时空特性下基于图卷积神经网络的风电集群功率短期预测方法

为解决传统风电集群功率预测方法忽略了不同位置点气象关联特性及单场预测无法快速得到风电集群整体功率的问题,并充分考虑到风电集群耦合的复杂时空特性,提出一种融合注意力机制的时空图卷积神经网络的风电集群功率短期预测方法。首先,计算区域内风电场站历史功率之间的互信息,提取特征邻接矩阵,并结合影响集群功率的气象特征变量转化为气象图数据。其次,构建图卷积神经网络(GCN)模型,从非欧式空间提取气象图节点关联特征。并馈入融合注意力机制(AM)的门控循环单元网络(GRU)增强时序特征中关键信息对风电集群功率的贡献程度。最后,基于中国西部某省风电集群的实际运行数据,验证所提方法的先进性和适应性。

基于小生境遗传算法与径向基代理模型的短期风电功率预测

为提高短期功率预测精度,以赋予风电被电网资产更大规模消纳的优势,建立一种基于主导特征影响因素和小生境遗传算法改进的径向基代理模型的滚动式短期(0~72 h)风电功率预测模型。首先,基于罚函数和排挤机制的小生境技术对传统基本遗传算法进行改进,以径向基代理模型(RBF)作为建模基础,利用改进后的遗传算法以反传误差极小为目标函数对RBF模型的连接权值进行优化,借助其寻优能力来获取最佳权值,以达成对RBF网络的改进和二次训练;然后,基于主导特征气象因素,结合改进的RBF模型最终建立N-SGA-RBF风电出力预测模型,对风电场连续3日0~72 h输出功率进行预测;最后,对N-SGA-RBF模型、RBF模型以及BP模型做预测结果趋势变化、各采样点绝对/相对误差分布、发电预测预报准确率和合格率的对比。以新疆东部某风电场实测数据进行算例验证分析,仿真结果表明,所建预测模型具有较高的精度。

双重不确定性预测下风电场超短期有功优化控制

针对风电场并网友好性提升问题,提出考虑风速预测不确定性和风电机组有功特性不确定性的风电场发电能力评估方案。对风速超短期预测误差和风电机组在各风速区间的出力特性进行双重不确定性分析并建立概率分布模型,进而利用贝叶斯网络构建风电机组超短期出力的双重不确定性概率预测模型。基于风电场各风电机机组超短期出力概率预测模型,以最大概率跟踪电网调度指令为目标设计场站功率分配策略。算例分析表明,所提考虑双重不确定性的概率预测模型对机风电组有功的概率分布描述更准确,该模型在场站控制中可有效提升电网功率指令的完成水平。

考虑市场分时节点价格的新能源经济开发潜力多维评估

为了提升新型电力系统框架下新能源资源评估和场站选址的科学性、经济性,结合新能源参与电力市场交易对上网电价的影响及电力市场环境中分时节点价格的差异性,从新能源资源特性和电力市场环境中新能源市场价值特征出发,建立涵盖市场价值能力、主动支撑能力和环境生存能力等方面的多维价值评估指标体系;针对新能源资源的波动性、间歇性特征,考虑到电力市场环境下新能源等多种市场主体参与电力市场电力出清特点,建立基于生产-市场协同时序模拟的资源经济开发潜力评估算法,并采用广东省某地实测新能源资源数据评估电力现货市场场景下的新能源开发经济性。结果表明,本文中所提多维度评估指标具有良好的实用性,能够合理评估新能源资源的时空价值,所提算法能够准确评估现货市场背景下不同年度新能源开发经济性。