安全评估提供支撑。

新能源发电预测方法分类及研究进展

在国家的现代能源体系结构建设下,全国风力、光伏的发电机组容量快速增长。风、光等可再生能源的发电方式具有随机性、波动性等特点,大量接入电网时,对电力系统的稳定运行以及并网功率平滑带来巨大挑战。准确预测新能源发电电量,不仅能够提高电网的消纳能力减轻电网的调度负担,还能在一定程度上减少经济成本。因此,新能源发电预测技术的研究显得尤为重要。鉴于此,现将回顾近年来已建立的几种预测方法的分类以及新提出的新能源发电预测的方法,就模型应用原理的不同以及在实际应用上的局限性进行分析,总结出不同方法的优缺点及可改进的地方。最后,分析目前新能源发电预测面临的挑战,并提出未来可能解决的方向,给予新能源发电预测技术的相关研究人员一定的参考及指导。

数据驱动下考虑多预测误差带信息的多场景随机优化调度

针对高比例可再生能源接入电网后省级电网面临的风光功率预测不确定性大、调度决策难等问题,提出一种多场景随机优化调度模型。基于核密度估计方法引入调度预测误差带的概念,结合风光聚合场站的预测出力和实际出力构建计及时间相关性的海量随机场景,结合改进的K-means聚类与同步回代消除算法进行场景缩减,引入布莱尔分数评价削减后随机场景的性能;基于风光随机出力场景,考虑供热系统中的热用户舒适度,构建日前随机优化调度模型。基于新疆电网实际网架结构和风光实际历史出力数据进行算例验证,结果表明:所提方法生成的风光出力随机场景可以更好地描述风光的预测轨迹;相较于传统日前调度方法,基于场景法的随机优化调度模型可有效提升风光可再生能源消纳率;以供热系统中热用户舒适度为导向,热电联产机组参与热力系统热电调节可进一步降低风光弃电率。

基于校正条件生成对抗网络的风电场群绿氢储能系统容量配置

以条件生成对抗网络(CGAN)为代表的半监督学习可计及风电波动并生成出力场景集合,生成的数据可输入氢气储能容量配置模型以支撑优化求解。为此,该文首先设计一种校正条件生成对抗网络(CCGAN),并基于风电预测误差构建条件校正器,对预测失准事件和风电爬坡事件下输入生成器的标签信息进行识别和校正;然后,以储能定容的综合成本和各风场弃风成本为目标函数,构建绿氢储能容量配置的多目标优化模型,并引入基于切比雪夫距离的膝区域数学概念,以指导多目标优化算法设计;最后,以新英格兰39节点系统为例进行算例分析,结果表明未经校正的条件信息将导致定容决策偏离实际,而CCGAN能生成计及风电不确定性的高置信出力场景,使得容量配置结果兼顾鲁棒性和经济性。

基于混合特征双重衍生和误差修正的风电功率超短期预测

随着风电渗透率的不断提高,对风电功率进行精准、可靠的预测是提升风电消纳水平的有效措施。针对功率预测时风电数据种类不足和特征数量稀缺的问题,提出基于混合特征双重衍生和误差修正的风电功率超短期预测模型。首先,在原始功率特征中施加混沌噪声,构造出多条混沌扰动特征,改善原始功率特征分布过于单一的状况。其次,提出基于免疫算法的特征衍生算法,挖掘风电功率数据的潜在信息,增加优质特征数量,进而构建误差预测模型,通过预测风电功率预测误差修正风电功率预测结果,进一步提升预测准确率。最后,基于比利时风电场实际运行数据进行算例分析。所提模型预测效果较好,且相较其他传统预测模型精确度更高,验证了所提模型的有效性。

基于U-net神经网络的新疆10 m风速预报订正研究

本文以新疆地区1~7 d预报时效的10 m高度处风速为研究对象,基于2000~2019年NCEP全球集合预报系统(Global Ensemble Forecasting System,GEFS)新疆地区10 m风再预报资料,构建了基于U-net神经网络的深度学习预报订正模型,并以两种传统方法递减平均、分位数映射作为参考进行订正技巧对比分析。结果表明,原始GEFS风速预报误差呈不对称分布,表现出更多的正偏差特征,且在天山和昆仑山等海拔较高地区误差较大。与两种传统方法相比,U-net模型提高了整个新疆地区的风速预报技巧,有效改善了原始风速预报的正偏差情况,且对天山和昆仑山等原始预报误差较大区域改善效果尤为显著。此外,采用基于均方误差分解的误差分解方法来分析误差来源,结果表明,预报订正前后,序列误差项始终是主要误差来源,且随预报时效显著增长。三种订正方法对风速预报的偏差项、分布误差项和序列误差项都有不同程度的改进,其中U-net模型相较于两种参考预报的优势主要在于其对序列误差项的改进效果。经过U-net模型订正后序列误差项随预报时效增长缓慢,即使在7 d预报时效下,其序列误差项比原始预报减小60%。

