基于风险约束的风电场穿透极限功率优化计算
2012年12月（中）科技创新科技创新与应用基于风险约束的风电场穿透极限功率优化计算OptimalCalculationofWindPowerPenetrationLimitBasedonRiskConstrainedProgramming曾利华1贾宁2侯元柏3ZengLihau1NinJiag2HouYuanbai3（1、河北省电力勘测设计研究院，河北石家庄0500312、中电国际新能源控股有限公司，上海2000863、河北建投燕山（沽源）风能有限公司，河北沽源076550）（1.Hebeielectricpowerdesignandresearchinstitute,Shijiazhuang,0500312.ChinaPowerInternationalNewEnergyHoldingLtd.,Shanghai,2000863HebeiconstructioninvestmentYANSHANWindpowerCo.,LTD,Guyuan,076550）
引言当今能源危机的阴影正日益困扰着人类的生产和生活，为了解决这个问题，人们开始把目光投向风能这种取之不尽、用之不竭的清洁能源。但是，自然界风的变化是很难预测的，风速和风向的变化，影响着风力发电机发出的功率，出力变动大是风力发电的特点。由于这种功率的不稳定性，对于系统的影响是显而易见的。随着国内风力发电项目的增加和百兆瓦级风电场的出现[1][2]，因风电场注入电网功率的变动，而造成的对电网的影响将会越来越引人注目。根据美国的风场经验，即使由数十台风力发电机组成的风场，通常1分钟最大出力变动达40％左右[3]。较大容量的风电在并网后，会给电网带来机网协调问题[4]，包括以下几方面：（1）电能质量；（2）稳定性；（3）发电计划与调度；（4）容量可信度等[5][6]。因此，利用含风电场的混合系统的随机模拟运算，在不同的风况下，计算出某置信条件下的风电穿透极限对于系统的影响就有十分重要的意义。对于传统约束的计算而言，基于风险约束穿透极限的计算可谓是一种继承和发展，可以使用部分已有的模型和算法，本文进行了更加丰富的算例比较、改进，并且更注重结果的分析和总结。首先将从建模入手，在任意风力发电状态的前提下计算出系统的潮流分布以及常规发电机组的状态。此后进行多次优化潮流计算，判断是否满足网络以及热备用的约束，并根据大数定律，得出当前风电装机容量下的满足约束置信度。随后不断改变风电的穿透功率，能恰好满足要求的置信度值被记为穿透极限。1风力发电机特性风力发电机的标准功率特性曲线，是风力发电机在标准空气密度(空气密度为1.225kg/m3)条件下输出的功率与风速的关系曲线。风力发电机实际功率特性曲线是用风力发电机实际安装地点的空气密度计算而得的输出功率与风速的关系曲线。为简化风力发电机的特性曲线，使其呈现出明显的3段工作区域，用比较简单的分段函数来表示如图1。2穿透极限功率计算原理2.1穿透功率极限概述由风力发电场的自身特性可知，风电场的输出功率会随着短期或长期的风速变化而不断地变化，这种功率波动对于电网的影响会随着风电比例的提高而加剧。在风电比例较高的电网，这种风电场输出功率的变化，使得电网稳定运行的问题成为一个主要的问题。若系统中风电容量很大，风电带来的有功备用以及潮流分布问题就需要认真研究解决。本文在计算风电场穿透功率极限时，采用的定义是最大风电功率与系统规划装机总容量的比值。而基于风险约束的穿透功率极限更具有其独特性。这里理解的约束是在一定风险下的约束，即一定概率置信度下满足约束，允许小概率的超标情况出现而非传统的100%满足约束。由于系统存在多种运行方式，风况条件也千差万别，在个别时候可能有某些约束条件无法满足，但是发生的概率又很低，如果以确定性的方法处理约束条件，得到的优化结果将趋于保守。机会约束规划为解决这类问题提供了可能，它允许在观测到随机变量的实现之前做出决策，只要该决策使得约束条件成立的概率高于给定的置信水平。2.2穿透功率极限计算模型基于机会约束求解风电穿透功率极限的数学模型中，系统约束表达式如下：(3)备注：本论文获得中国电力投资集团公司科技项目（2009065ZDGKJX）资助摘要：风电场的穿透极限功率是风电场规划运行的一个重要指标。