基于时序和随机风速模型的含风电场发电系统充裕性评估

合集下载

基于时间序列的WD LS SVM的风速周期预测模型研究

基于时间序列的WD LS SVM的风速周期预测模型研究
( 1 )
短期 风 速 预 测 , 中期 风 速 预 测 以及 长 期 风 速 预 测 。 短 期 风 速 预 测 主 要 用 于 电 网 的 控 制 ;中 期 风 速 预
从 这 个 时 间序 列 模 型 可 以 看 出 ,未 来 某 一 个 时刻 风 速 仅 仅 依 赖 于 历 史 风 速 数 据 。 事 实 上 ,预
文献 [ 3 ] 所 描 述 的 :风 功 率 是 和 风 速 有 关 的 函
般 情 况 下 ,风 速 预 测 根 据 实 际 的 应 用 可 以 分 为 :
数 ,功 率 预 测 一 般 是 通 过 风 速 预 测 推 断 而 来 的 。 模 型 为

) , ( )= ) , ( t — ) , y ( t 一2 T ) , ) , ( t 一 3 ) , …)
y e a h . n e t 。
4 2





川 [ 程
2 0 】 4 :
终将 待 分 解 信 号 c 。 分解为 d . , d , …, d , 和c
3 最d x - 乘 支 持 向量 机 ( L S—S V M)
支 持 向量 机 是 由 V a p n i k领 导 的 A T & T B e l l实 验室研究小组在 1 9 9 5年 提 出 的 一 种 新 的 非 常 有 潜
石 亚 欣
( 华北 电力大学 控制与计算机工程学 院,北京 1 0 2 2 0 6 )
ቤተ መጻሕፍቲ ባይዱ
摘 要 :风速的随机性 、波动性很 大,所 以风速 的大小和很 多因素有 关 ,风速预 测的准确 率不 高。针 对这 种现象 ,提 出了一种基 于时间序列和 小波分 解的最小二乘 支持 向量机 的短 时间的风速预 测方 法。通 过 小 波分解对数据进行平稳性 处理 ,将分解后 的分量 分别作 为模 型的输入 ,进 行预 测。最小二 乘支持 向量机 的预测值和 实际风速值基本上保持一致 ,误 差保持在 一定的较 小 范围 内。通过 与 简单的 支持 向量机 的仿

考虑风电预测区间的电力系统灵活性评估方法

考虑风电预测区间的电力系统灵活性评估方法

电气传动2023年第53卷第7期ELECTRIC DRIVE 2023Vol.53No.7摘要:高比例风电接入加剧了电力系统运行的不确定性,充足的灵活性对系统安全可靠运行至关重要。

