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.

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.

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。

考虑预测误差分析的混合储能补偿优化策略

为提高风电场预测功率精度,对于风电场和混合储能构成的风储混合系统,提出基于预测信息搭建的混合储能补偿方案。首先,依据风电预测误差进行概率统计分析,提出风电功率预测误差的分层补偿策略,制定针对补偿预测误差的允许误差域及置信区间补偿域。其次,利用储能对不同误差层的预测误差给出相应的储能补偿方案,基于小波包分解将超出区域外待补偿预测误差分解,通过不平衡功率DFT分频法确定临界点作为功率型储能和能量型储能的目标分配值,对于荷电状态越限问题通过自适应模糊控制进行二次修正。最后,以新疆某风电场为例进行仿真分析,结果表明所提策略可有效减少风电功率预测误差。

考虑风电功率预测误差分时补偿的电热联合系统多时间尺度调度

由于风电具有不确定性,风电功率预测误差难以避免。热力系统具备储放热能力,通过调整热功率平移风电功率,可以降低风电功率预测误差的影响。但在风电并入电热联合系统时,风电变化频繁,热力系统具有较大惯性和延迟,难以与风电功率同步;同时,热力系统不同区域对电力系统指令的响应速度也不同。因此,为了解决利用热力系统补偿风电功率预测误差时响应时间不同步的问题,提出了一种考虑风电功率预测误差分时补偿的电热联合系统多时间尺度调度策略。首先,分析概率区间误差评估和实时预测误差评估的评估周期。然后,研究热力系统中供热区域和管网的时间特性。最后,在日前阶段利用响应速度较慢的供热区域补偿评估周期较长的概率区间误差,在实时阶段利用响应速度较快的管网补偿评估周期较短的实时预测误差,建立了多时间尺度调度模型。算例分析表明,所提策略实现了不同调度周期、不同预测误差评估周期、不同热力系统区域响应速度在时间上的匹配,减少了风电功率预测误差的影响,提高了系统的风电消纳能力。

考虑风电预测误差时序性及风电可信度的双层优化模型

推动风电等清洁能源是实现双碳目标的有力举措。为此针对风电的不确定性,提出考虑风电预测误差时序性及风电可信度的双层优化模型。首先,根据风电预测误差的时序相关性优化预测误差分段数;然后,建立双层优化模型,日前阶段上层模型基于风电功率上下波动域以最大化利用风电和最小化发电成本及碳交易成本为目标函数,日内阶段基于风电概率性场景以最小化系统偏差校正成本及风险成本为目标函数,并考虑激励型需求响应,通过风电可信度耦合关联上下层模型;最后,以新疆某地区风电场数据进行仿真分析,结果表明所提模型能够降低系统风险成本,协调风电和火电的输出功率,并提高风电接入系统的整体经济性。

风电功率预测误差分段指数分布模型

风电预测存在较大误差,对于风电场和电网调度人员而言,预测的不确定性信息比单纯的功率预测值更有指导意义。基于对中小规模风电场短期和超短期功率预测误差分析,提出风电功率预测误差分段指数分布模型,并进行分段指数分布概率密度函数及概率分布函数推导,采用非线性最小二乘法进行参数估计。实例分析中,通过模型精度指标和曲线拟合效果对比了分段指数分布模型与传统误差分布模型,论证了分段指数误差分布模型较传统模型在精度、灵活性方面的优势。

电力市场环境下考虑风电预测误差的经济调度模型

提出了电力市场环境下考虑风电预测误差的电力系统经济调度模型。对于一定的风电预测值,运用Beta函数对实时可发出力的概率密度分布进行拟合,在考虑预测误差发生概率及其所导致的经济补偿费用基础上,得到统计意义上更为合理的经济调度模型。该模型建立在较为完善的电力市场环境下,计及了发电企业报价需要考虑到的温室气体排放权费用。仿真算例比较了考虑风电预测误差与否对市场出清电价、电网平均购电成本等运营指标的影响。结果表明,所提出的模型能够有效降低电网公司的运营成本,促进资源的优化配置。

一种基于Beta分布的风电功率预测误差最小概率区间的模型和算法

针对用正态分布计算风电功率预测误差区间时出现的问题,提出一种基于Beta分布的风电功率预测误差区间的估计方法。该方法根据发电调度对系统备用容量安全性和经济性的要求,建立一个能够计算任意概率水平、Beta分布最小概率区间的优化模型,通过引入Beta分布函数的反函数形式,把等式约束的优化问题简化成一个无约束的优化问题,并根据Beta分布特点给出了一个快速的算法。仿真结果证明了所提模型、算法的正确性,和Beta分布的合理性。

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。

计及出力水平影响与自相关性的风电预测误差模拟方法

风电的预测误差不仅受预测出力水平的影响,而且时序上也存在显著的自相关性,基于此,提出一种兼顾两方面特征的风电预测误差模拟方法。充分利用Copula函数在描述变量间相关性方面的优势,通过分析风电出力的预测值与实际值间的联合概率分布,确定不同预测出力水平下预测误差的条件分布函数,对相邻时刻预测误差的相关性进行建模,并结合预测误差的条件分布函数,生成具有特定相关关系的备选数据列。顺次以前一时刻的预测误差为依据,从备选数据列中选取相应数据组成预测误差的模拟序列。算例仿真验证了所提方法的有效性。

