考核电量最小化导向的风电场功率上报优化策略

风电功率预测误差引起电力系统运行经济性降低和风电场考核费用增加,因此提出了一种考核电量最小化导向的风电场功率上报优化策略。首先,利用分布函数差异化导向的改进K-means算法,建立不同气象模式下具备明显差异的预测误差概率分布模型。其次,利用支持向量机算法实现气象模式匹配,进而利用考虑时间相关性的拉丁超立方抽样进行日前功率曲线场景集生成。最后,建立以考核电量期望值最小为目标的日前功率上报优化模型,并采用粒子群算法求解。以华中地区某风电场历史数据为例,验证了所提方法相较于预测值直接上报方式,可有效提高风电场运行经济收益。

面向两个细则考核的风-储场站日前-日内两阶段功率优化上报策略

针对两个细则考核风功率上报准确率的问题,提出一种可有效降低风-储场站风险考核电量的日前-日内两阶段功率优化上报策略。首先,提出面向两个细则的风-储场站日前-日内功率协同上报框架;然后,以期望考核电量最小化为目标,建立计及储能调节的日前-日内两阶段风-储功率优化上报模型,模型中,日前、日内风功率场景集通过基于预测误差分箱的Cornish-Fisher级数与Cholesky分解法生成;最后,针对模型的多重非线性特征与不同时间尺度的求解效率要求,制定基于小步长线性化迭代的求解算法。算例仿真结果表明,相较其余上报策略与求解算法,该文提出的日前-日内协同上报策略及相应算法有效地提升了上报准确率及求解性能。