CN103997039B - 基于概率区间预测的计及风电接纳的旋转备用区间预测方法 - Google Patents
基于概率区间预测的计及风电接纳的旋转备用区间预测方法 Download PDFInfo
- Publication number
- CN103997039B CN103997039B CN201410240410.3A CN201410240410A CN103997039B CN 103997039 B CN103997039 B CN 103997039B CN 201410240410 A CN201410240410 A CN 201410240410A CN 103997039 B CN103997039 B CN 103997039B
- Authority
- CN
- China
- Prior art keywords
- interval
- prediction
- wind power
- scene
- load
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Abstract
本发明公开了一种基于概率区间预测的计及风电接纳的旋转备用区间预测方法,其特点是针对负荷和风电出力的不确定性,以概率区间预测替代点预测,利用概率区间预测理论和预测误差概率分布预测负荷变化区间及风电出力变化区间;再根据极限场景理论,由负荷预测区间及风电出力预测区间求得含大规模风电系统旋转备用区间,从而给出极限条件下系统所需的正备用和负备用值,为计及风电接纳的电力协调优化调度提供合理的数据范围。
Description
技术领域
本发明涉及一种基于概率区间预测的计及风电接纳的旋转备用区间预测方法,具体地说,本发明是根据概率区间预测和极限场景理论,由负荷区间预测和风电出力区间预测求得计及风电接纳的系统旋转备用区间预测方法,属于电气信息领域。
背景技术
近年来,随着能源、环境问题的日益突出以及电力市场改革的深入,可再生能源发电在全球范围内迅速发展,由于风能资源蕴藏丰富,且风能具有产业成熟度高、发电成本低、自然环境和社会环境影响好等优点,风力发电的发展最为迅速。根据我国风能资源的占有情况,风力发电在我国具有很大的发展潜力,能较快地实现规模化发展。风电并网运行有很多优点,如缓解输电网的压力;使现有发电设施的利用率提高等,同时风电发展也存在不利影响,一方面,当风电容量足够大时,瞬时的功率波动会影响电网的稳定运行;另一方面,大容量的风电对电网的调度方法提出了新的挑战。
风电是典型的随机性、间歇性电源,而风电机组通常也不具备存储电能的功能,因此风电机组的输出功率是随机变动的,即使在同一个风电场内,由于风电机组不同安装地点风速和风向的差异,其出力也是不同步的,因此大容量风电并网将对电力系统稳定、经济运行造成很大的冲击。针对这种冲击,主要考虑两种处理方式,一是蓄能系统,该系统通过对波动的能量进行削峰填谷式平滑调节,能有效弥补风电的间歇性和波动性缺点,增强风电场输出功率的可控性,改善电能质量和优化系统经济性,随着并网的风电规模不断增大,蓄能系统的容量往往不能完全满足大规模风电并网的需求;二是考虑利用传统的水电和火电来消纳风电,由水电和火电为风电并网提供一定旋转备用容量来平滑风电输出功率的波动。随着风力发电的迅速发展,大量风电接入电网使得电力系统必须对其提供一定的运行备用容量,这是电力系统在制定发电计划时必须考虑的一个问题。关于该问题的研究主要集中在以下两个方面:一个是旋转备用的总量问题;另一个是备用容量合理分配的问题。
针对备用容量合理分配问题的研究主要有两种思路:一是等比例备用原则,在节能发电调度方式下一般采用等备用原则,上网机组按照相等比例预留发电容量作为系统旋转备 用。二是最优潮流方法,研究风电系统有功动态经济调度问题,同时将旋转备用作为约束条件,以此来应对风电波动,也有学者以最小化旋转备用的购买成本为目标、以系统的安全性要求为机会约束的条件下,构造确定系统所需的最优旋转备用容量的数学模型,并采用遗传算法对其进行求解。
针对备用总量问题,电力系统最早采用配置方法是确定性方法,常用的准则有:N-1准则,即备用容量必须大于或等于在线运行最大机组的容量,这在我国大部分地区以及美国南部地区都有采用;负荷百分比规则,即系统的备用容量必须大于等于负荷的某一百分比,如:美国西部地区;N-1准则和负荷百分比相结合的规则,如:西班牙电力系统。确定性备用配置方法简单易实现,但它仅适合不区分责任,相对粗放的运营管理,而且这种方法实际上是基于经验制定,缺乏必要的理论支持,加之大规模间歇式电源的接入,如风电。存在诸如容易出现备用资源浪费或者备用容量不足等问题。