本文借用金融理论中风险价值的思想，提出一种采用机会约束规划计算风电穿透极限功率的新方法。该方法把风电穿透功率极限看作是在满足网络和设备约束前提下系统允许的风电场最大装机容量。考虑到风电场出力的随机性，在个别情况下可能有某些约束条件无法满足，但发生的概率又很低，如果以确定性的方法处理约束条件，得到的优化结果将趋于保守。机会约束规划为解决这类问题提供了可能，它允许在观测到随机变量的实现之前做出决策，只要该决策使得约束条件成立的概率高于给定的置信水平，便认为满足了机会约束，其中约束条件以概率的形式表示。针对问题特点，求解时应用了随机模拟技术，本文给出在IEEE30节点系统上进行计算的结果。目前，此方法已经应用在了一些风力发电厂的初期规划上，并且经过实践证明，取得了不错的经济和环境效益。关键词：风电穿透功率极限；机会约束；随机模拟；优化潮流ABSTRACT:Thispaperintroducesanewmethodforcalculatingwindpowerpenetrationlimitsinpowersystemutilizingriskconstrainedprogramming.Windpowerpenetrationlimitsareregardedasthemaximuminstalledcapacityofwindfarmconstrainedbynetworkandequipmentslimits,i.e.,transmissionlinescapability,systemspinningreserve,theoutputlimitsofconventionalgeneratorsetc.Consideringthestochasticcharacteristicsofwindfarmoutputs,thesystemmaynotmeettherequirementoftheconstraints.Ifthissituationisanalyzedbytraditionalway,theresultcanbetooconservative.Theriskconstrainedprogrammingcantoleratesomesituationsbeyondconstraintsaslongastheprobabilityofthatislowenough.Theconstraintsareexpressedbymeansofprobability,andstochasticsimulationisusedtosolvetheproblem.TheresultswillbeworkedoutonanIEEE30-bussystem.KEYWORDS:windpowerpenetrationlimit；riskconstraint；stochasticsimulation；optimalpowerflow
图1风机输出功率与风速关系Fig.1TherelationshipbetweentheturbooutputandwindspeedÁÂÃÁÂÃÁÄÅÁÂÃmax..Pr,,,Pr0ÁÁÂÃÄÅÂÂÆÇÂÂÂÈÉÂÃÉPstobguPPPPobcPPPPPPPPP25--2012年12月（中）科技创新科技创新与应用式中函数g()的作用是使用已知的电能供需量经由优化潮流方程得到各线路的有功向量，这里优化潮流的目标为网络损耗最小。P1max为线路功率上限向量。其中u为风速；P1为线路有功功率向量；Pg为常规发电机组有功功率向量；PR为风电场装机容量向量；Pd为有功负荷向量。c为和Pg同维的列向量，对应于Pg中非零元素位置上的元素取值为1，其它元素为零;Psr为系统要求的旋转备用;Pgmax,Pgmin分别为常规发电机组出力的上下限构成的向量。Pw为风电功率向量，它是PR和u的函数fw(PR,u)。最后对于负荷功率向量Pd，假设它服从均值为Pd0、方差为σ2的正态分布。程序在具体计算模拟时，对各约束的处理方法也不同。针对（3）之一式而言，需要从概率分布中产生两组独立的随机向量u1,u2,……,un和Pd1,Pd2,……,Pdn，并代入g()中逐次运算。