提出了一种考虑风电预测区间的电力系统灵活性评估方法。

首先,考虑风电的随机波动特性和预测区间,构建随机极限场景集,表征风电出力和爬坡的不确定性并降低问题的复杂度。

然后,考虑机组和系统运行特性,提出机组和系统运行灵活性综合评价指标。

最后,考虑系统运行成本约束、预测场景和随机场景的运行约束,建立考虑风电预测区间的电力系统灵活性优化评估模型,量化机组和系统的灵活性供给能力并保证运行鲁棒性。

在改进的IEEE 39节点系统进行仿真分析,验证了所提方法的可行性和有效性。

关键词:风电;不确定性;预测区间;极限场景;电力系统;灵活性;灵活性资源;评价指标中图分类号:TM28文献标识码:ADOI :10.19457/j.1001-2095.dqcd24250Power System Flexibility Evaluation Method Considering Wind Power Prediction IntervalTANG Junyi 1,2,DING Biwei 3,YANG Qi 1(1.Electric Power Research Institute of State Grid Xinjiang Electric Power Co.,Ltd.,Urumqi 830001,Xinjiang ,China ;2.Xinjiang Key Laboratory of Whole Process Simulation for Power System ,Urumqi 830001,Xinjiang ,China ;3.Urumqi Power Supply Company of State GridXinjiang Electric Power Co.,Ltd.,Urumqi 830011,Xinjiang ,China )Abstract:The integration of high proportion of wind power intensifies the uncertainty of power system operation.The sufficient flexibility is vital for the safe and reliable operation of the power system.An evaluation method of power system flexibility considering wind power prediction interval was proposed.First ,considering the stochastic fluctuation and prediction interval of wind power ,a stochastic extreme scenario set was constructed ,which can characterize the uncertainty of wind power generation and slope climbing ,and reduce the complexity of the problem.Then ,considering the operating characteristics of units and power system ,the comprehensive evaluation indices of operational flexibility of units and system were proposed.Finally ,in view of the system cost constraints and the operating constraints under the forecast and stochastic scenarios ,the flexibility optimization evaluation model considering the wind power forecast interval was established to quantify the flexibility supply capacity of units and system ,so as to effectively ensure operational robustness.Simulations on the improved IEEE 39bus system were carried out to verify the feasibility and effectiveness of the proposed method.Key words:wind power ;uncertainty ;prediction interval ;extreme scenario ;power system ;flexibility ;flexible resources ;evaluation index作者简介:唐君毅(1993—),男,硕士,工程师,Email :*****************考虑风电预测区间的电力系统灵活性评估方法唐君毅1,2,丁碧薇3,杨琪1(1.国网新疆电力有限公司电力科学研究院,新疆乌鲁木齐830001;2.新疆电力系统全过程仿真重点实验室,新疆乌鲁木齐830001;3.国网新疆电力有限公司乌鲁木齐供电公司,新疆乌鲁木齐830011)随着环境污染和化石资源短缺等问题日益严峻,构建以新能源为主体的新型电力系统支撑能源转型,实现“碳达峰、碳中和”的双碳目标已成为共识[1]。

基于时间序列法的风电场风速预测研究

基于时间序列法的风电场风速预测研究

SH A0 an , F ’ SUN Yu h , I — e’ LANG a — h n L nz e
( . olg f lcr a E gn eig Xnin i ri , u i 3 0 8C i ; 1 C l eo e tc l n ie r , ij gUnv s y Urmq 8 0 0 hn e E i n a e t a 2 Colg f tmain B i gU inU i ri , e ig1 0 0 ia . l eo Auo t , e i no nv s y B i 0 1 1Chn ) e o j n e t j n
模型 检验 来确 定一 个 能够描 述 所研 究时 间序 列 的数 学模 型 ,再 由该 模 型推 导 出预 测模 型 。
根据 B xJn n 方法 , o —e k s i 可将 随机 时 间序列 的预
于 电 网调度 和 资源 配置 非 常有 必要 。而风 速 预 测主
要 集 中在 0 3 时 时 间段 。这 个 时 间范 围是 电 网调 —小
度 ,资源配 置所 需 时 间 。 ]
测模型分类为 :白回归模型 ( R 、滑动平均模型 A )
( MA) 自回 归 一滑动 平均 模 型 ( R 、 A MA) 。AR模 型 ,当前 时刻 的观 测值 由过去 几个 历 史时 刻 的观 测
值 和 一 个 当前 时 刻 的 随机 干 扰 来 表示 ;MA 模 型 , 当前时 亥 的观 测值 由称作 随 机干 扰 的 白噪 声序 列 的 U 线 性组 合 来表 示;将 AR模 型与 MA 模 型 结合起 来 , 即 A M A模型 [。 R
风速 数据 就可 对 未来 风 速进 行预 测 。它的 主要 手段

含风能的电力系统发电充裕度评估

含风能的电力系统发电充裕度评估

含风能的电力系统发电充裕度评估摘要:风是一种易变能源,其表现形式与常规能源有明显区别。

本文使用非序贯蒙特卡洛模拟法,给出了一种含风能电力系统发电充裕度评估的方法。

采用IEEE-RTS测试系统对含风能的电力系统发电充裕度水平进行分析计算,结果表明,风能接入对系统具有明显的可靠性效益,使用所提出方法可以量化这些效益。

关键词:风速模型;风电场;风力发电;可靠性评估0引言近年来,受石油价格上涨和全球气候变化的影响,风能的开发利用日益受到国际社会的重视。

但风能是一种非常易变的能源,其表现形式与传统能源有明显的不同。

风速的波动性和间歇性导致风力发电机功率输出具有随机性,这对传统的电力系统的可靠性带来一定影响。

因此,有必要研究含风电场的电力系统可靠性评估模型,量化评价风电场可靠性效益。

国内外对含风能的电力系统可靠性问题进行了广泛的研究[1-10]。

文献错误!未找到引用源。

提出了一种基于时序Monte Carlo的含风电场发电系统可靠性评估模型。

文献错误!未找到引用源。

利用该方法对风电场接入后系统可靠性指标的分布规律进行了研究。

文献错误!未找到引用源。

采用时序Monte Carlo法研究含一个风场和多个风场的电力系统发电充裕度水平,考虑并阐述了影响可靠性贡献的关键参数。

文献错误!未找到引用源。

建立了一种基于Monte Carlo仿真的含风电场发输电系统可靠性分析模型,该模型考虑了风速的随机性、风电机组强迫停运率及其与气候的相关性,而且计及了输电网络故障率和输电线路有功功率限制。