基于VMD和改进BiLSTM的短期风电功率预测

精准的短期风电功率预测对电力系统稳定运行至关重要。为提高短期预测精确度,提出一种基于变分模态分解(VMD)-样本熵(SE)和利用注意力(attention)机制改进双向长短期记忆网络(BiLSTM)以及误差修正的组合预测模型。首先,采用VMD将原始功率数据分解为若干个相对平稳的子序列,重构样本熵值相似分量以降低复杂性;然后,引入Attention对BiLSTM的隐含层状态输出分配相应的权重以突出重要影响的输入特征,同时采用极限梯度提升(XGBoost)对误差进行修正,从而进一步提高预测精确度;最后,将初步预测值和修正预测值相加得到最终结果。采用风电场实际数据进行验证,结果表明,所提组合模型的平均绝对误差(MAE)下降至1.6565,与其他模型相比精度提升25.8%~56.5%,具有较好的预测效果。

物理与数据双驱动水风光短期功率联合预报研究

短期功率预报是保障可再生能源电站稳定运行的重要举措。针对多能互补系统功率预报难以考虑不同能源间时空相关性和预报误差互补特性的问题,提出了物理与数据双驱动水风光短期功率联合预报模型。采用WRF-新安江模型驱动气象水文要素预报,通过互信息方法识别功率预报的关键因子。基于长短期记忆网络构建功率联合预报模型,并将该方法应用于雅砻江流域官地水风光互补系统。结果表明:①相较于独立预报模型,物理与数据双驱动的短期联合预报模型总功率预报平均绝对误差和均方根误差分别降低了9.62%和8.31%;②由于预报误差存在互补特性,系统总功率预报误差小于各电站功率预报误差之和;③相对于单独预报模型,水风光预报误差互补率提高了10.96%。所提方法可为水风光系统协同运行提供技术支撑。

Spatial dispersion of wind speeds and its influence on the forecasting error of wind power in a wind farm

Big wind farms must be integrated to power system.Wind power from big wind farms,with randomness,volatility and intermittent,will bring adverse impacts on the connected power system.High precision wind power forecasting is helpful to reduce above adverse impacts.There are two kinds of wind power forecasting.One is to forecast wind power only based on its time series data.The other is to forecast wind power based on wind speeds from weather forecast.For a big wind farm,due to its spatial scale and dynamics of wind,wind speeds at different wind turbines are obviously different,that is called wind speed spatial dispersion.Spatial dispersion of wind speeds and its influence on the wind power forecasting errors have been studied in this paper.An error evaluation framework has been established to account for the errors caused by wind speed spatial dispersion.A case study of several wind farms has demonstrated that even ifthe forecasting average wind speed is accurate,the error caused by wind speed spatial dispersion cannot be ignored for the wind power forecasting of a wind farm.

Modelling of wind power forecasting errors based on kernel recursive least-squares method

Forecasting error amending is a universal solution to improve short-term wind power forecasting accuracy no matter what specific forecasting algorithms are applied. The error correction model should be presented considering not only the nonlinear and non-stationary characteristics of forecasting errors but also the field application adaptability problems. The kernel recursive least-squares(KRLS) model is introduced to meet the requirements of online error correction. An iterative error modification approach is designed in this paper to yield the potential benefits of statistical models, including a set of error forecasting models. The teleconnection in forecasting errors from aggregated wind farms serves as the physical background to choose the hybrid regression variables. A case study based on field data is found to validate the properties of the proposed approach. The results show that our approach could effectively extend the modifying horizon of statistical models and has a better performance than the traditional linear method for amending short-term forecasts.

Wind power forecasting error-based dispatch method for wind farm cluster

With the technical development of wind power forecasting,making wind power generation schedule in power systems become an inevitable tendency.This paper proposes a new dispatch method for wind farm(WF)cluster by considering wind power forecasting errors.A probability distribution model of wind power forecasting errors and a mathematic expectation of the power shortage caused by forecasting errors are established.Then,the total mathematic expectation of power shortage from all WFs is minimized.Case study with respect to power dispatch in a WF cluster is conducted using forecasting and actual wind power data within 30 days from sites located at Gansu Province.Compared with the variable proportion method,the power shortage of the WF cluster caused by wind power forecasting errors is reduced.Along with the increment of wind power integrated into power systems,the method positively influences future wind power operation.