设n’是n次实验中式g(u,PR,Pg,Pd)燮Plmax成立的次数，即所产生的随机变量中满足约束的个数。根据大数定律，可以用频率n’/n估计Prob{g(u,PR,Pg,Pd)燮Plmax}的数值，且仅当n’/n≥α时约束式成立。同理，对于（3）之二式也可依方此法来判断。而（3）之三、（3）之四两式分别代表了发电机的出力限制以及系统发出与消耗的有功平衡。这两点内容已包括在潮流计算中。3算例分析这里的算例采用IEEE30节点系统作为模型，配合优化潮流程序以及风电的模型接入，实现风电并网后的状态计算。IEEE－30节点系统包括6台发电机，其功率基准值为100MVA。
图2控制系统传递函数模型Fig.2IEEE-30BusSystem根据上述方法，本文尝试将风力发电机接入8号节点进行机会约束检验，算例中的数据皆以标幺值表示。风况的概率分布设置为：平均风速c=8.5；分布函数形状参数k=2；接入的风力发电机设置为：风机切入风速uci=3;切出风速uco=20;额定风速ur=10;装机容量pr=0.35；此时风电的穿透功率为8.05%。本算例设定了一次批量输出100个随机风电出力值，逐个计算潮流后，表格中每一单位格数据即对应了一次随机风速下得到的系统备用容量。总共100个系统备用容量标幺值（基准值100MVA）如表1所示：表1概率抽样计算后的系统备用容量数据Table.1Thesystem
reservecapacityaftersamplecalculation假设本系统要求以90%以上的概率，至少保证备用容量占整个系统规划容量的20%，即0.87。那么从数据上看，8.05%的风电穿透功率能100%完全保证大于0.87的备用容量。为了更细致的分析它保证备用容量的能力，这里引入“备用容量的概率累加分布图“来描述系统在某个置信度下保证的概率。将表中100次的备用容量数据看作一种离散变量的概率分布，可以求得它的概率累加分布图如图3所示：
图3系统备用容量概率累加分布Fig.3Cumulativeprobabilitydistributionofsystemreservecapacity函数值从0开始单调递增，直至升到最大值1为止。这是因为任何事件发生的概率总是在0~1间。图中的横坐标表示系统备用容量的值，纵坐标F(x)表示“系统备用容量x的概率必须在90%以上，那么这意味着“系统备用容量
基于混合模型的风电场功率预测算法优化研究
基于混合模型的风电场功率预测算法优化研究
随着可再生能源的发展，风电场的建设和运营成为了重要的能源供应方式之一。然而，由于风能的不稳定性和不确定性，风电场的功率预测成为了一个具有挑战性的问题。准确地预测风电场的功率可以帮助电网管理者更好地调度电力资源，提高风电场的运行效率。
本文旨在通过优化混合模型的方法，改进风电场功率预测算法的准确性和稳定性。混合模型是一种将多个预测模型相结合的方法，通过组合各个模型的优势，可以提高预测结果的准确性。
首先，为了得到可靠的风速和风向预测结果，本研究采用了数据挖掘技术中的时间序列分析方法。通过收集历史风速和风向的数据，可以建立一个基础的预测模型。然后，通过对历史数据进行分析和处理，可以得到不同时间点对应的风速和风向的概率分布。基于这些概率分布，可以建立一个概率模型，并利用贝叶斯公式来计算未来时间点的风速和风向的概率。
其次，针对风电场功率与风速和风向之间的非线性关系，本文采用了人工神经网络作为混合模型的一部分。人工神经网络可以通过对历史数据的训练，学习并建立非线性的映射关系。通过将风速和风向作为输入，风电场功率作为输出，可以建立一个人工神经网络模型来预测风电场的功率。
最后，为了进一步提高预测结果的准确性，本研究引入了遗传算法来优化混合模型的参数。遗传算法是一种模仿自然界中遗传机制的优化算法，通过不断地进化和选择，可以找到最优的参数组合。通过对混合模型的参数进行遗传算法的优化，可以得到更准确的功率预测结果。 为了验证所提出的优化算法的有效性，本文将以某风电场的历史数据为基础，进行实验和分析。根据实验结果，可以评估所提出的算法在风电场功率预测方面的准确性和稳定性。通过与传统的预测算法进行对比，可以证明优化算法的有效性和优越性。