文献错误!未找到引用源。

建立了计及输电线路故障和输电线路有功限制、风向、尾流效应以及地形因素影响的含风电场发输电系统充裕度评估模型。

本文对含风能的电力系统可靠性问题进行研究,给出了一种含风能电力系统发电充裕度评估的方法,分析了风电场接入后电力系统可靠性变化情况。

1风电场可靠性模型风电场模型是风电场功率期望输出概率模型。

影响风电场功率输出的因素主要有风速、机组停运情况以及风电转化特性,风电场模型包括各类影响因素的模型。

基于时序-支持向量机的风电场发电功率预测

基于时序-支持向量机的风电场发电功率预测

} 定 为 确
确 定 d、 、 q、 p 的 数 值 以 及 ( 和 0( 等 多 D P、 P、 B) 曰) 项 式 的 参 数 通 过 差 分 运 算 可 判 断 时 间 序 列 是 否 达 到 平 稳 . 进 行 确 定 d 和 D . 将 该 模 型 简 化 为 相 应 的
、 M
V = 1 日) (一 ( ) 3
t 2 a n / 0r ) ( i
10 .
采 川

模 型 来 描 述 d阶 差 分 平
05 .
稳 序 列 . 表示 为 : 可
( )V = ( ) () 4
00 .




1 0 k
1 2
1 4
列 法 初 步 建 立 模 型 前 2 0点 风 电 功 率 序 列 及 其 前 0 2 个 自 相 关 函 数 值 尺, 如 图 1所 示 ( 0 ( ) =1 2 … , .,
2 。 相 关 函数 衰 减 缓 慢 , 明原 始 序 列 非 平 稳 . 0) 自 表 需 要 对 其 进 行 差 分 平 稳 处 理 对 原 始 序 列 进 行 2 阶 差
( [ 归 一滑 动 平 均 模 型 ) 行 建 模 和 预 自 旦 j 进
测 以 下 说 明 分 离 具 体 过 程
( ) 入 差 分 计 算 消 除 趋 势 项 用 差 分 算 子 V= — 1引 1B
分 运 算 。 序 列 及 其 前 2 个 自 相 关 函 数 值 R () Vz ¨ 0 f
a tc r lt nv le uo o r ai au s e o
2 OO

其 中 P、 g为 模 型 阶 数 , ( 和 O B) B B) ( 为

基于序贯蒙特卡洛法的风/柴/储能发电系统充裕度评估

基于序贯蒙特卡洛法的风/柴/储能发电系统充裕度评估
BA0 h rn L e —v GA0 i S a i a , IW n i, Fe
( .n e n o aH h o B i nen t nl i ot i i dLa it C m ay Hoh t 10 0 C ia 1 In r Mo gl o h t a aItra o a A r r Lm t ibly o p n , h o 0 0 7 , hn ; i t i p e i
p o e t o a n i n n . h sa t l s sh so c lw n p e a a t sa l h a wid s e d t e e d l p e itwid s e d r t c c l vr me t T i r ce u e i r a i d s e d d t o e t b i n p e me s r smo e, r d c n p e l e T e a s s me t e u t a r vd a i o y t m ei b e o e ai n a d e e g t r g e ie . y t a e u c . h se s n s l c n p o i eb ssf rs se r l l p r t n n r y so a e d vc s e r a o
Z U NT L NT N 专 题 论 坛 H A l U A
基奇序贯 蒙特卡洛法的风/ 储能发电 柴/
系统 充裕 度评 估
鲍莎 日娜 ,栗文义 高 飞 ,
(.内蒙 古呼和 浩特 白塔 国际机 场 有 限责任公 司 , 1 内蒙古 呼和 浩特 0 07 ; . 100 2 内蒙古 工业 大学 电力学 院 ,
2 C l g fE e t c lE g n e i g I n rMo g l i e st f e h oo y Ho h t0 8 , h n ; . ol e o l cr a n i e rn , n e n o i Un v ri o c n l g , h o 0 0 C i a e i a y T 1 0

