基于光滑自助法的风功率预测误差核密度建模方法

在风功率预测误差建模应用中,无偏交叉验证(UCV)和经验法则(ROT)是两种常用的非参数方法。然而,由于风功率预测误差中存在的尖峰厚尾,以及局部小样本特征,直接使用这两种方法会产生较大的泛化误差。为了使UCV和ROT在应用中发挥更好的作用,文章提出了一种基于光滑自助法的核密度估计方法。该方法利用了光滑自助法在分位数推断上的优势,通过修改平均积分平方误差(MISE)指标函数,实现了对基本估计方法的校正。该方法本质上是一种装袋方法,可以与任何基本的核密度方法结合使用。在实例仿真中,得到了SBUCV方法和SBROT方法的运行结果,并与UCV和ROT方法的结果进行了对比。仿真结果表明了该方法的有效性。

风功率预测误差的TLS模型矩估计方法研究

准确地估计风功率预测误差对电力系统的安全经济运行有十分重要的意义。大量研究表明,风功率预测误差具有不同程度的尖峰厚尾特征,在已有的研究成果中,TLS（Tlocation-scale）分布模型表现出了很好的适应性,受到了工程技术人员的关注。然而,常用的TLS建模方法是最大似然法,该方法不仅算法复杂,而且时间效率较差,在一些特殊的电力系统应用场景下难以使用。为了解决上述问题,给出了一个利用样本统计矩估计TLS参数的方法。该方法具有算法简单、计算快速的特点。它不仅可以单独使用,快速地得到令人满意的结果,还可以给最大似然法提供初始值,提高其计算效率。最后采用模拟数据和实际误差数据进行仿真,结果说明了论文方法的正确性和有效性。

考虑风功率预测误差相关性的旋转备用容量优化

文章研究了风电场间风功率预测误差相关性对系统备用容量选取的影响。首先,对不同风电场的风功率预测误差及其相互间的关联特性进行了研究,建立联合概率分布模型;其次,建立了考虑其相关性的旋转备用容量优化模型,模型兼顾经济性与可靠性,以火电系统燃料成本与停电损失之和最小为目标,约束条件着重考虑了系统切负荷与弃风概率均小于设定的置信度;最后,算例验证了模型的有效性,可为系统旋转备用容量的优化制定提供参考。

短期风电功率预测误差修正研究综述

高比例风电并网的功率预测准确性,对新型电力系统的安全稳定运行具有重要作用。针对风电功率预测存在高不确定性,预测误差成因复杂,对短期风电功率预测方法及误差修正研究进行综述。文中根据预测原理的不同,对比分析不同预测方法的优势与不足。重点分析风电功率预测方法涉及到的各关键环节对误差影响的主要原因。从风电功率预测模型数据输入与输出的角度出发,介绍NWP风速横纵向误差修正应用研究现状,归纳总结基于功率波动理论和幅值特性的两方面风电功率预测修正的技术路线。最后考虑风电未来应用发展的实际需求,提出风电功率预测精度提升相关策略。

基于聚类与非参数核密度估计的风电功率预测误差分析

针对实际风电场风电功率预测误差呈现出季节、时序和功率变化特性,提出基于聚类分析与非参数核密度估计的方法研究风电功率预测误差的概率分布特性。采用聚类分析的方法进行月份、时段的缩减,有效地将误差特性相似的误差数据归为一组,从而在考虑误差分布多样性的基础上兼顾误差分布的整体趋势。在此基础上,考虑功率特性,采用非参数核密度估计方法进行风电功率预测误差概率分布拟合并采取基于迭代的窗宽求解方法。通过拟合精度评价指标验证所提方法的适用性及有效性。

风电场风电功率预测误差分析及置信区间估计研究

准确预测风电场风电功率有助于减小风电出力波动对电网运行的影响。置信区间估计能够量化不确定性因素弓起的风电功率预测结果变动,向风电场运行决策者提供更多的信息。为此,对风电功率预测误差及其概率分布进行了分析,通过与正态分布、β分布拟合效果的对比,证明非参数核密度估计对风电功率预测误差概率分布具有较好的拟合效果;采用非参数核密度估计方法对风电功率预测误差进行了置信区间估计,给出了不同置信度条件下风电功率波动区间的确定方法;结合美国德克萨斯州某风电场的风电数据绘制了风电场在不同置信度条件下实际出力的波动区间,计算了对应的预测区间覆盖率,验证了基于非参数核密度估计的风电功率预测误差置信区间估计效果的有效性。

考虑风电场储能容量配置的风电功率预测误差估计算法对比研究

针对风电功率预测误差估计方法中混合高斯分布拟合法和特征值提取估计法这两种适用范围较广的风电功率预测误差估计方法,详细介绍其原理和误差估计流程,利用实际风电场数据对两种方法进行算例验证,并根据计算结果,针对两种方法下的估计区间对储能容量配置的影响进行对比研究,为工程应用时的方法选取提供参考。同时,为了兼顾误差估计区间的有效性和经济性,有效指导风电场储能系统的容量配置,在高斯混合模型的基础上对风电功率预测误差进行状态划分,结合马尔可夫模型,提出一种MM-GMM优化预测误差区间估计算法并对其进行算例验证。