综上所述，本文的目标是基于混合模型的方法，优化风电场功率预测算法。通过引入时间序列分析、人工神经网络和遗传算法等技术手段，可以提高预测结果的准确性和稳定性。这将有助于电网管理者更好地调度电力资源，并提高风电场的运行效率。通过实验证明所提出的算法的有效性，可以为风电场的建设和运营提供参考。
风电穿透功率极限研究方法分析
风电穿透功率极限研究方法分析
殷程;王娟娟;赵闻蕾
【期刊名称】《电器与能效管理技术》
【年(卷),期】2014(000)011
【摘 要】在分析了风电对电网可能产生影响的基础上,研究了风电穿透功率极限的现有研究方法。归纳总结了不同方法的研究思路和计算方式,分析了优缺点,从而为风电穿透功率极限的进一步精确计算捋清了思路,提出了需解决的问题,并总结了可提高风电穿透功率极限的措施。
【总页数】5页(P34-38)
【作 者】殷程;王娟娟;赵闻蕾
【作者单位】大连交通大学电气信息学院,辽宁大连116028
【正文语种】中 文
【中图分类】TM614
【相关文献】
1.风电穿透功率极限研究方法分析2.风电场与电网的匹配——风电场穿透功率极限的确定及其探讨3.风电场与电网的匹配风电场穿透功率极限的确定及其探讨4.基于动模实验的风电穿透功率极限研究5.风电场与电网的匹配风电场穿透功率极限的确定及其探讨
因版权原因，仅展示原文概要，查看原文内容请购买
基于AGC控制系统的风电场穿透功率的研究
基于AGC控制系统的风电场穿透功率的研究
云天吉;翁莎莎
【摘 要】风电场穿透功率的分析是风电场规划和运行的一项重要内容.由于风能的随机性,风电场与常规能源电厂有本质的区别,风电场的输出功率是随机的.风电功率的注入改变了电网的潮流分布和电压分布,有些情况下,可能使电网的电压越限和线路过负荷,因此,影响风电场穿透功率的主要问题是电网约束.为了充分利用风能资源,保证风电场和电力系统的正常运行,该文提出了利用电力系统自动发电控制(AGC)技术提高风电场穿透功率极限的方法.
【期刊名称】《华北电力技术》
【年(卷),期】2011(000)011
【总页数】7页(P1-7)
【关键词】自动发电控制;风力发电;穿透功率极限
【作 者】云天吉;翁莎莎
【作者单位】海南省电力设计研究院,海南海口570203;海南电网电力调度控制中心,海南海口570203
【正文语种】中 文
【中图分类】TM614
0 引言
随着电网规模的不断扩大和自动化水平的不断提高，具备自动发电控制(AGC)功能的机组在电网中的比重越来越大，自动发电控制技术已成为现代电网运行中不可缺少的手段，它正在维持电力系统频率合格稳定、控制网际电力电量交换按计划运行以及使电网经济运行等方面发挥重要作用。AGC的主要功能是当系统负荷波动时调整发电机组出力，实现任意时刻电能的供需平衡，从而将系统频率和联络线交换功率维持在计划值，并使每台发电机组最经济的带负荷[1]。
随着能源问题和环境问题的日益突出，作为一种新型的可再生能源，风力发电具有环境友好、技术成熟、全球可行的特点，并具有20年的良好运行记录，越来越受到人们的重视。2009年以来，为有力拉动内需，保持经济社会平稳较快发展，政府加大了对交通、能源领域的固定资产投资力度，支持和鼓励可再生能源发展。作为节能环保的新能源，风电产业赢得历史性发展机遇，发展势头迅猛，2010年全国累计风电装机容量已突破30 000 MW，海上风电大规模开发正式起步。风力发电技术的发展，风电机组单机容量和风电场规模不断增大，风能具有随机性、间歇性和不可调度性的缺点，迫切需要研究大型风电场并网后对电力系统的影响[2-5]。
基于直流概率潮流的风电穿透功率极限计算
基于直流概率潮流的风电穿透功率极限计算
张文婷;范立新
【摘 要】风力发电已经成为清洁能源中发展最快的一种发电方式,确定风电穿透功率极限对风电并网的规划和运行有着重要作用.文中提出了基于直流概率潮流的风电穿透功率极限计算方法,计算中通过直流概率潮流计算,综合考虑风电场出力、发电机出力、节点负荷等因素的随机性,得到含有风电场的电力系统中线路有功潮流的概率分布,然后利用随机规划理论和改进的遗传算法求解风电穿透功率极限.最后以IEEE30系统为算例,验证计算方法的有效性.