基于时间序列与支持向量机的风电场风速预测研究


相 关 性 已经 为 建 模 提 供 了足够 的 信 息 _ 这 种 方 法 9 l , 只需单 一风 速时 间序 列 即可预测 , 现 比较简单 。 实
A MA 型可 以理解 为 :序 列 当前 值是 现 在 和 R 模 过 去 的误 差 以及 先前 的序列 值 的线性 组 合 ,其 数 学
间序列 法 建模所 需 信息 少 . 运算 方 便 , 用 广泛 , 应 是 费 用最 少 的风速 预测模 型 。该方 法仪 需要 最 近 几个 小 时 的风速 数据 , 就可 对 末来风 速进 行预 测 。 随机 时 间序列 模 型分 为 自回归 R模 型 、滑动 平均 ( ) ) MA模 型 、 自回归一 滑动平 均 ( R )模 型 等 。本文 选取 A MA

稿 专 逮
E GAO ZHUAN D
(): () B Bq
() 4
是 回归允 许 的最 大误 差 ,控制 支持 向量 的个数 和 泛化能力 , 其值越 大 , 持 向量越 少 。 支 利用 对偶原 理 , 同时引入拉 格 朗 日乘子 和核 函数 , 将式() 为 : 9转化
变 量 是风 速 一身 的历 史值I,} 于 风 速 和风 力发 电 “, l_ } j 功 率 的预测 B x e kn法 利 用大 量 的历 史数 据来 o . n is J
目前, 速预 测 的方法 有 卡尔 曼滤 波 法( am n 风 K l a f es 时 问序 列 法 (meei to ) 、 T 神 经 i r 1、 h )I t sr sme d[ 人 i e h
性 看 风 电在可再生 能源 中具有很 好 的发展 前景 , 在
= 1

1… 一 , = 0a_ … 一 q, 一 , 一 lf一 l Oa

含风电场的发电系统旋转备用优化调度模型研究


l e v e l c o u l d b e t h e a d j u s t i n g e l e me n t o f t h e r e l i a b i l i t y a n d e c o n o my o f s y s t e m, a n d t h e e c o n o my f u n c t i o n o f o p t i ma l s c h e d u l i n g mo d e l
RE N Yu — c h e n g , LU Bi n , ZHANG Xi n — s h e n g
( S c h o o l o f El e c t r i c a l E n g i n e e r i n g , S o u t h e a s t U n i v e r s i t y , Na n j i n g 2 1 0 0 9 6 , Ch i n a )
i s be t t e r t h a n t r a di t i on a l e q u a l r e s e r ve s c he d ul i ng mo d e 1 .
含风 电场 的发 电系统 旋转备用优化 调度模 型研 究
电工电气 ( 2 0 1 3 No . 7 )
l设计与研究
含风 电场 的发 电系统旋 转备用优 化调度模型研 究
任 禹丞 ,陆彬 ,张馨升
( 东南大学 电气工程 学院,江苏 南京 2 1 0 0 9 6 )
摘 要: 为研 究风 电的随机性和 间歇性对 电力系统 调度 计划 中旋 转备用 的影响 ,建立风 电预测偏
Ab s t r a c t :I n o r d e r t o c o n s i d e r t h e i mp a c t o n s p i nn i n g r e s e r ve a n d g e n e r a t i o n s c he d ul i n g c a u s e d by t h e r a n d o mne s s a n d i n t e r mi t t e n c e o f wi n d p o we r ,t hi s p a p e r e s t a b l i s h e d t h e p r o b a bi l i t y d e n s i t y f u n c t i on of t he wi n d p o we r f o r e c a s t e r r o r , whi c h c o mb i ne d mo r ma l di s - t r i b u t i o n wi t h La p l a c e d i s t r i b u t i o n t o s i mu l a t e t h e p r o b a b i l i t y d i s t r i b u t i o n o f wi nd p o we r f o r e c a s t e r r o r . I n de a l i ng wi t h t he u n c e r t a i n t y o f wi nd p o we r a n d l o a d f o r e c a s t , c o n id f e nc e l e v e l wa s u s e d t o in f d t h e a d d e d s pi n ni n g r e s e r ve c a p a c i t y . Ba s e d o n t h e t o t a l s p i n n i n g r e - s e r ve c a p a c i t y o f s y s t e m, t he o p t i ma l s c h e d u l i ng mo d e l o f s p i n n i n g r e s e r ve wa s b u i l t .Th e a n a l y s i s of e x a mpl e s s ho ws t h a t c o n id f e nc e

