計(jì)及復(fù)雜風(fēng)況特征的含風(fēng)能電力系統(tǒng)可靠性評(píng)估與應(yīng)用.pdf

1、隨著化石能源的加速枯竭以及環(huán)境問題的日益嚴(yán)峻，世界各國(guó)正積極探索并開發(fā)各類可再生能源。與地?zé)崮?、潮汐能等新興能源相比，風(fēng)能具有分布廣、成本低且技術(shù)成熟的優(yōu)點(diǎn)，加之許多國(guó)家還出臺(tái)了風(fēng)能利用的鼓勵(lì)政策，這使得風(fēng)電裝機(jī)容量增長(zhǎng)迅猛。由于風(fēng)資源區(qū)域和季度的差別，風(fēng)電場(chǎng)風(fēng)況具有以下特征：風(fēng)速概率分布具有多樣性、風(fēng)向隨風(fēng)速變化具有隨機(jī)性等，故常規(guī)可靠性模型難以計(jì)及這些特性以分析其對(duì)電力系統(tǒng)可靠性的影響。因此，研究風(fēng)電資源復(fù)雜風(fēng)況特性、建立計(jì)及復(fù)雜風(fēng)

2、況的風(fēng)速模型、分析復(fù)雜風(fēng)況的可靠性影響等，對(duì)含風(fēng)能電力系統(tǒng)規(guī)劃和運(yùn)行具有重要的理論價(jià)值和工程實(shí)用意義。
　　為計(jì)及風(fēng)速概率分布隨著區(qū)域和季度變化的差異性，提出一種混合核密度風(fēng)速概率分布模型，基于推導(dǎo)的權(quán)重系數(shù)與誤差的解析關(guān)系給出模型求解的Lagrange乘子法。該模型應(yīng)用最優(yōu)權(quán)重系數(shù)將多組核密度函數(shù)組合為混合核密度函數(shù)；推導(dǎo)了最優(yōu)權(quán)重系數(shù)與漸進(jìn)積分誤差間的解析關(guān)系，并據(jù)此以漸進(jìn)積分誤差最小為目標(biāo)給出最優(yōu)權(quán)重系數(shù)求解的Lagrang

3、e乘子法，提高混合核密度函數(shù)對(duì)風(fēng)速概率分布的刻畫精度。將該模型應(yīng)用于八個(gè)地區(qū)風(fēng)電場(chǎng)，對(duì)其各季度的風(fēng)速概率分布進(jìn)行估計(jì)，結(jié)果表明：該模型的擬合精度高于六類常規(guī)參數(shù)模型和非參數(shù)模型，驗(yàn)證其正確性。
　　為計(jì)及風(fēng)向隨風(fēng)速隨機(jī)變化的特性，通過風(fēng)速-風(fēng)向的狀態(tài)劃分、轉(zhuǎn)移率確定等，提出一種風(fēng)速-風(fēng)向 Markov鏈模型。根據(jù)蒲福風(fēng)速尺度和基本風(fēng)向尺度劃分得到風(fēng)速-風(fēng)向的狀態(tài)，計(jì)算風(fēng)速-風(fēng)向的狀態(tài)轉(zhuǎn)移率矩陣，刻畫其隨機(jī)轉(zhuǎn)移關(guān)系。將該模型應(yīng)用于四

4、個(gè)地區(qū)風(fēng)電場(chǎng)進(jìn)行風(fēng)速-風(fēng)向建模，結(jié)果表明：該模型可較精確的反映風(fēng)電場(chǎng)風(fēng)速-風(fēng)向平均值、標(biāo)準(zhǔn)差和相關(guān)系數(shù)等基本統(tǒng)計(jì)特征；風(fēng)速-風(fēng)向的狀態(tài)持續(xù)時(shí)間服從指數(shù)分布，其狀態(tài)轉(zhuǎn)移過程為Markov過程。
　　由于風(fēng)能資源區(qū)域和季度的差異，其風(fēng)速概率分布具有多樣化特性。為評(píng)估該特性對(duì)電力系統(tǒng)的可靠性影響，給出基于樣條插值的混合核密度風(fēng)速抽樣方法，建立計(jì)及風(fēng)速概率分布多樣性的含風(fēng)能電力系統(tǒng)可靠性評(píng)估模型。該模型采用基于樣條插值的混合核密度風(fēng)速抽樣