采用条件风险约束的电网日前风电接纳能力评估

考虑到风电功率随机预测误差,本文提出了风电接纳风险的概念,引入条件风险价值理论对风电接纳风险进行量化,并构建了基于条件风险约束的电网日前风电接纳能力评估模型。对条件风险约束进行线性化处理,利用LINGO软件对模型进行了求解。基于IEEE 30节点系统的仿真实验验证了本文所提模型的有效性。根据此模型,调度人员可以方便地分析系统在不同置信水平、不同接纳风险大小下的风电接纳能力。由于考虑了随机性、概率和置信偏好等,所得结果可为系统调度人员提供有益的调度参考。

考虑复杂海洋气候条件影响的海上风电场储能容量配置研究

复杂的海洋气候条件会影响到海上风电场风功率预测的精度,储能系统可有效补偿风功率预测误差。提出一种考虑风功率预测误差不确定性的海上风电场储能容量配置方法。首先,通过组合预测模型预测风速,根据风功率-风速关系求得风功率预测值,与实测值比较得到风功率预测误差。然后,以储能配置的功率成本与容量成本之和最小为目标,建立利用储能将风功率预测误差补偿至允许区间内的鲁棒机会约束模型,并采用凸近似和抽样平均方法将模型转换为线性规划形式实现高效求解。最后,在算例中分析台风事件对海上风电场储能配置的影响,验证了所提模型在处理风功率预测误差不确定性时能有效兼顾补偿效果与经济性。研究成果可为今后深远海风电场大规模配置储能提供有力支撑。

考虑风电减载调频的高比例风电电力系统优化调度方法

受制于同步发电机组调频容量和调频速度的限制,风速波动使得高比例风电系统的频率稳定问题日趋严峻。变速风电机组(variable speed wind turbine,VSWT)通过提前减载参与电网调频是解决风电随机性影响的有效方法。VSWT的减载率是影响电力系统安全性和经济性的关键,但受电网调频容量、需求以及风速、机组安全约束等的影响,目前尚难以从系统层面确定恰当的风电减载率,使得风电减载运行的效果有限,甚至引发一系列安全问题。为此,提出了基于VSWT动态减载的电力系统调频思想,充分考虑风电功率预测误差、VSWT减载控制约束、同步发电机组调频容量和系统运行经济性的影响,提出了考虑风电减载调频的高比例风电系统优化调度方法。研究了风电功率预测误差对电网频率的影响;推导了VSWT在减载控制约束下的最大可减载率及最大正、负调频容量;提出了基于风电动态减载的电网新型调度模式;基于机会约束规划,建立了考虑风电减载调频的高比例风电系统优化模型;最后,通过算例验证了所提方法的有效性。

风电备用决策系统设计与开发

为解决风电备用容量确定方法运算效率低、难以用于到工程实践的问题,基于一种简洁可行的风功率预测误差估计方法,建立新的风电备用容量计算模型,提出基于风功率预测误差的风电备用决策算法。以该算法为基础,Linux操作系统为平台,Oracle和Kingbase为数据库,QT为开发工具,C++为开发语言,设计开发了风电备用决策系统。实践验证,该系统不仅能提高运算效率,而且能在线确定风电备用容量。

基于置信区间估计及储能装置优化配置的风电场可靠出力研究

基于对风电功率预测误差概率分布的分析,采用非参数核密度估计对风电功率预测误差进行置信区间估计,给出风电场在某一置信度条件下实际出力的波动区间。提出基于置信区间估计和储能装置优化配置的风电场可靠出力思想,给出以不同置信度实现风电功率可靠出力时储能装置额定功率和额定容量的确定方法,并对可靠出力思想进行成本和效益分析。算例验证了所提方法的正确性。

考虑风电不确定性的电热系统经济调度

随着风电等新能源大规模并网,其出力的不确定性给电力系统日前调度带来很大挑战。传统的研究方法多是假设风电功率预测误差服从某种概率分布,但风电功率预测误差受到多种因素影响,概率分布模型无法准确描述其特性。为此,采用基于神经网络的组合预测方法对风电功率误差进行建模,再将预测的风电误差加入到包含热电机组、火电机组、风电、储热装置和电锅炉的热电联合优化调度模型中,最后以实际的10机系统为例进行仿真,分析了风电预测误差对机组出力、风电消纳及调度成本的影响。结果表明,与传统方法相比,所建模型可减少机组燃煤成本与旋转备用成本,降低了经济调度成本,提高了风电消纳水平。

基于调整SOC的储能容量配置方法

传统储能容量配置方法未考虑SOC调整且配置容量偏大,为此建立一种在并网口处增设阻性负载的风电并网模型,并根据调整储能系统SOC的控制策略,使SOC尽量处于高位,在此基础上提出新的储能容量配置方法。以东北某风电场为例验证该方法的有效性和适用性,结果表明,新的储能容量配置方法可实现以少量电能的就地利用换取储能容量配置的大幅降低,且控制策略具有较好的控制特性。

分布式电采暖负荷群建模及备用优化

在北方地区,迅猛增长的电采暖负荷蕴藏着丰富的调节潜能,挖掘其调节能力,可提高高比例可再生能源电网运行经济性和可靠性。文中建立分布式电采暖负荷模型并分析模型参数,利用聚类分组控制的方法实现异质电采暖负荷聚合;建立基于风电功率预测误差区间的备用计划优化模型;从可行性与经济性两方面对该备用方式与现有备用方式进行对比。结果显示该备用方式能够经济、有效地为风电提供备用。