风电发电量预测与量化评估研究

风电发电量预测与量化评估研究随着全球能源需求不断增长,寻找更加清洁而高效途径的能源发电方式已经成为了能源管理的焦点话题。

其中,风力发电由于其无需燃料、产生零排放、可再生等显著优势而备受关注。

但是,风力发电的不确定性却是限制其发展的主要因素之一,即风能的风速和风向不断变化,导致风力发电的不稳定性。

针对这种不确定性,风电发电量预测成为了风电行业的一个重要研究领域。

通过运用现代技术与数学模型,对风电场内的风速、温度、湿度、风向等因素进行分析,并在此基础上进行风电发电量的预测,可以大幅度减少风电的运营成本,增强风电的可靠性和稳定性。

风电发电量预测主要分为三种方法,即物理模型法、统计学方法和人工智能方法。

物理模型法是根据空气动力学原理获得的对风场的描述,相对较为精确,但需要大量的气象数据和风能场测量数据。

统计学方法则是通过对历史观测数据的分析,建立一个预测模型,但仅限于不复杂的系统中,因此应用范围有限。

人工智能方法则是利用神经网络、遗传算法等人工智能技术处理海量数据,建立预测模型并对其进行评估,但要求对模型参数和数据量有较高的掌握能力。

除了风电发电量预测之外,对于风电项目的量化评估也是行业内的重要研究领域之一。

在这个领域中,主要应用经验公式、计算机模拟等方法从技术、经济、社会等角度对风电项目进行量化评估。

其中,技术评估评价风电站的风资源、场址、土地和电网接入等项目的可行性;经济评估主要关注风电项目的成本收益平衡点和经济可行性;社会评估则通过对周边居民意见收集、环境影响评价等方面的研究,综合考虑风电项目的社会可行性。

在执行风电发电量预测和量化评估过程中,合理的数据采集和处理是一个非常重要的环节。

尤其是在风能场数据分析方面,数据采集质量、数据处理方式和数据分析模型的选择都会影响到最终的预测效果和评估结果。

为此,行业内许多企业都通过各种方式收购大量的风能场数据,并进行严格的识别、测试和验证,以便更好地支持风电发电量预测和量化评估研究。

风电场中的功率预测模型研究与优化策略

风电场中的功率预测模型研究与优化策略近年来,随着对可再生能源的需求越来越大,风电发电作为一种清洁、可再生的能源形式,受到了广泛关注。

然而,风力发电系统的波动性使得其产生的电力不够稳定,这给电网的稳定性和可靠性带来了一定的挑战。

针对这一问题,研究风电场中的功率预测模型和优化策略变得至关重要。

首先,风电场中的功率预测模型是通过分析和利用大量的气象数据、历史功率数据以及风机状态参数来进行建模的。

根据历史气象和功率数据,我们可以利用回归分析、时间序列分析等方法,构建出适用于风电场的功率预测模型。

例如,可以使用多元线性回归模型来建模,其中自变量包括风速、风向、温度等因素,因变量为风电场的输出功率。

此外,还可以借助机器学习算法如支持向量机(SVM)、人工神经网络(ANN)等,来构建更为准确的预测模型。

其次,针对风电场中功率预测模型的优化策略,可以从多个方面入手。

首先,可以优化模型的输入数据质量。

对于风速和风向等气象数据,建议在风电场附近设置多个气象观测点,以获取更为准确的数据。

同时,还需要收集和监测风机状态参数,如转速、功率输出等,以提高模型的准确性。

其次,可以通过优化模型的算法和参数来提高预测精度。

例如,可以使用遗传算法或粒子群算法等优化方法,选择最佳的模型参数。

此外,还可以引入集成学习方法,如随机森林、Adaboost等,将多个预测模型组合起来,提高整体的预测精度。

除了以上的优化策略,还可以考虑一些实时调度策略,以应对风电场发电功率的波动。

例如,可以结合天气预报和功率预测模型的结果,制定灵活的风电场出力计划。

在预测负荷较高的时段,可以根据预测结果提前启动备用发电机组,以应对功率波动的风险;而在预测负荷较低的时段,可以适当调整风电机组的出力,充分利用风电资源。

此外,还可以考虑建立风电场与电网的协调调度机制,通过灵活调度不同类型的发电机组,保持电网的稳定。

另外,优化风电场中的功率预测模型还可以通过数据挖掘的方法来实现。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

