基于参数自适应旋转门和Bump事件筛选的风电爬坡事件识别

风电爬坡事件的准确识别对于维护电网安全稳定运行具有重大意义。为提升风电爬坡事件检测的准确度,提出一种基于参数自适应旋转门和bump事件筛选的风电爬坡事件识别方法。首先对原始功率数据进行滤波处理,去除不合理数据并减弱噪声影响;然后使用参数自适应选择的旋转门算法,在保留功率波动趋势的同时完成数据压缩;随后设定趋势划分规则并对压缩后数据进行bump事件筛选,建立具有上、下爬坡趋势的数据集;最后根据现有多种定义对风电爬坡事件进行识别。算例结果表明,相较原始旋转门算法,所提方法能够识别到更多爬坡事件的发生,检测率的提升幅度基于定义条件1—3分别为23.28%~53.56%、13.70%~41.51%和12.49%~41.52%。

风电爬坡事件对系统运行充裕性的影响评估

风电爬坡事件具有大波动性和强不确定性的特点,可造成系统中发用电的严重不平衡,从而导致负荷损失。在分析风电爬坡事件特征和爬坡预测研究现状的基础上,建立了风电爬坡事件模型,定量表示爬坡事件表征量与风电功率曲线之间的关系;同时考虑负荷预测的不确定性,采用场景削减方法生成风电爬坡过程对应的典型净负荷场景集。构建了评估系统运行充裕性的指标体系,推导了缓冲失负荷概率指标的计算公式;将系统状态分为充裕、失负荷和临界3种,分别计算各状态对应概率及失负荷严重程度。以甘肃电网为例,典型事件的评估结果验证了所述方法和指标体系的有效性和合理性,分析了常规机组爬坡速率及系统备用比例在防范风电爬坡事件不利影响方面的作用。

风电爬坡事件多级区间预警方法

大规模风电爬坡事件对电力系统功率平衡问题影响显著,严重时可能导致停电事故。基于区间分析理论,提出了一种风电爬坡事件多级预警方法,对可能造成的危害程度进行预先警告。考虑风电爬坡预测研究现状,采用区间数形式对其不确定性进行描述;针对风电爬坡事件强波动性对电力系统功率控制的影响,以维持静态频率偏差在允许范围内为前提,分析采用不同功率控制措施满足功率平衡所对应的风电爬坡幅度允许区间;确定各等级预警区间的预警界限,并利用区间排序方法计算各预警区间的概率,实现多级预警。算例仿真分析及比较结果表明,所述方法能够给出各级预警区间的界限值及概率分布,物理意义明确,且简便快速,利于实时滚动运行,体现了有效性和实用性。

风电爬坡事件研究综述及展望

风电爬坡事件易造成系统有功功率不平衡,破坏频率稳定性,甚至引起大规模切负荷,严重威胁着电网的安全稳定经济运行。从定义、预测方法和控制策略3个方面对风电爬坡事件的相关研究进展进行了综述。首先对比分析了爬坡事件的常用定义,明确了其优缺点和适用范围;其次,归纳了爬坡预测方法的研究现状,根据是否由风电功率预测结果判断划分为直接预测方法和间接预测方法两类,总结了常用预测方法评价指标;然后阐述了无储能的有限度爬坡控制策略的基本思想、控制方法和风储联合爬坡控制策略的原理以及研究进展;最后展望了风电爬坡事件未来的重点研究方向。

基于IGDT鲁棒模型的风电爬坡事件协调调度决策

随着风电渗透率的提高,大功率风电爬坡可造成系统功率不平衡,甚至导致停电事故。提出了基于信息差距决策理论(information gap decision theory,IGDT)鲁棒模型的风电爬坡事件协调调度决策方法。分析了各参与方的调度成本及约束条件,采用常规机组、风电场及需求侧协调调度的方式,降低风电爬坡事件的不利影响,并保证决策方案的经济性;利用IGDT方法处理风电功率的不确定性,构建最恶劣爬坡场景,制定针对预期成本具有鲁棒性的决策方案。算例及实际系统不同情形下调度决策方案的分析和比较,验证了所提调度决策方法的鲁棒性和经济性。