甘肃酒泉风电基地风电预测预报阶段性研究

为解决甘肃酒泉千万千瓦级风电基地的调度运行问题,风电预测预报系统的建设成为当前的重点。介绍酒泉风电基地预测预报系统阶段性建设研究的实际情况及其处于研究初级阶段的运行情况。研究显示,目前虽然单个风电场预测预报误差很大,但由于地理分散效应显著,酒泉风电基地总体的预测准确度相对较高。然而距离"误差小于20%的点(即测量值)所占比例至少为80%"的要求还有一定距离。通过对各准确度指标的分析表明,平均绝对误差、均方根误差及"误差小于20%的点所占比例"三者之间的关联性较强,但它们与"预测与实测功率相关性系数"几乎没有任何关系。以上工作将为研究的进一步深入乃至风电预测预报系统的实用化打下坚实的基础。

大规模风电并网电力系统运行风险评估与分析

提出了一种考虑风电功率误差分布的电力系统改进风险评估方法,较传统评估方法更加精细地计算了系统运行风险。采用t-location scale(TLS)分布描述风电功率预测误差分布,与传统正态分布相比,可以更准确地描述风电预测误差分布情况。采用最优交流潮流模型计算最小切负荷量、节点电压和线路有功功率,与传统直流潮流模型相比,可以得到更准确的切负荷量和线路有功功率信息。计算了系统切负荷风险指标、电压越限风险指标、线路有功功率越限风险指标、电压崩溃风险指标,并引入了综合风险指标,结合风险等级的评判方法,更加全面合理地评估了系统运行的风险。此外,讨论和分析了不同风电接入节点、不同接入容量以及不同替换容量对系统运行风险的影响。从系统运行风险的角度,为电力系统规划风电接入容量和节点提供参考。最后,以IEEE RTS-79系统为例,对所提的方法和模型进行了分析和验证。

采用横纵向误差平移插值修正的风电预测精度改善方法

目前风电预测功率精度偏低,评估指标常用纵向误差,很少针对横向误差(延迟或超前时间)进行统计。提出了基于横、纵向误差平移修正的风电预测精度改善方法,给出用于风电功率预测的不变趋势功率持续时间的概念,并将风电场日前功率预测曲线和实际功率曲线划分为不变趋势功率增加段、降低段和保持段3种模式。建立了各不变趋势持续时间的计算模型,采用概率统计法获得预测时间值与实际时间值之间的偏差值及滞后或超前方向,利用平移法和插值法联合横纵向误差修正日前功率预测误差。应用上述方法对新疆某地区风电功率预测曲线进行仿真计算,结果如下:该地区风电功率预测横向误差为3.78 h,方向为超前,纵向绝对误差值为40.05 MW;采用平移插值修正后,横向误差值为2.56 h,降低了32.34%,纵向误差值为32.58 MW,降低了18.65%。从而表明该方法可以有效提高风电短期预测功率精度。

计及风电预测误差的电力系统风险规避评估模型

风电功率的短时大幅波动对电网的安全稳定运行造成冲击,为更准确地评估电力系统在较短时间内的风电消纳情况,需考虑风电功率的预测误差。为此,文中提出一种概率区间优化模型,从效益和风险两个维度评估风电预测误差对电力系统运行的影响,旨在得到最优权衡风险和效益的调度方案。在概率区间优化模型中,不确定风电被视为概率区间变量,即每个风电值对应一个分布概率。效益用不确定风电并网前后系统运行费用的差值来量度;风险则用风电的分布概率来衡量。然后,构建基于效益和风险的条件期望作为优化目标。最后,在一个调度系统上进行仿真并与区间优化模型对比,证明了所提出的优化模型的可靠性、鲁棒性和实用性。

风速与风电功率的联合条件概率预测方法

采用确定性预测模型对风速和风电功率进行预测,无法传递结果的概率可信程度,不适应风险分析与调控应用的需要。为此,建立了以当前时段实测风速和下一时段预报风速为联合条件的离散预报误差概率统计(forecast errorprobability distribution,FEPD)模型,并以该模型对未来时段的预报误差概率分布进行预测。首先由历史统计结果确定修正因子,利用风速波动分布特征(speed disturbanceprobability distribution,DPD)对预报误差概率分布进行偏度修正,再将修正后的预报误差概率分布与由确定性预测算法得到的结果相结合,从而得到风速概率性预测结果。实例表明,所提方法可以较好地预测未来时段风速及风电功率变化的概率分布结果。

超短期风电功率预测误差数值特性分层分析方法

风电功率预测误差特性分析可以为电力系统优化调度与稳定运行提供更加准确的参考。该文提出一种根据超短期风电功率预测误差概率密度特性对误差进行分层,再依据误差波动性和不同层误差幅值特性进行分类处理的预测误差数值特性分析方法。在概率密度特性提取部分,采用改进后的广义误差分布模型对预测误差概率密度分布进行拟合。该误差分析方法结合了误差模型预测和误差概率密度拟合两种方法的优点,可以更为准确地对超短期风电功率预测误差进行分析和补偿。算例分析结果表明,改进广义误差分布模型的拟合效果优于正态分布、柯西分布和拉普拉斯分布这些常用模型,尤其在尾部特性拟合方面效果更为明显,所提出的误差分层分析方法可以有效减小风电功率预测误差。