計及相關性的風速模型及其在發(fā)電系統(tǒng)可靠性評估中的應用.pdf

1、隨著全球能源和環(huán)境問題的日益突出，風能的開發(fā)和利用已經(jīng)受到越來越多的關注。然而，風是一種不穩(wěn)定、易變的能源，風電場大規(guī)模接入必然會對電力系統(tǒng)產(chǎn)生與常規(guī)能源不同的可靠性影響。因此，研究風電場對電力系統(tǒng)可靠性影響，對含風能的電力系統(tǒng)規(guī)劃具有重要的理論指導意義和實際應用價值。
　　當前，我國風電正向著大規(guī)模、高集中的方向發(fā)展。風電場數(shù)量的增加以及容量的增大，迫切需要更加準確的風電場可靠性模型?；诖?，本文結合國家自然科學基金“風電場可靠

2、性評估的概率模型及算法”(編號51077135)等項目，對影響風電場出力的關鍵因素—風速，進行研究，提出單一風速模型和計及相關性的多風電場風速模型，并將其應用于含風電場的電力系統(tǒng)發(fā)電充裕度評估。
　　提出一種基于核密度估計的非參數(shù)風速概率分布模型。該方法基于數(shù)據(jù)驅(qū)動，不需假設風速分布特性，能有效揭示隱藏在歷史風速數(shù)據(jù)中的統(tǒng)計信息。應用拒絕假設抽樣方法實現(xiàn)核密度函數(shù)下的風速抽樣，利用非線性優(yōu)化方法和線性插值技術提高了抽樣效率和速度。

3、采用六個地區(qū)的風速數(shù)據(jù)對本文模型準確性和可用性進行驗證，結果表明：該模型對任意風況的數(shù)據(jù)都呈現(xiàn)出較強的穩(wěn)定性和準確性；六個地區(qū)概率分布擬合統(tǒng)計量Ra2均高于0.99，年電能產(chǎn)量平均誤差為0.47％，期望失負荷時間和期望失電量指標平均誤差分別為0.22%和0.39%。
　　風速不但具有概率分布特性，還表現(xiàn)出一定的時間延續(xù)性。為刻畫風速序列的時間相依特性，提出一種基于連續(xù)狀態(tài)馬爾科夫鏈(continuous state markov

4、chain，CSMC)的時序風速模擬方法。首先，利用變換技術將風速數(shù)據(jù)轉至正態(tài)域；然后，在正態(tài)域內(nèi)構造反映相鄰時刻風速條件概率分布的連續(xù)轉移核，進而得到時序風速的連續(xù)狀態(tài)馬爾科夫鏈模型。該方法克服了離散狀態(tài)馬爾科夫鏈模型存在的準確度和復雜度“選擇”難題。以該構造方法為基礎，利用Copula函數(shù)將連續(xù)轉移核由正態(tài)分布擴展為多種分布類型，得到了基于Copula函數(shù)的連續(xù)狀態(tài)馬爾科夫鏈時序風速模型。算例分析表明：本文模型能夠保持原始風速序列的

5、概率分布特性和時間相依特性，而且降低了建模復雜度。
　　在大規(guī)模風電并網(wǎng)系統(tǒng)中，一個地區(qū)常常出現(xiàn)多個風電場接入電網(wǎng)。由于風電場間的地理位置關系，不同地點的風速存在一定的相關性，這對風電并網(wǎng)系統(tǒng)可靠性具有一定影響。因此，多風電接入系統(tǒng)進行可靠性評估時，模擬產(chǎn)生的風速樣本應計及它們之間的相關性。利用Copula函數(shù)提出一種多元風速聯(lián)合概率分布模型。該方法將多元風速分布的創(chuàng)建過程分解為單一風速變量的邊緣分布構造和風速變量間的相關結構識別

6、兩部分，其中邊緣分布采用核密度估計函數(shù)刻畫，相關結構采用Copula函數(shù)捕捉。該方法有效地降低了多元聯(lián)合概率分布函數(shù)構造難度。算例表明：Copula函數(shù)模型能夠有效地保持原始數(shù)據(jù)間的相依特性。
　　計及單一風速序列的時間相依特性和多個風速序列之間的空間相依特性，提出了分別基于自回歸滑動平均模型(autoregressive and moving average，ARMA)和CSMC模型的多元時序風速模型。首先，利用ARMA模型或C

7、SMC模型描述單一風速序列的時間相依關系；然后，利用Copula函數(shù)構造多個風速時間序列的聯(lián)合概率分布，捕捉空間相依關系；最后，組合時間相依模型和空間相依模型得到多元ARMA模型或多元CSMC模型。算例表明：多元ARMA模型能夠保持時間序列的自相關特性和聯(lián)合概率分布特性，但需要大量歷史樣本作為支撐；多元CSMC模型需要較少的訓練樣本，但只能保持風速序列的短期相依特性。
　　計及風電場尾流效應、風電機組隨機停運，提出了基于Monte