【期刊名称】《江苏电机工程》
【年(卷),期】2014(033)004
【总页数】4页(P1-4)
【关键词】直流概率潮流;风电穿透功率极限;机会约束规划;改进遗传算法
【作 者】张文婷;范立新
【作者单位】东南大学电气工程学院,江苏南京210096;江苏方天电力技术有限公司,江苏南京211102
【正文语种】中 文
【中图分类】TM711
近年来，随着国家对风能等清洁能源的高度重视，风力发电市场不断扩大，风电装机容量大幅增加。风电的波动特性是影响电力系统对其接纳能力的最大因素[1]。为了能在保证系统安全运行的情况下尽可能地利用风能，则必须求解出风电场能够接入某一电力系统的最大容量。
风电穿透功率极限是指系统能够接受的最大风电场装机容量占系统最大负荷的百分比[2]。由于风电场的接入对电力系统会产生多种影响，所以风电穿透功率极限的求解没有统一的办法。在求解风电穿透功率极限的过程中，需要获取系统中的线路潮流分布情况。由于在系统规划设计阶段，原始数据并不很精确且规划方案众多，对于计算速度的要求比精确度更高，因此产生的直流潮流可以在合理的误差内大大提高计算速度。概率潮流计算方法可计及电力系统运行的各种扰动和随机因素，快速得到支路潮流的概率描述。在其几种主要的求解方法中，蒙特卡罗随机模拟法算法简单，但是运算量大，耗时较长，文献[3]指出传统的蒙特卡洛模拟忽略了系统的稳态运行。卷积法在处理大规模的电力系统时，计算繁琐。半不变量法是卷积法的一种简化算法。文献[4]利用了半不变量法计算得到了接入大规模风电设备的电力系统中线路的概率潮流分布，结果表明与蒙特卡洛模拟法相比，这种方法在保证正确率的同时，大幅减少了计算的时间。
基于大数据分析的风电场功率预测模型精确度优化
基于大数据分析的风电场功率预测模型精确度优化
随着风电场的规模和数量的逐渐增加，风电的可靠性和稳定性成为关注的焦点。为了提高风电场的运行效率，减少发电成本，并保证电力系统的稳定性，精确预测风电场的功率输出至关重要。在这篇文章中，我将讨论基于大数据分析的风电场功率预测模型的精确度优化。
风电场功率预测模型的精确度对于风电场的运行管理是至关重要的。准确预测风电场的功率输出可以帮助电网运营商更好地调度电力供应，优化风电场的发电计划，并提高电力系统的可靠性。然而，由于风力的不确定性和复杂性，风电场的功率预测仍然存在一定的误差。因此，通过大数据分析来优化风电场功率预测模型的精确度是非常必要的。
首先，要优化风电场功率预测模型的精确度，我们需要收集和整理大量的风速、气象和发电历史数据。这些数据包括风速的时间序列、温度、湿度、气压等气象数据以及风电场的发电功率数据。通过对这些数据进行分析和建模，我们可以了解风力和气象因素对风电场功率输出的影响，并建立相应的预测模型。
其次，为了提高风电场功率预测模型的精确度，我们可以采用机器学习和深度学习的方法。机器学习算法可以通过对历史数据进行学习和训练，从而找到最佳的预测模型。传统的机器学习算法如线性回归、支持向量机和随机森林等可以应用于风电场功率预测。此外，深度学习算法如神经网络可以通过多层次的非线性变换，从复杂的数据中提取特征，并达到更高的预测精度。
另外，为了进一步提高风电场功率预测模型的精确度，我们还可以考虑使用集成学习的方法。集成学习通过将多个预测模型进行集成，可以达到更高的预测精度。常用的集成学习方法有平均法、投票法和堆叠法等。通过将多个预测模型的预测结果进行加权平均或投票，可以减小预测误差，并提高预测准确度。 此外，为了优化风电场功率预测模型的精确度，我们还可以考虑使用特征工程和数据预处理的方法。特征工程通过对原始数据进行特征选择和提取，可以提高模型的表达能力和泛化能力。例如，我们可以根据风速和风向数据计算风力的多项式特征，从而提高模型对风力的拟合精度。而数据预处理则是通过对数据进行归一化、平滑和去噪等处理，可以减小数据中的噪声和异常值对模型的影响，从而提高预测精度。