5、方法，得到與實(shí)測(cè)風(fēng)速統(tǒng)計(jì)特征一致的風(fēng)速樣本；結(jié)合風(fēng)電機(jī)組可靠性模型和風(fēng)電轉(zhuǎn)化模型，提出計(jì)及風(fēng)電機(jī)組隨機(jī)停運(yùn)的風(fēng)電場(chǎng)出力抽樣方法；根據(jù)負(fù)荷模型和常規(guī)機(jī)組可靠性模型，提出基于非時(shí)序Monte Carlo模擬法的含風(fēng)能電力系統(tǒng)可靠性評(píng)估方法。將該方法應(yīng)用于含八個(gè)地區(qū)風(fēng)電場(chǎng)的 RBTS系統(tǒng)可靠性評(píng)估，結(jié)果表明：風(fēng)速概率分布的區(qū)域和季度差異性對(duì)含風(fēng)能電力系統(tǒng)可靠性有較大影響。
　　由于風(fēng)向隨風(fēng)速隨機(jī)變化，導(dǎo)致不同時(shí)刻下風(fēng)電場(chǎng)尾流效應(yīng)作用強(qiáng)度

6、不一。為評(píng)估該特性對(duì)電力系統(tǒng)的可靠性影響，提出一種計(jì)及風(fēng)向隨機(jī)變化的含風(fēng)能電力系統(tǒng)可靠性評(píng)估方法。該方法將風(fēng)速-風(fēng)向 Markov鏈模型、風(fēng)電機(jī)組可靠性模型、Jensen尾流效應(yīng)模型和風(fēng)電轉(zhuǎn)換模型結(jié)合，提出一種計(jì)及尾流效應(yīng)和風(fēng)電機(jī)組隨機(jī)停運(yùn)的風(fēng)電場(chǎng)發(fā)電狀態(tài)Markov鏈模型；與負(fù)荷模型和常規(guī)機(jī)組可靠性模型結(jié)合，提出一種含風(fēng)能電力系統(tǒng)發(fā)電狀態(tài)Markov鏈模型；應(yīng)用Markov方程求解各發(fā)電狀態(tài)概率等參數(shù)，評(píng)估含風(fēng)能電力系統(tǒng)可靠性指標(biāo)。將

7、該方法應(yīng)用于含四個(gè)地區(qū)風(fēng)電場(chǎng)的RBTS系統(tǒng)，結(jié)果表明：尾流效應(yīng)對(duì)電力系統(tǒng)可靠性具有不利影響，忽略尾流效應(yīng)將導(dǎo)致對(duì)含風(fēng)能電力系統(tǒng)可靠性的過低估計(jì)。
　　合適的風(fēng)電機(jī)組功率優(yōu)化策略，有利于挖掘風(fēng)電場(chǎng)發(fā)電潛能和提高系統(tǒng)可靠性水平。復(fù)雜風(fēng)況對(duì)風(fēng)電機(jī)組功率有很大影響，這對(duì)風(fēng)電機(jī)組功率優(yōu)化提出了嚴(yán)峻挑戰(zhàn)。為此，基于風(fēng)電機(jī)組實(shí)際運(yùn)行數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)技術(shù)和遺傳算法，提出計(jì)及復(fù)雜風(fēng)況的風(fēng)電機(jī)組功率優(yōu)化策略。該策略應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)從風(fēng)電機(jī)組實(shí)際運(yùn)行數(shù)據(jù)

8、中擬合風(fēng)電機(jī)組功率函數(shù)，較客觀地反應(yīng)復(fù)雜風(fēng)況對(duì)風(fēng)電機(jī)組功率的影響；據(jù)此，以風(fēng)電機(jī)組功率最大化為目標(biāo)，以遺傳算法為求解工具，以風(fēng)電機(jī)組控制參數(shù)為決策變量，提出運(yùn)行時(shí)刻點(diǎn)風(fēng)電機(jī)組功率優(yōu)化模型；然后，在此基礎(chǔ)上，分別提出運(yùn)行時(shí)段內(nèi)的風(fēng)電機(jī)組功率逐點(diǎn)優(yōu)化策略和聚類優(yōu)化策略，后者策略在前者策略基礎(chǔ)上應(yīng)用 K均值聚類方法，可降低優(yōu)化計(jì)算復(fù)雜度，利于優(yōu)化策略的實(shí)時(shí)實(shí)現(xiàn)。應(yīng)用前面可靠性評(píng)估方法評(píng)估使用兩種優(yōu)化策略前后的含風(fēng)能RBTS系統(tǒng)可靠性，結(jié)果表明