基于趋势特征的风电功率爬坡事件检测方法

风电爬坡事件是风功率波动严重的小概率事件,因此在大数据中快速检测出爬坡事件十分关键。为提高爬坡事件的检测效率,根据爬坡事件蕴含显著的趋势信息,提出一种基于SDT和趋势标记相结合的风电爬坡事件检测方法。采用改进的旋转门算法(SDT)对原始风电功率数据进行分段趋势提取,预提取出可能存在的爬坡事件。为避免漏检、处理不重要的分段,引入趋势标记的方法。根据提出的爬坡检测方法,对上海某风场的数据进行爬坡检测试验。结果表明,对爬坡事件进行分段提取趋势既缩短了爬坡检测时间又提高了爬坡检测精度,具有实际意义。

风电功率爬坡事件预测时间窗选取建模

为了解决多长时间段的风电功率预测数据能够有效地完成爬坡事件预测,提出爬坡预测窗口的选取问题。假设以一个预测窗内能完整预测一个爬坡事件为目标,根据预测时间窗内冗余信息最小建立数学规划模型。然后,结合历史爬坡事件持续时间的统计分析和风电功率数据本身的可预测性研究,分析模型最优解的存在性并给出模型的参数约束范围和实现算法。其次,以美国BPA区域的风电功率数据为实例,根据具体的模型求解过程,仿真得到模型的最优解,并以该最优解作为预测时间窗的选取。最后,根据预测评估指标验证该时间窗具有较好的预测性能,从而说明该预测窗口对爬坡事件分析的有效性,和该预测窗口选取模型用于爬坡事件预测的可行性。

基于频繁模式挖掘的风电爬坡事件统计特性建模及预测

风电爬坡事件的统计特性建模和精准预测有利于电网的安全稳定运行。文中首先通过参数分辨率自适应算法对大型历史风电数据库进行爬坡事件检测,得到风电爬坡事件的历史学习集。对该学习集进行数据挖掘,建立了单个爬坡事件的起点、终点、持续时间以及爬坡间隔的多属性联合统计特性模型,并得到爬坡事件的基本模式。通过关联规则算法建立了多个相邻爬坡事件之间的自相关性统计特性模型。在此基础上,提出了爬坡事件序列预测算法的基本概念和模型。算例结果表明,所提算法能够更为直观地描述爬坡事件的统计特性,且基于事件序列的预测算法能够较好地进行日前的爬坡预测。

一种针对事件级风电故障的高精度预测模型的探究

本文针对常见的风电故障事件进行类别和性质上的分类,并通过分析事件的发生频率、故障率和差异概率等属性对事件类别和事件性质进行深入分析,结合了属性分析、业务逻辑理解和风电故障相关的经验总结,用以进行后续特征工程中的特征构建。在特征工程过程中,我们主要从线性趋势、波变换、分布描述、异常点和检验统计量等几个角度出发,结合了风电故障的特点以及传统时序分析的技巧,并利用主成分分析去除特征的多重共线性并进行数据降维,随后本文利用LightGBM算法构建了针对故障事件的预测,并实现了针对事件级的时间跨度为7天的高精度预测。最终针对整理的23类风电事件,共有12类事件得到有效预测(预测精度超过70%),其中可以精准预测(预测精度超过90%)的有4件,而综合故障预测精度为85.24%。最后本文将LighGBM与传统机器学习算法进行了对比,证明了算法的高可用性,随后本文对模型的优缺点进行分析,肯定了模型在实际应用中的积极意义,最后本文对模型进行了综合的评价并对改进方向提供了探索思路。