在计及风电的系统旋转备用研究中,大多是采用经济学中成本效益分析方法,以系统发电成本和期望停电成本最小为目标,用概率密度函数来分析负荷和风电出力的预测偏差,并将其引入到机组停运容量的计算中,采用智能优化算法求解出最优的旋转备用需求或一天24小时对应的旋转备用值,王燕涛,王大亮.计及风电的系统旋转备用容量的确定[J].电测与仪表,2012,49(564):22-27;苏鹏,刘天琪,李兴源.含风电的系统最优旋转备用的确定[J].电网技术,2010,34(12):158-162。
电力系统运行时存在诸多不确定因素,如负荷波动、系统元件故障,大规模风电接入系统后,其输出功率的波动增加了系统的不确定因素,对系统发电计划与调度产生较大影响。故确定系统备用容量首要解决的问题是寻求对负荷、风电场出力做更合理的预测。目前已有的预测方法可分为点预测、区间预测和概率密度预测等类型。点预测结果为简单的确定输出功率值,目前大多数风电功率预测、负荷预测均采用点预测方法,徐敏,袁建洲,刘四新,等.基于改进粒子群优化算法的短期风电功率预测[J].郑州大学学报(工学版),2012,33(6):32-35;张林,刘先珊,阴和俊.基于时间序列的支持向量机在负荷预测中的应用[J].电网技术,2004,28(19):38-41,均采用了点预测的方法分别对风电功率和负荷进行了预测。点预测仅能给出确定数值,不能得到未来时段满足一定置信水平的出力上下限。
发明内容
本发明的目的是针对现有技术不足而提供一种基于概率区间预测的计及风电接纳的旋转备用区间预测方法,其特点是针对负荷和风电出力的不确定性,利用概率区间预测理 论和预测误差概率分布预测负荷变化区间及风电出力变化区间,进而用极限场景理论,由负荷区间预测及风电出力区间预测计算求得含大规模风电系统旋转备用区间。
概率区间预测是描述预测值和实际值之间误差的方法。其主要思路是:在某一时刻下,根据其预测值、预测误差的概率分布以及给出满足要求的置信度水平值,分别得到负荷和风电出力预测区间的下限值和上限值。并在此基础上,根据极限场景理论,得出系统的旋转备用区间。旋转备用区间给出了极限条件下系统所需的正备用和负备用值,为协调优化调度提供旋转备用的数据范围,同时,可与优化后的旋转备用进行对比。
本发明的目的由以下技术措施实现
基于概率区间预测理论和极限场景理论的含大规模风电系统旋转备用区间确定方法包括以下步骤:
1)概率区间预测
假设已知t时刻的点预测值为Lt,其预测误差的概率分布为f(ε),则区间预测模型为
式中:β为置信水平,取值区间为[0,1];和分别为预测区间的上、下限值。
2)负荷区间预测
根据区间预测理论可得出电力系统负荷的区间预测值。假设已知t时刻的负荷预测值为Lt,负荷预测偏差服从正态分布
式中:△Pl为负荷预测偏差;σ2为负荷预测偏差的方差。
根据负荷预测值和预测偏差分布函数,可得到在t时刻负荷预测区间为
其中
式中:分别为t时刻负荷预测的最小值和最大值,βl为负荷区间预测的置信水平,采用对称概率区间
3)风电出力区间预测
根据区间预测理论可得出风电出力的区间预测值。假设已知t时刻的风电出力预测值为Pw,t,风电出力预测偏差服从正态分布
式中:△Pw为负荷预测偏差;σ2为负荷预测偏差的方差。
与负荷区间预测类似,假设已知风电出力功率的点预测值为Pw,t,则预测区间为
式中:βw为风电出力区间预测的置信水平,同负荷区间预测一样,采用对称概率区间。
4)风电出力预测区间的最小值和最大值
由于风电机组的出力功率受机组固有的上下限限制。由式(9)确定的风电预测区间可能会超过机组的上下限,因而限定预测区间的最小值和最大值为
式中:Pw,max与Pw,min为系统风电出力的总上下限。
5)计及风电接纳的系统旋转备用区间的预测
由风电出力功率预测区间和负荷预测区间可得到风电出力功率预测区间和负荷预测区间构成的场景图。风电出力功率和负荷对系统运行的影响,主要体现在其不确定性上。为了保证系统的正常稳定运行,系统必须保证足够的旋转备用容量,用于平衡风电和负荷的不确定性。
根据极限场景理论,由风电出力功率预测区间和负荷预测区间构成的场景得知:当风电出力和负荷为场景2、6时,系统为平衡预测误差而需的备用容量为与绝对值必定大于场景3所需的备用容量的绝对值,即 其中,Pload为系统负荷的预测值,Pwind为风电出力的预测值, 分别为系统负荷预测区间的上限值和下限值,分别为风电出力预测区间的上限值和下限值。故场景2、6代替场景2、3、5,6之间所有的误差场景;同理,场景4、8代替场景4、5、7、8之间所有的误差场景。对于场景9,系统所需的备用容量为其绝对值必定大于场景5,6,8,9之间所有场景所需的备用容量;同理可知场景1代替场景1、2、4、5之间的所有场景。综上所述,系统的极限误差场景为场景1、9。场景1所需的备用容量恒为正值,确定的备用容量为系统所需的正备用值;而场景9确定备用容量是系统所需的负备用值。
