風電功率預測區(qū)間評估及其并網(wǎng)發(fā)電調(diào)度研究.pdf

1、風能作為一種清潔的可再生能源，在世界范圍內(nèi)得到快速發(fā)展，但其大規(guī)模并網(wǎng)發(fā)電也給現(xiàn)有電力系統(tǒng)在規(guī)劃、運行和控制等方面帶來新的挑戰(zhàn)。受風力發(fā)電隨機性、間歇性以及不可控性的影響，將風電功率預測信息納入電力系統(tǒng)發(fā)電調(diào)度決策成為解決風電波動的主要技術之一。提高風電功率預測精度不僅可以降低常規(guī)能源消耗和旋轉備用的容量，同時還可有效降低風電并網(wǎng)沖擊，提高電網(wǎng)對風電的接納能力。但常規(guī)的風電功率預測大都給出的是確定性的點預測結果，其預測誤差不可避免，且無

2、法評估該數(shù)值可能出現(xiàn)的概率，也不能反映出風電功率的波動特性。作為點預測的延伸，區(qū)間預測通過給出滿足給定置信水平下風電功率的可能波動范圍，有助于決策者更好地評估未來可能存在的不確定性和電網(wǎng)運行的潛在風險。本文從風電功率區(qū)間預測入手，根據(jù)風電功率預測精度隨時間尺度的細化而逐級提高的特性，研究不同時間尺度下風電功率的預測區(qū)間評估方法，并結合魯棒優(yōu)化的思想，探討含風電功率預測區(qū)間信息的電力系統(tǒng)發(fā)電調(diào)度模型。
　　本研究主要內(nèi)容包括：⑴在日

3、前電網(wǎng)運行時間尺度下，基于對風電功率預測誤差概率分布的研究，提出一種基于云變換的風電功率預測區(qū)間評估方法。該方法中采用云變換提取預測誤差分布的定性特征，使其轉換為若干個云概念的疊加，并通過對上述云概念的概率密度期望函數(shù)進行積分，得到滿足一定置信概率下風電功率的預測區(qū)間。相比傳統(tǒng)預測誤差概率分布模型，基于云變換的誤差分布擬合方法具有更為靈活的形狀和更高的精度，其結果為后續(xù)機組組合的魯棒優(yōu)化模型提供基礎。⑵在日內(nèi)電網(wǎng)運行時間尺度下，考慮到超

4、短期預測的時間周期較短，通?？筛鶕?jù)風電場出力的歷史時間序列構建預測模型。本文基于極限學習機(Extreme learning machine，ELM)構建了一種風電功率簡易區(qū)間預測模型。該模型擬利用ELM的二維輸出數(shù)值直接得到預測區(qū)間的上下限，并基于對數(shù)據(jù)集區(qū)間帶偏差信息的分析，給出了預測區(qū)間的性能評價指標和優(yōu)化準則。相比傳統(tǒng)的基于預測誤差特性分析的預測區(qū)間評估方法，該模型結構簡單、計算速度快，更能適應電網(wǎng)在線優(yōu)化調(diào)度需求。⑶為進一步縮

5、小預測區(qū)間平均帶寬，提高區(qū)間預測的性能，基于對風電功率時間序列內(nèi)在固有特性的分析，引入了集成經(jīng)驗模態(tài)分解和樣本熵技術以獲取風電功率穩(wěn)態(tài)分量和隨機分量序列；并對上述特征分量分別構建了點預測和區(qū)間預測模型，繼而將得到的預測信息進行疊加，形成一種耦合點預測信息的超短期風電功率預測區(qū)間評估方法。仿真表明，該方法得到的預測區(qū)間在滿足置信概率要求的同時，有效地縮小了其平均帶寬值，可為電網(wǎng)在線調(diào)度計劃制定提供更有效的決策信息。⑷考慮到上述區(qū)間預測模型

6、的參數(shù)尋優(yōu)和后續(xù)章節(jié)中電力系統(tǒng)發(fā)電調(diào)度模型的求解，將量子空間下個體搜索理論引入至細菌覓食機制，提出了一種混合量子細菌覓食優(yōu)化算法，并給出基于動態(tài)縮進的趨化步長控制策略。該算法將細菌個體移至量子空間中描述，通過利用種群共享信息建立量子空間下細菌個體的概率密度函數(shù)，以完成各細菌個體位置的更新，避免了因直接復制導致的種群多樣性丟失。對標準測試函數(shù)下的尋優(yōu)性能進行對比分析，結果驗證了該算法的優(yōu)越性。⑸探討了含風電功率區(qū)間預測信息的電力系統(tǒng)發(fā)電調(diào)