yt =φ1yt-1 +φ2yt-2 + … +φmyt-m + εt -θ1εt-1 -θ2εt-2 - … -θnεt-n
(1)
式中:yt 是时间序列yt 在t 时刻 的 元 素;φi(i=1, 2,…m)和θj(j=1,2, …n)分 别 为 自 回 归 和 滑 动
平均模型系 数; 序 列εt 为 均 值 为 零、 方 差 为σα2 的
杨轶雷,姚 鹏,郭小波
(重 庆 市 电 力 公 司 綦 南 供 电 局 , 重 庆 401420)
Adequacy Evaluation of Power Generation System with Wind Farm Based on Sequential and Stochastic Wind Speed Models
标准白噪声序列。
图1 ARMA 和 Weibull模型时序风速图
Weibull分布的风 速 概 率 密 度 函 数 和 累 积 分 布
函数为
[ ( )] f(x)=βxαββ-1exp

x α
β
,(∞ >x ≥0,α>0,β>0)
(2)
[ ( )] F(x)=1-exp -
x α
β
,(∞ >x ≥0,α>0,β>0)
[0,1]区间的均匀分布来模拟,设Si 表示元件i 的 状态,则
{0, 工作状态
Si = 1, 故障状态
(9)
根据元件状态确定系统工作状态,并依据该状 态 进 行 系 统 可 靠 性 评 估 , 则 状 态s 的 抽 样 概 率 为
3 算例分析
本 文 把 风 电 场 加 入 到 RBTS(Roy Billinton Test System)中,设风力发 电 机 的 额 定 功 率、 切 入 风速、 全 额 风 速、 切 出 风 速 分 别 为 1MW、3m/s、 7m/s、15m/s。
目前,有很多学者针对蒙特卡洛模拟技术在电 力系统中的应 用 作 了 研 究。 文 献 [5-7] 研 究 了 蒙 特卡洛方法在配电系统可靠性评估中的应用,并把 模拟方 法 与 传 统 解 析 方 法 进 行 比 较 分 析;文 献 [8-9]研究了蒙 特 卡 洛 方 法 在 变 电 站 可 靠 性 评 估 中 的应用,采用故障树与蒙特卡洛结合的方法进行可 靠性评估;文献 [10] 研究了序贯蒙特卡洛方法在 含风电场的发电系统可靠性评估中的应用,其计及 负荷损失费 用; 文 献 [11-12] 研 究 了 蒙 特 卡 洛 方 法在高压直流输电系统中的应用; 文献 [13] 研究 蒙特卡洛方 法 在 发 输 电 组 合 中 的 应 用; 文 献 [14] 研究电网可靠性的蒙特卡洛仿真,分析了计算精度 和样本容量之间的概率不确定性关系。以上文献均 是单独分析序贯或非序贯蒙特卡洛模拟方法在电力 系统可靠性评估中的应用,而序贯蒙特卡洛和非序 贯蒙特卡洛模拟方法本身各有特性,应根据评估对 象选择合 适 的 模 拟 方 法 以 提 高 计 算 精 度 或 计 算 速 度,同时本文也采用不同的风速模型研究了时序和 随机风速模型对系统充裕性的影响。
本文采用序贯蒙特卡洛和非序贯蒙特卡洛模拟 方法分别研究了含风电场发电系统充裕性评估,并
现代电力,2012,29(1) http:∥xddl.ncepu.edu.cn E-mail:xddl@vip.163.com
第1期
杨轶雷等:基于时序和随机风速模型的含风电场发电系统充裕性评估
73
建立含风电场发电系统充裕性评估的序贯蒙特卡洛 和非序贯蒙特卡洛模型。采用自回归滑动平均 AR- MA 模 型 和 [15] Weibull模 型 分 [16] 别 模 拟 风 速, 并 对比分析 了 两 种 不 同 风 速 模 型 对 系 统 充 裕 性 的 影 响,同时考虑了系统峰值负荷和风电场装机容量对 系统可靠性指标的影响。
2.1 非 序 贯 蒙 特 卡 洛 模 拟
非序 贯 蒙 特 卡 洛 模 拟 方 法 又 称 为 状 态 抽 样
法 , [18] 该法的 依 据 是 一 个 系 统 状 态 是 所 有 元 件 状
态的组合,且每一元件状态可由其出现在该状态的
概率进 行 抽 样 确 定。系 统 元 件 状 态 可 用 一 个 在
(3)
式中:α 为 Weibull分 布 的 尺 度 参 数;β 为 Weibull 分布的形状参数。
图2 ARMA 模型风速概率分布图
由表达式(4)、(5)可 得 到 ARMA 模 拟 的 时 序
风速数据和服从 Weibull分布的随机风速数据:
vwt =μt +σtyt vwt =α (-lnR)β1
Key words: Monte Carlo;wind farm;ARMA;Weibull;ad- equacy evaluation;wind speed model
0 引 言
在新能源中,风能是发展最快的能源资源,且 风能是清洁的可再生能源,但风能与其它传统能源 相比是不稳定的。由于风能的这种不稳定特性,使 得风能 并 网 后 对 电 网 稳 定 运 行 造 成 不 利 影 响 。 [1-4] 风电场接入电网的具体方案主要由风电场装机容量 和风电场位置来确定。
vwt =5.45(-lnR)1.184 R ∈U(0,1)
(7)
1 风电场模型
1.1 风 速 模 型 风速模型分为时序风速模型和随机风速模型,
自回归滑动平 均 ARMA(m,n)模 型 属 于 时 序 风 速
模型,两参数 Weibull(α,β)模 型 属 于 随 机 风 速 模 型 。ARMA(m,n)模 型 的 一 般 表 达 式 为
烅Pr
,vr ≤vwt <vco
烆0
,其 它
(8)
式中:P(v)为 风 力 发 电 输 出 功 率;Pr、vci、vr 和
vco分别为风力发电机额定功率、切入风速、全额 风
速、切 出 风 速;a、b 和c 的 值 取 决 于 Pr、vci、vr