Mixed Aleatory-epistemic Uncertainty Modeling of Wind Power Forecast Errors in Operation Reliability Evaluation of Power Systems

As the share of wind power in power systems continues to increase, the limited predictability of wind power generation brings serious potential risks to power system reliability. Previous research works have generally described the uncertainty of wind power forecast errors(WPFEs) based on normal distribution or other standard distribution models, which only characterize the aleatory uncertainty. In fact, epistemic uncertainty in WPFE modeling due to limited data and knowledge should also be addressed. This paper proposes a multi-source information fusion method(MSIFM) to quantify WPFEs when considering both aleatory and epistemic uncertainties. An extended focal element(EFE) selection method based on the adequacy of historical data is developed to consider the characteristics of WPFEs. Two supplementary expert information sources are modeled to improve the accuracy in the case of insufficient historical data. An operation reliability evaluation technique is also developed considering the proposed WPFE model. Finally,a double-layer Monte Carlo simulation method is introduced to generate a time-series output of the wind power. The effectiveness and accuracy of the proposed MSIFM are demonstrated through simulation results.

基于短中期嵌套策略的水风光协同运行模型研究

水风光等多种清洁能源协同运行已成为实现能源可持续开发利用的关键途径之一。现有水风光协同研究多聚焦于中期与长期时间尺度的嵌套,忽略了中期时间尺度下考虑天气连续静稳特性的水风光协同优化亦可指导水风光短期运行,未深入发挥短中期嵌套下的水风光协同潜力。鉴于此,本文提出短中期嵌套策略,构建数学模型,中期调度模型以水风光总出力与总负荷偏差最小为目标,短期调度模型以水电发电量最大为目标,并将中期首日末水位作为短期调度边界,进而考虑不同量级的预报误差,探讨中期发电计划对短期发电运行的指导效果。以黄河上游梯级水电与风光电协同运行为例的结果表明:使用本文所建短中期嵌套模型,中期调度中水电与风光电的日间协同计划可由短期调度实现,体现了中期指导短期的效果(偏差百分比为2.30%~5.06%),挖掘了水电在日间补偿调节风光电的潜力,同时,该指导效果将随着预报误差的增加而变弱(偏差百分比由3.85%变至8.53%)。

蝗虫优化算法与单一预测模型在干旱区光伏功率预测中的比较研究

为了找出适用于干旱区的更为精确的光伏功率预测方法,基于2022年甘肃省敦煌某光伏电站的实际观测数据和数值预报资料,利用原型预报法、短期误差订正法、逐步回归法建立3种短期光伏功率预测模型,同时,使用蝗虫优化算法对3种单一模型优化形成组合预测方法,并对4种方法的预报效果进行检验和评估。结果表明,单一预测模型中逐步回归法均方根误差、相对均方根误差均小于原型预报法、短期误差订正法,逐步回归法的预报精度更高,变化幅度最小,预报效果更为稳定;与3种单一模型相比,经过蝗虫优化算法形成的组合预测模型预报效果有所提升,平均均方根误差分别降低145.21、153.48和70.91 kW;不同天气状况下,组合预测模型均优于单一预测模型,晴天预测效果最好。

风电光伏并网运行稳定性分析与控制策略研究

风电光伏作为清洁可再生能源,其并网利用是实现能源结构调整的重要手段。但是,大规模风电光伏并网会影响电网运行的稳定性,主要表现为减弱系统惯性、电压波动增大以及稳定边界缩小等,威胁电网安全稳定运行。因此,保障并网运行稳定性是实现大规模风电光伏并网的关键。深入分析影响并网稳定性的因素,采取切实有效的控制对策,既是确保电网安全的必要之举,也是维护社会经济可持续发展的当务之急。先分析并网对电网的影响,然后提出控制策略来提升系统稳定性,为大规模风电光伏并网的稳定运行提供参考。

基于分布式风电光伏的储能容量优化配置方法研究

随着分布式风电光伏系统的快速发展,合理配置储能容量成为提升系统可靠性和经济性的关键。基于此,提出一种基于多时间尺度储能容量需求预测和多目标优化的储能容量配置方法。通过数据收集预处理、储能需求预测模型构建、非支配排序遗传算法II(Non-dominated Sorting Genetic AlgorithmsⅡ,NSGA-Ⅱ)算法优化设计,实现了储能容量与系统成本的最优平衡。实验结果表明,相较于传统固定比例配置方法,该方法在储能利用率、系统可靠性等方面均有显著提升,为分布式能源系统的规划和运行提供了有效的决策支持。

风电场输出功率超短期预测结果分析与改进

风电场输出功率预测对接入大量风电的电力系统调度及安全稳定运行具有重要意义。文中介绍了2009年10月在现场投运的风电场超短期功率预测系统的多层前馈神经网络模型结构,对系统运行3个月的预测结果进行了分析,对预测模型的系统误差进行了修正,同时采用统计方法修正了风电场尾流效应对预测结果的影响,从而改进了模型的预测精度。改进模型的预测结果得到了改善,均方根误差下降了约6%,平均绝对误差下降了约7%,且预测结果与实测结果相吻合,对于风电场调度具有一定的参考意义。