基于超短期风电预测和混合储能的风电爬坡优化控制

风电爬坡对电力系统运行的经济性和可靠性有较大的影响,也是对电网造成冲击的重要因素之一,如何减小风电爬坡时的功率波动对电网的冲击成为国内外研究热点。为风电场配备储能系统能够有效抑制风电爬坡时的功率波动。为此,提出一种基于风电功率超短期预测和混合储能系统实现平抑功率在电池和超级电容器之间有效分配方法。首先通过奇异值分解理论风电爬坡事件,提出混合储能系统的动态最佳荷电状态,以使储能设备更好地平抑下一时段风电功率波动。考虑未来风电功率及其预测误差,根据超前充放电控制策略对储能设备当前充放电进行修正,并给出了提前充放电修正公式。仿真结果表明,该方法及其控制策略能有效抑制风电爬坡的功率波动,从而减小风电爬坡事件对电网的冲击,并且能够充分提高混合储能设备的利用效率。

基于小波深度置信网络的风电爬坡预测方法

为了提高风电爬坡事件预测的准确性,提出一种基于深度学习的具有特征自适应选择的小波深度置信网络(WDBNAFS)算法。首先,分析风电功率混沌特性。然后,对时间序列数据进行小波分解,设计特征自适应选择算法选取建模数据作为预测模型的输入变量。最后,采用深度置信网络构建风电爬坡事件预测模型,设计基于实际生产数据的实验验证所提出算法的有效性。仿真结果表明,所提出算法预测准确率可达90%以上。

考虑爬坡特性的短期风电功率概率预测

短期风电功率概率预测有助于调度部门提前安排发电计划,提高风电的消纳能力。提出一种考虑爬坡特性的风电功率概率预测方法,首先通过分析不同风电爬坡定义的特点,阐述互补组合预测的思路;然后采用小波神经网络建立风电功率确定性预测模型,并在其基础上建立不同功率分区内风电爬坡率和风电功率预测误差的二维核密度估计概率预测模型;最后由二者的联合概率分布求取后者的条件概率分布,得到风电功率概率预测结果。仿真结果表明,所提模型具有很高的短期风电功率概率预测精度。

基于负载均衡的含风电场电力系统优化调度方法

随着风电并网容量的增加,大功率风电爬坡事件给电力系统调度带来了巨大的风险,研究相应的含风电场电力系统的调度策略十分必要。根据风电爬坡特性的特点,建立了风电爬坡事件模型,进而建立考虑风电爬坡约束的含风电场电力系统优化调度模型;借鉴负载均衡算法,提出了一种常规机组出力的重调度方法;并将其应用于风火系统调度,制定联合调度策略;通过对发生不同剧烈程度风电爬坡事件的计算,验证模型和调度策略的有效性。结果表明,通过负载均衡算法的应用,常规机组能有效平衡风电爬坡事件发生引起的风电功率缺额,保证系统爬坡容量的实际需求。

基于突变理论的风电爬坡多步预测

风电爬坡实现的多步预测是保障大规模风电并网后电网安全和电能质量的有效手段。提出了一种基于突变理论的风电爬坡多步预测方法,首先将风电爬坡事件视为一种突变现象,采用相关性分析、主成分分析和线性加权累加方法处理中尺度气象数据,确定突变爬坡的相关变量;然后分别建立上行和下行爬坡的突变预测模型,通过综合考虑增大预测步长和减小预测误差,求解多目标优化问题,以训练模型参数,实现风电爬坡的多步预测。仿真结果表明,该方法可以比较有效地预测风电爬坡事件,与统计方法相比具有更大的预测步长和更高的准确率。

考虑风电场功率爬坡的超短期组合预测

随着大规模风力发电接入电力系统,准确的风电场功率预测对于整个电力系统的安全稳定运行均意义重大.而风电功率爬坡事件则是产生风电功率预测误差的重要原因,尤其是当风速数据变化较快时,所引发的功率爬坡会导致预测误差较大.因此研究考虑风电场功率爬坡事件的预测就显得日益紧迫.文中基于极限学习机理论,提出了一种考虑风电场功率爬坡的超短期组合预测模型.经算例验证表明,文中方法能够准确识别风电场的功率爬坡事件并有效提高风电功率超短期预测的精度,具有一定的理论意义和实用价值.

