風電功率預測不確定性及電力系統(tǒng)經(jīng)濟調(diào)度.pdf

1、由于風具有波動性，風電功率預測必然存在不確定性，給含有大規(guī)模風電的新能源電力系統(tǒng)的安全經(jīng)濟運行帶來不確定性。本文研究了風電功率預測及不確定性分析，以及基于風電不確定性的電力系統(tǒng)經(jīng)濟調(diào)度方法，主要工作包括:
　　1、建立了基于相關向量機的風電功率預測及不確定性分析模型
　　研究了樣本精度和數(shù)量對建模過程的影響，提出了可支持小樣本學習的訓練樣本篩選方法;建立了基于變方差相關向量機(VVRVM)的風電功率預測及不確定性分析模型，同

2、時計算風電功率的單點預測值和給定置信水平下的波動范圍。測試結(jié)果表明:該方法可以利用少量相關樣本精確模擬不同氣象條件下的風力發(fā)電特性，提高了單點預測的精度、不確定性分析的可靠性和銳度。
　　2、提出了四種提高功率預測及不確定性分析精度的建模方法
　　(1)提出了基于風場景識別的動態(tài)優(yōu)化方法，適用于風況變化復雜、多樣的風電場，解決其單一預測模型適應性不足的問題。
　　分析了風況和功率曲線對功率預測誤差的敏感性;基于K-me

3、ans和譜聚類分別建立了風場景聚類模型;提出了數(shù)據(jù)集分布密度和分布均勻性的概念，定量評價聚類質(zhì)量;建立了聚類數(shù)自尋優(yōu)算法，解決了傳統(tǒng)方法需要人工確定聚類數(shù)目的問題;基于風場景聚類結(jié)果，提出了離線細化建模、在線動態(tài)預測的優(yōu)化方法。
　　(2)提出了基于流動相關性的風電場機組分組優(yōu)化方法，適用于大型風電場（群）或復雜地形風電場，解決其數(shù)值天氣預報(NWP)計算點代表性不足與預測建模耗時過長的問題。
　　分析了風速分布特征及變化規(guī)

4、律;設計了可以耦合風電場流動信息的主風向坐標系統(tǒng);建立了基于自組織映射神經(jīng)網(wǎng)絡的風電場機組分組模型，解決了NWP計算點位置和數(shù)量的選取問題;建立了分組預測及不確定性分析模型。
　　(3)為了解決NWP精度不足且中尺度模型修正難度大的問題，分析了NWP風速誤差在不同風速段和月份的概率分布，提出了基于風速預測誤差分布不均勻的NWP修正方法。
　　(4)為了最小化人為因素對預測模型性能的影響，分別基于遺傳算法和粒子群算法，建立了R

5、VM核函數(shù)參數(shù)的優(yōu)化模型。
　　3、提出了基于風電不確定性的電力系統(tǒng)調(diào)度成本計算方法
　　為了考慮未來時刻風電不確定性對其發(fā)電成本的影響，為了解決成本模型中含有積分項不便于調(diào)度求解的實際問題，提出了風電不確定性增量成本(WPUIC)的概念和數(shù)學模型，度量增加單位風電上網(wǎng)電量時電力系統(tǒng)可能增加的平衡服務費用。建立了隨外部條件變化、具有凸函數(shù)性質(zhì)的風電不確定性調(diào)度成本(WPUDC)模型;通過調(diào)整WPUDC模型參數(shù)來量化不同風電場

6、或天氣條件下預測不確定性的平均水平及概率密度分布的分散度。
　　4、建立了基于風電功率預測不確定性的電力系統(tǒng)經(jīng)濟調(diào)度模型
　　基于WPUDC建立了運行風險與成本相協(xié)調(diào)的電力系統(tǒng)經(jīng)濟調(diào)度模型，根據(jù)未來時刻不確定區(qū)間的分布特征，權衡增加風電并網(wǎng)的收益及其風險之間的矛盾。在不確定性偏小時，適當增加風電調(diào)度量，反之減小，實現(xiàn)了風電資源的優(yōu)化調(diào)度。該調(diào)度模型的目標函數(shù)具有解析的微分表達式，運用等微增率準則推導了經(jīng)濟調(diào)度問題的求解過程;