計(jì)及充裕性風(fēng)險(xiǎn)的含大規(guī)模風(fēng)電電力系統(tǒng)經(jīng)濟(jì)調(diào)度問題研究.pdf

1、目前，我國(guó)風(fēng)電產(chǎn)業(yè)在相關(guān)政策法規(guī)的激勵(lì)下得到了快速發(fā)展，由于風(fēng)電出力具有較強(qiáng)的不確定性，大規(guī)模風(fēng)電的接入增加了電力系統(tǒng)調(diào)度運(yùn)行的難度和風(fēng)險(xiǎn)。在此背景下，研究計(jì)及充裕性風(fēng)險(xiǎn)的含大規(guī)模風(fēng)電電力系統(tǒng)經(jīng)濟(jì)調(diào)度問題具有十分重要的理論及實(shí)際意義。本研究主要內(nèi)容包括：
　　⑴針對(duì)風(fēng)電的不確定性對(duì)電力系統(tǒng)經(jīng)濟(jì)調(diào)度帶來的充裕性風(fēng)險(xiǎn)問題，從風(fēng)險(xiǎn)管理角度出發(fā)，從降低風(fēng)險(xiǎn)、評(píng)估風(fēng)險(xiǎn)和風(fēng)險(xiǎn)決策三個(gè)方面展開研究：首先研究風(fēng)速和風(fēng)電功率預(yù)測(cè)方法，提高預(yù)測(cè)精度以

2、降低風(fēng)電的不確定性給電力系統(tǒng)調(diào)度運(yùn)行帶來的充裕性風(fēng)險(xiǎn)；其次研究風(fēng)電功率預(yù)測(cè)誤差的概率分布模型，這對(duì)電力系統(tǒng)充裕性風(fēng)險(xiǎn)評(píng)估和優(yōu)化調(diào)度運(yùn)行方案具有重要作用；然后提出了電力系統(tǒng)短期運(yùn)行充裕性風(fēng)險(xiǎn)評(píng)估方法，以評(píng)估風(fēng)電和負(fù)荷的不確定性造成的極端風(fēng)險(xiǎn)；最后提出了計(jì)及充裕性風(fēng)險(xiǎn)的電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型和風(fēng)險(xiǎn)決策方法，以幫助調(diào)度人員做出合理的風(fēng)險(xiǎn)決策，確定最優(yōu)的經(jīng)濟(jì)調(diào)度方案。
　　⑵研究了風(fēng)速和風(fēng)電功率預(yù)測(cè)問題。針對(duì)超短期風(fēng)速預(yù)測(cè)問題，提出了基于A

3、daboost的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)（Ada_BP）新算法。所提的Ada_BP算法該算法既繼承了BP神經(jīng)網(wǎng)絡(luò)較好的非線性映射能力，又克服了 BP神經(jīng)網(wǎng)絡(luò)過擬合特性和容易陷入局部最優(yōu)等缺點(diǎn)。算例分析表明Ada_BP算法的預(yù)測(cè)精度要高于BP神經(jīng)網(wǎng)絡(luò)算法和時(shí)間序列算法。針對(duì)風(fēng)電功率預(yù)測(cè)問題，構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率曲線模型，探討分析了風(fēng)電功率的直接預(yù)測(cè)法和基于風(fēng)電功率曲線的預(yù)測(cè)方法，并以兩個(gè)地理位置不同的風(fēng)電場(chǎng)為例，測(cè)試分析兩種預(yù)測(cè)方法的

4、預(yù)測(cè)精度，給出了其適用條件。
　?、茄芯苛孙L(fēng)電功率預(yù)測(cè)誤差的概率分布模型。針對(duì)電力系統(tǒng)所有風(fēng)電場(chǎng)的風(fēng)功率總預(yù)測(cè)誤差，驗(yàn)證了正態(tài)分布模型的準(zhǔn)確性和適用性。針對(duì)單個(gè)風(fēng)電場(chǎng)的風(fēng)功率預(yù)測(cè)誤差，提出了基于正態(tài)分布和拉普拉斯分布的時(shí)變混合分布模型，通過分析誤差概率分布特征和風(fēng)電功率特性曲線，發(fā)現(xiàn)并解釋了誤差概率分布的時(shí)變特性：隨著預(yù)測(cè)時(shí)間尺度的增加，逐漸從拉普拉斯分布過渡到正態(tài)分布。以風(fēng)電場(chǎng)儲(chǔ)能容量?jī)?yōu)化問題為例，驗(yàn)證了時(shí)變混合分布模型刻畫風(fēng)電

5、預(yù)測(cè)誤差的適用性和準(zhǔn)確性。
　　⑷提出了基于條件風(fēng)險(xiǎn)價(jià)值（Conditional Value At Risk，CVaR）的電力系統(tǒng)短期運(yùn)行充裕性風(fēng)險(xiǎn)評(píng)估指標(biāo)和方法。首先建立了電力系統(tǒng)不確定因素的概率分布模型，引入CVaR風(fēng)險(xiǎn)度量方法，構(gòu)建了新的充裕性風(fēng)險(xiǎn)評(píng)估指標(biāo)：基于CVaR的失負(fù)荷風(fēng)險(xiǎn)指標(biāo)和基于CVaR的棄風(fēng)風(fēng)險(xiǎn)指標(biāo)，最后給出了充裕性風(fēng)險(xiǎn)評(píng)估方法流程。算例分析表明，與失負(fù)荷概率指標(biāo)和失負(fù)荷期望損失指標(biāo)相比，本文所提評(píng)估指標(biāo)的敏感

6、性較好，能夠反映電力系統(tǒng)的不確定性造成的極端風(fēng)險(xiǎn)，驗(yàn)證了所提充裕性風(fēng)險(xiǎn)評(píng)估方法的全面性和準(zhǔn)確性。采用該風(fēng)險(xiǎn)評(píng)估方法可以定量分析不同風(fēng)電接納水平和旋轉(zhuǎn)備用容量下的電力系統(tǒng)短期運(yùn)行充裕性風(fēng)險(xiǎn)，為求解計(jì)及充裕性風(fēng)險(xiǎn)的電力系統(tǒng)經(jīng)濟(jì)調(diào)度問題提供支撐。
　　⑸研究了計(jì)及風(fēng)險(xiǎn)的含大規(guī)模風(fēng)電電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型和風(fēng)險(xiǎn)決策方法。提出了基于投資組合理論的成本—CVaR多目標(biāo)經(jīng)濟(jì)調(diào)度模型與求解該模型的基于自適應(yīng)混沌變異的多目標(biāo)粒子群優(yōu)化算法（Adapt

7、ive ChaosMulti ObjectiveParticle Swarm Optimization Algorithm，ACMOPSO），通過求解該模型可以得到風(fēng)險(xiǎn)和成本最低的帕累托最優(yōu)解集。為在帕累托最優(yōu)解集中選擇最合理的運(yùn)行方案，提出了基于邊際風(fēng)險(xiǎn)的風(fēng)險(xiǎn)決策方法，從而幫助調(diào)度人員根據(jù)系統(tǒng)的實(shí)際情況和風(fēng)險(xiǎn)偏好選擇合理的調(diào)度運(yùn)行方案，以兼顧系統(tǒng)可靠性與經(jīng)濟(jì)性。通過IEEE118算例系統(tǒng)分析，驗(yàn)證了本文所提的ACMOPSO算法、成本—