由此,得到含大规模风电系统所需的旋转备用区间。
本发明具有如下优点:
本发明以概率区间预测替代点预测,能适于描述负荷和风电出力的随机特性及预测值与实际值间的误差特性,由此得出的旋转备用区间给出了极限条件下系统所需的正备用和负备用值,更合理地为电力系统协调优化调度提供旋转备用的数据范围;本发明将正态分布作为风电出力偏差的概率密度分布,能更好地拟合风电出力预测误差的概率分布。
附图说明
图1为含大规模风电系统旋转备用区间预测流程图
1、负荷预测,
2、负荷预测误差分析,
3、求得负荷预测误差分布函数,
4、负荷预测区间,
5、风速预测,
6、风电出力预测,
7、风电出力预测误差分析,
8、求得风电出力预测误差分布函数,
9、风电出力预测区间,
10、运用极限场景理论进行分析,
11、求得旋转备用区间。
图2为风电出力功率预测区间和负荷预测区间构成的场景图
图3为系统负荷实际值、预测值及预测区间
采用混沌预测方法得到负荷预测值,根据系统负荷预测值和实际值的比较分析,得到负荷预测误差分布函数,基于概率区间预测理论,在给定的置信度水平0.95的条件下,根据负荷预测值和误差分布函数得到系统负荷的预测区间,即[PLmin,PLmax],其误差满足极限场景理论对预测误差对预测数据误差的要求。
图4为风电出力实际值、预测值及预测区间
采用混沌预测方法得到风电场风速预测,从而得到风电出力预测值,根据风电出力预测值和实际值的比较分析,得到风电出力预测误差分布函数,基于概率区间预测理论,在给定的置信度水平0.95的条件下,根据风电出力预测值和误差分布函数得到其预测区间,[Pwmin,Pwmax],其预测误差满足极限场景理论对预测数据误差的要求。
图5为某时刻风电预测出力区间和负荷预测区间构成的场景图
运用极限场景理论对该场景图进行分析,得到该时刻的极限场景,从而得到该时刻极限条件下系统旋转备用区间,系统所需的正备用和负备用值。
图6为对应24小时日旋转备用区间图
运用极限场景理论对已求得的日负荷预测区间和风电出力预测区间进行分析,得出的系统24小时日旋转备用区间。为计及风电接入的协调优化调度提供系统旋转备用的数据范围。
具体实施方式
下面通过实施例对本发明进行具体的描述,有必要在此指出的是本实施例只用于对本发明进行进一步说明,不能理解为对本发明包括范围的限制,该领域的技术熟练人员可以根据上述本发明的内容作出一些非本质的改进和调整。
实施例:
如图1所示,用概率区间预测方法进行负荷区间预测(图1中第1-4框)和风电出力区间预测(图1中第5-9框)。其中负荷区间预测包括历史负荷值对系统负荷进行预测、负荷预测误差分析、得出负荷预测误差分布函数、求得负荷预测区间4个步骤,分别为图1中的1、2、3、4框;风电出力区间预测包括风速预测、风力发电机出力预测、风电出力预测误差分析、得出风电出力预测误差分布函数、求得风电出力预测区间5个步骤,分别为图1中的5、6、7、8、9框。再由上述两个分支求得的负荷预测区间和风电出力预测区间,应用极限场景理论进行极限场景分析(图1中第10框),从而求得系统旋转备用区间(图1中第11框)
根据我国某风电场3个月的风电出力历史数据,采用前89天的风电出力作为历史数 据预测第90天风电出力区间,并将第90天风电出力作为真值进行比较。同理,对该地区3个月负荷数据采用相同的分析方式,得到第90天负荷的预测区间。
1)负荷预测区间的确定
针对系统负荷的预测,常规的预测方法结果为点预测,即预测结果为一确定值,但预测具有误差。实际应用中,必须对预测误差进行分析。概率区间预测是描述预测值和实际值之间误差的常用方法。在某一时刻下,根据其预测值、预测误差的概率分布以及给出满足要求的置信度水平值,分别得到区间预测的上限值(图3中◆点虚线)和下限值(图3中●点虚线)。
图3给出了某地区一天24小时的负荷预测曲线(图3中▲点虚线)和负荷实际值(图3中■点实线),以及由上下限(图3中◆点虚线、●点虚线)构成的负荷预测区间。
2)风电出力预测区间的确定
由风速预测得到风电出力预测值。再对预测值进行预测误差分析,得到预测误差概率分布。针对某一时刻,根据其预测值、预测误差概率分布以及给出满足要求的置信度水平值,分别得到区间预测的上限值(图4中▲点虚线)和下限值(图4中●点虚线)。
图4给出了某地区一天24小时的风电出力预测值(图4中▲点虚线)、实际值(图4中■点实线)、预测最大值以及预测最小值。
3)极限场景理论分析
运用极限场景理论,由图2所示的风电出力功率预测区间和负荷预测区间构成的场景图,对已求得的负荷预测区间值和风电出力预测区间值进行分析,由图5所示一天某一时刻负荷和风电出力预测区间,可以看出:点1和点9分别为该时刻的极限场景,点9对应的为系统所需要的正备用值,相应的点1对应的 为系统所需要的负备用值。