基于动模实验的风电穿透功率极限研究
DOI:10.19392/ki.1671-7341.201822156
基于动模实验的风电穿透功率极限研究
秦 磊 姜天斌
鲁能新能源(集团)有限公司内蒙古分公司 内蒙古呼和浩特 010000
摘 要:利用动模实验模拟含风电场的地区电网,验证系统联络线从500kV主网吸收功率时情况下发生三相短路故障时的风电穿透功率极限值,并得出频率是制约该地区电网风电穿透功率极限值的主要因素。关键词:动模实验;风电穿透功率极限;频率 风电功率波动或由于其他原因,可能致使整个风电场与大电网解列,这种情况发生时会导致电网有功出力与负荷消耗之间的瞬时不平衡,如果系统内常规机组不能够快速响应风电波动,这将危及电网安全稳定运行。另外,风电机组输出功率的波动也会导致系统电压频率的不稳定甚至会超出允许范围,严重时可能会使系统失去稳定。因此,为确保风电并网后系统安全稳定运行,求解满足安全稳定运行条件下系统可以接受的最大风电装机容量,进而计算系统的穿透功率极限,是当前十分紧迫和有意义的研究课题。1动模实验及实验方案1.1动模实验模拟研究通常采用两种模型:数学模型和物理模型。电力系统动态模拟就是一种研究电力系统动态特性的物理模拟,其实质是在实验室中建立电力系统的特性。电力系统物理模拟的内容主要有:①同步发电机、同步调相机;②原动机和调速系统的模拟;③输电线路的模拟;④电力变压器;⑤负荷的模拟;⑥系统中其他元件的模拟。1.2实验方案1.2.1暂态稳定判据a、系统中最低节点电压低于0.75p.u且持续1s。b、系统频率波动范围±0.2Hz且持续1s。1.2.2实验方案在动模实验室中以上述某地区电网为原型,计算了三相短路发生在地区电网通过联络线从500KV主网吸收功率时的风电穿透功率极限值。1.2.3分析步骤a、先假设一个较小的风电穿透功率极限值,按照此值设置负荷大小及风力发电机组出力情况,然后按照工况要求设置常规机组出力情况,检验此时当系统联络线上发生三相短路故障时,系统频率、电压是否符合暂态稳定要求。b、若系统频率、电压满足暂态稳定要求,则增大风电出力统负荷的比例。由于考虑到模拟风电机组容量的限制,在增大风电出力与系统负荷的比值过程中,系统的负荷也需变化。c、若系统频率、电压依然满足要求,则继续增大风电容量占系统负荷的比例,继续如上实验工作。直到系统电压、频率将近达到临界失稳时,那么近似认为此次无失稳情况下的风电出力与系统总负荷的比值即为该种工况下的风电穿透功率极限值。2基于动模实验的风电穿透功率极限研究按照上节所述实验方案和分析步骤,渐增大风电出力与系统负荷的比例。每次试验的波形通过实验室中的示波器记录下来,观察电压、频率波形,找到临界失稳时的风电出力与系统负荷的比值,即近似认此值为该工况下的风电穿透功率极限值。课题分别列出了风电出力与系统负荷的比例小于风电穿透功率极限值的情况、等于风电穿透功率值的情况、大于风电穿透功率值情况下的波形,直观形象的显示了风电所占比例大小对系统的影响。2.1风电出力与系统负荷的比例小于风电穿透功率极限的情况当系统联络线上发生三相短路故障时,故障后系统频率经过一段时间的波动后,在规定时间内恢复到故障前的值50Hz;三相短路发生时,系统电压瞬时降低,波动过程很短,经过极短的时间电压最终稳定1.00pu。系统中常规机组通过增加有功出力来调节系统频率,最终使系统的频率恢复到规定值,通过对比发电机组的有功出力可知,当系统发生三相短路故障时,不同节点的常规机组,有功出力波动程度不同,对维持系统频率稳定所做的贡献是不同的。2.2风电出力与系统负荷的比例等于风电穿透功率极限的情况系统发生三相短路故障时,系统频率和电压均下降,最低时分别为49.5Hz和0.56pu,但很快恢复稳定。