风电场风速及风功率预测研究综述

对现有风速及风电功率预测研究方向和研究方法进行了总结分析,分析对比各自的特点,并在此基础上提出以下建议以进一步研究。

一种用于风电机组爬坡风险评估的风险系数计算模型

针对现有的风力发电机组爬坡事件风险评估方法难以量化功率爬坡对电力系统影响的严重程度的问题,提出一种基于加法评分法的爬坡风险系数评估模型。首先,通过对爬坡事件的特性分析,提出新的爬坡特征量——爬坡比率;利用主成分分析法以上海市启东风电场的风电功率数据和莱州金城风电场的风电功率数据为实例,验证该特征量的有效性,并确定出主要的爬坡风险指标:爬坡率和爬坡比率;在此基础上,根据加法评分法定义风电机组爬坡事件的风险系数;利用专家调查法划分5个风险等级,根据风险系数所在区间判断风电机组爬坡事件风险等级,量化爬坡风险评估,对电网调度人员做出决策具有重要意义。

高比例风电系统的爬坡备用需求评估

在极端天气情况下,风电功率会在短时间尺度内发生大幅度的变化,出现风电功率高风险爬坡事件,严重威胁电力系统的安全稳定运行。开展爬坡备用的需求评估,有助于减小风电出力波动和预测误差对电网运行带来的不利影响。为保障高比例风电系统的备用充裕度,提出一种基于门控循环单元和非参数核密度估计法的组合区间爬坡备用需求预测方法。首先,将风电功率实际数据和日前预测数据构建成多变量时间序列,基于门控循环单元(gate recurrent unit,GRU)模型提高预测结果的准确度。进而,采用非参数核密度估计方法对风电功率预测误差进行置信区间估计,得出给定置信区间下的风电功率预测区间。最后,根据区间预测结果,预测爬坡事件并提取爬坡特征量,建立爬坡备用需求评估模型,评估得出爬坡备用容量需求。基于西北某省级电网的数据开展了算例测试,验证了所提方法的有效性。

基于机会约束混合整数规划的风火协调滚动调度

为降低大规模风电随机性和波动性对电力系统调度的影响,保障电力系统运行的安全性和经济性,提出了考虑风电功率特性的基于机会约束混合整数规划的滚动调度模型。首先,研究了风电功率特性及风电预测误差和风电爬坡事件对系统调度的影响。然后,建立了考虑风电功率特性的机会约束混合整数规划滚动调度模型。通过滚动调度策略,有效减少系统备用容量,降低系统运行成本,提高系统的经济性,模型考虑风电爬坡约束,能有效降低风电爬坡事件的危害,提高系统的安全性。最后,通过算例对所提模型和调度策略的有效性进行了验证,结果表明,模型和调度策略能结合风电功率特性,有效兼顾系统的安全性和经济性。

火电机组灵活性改造规划及运行综合随机优化模型

现阶段中国火电机组灵活性难以适应未来高比例风电并网的要求,对火电机组进行灵活性升级改造成为必要的研究工作。首先,针对高比例风电接入带来的净负荷随机、波动特性,基于机会约束目标规划(chance constrained goal programming,CCGP)理论构建运行灵活性不足风险模型,对灵活性予以量化。然后,从经济性最优出发,引入机组启停约束及灵活性裕度机会约束,并考虑风电爬坡事件,建立火电机组灵活性改造规划及运行综合随机优化模型,通过确定性等价和线性转化对模型进行优化求解。最后,利用算例对模型的有效性和适用性进行验证,并对火电机组灵活性改造的作用进行分析。结果表明:该模型能在兼顾灵活性供需匹配情况及经济性的基础上实现风电高效消纳,且适用于各种参数设置下最优方案的求解;而合理的火电机组灵活性改造方案也能够进一步降低成本、促进风电消纳、保证灵活性供需匹配、优化火电运行。