v 。 [17] co
2 蒙特卡洛模拟
tion)
LOLE = ∑ PiT
关键 词: 蒙 特 卡 洛; 风 电 场;ARMA; Weibull; 充 裕 性 评 估;风速模型
Abstract:In this paper,a reliability evaluation model of power generation system with wind farms is presented based on the Monte Carlo simulation approach,which includes the building of sequential and stochastic wind speed models and sequential and non-sequential Monte Carlo simulation mod- el.The proposed models are applied to the Roy Billinton Test System (RBTS).Then four reliability evaluation mod- els are built based on different wind speed model and Monte Carlo models.Such indices as LOLP(Loss of Load Probabil- ity),LOLE(Loss of Load Expectation),EENS (Expected Energy not Supplied)and reliability for four reliability eval- uation models are analyzed.And the influence of sequential and stochastic wind speed models and sequential and non- sequential Monte Carlo simulation method on the adequacy of system is discussed.At the same time,the impact of such factors as the installed capacity of wind farm and the peak load of system on adequacy index is also analyzed.
74
现 代 电 力
2012 年
1.2 风 能 转 换 模 型
根据时序风速模型和随机风速模型模拟风电场
小时风速值,再利用风速与风电机组出力的函数关
系 得 到 风 电 场 输 出 功 率 , 其 函 数 表 达 式 如 (8)所 示 。
P(vwt)=
烄(a+b×vwt +c×v2wt)×Pr ,vci ≤vwt <vr
(4) (5)
式中:vwt为t 小时模 拟 风 速;μt、σt 为 历 年 风 速 数 据小时均值和标准差;R 为均匀分布于 [0,1] 区
间的随机数。
本文 根 据 20a 的 风 速 数 据 建 立 风 速 时 序 AR- MA 模型和 Weibull分 布 风 速 模 型, 并 模 拟1 000a 的小时风速数据,其时序风速如图1所示,概率分
布图如图2和图3所示。
yt =2.043yt-1 -1.162 2yt-2 +0.118 2yt-3
+εt -1.218εt-1 +0.233 4εt-2 εt ∈ NID(0,0.358 42)
(6)
图 3 Weibull模 型 风 速 概 率 分 布 图
利 用 两 种 风 速 模 型 分 别 模 拟 1 000a 的 小 时 风 速,其风速均值、标准差和历年风速均值、标准差 如表1所示。
表 1 历 年 风 速 与 模 拟 风 速 均 值 和 标 准 差
相关文档
最新文档