频率能在1s内从49.8Hz恢复到50Hz,系统电压持续低于0.75pu的时间也未超过1s。火电机组出力变化时可知常规机组可通过调整有功出力来调整系统频率的变化。2.3风电出力与系统负荷的比例大于风电穿透功率极限的情况随着风电所占比例的不断增加,在发生三相短路故障时,系统频率、电压的波动程度加剧。经过大量实验发现,在地区电网向主网吸收功率的情况下,以三相短路为扰动情况时计算所得的风电穿透功率极限为9.2%。3结论利用动模实验室模拟了风电场的地区电网,计算发生三相短路故障时的风电穿透功率极限值。通过观察不同风电出力与负荷比例时,系统电压、频率、常规机组出力的变化情况得出(1)频率约束是制约该系统风电穿透功率极限值的主要因素。(2)当系统发生三相短路故障时,系统电压的恢复速度比系统频率恢复速度快。参考文献:[1]宋联庆,何进武,阎广新,等.并网风电场穿透功率极限确定方法探讨[J].可再生能源,2009,06.Vol.27(3):36-40.[2]廖萍,李兴源.风电场穿透功率极限计算方法综述[J].电网技术,2008,05.Vol.32(10):50-53.[3]张俊,晁勤,段晓田,等.动态约束下的风电场最大可接入容量研究[J].电力系统保护与控制,2011,02.Vol.39(3):62-67.
基于实际运行数据的风电场功率曲线优化方法
基于实际运行数据的风电场功率曲线优化方法
随着风电技术的不断发展和风电设备技术的更新换代，风电场功率曲线的优化成为了风电场经济运行的重要课题。本文提出一种基于实际运行数据的风电场功率曲线优化方法，可以有效地提高风电场的发电效率和经济性。
首先，要了解风电场功率曲线的概念。风电场功率曲线实际上是风速和发电量之间的关系曲线，是风电机组在不同风速下的最大功率输出曲线。一般来说，风电机组在额定风速范围内可以输出额定功率，而在超额定风速范围内，风机的输出功率受到机组限制，输出功率会随风速的增加而逐渐降低。
风电场功率曲线的优化目标是提高风电场的电量利用率和经济性。根据实际运行数据，可以对风电机组的功率曲线进行分析和建模。传统的风电场功率曲线优化方法主要是基于模拟计算，通过对风场的建模和模拟获得最优的功率曲线。但是，这种基于模拟计算的方法存在着一些局限性，比如精度不高、计算量大等。
第一步，采集实际运行数据。通过实时监测风机的运行数据，比如风速、转速、功率等参数，获取风电机组在不同工况下的实际输出功率和经济效益。
第二步，建立功率曲线模型。根据采集到的实际运行数据，建立风电机组的功率曲线模型，并进行灵敏度分析，确定不同因素对功率曲线的影响程度。
第三步，制定优化策略。根据模型分析结果，制定出针对不同工况的优化策略，包括调整叶片角度、调整发电功率、调整风机运行模式等。
第四步，跟踪验证。根据制定的优化策略，对风电机组进行调整和优化，并在实际运行中进行跟踪验证，不断优化改进，提高风电场的发电效率和经济性。
通过以上步骤，可以针对不同工况下的风电机组进行功率曲线优化，提高风电场发电效率和经济性。同时，该方法可以根据实际运行数据进行优化，避免了传统方法的一些局限性，提高了精度和有效性。
综上所述，基于实际运行数据的风电场功率曲线优化方法是一种有效的方法，可以为风电场的经济运行提供重要的技术支持。
电力系统的柔性评价与风电穿透功率极限计算
电力系统的柔性评价与风电穿透功率极限计算
白玉东;王承民;衣涛;徐小芳;陈东;袁一鸣
【期刊名称】《电力自动化设备》
【年(卷),期】2012(032)010
【摘 要】提出了电力系统柔性概念,通过不确定参数的柔性化表示,建立了面向不确定信息的电力系统柔性评价模型.将柔性概念引入到风电出力随机性的建模研究中,通过风电功率的柔性化表示,提出了基于电力系统柔性评价的风电穿透功率极限计算方法.针对IEEE 30节点系统的研究结果表明,风电功率的柔性化表示充分反映了风电出力随机性强的特点,该方法实现了对风电出力随机性的客观建模,提高了风电并网容量规划方案的灵活性和适应性.%The conception of power .system
