風(fēng)電功率預(yù)測(cè)不確定性及電力系統(tǒng)經(jīng)濟(jì)調(diào)度.pdf

1、由于風(fēng)具有波動(dòng)性，風(fēng)電功率預(yù)測(cè)必然存在不確定性，給含有大規(guī)模風(fēng)電的新能源電力系統(tǒng)的安全經(jīng)濟(jì)運(yùn)行帶來(lái)不確定性。本文研究了風(fēng)電功率預(yù)測(cè)及不確定性分析，以及基于風(fēng)電不確定性的電力系統(tǒng)經(jīng)濟(jì)調(diào)度方法，主要工作包括:
　　1、建立了基于相關(guān)向量機(jī)的風(fēng)電功率預(yù)測(cè)及不確定性分析模型
　　研究了樣本精度和數(shù)量對(duì)建模過(guò)程的影響，提出了可支持小樣本學(xué)習(xí)的訓(xùn)練樣本篩選方法;建立了基于變方差相關(guān)向量機(jī)(VVRVM)的風(fēng)電功率預(yù)測(cè)及不確定性分析模型，同

2、時(shí)計(jì)算風(fēng)電功率的單點(diǎn)預(yù)測(cè)值和給定置信水平下的波動(dòng)范圍。測(cè)試結(jié)果表明:該方法可以利用少量相關(guān)樣本精確模擬不同氣象條件下的風(fēng)力發(fā)電特性，提高了單點(diǎn)預(yù)測(cè)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(yù)測(cè)及不確定性分析精度的建模方法
　　(1)提出了基于風(fēng)場(chǎng)景識(shí)別的動(dòng)態(tài)優(yōu)化方法，適用于風(fēng)況變化復(fù)雜、多樣的風(fēng)電場(chǎng)，解決其單一預(yù)測(cè)模型適應(yīng)性不足的問(wèn)題。
　　分析了風(fēng)況和功率曲線對(duì)功率預(yù)測(cè)誤差的敏感性;基于K-me

3、ans和譜聚類分別建立了風(fēng)場(chǎng)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(píng)價(jià)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(wèn)題;基于風(fēng)場(chǎng)景聚類結(jié)果，提出了離線細(xì)化建模、在線動(dòng)態(tài)預(yù)測(cè)的優(yōu)化方法。
　　(2)提出了基于流動(dòng)相關(guān)性的風(fēng)電場(chǎng)機(jī)組分組優(yōu)化方法，適用于大型風(fēng)電場(chǎng)（群）或復(fù)雜地形風(fēng)電場(chǎng)，解決其數(shù)值天氣預(yù)報(bào)(NWP)計(jì)算點(diǎn)代表性不足與預(yù)測(cè)建模耗時(shí)過(guò)長(zhǎng)的問(wèn)題。
　　分析了風(fēng)速分布特征及變化規(guī)

4、律;設(shè)計(jì)了可以耦合風(fēng)電場(chǎng)流動(dòng)信息的主風(fēng)向坐標(biāo)系統(tǒng);建立了基于自組織映射神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)機(jī)組分組模型，解決了NWP計(jì)算點(diǎn)位置和數(shù)量的選取問(wèn)題;建立了分組預(yù)測(cè)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(wèn)題，分析了NWP風(fēng)速誤差在不同風(fēng)速段和月份的概率分布，提出了基于風(fēng)速預(yù)測(cè)誤差分布不均勻的NWP修正方法。
　　(4)為了最小化人為因素對(duì)預(yù)測(cè)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(fēng)電不確定性的電力系統(tǒng)調(diào)度成本計(jì)算方法
　　為了考慮未來(lái)時(shí)刻風(fēng)電不確定性對(duì)其發(fā)電成本的影響，為了解決成本模型中含有積分項(xiàng)不便于調(diào)度求解的實(shí)際問(wèn)題，提出了風(fēng)電不確定性增量成本(WPUIC)的概念和數(shù)學(xué)模型，度量增加單位風(fēng)電上網(wǎng)電量時(shí)電力系統(tǒng)可能增加的平衡服務(wù)費(fèi)用。建立了隨外部條件變化、具有凸函數(shù)性質(zhì)的風(fēng)電不確定性調(diào)度成本(WPUDC)模型;通過(guò)調(diào)整WPUDC模型參數(shù)來(lái)量化不同風(fēng)電場(chǎng)

6、或天氣條件下預(yù)測(cè)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(fēng)電功率預(yù)測(cè)不確定性的電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型
　　基于WPUDC建立了運(yùn)行風(fēng)險(xiǎn)與成本相協(xié)調(diào)的電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型，根據(jù)未來(lái)時(shí)刻不確定區(qū)間的分布特征，權(quán)衡增加風(fēng)電并網(wǎng)的收益及其風(fēng)險(xiǎn)之間的矛盾。在不確定性偏小時(shí)，適當(dāng)增加風(fēng)電調(diào)度量，反之減小，實(shí)現(xiàn)了風(fēng)電資源的優(yōu)化調(diào)度。該調(diào)度模型的目標(biāo)函數(shù)具有解析的微分表達(dá)式，運(yùn)用等微增率準(zhǔn)則推導(dǎo)了經(jīng)濟(jì)調(diào)度問(wèn)題的求解過(guò)程;