flexibility is proposed and a flexibility assessment model orienting to the
uncertain information of power system is presented with flexible
expression of uncertain parameters, which is introduced into the modeling
study of wind power output randomness. A method for calculating the
wind power penetration limit is proposed based on the flexibility
assessment of power system with flexible expression of wind power. Case
study for IEEE 30-bus system demonstrates that the flexible expression of
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。在之前积累的海量数据中，可以运用数据挖掘技术探索规律，提取有用的信息，从而改善预测模型的准确性。例如，可以挖掘出风速和风向与功率输出之间的关联模式，以指导模型的构建和参数优化。同时，还可以运用聚类分析、时序分析等方法，从历史数据中发现数据的特征，以提高模型的预测效果。
考虑需求侧响应的风电穿透功率极限计算方法
考虑需求侧响应的风电穿透功率极限计算方法
汪昊;汪如松;鄢晶;周峥;崔家展;叶雷;马恒瑞
【期刊名称】《陕西电力》
【年(卷),期】2015(43)5
【摘 要】风电出力具有随机性、波动性和反调峰性,其大规模接入电网后,对系统调峰平衡带来较大负面影响并制约系统对风电的消纳能力.研究了一种考虑需求响应的风电穿透功率极限计算方法.将需求响应控制作为提升系统消纳风电能力的手段,以系统消纳风电能力最大为优化目标,同时考虑系统常规发电机组的运行约束,构建了基于电价灵敏度理论的风电穿透功率极限计算模型.以实际电网数据进行计算,结果表明所提方法能够提升系统对风电的消纳能力,验证了本文所提方法的有效性和正确性.
【总页数】6页(P20-25)
【作 者】汪昊;汪如松;鄢晶;周峥;崔家展;叶雷;马恒瑞
【作者单位】新能源微电网湖北省协同创新中心 三峡大学,湖北宜昌 443000;中南电力设计院有限公司,湖北 武汉 430071;国网湖北省电力公司经济技术研究院,湖北
武汉 430000;新能源微电网湖北省协同创新中心 三峡大学,湖北宜昌 443000;新能源微电网湖北省协同创新中心 三峡大学,湖北宜昌 443000;新能源微电网湖北省协同创新中心 三峡大学,湖北宜昌 443000;武汉大学电气工程学院,湖北武汉430072
【正文语种】中 文
【中图分类】TM711 【相关文献】
1.考虑多安全性约束的风电场穿透功率极限研究 [J], 王深哲;高山;尤国伟;郭政;;;;
2.考虑多安全性约束的风电场穿透功率极限研究 [J], 王深哲;高山;尤国伟;郭政
3.风电场穿透功率极限计算方法研究 [J], 姚金雄;李晓婷;王晖
4.考虑暂态稳定的风电穿透功率极限计算模型 [J], 蔺海明;刘天琪;李兴源;王剑;李茜
5.大停电背景下考虑系统暂态安全的动态风电穿透功率极限计算 [J], 叶茂;刘艳;顾雪平;韩思聪;王少博