4)系统旋转备用预测区间的确定
运用极限场景理论对已求得的负荷预测区间和风电出力预测区间进行分析,得到系统一天24小时的旋转备用区间,如图6所示。旋转备用区间给出了极限条件下系统所需的正备用(图6■点虚线)和负备用(图6●点实线),为计及风电接纳的协调优化调度提供旋转备用的参考范围。
Claims (1)
1.基于概率区间预测的计及风电接纳的旋转备用区间预测方法,其特征在于该方法包括以下步骤:
1)概率区间预测
假设已知t时刻的点预测值为Lt,其预测误差的概率分布为f(ε),则区间预测模型为
式中:β为置信水平,取值区间为[0,1];Lt-f-1(α)和分别为预测区间的上、下限值;
2)负荷区间预测
假设已知t时刻的负荷预测值为Lt、负荷预测误差服从正态分布
式中:△Pl为负荷预测偏差;σ2为负荷预测偏差的方差;
根据负荷预测值和预测偏差分布函数,得到在t时刻负荷预测区间为
其中:
式中:分别为t时刻负荷预测的最小值和最大值,βl为负荷区间预测的置信水平,采用对称概率区间
3)风电出力区间预测
根据区间预测理论可得出风电出力的区间预测值,假设已知t时刻的风电出力预测值为Pw,t,风电出力预测偏差服从正态分布
式中:△Pw为负荷预测偏差;σ2为负荷预测偏差的方差;
与负荷区间预测类似,根据风速预测值、风力发电机出力预测、风电出力预测误差分析、风电出力预测误差分布函数,假设已知风电出力功率的点预测值为Pw,t,则预测区间为
式中:βw为风电出力区间预测的置信水平,同负荷区间预测一样,采用对称概率区间;
4)风电出力预测区间的最小值和最大值
由于风电机组的出力功率受机组固有的上下限限制,由式(9)确定的风电预测区间会超过机组的上下限,因而限定预测区间的最小值和最大值为
式中:Pw,max与Pw,min为系统风电出力的总上下限;
5)计及风电接纳的旋转备用区间预测
由风电出力功率预测区间和负荷预测区间得到风电出力功率预测区间和负荷预测区间构成的场景图;
根据极限场景理论,由风电出力功率预测区间和负荷预测区间构成的场景的风电场出力预测区间和负荷预测区间构成的场景得知:
a)当风电出力和负荷场景在2、6时,系统为平衡预测误差而需的备用容量为与绝对值必定大于场景3所需的备用容量的绝对值,故场景2、6代替场景2、3、5,6之间所有的误差场景,其中,Pload为系统负荷的预测值,Pwind为风电出力的预测值;
b)场景4、8代替场景4、5、7、8之间所有的误差场景;
c)对于场景9,系统所需的备用容量为其绝对值必定大于场景5,6,8,9之间所有场景所需的备用容量;
d)场景1代替场景1、2、4、5之间的所有场景;
e)得到极限误差场景为场景1、9;
f)场景1所需的备用容量恒为正值,确定的备用容量为系统所需的正备用值;而场景9确定备用容量是系统所需的负备用值;
g)由此得到含大规模风电系统所需的旋转备用区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410240410.3A CN103997039B (zh) | 2014-05-30 | 2014-05-30 | 基于概率区间预测的计及风电接纳的旋转备用区间预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410240410.3A CN103997039B (zh) | 2014-05-30 | 2014-05-30 | 基于概率区间预测的计及风电接纳的旋转备用区间预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103997039A CN103997039A (zh) | 2014-08-20 |
CN103997039B true CN103997039B (zh) | 2017-01-18 |
Family
ID=51311106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410240410.3A Expired - Fee Related CN103997039B (zh) | 2014-05-30 | 2014-05-30 | 基于概率区间预测的计及风电接纳的旋转备用区间预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103997039B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104767222B (zh) * | 2015-05-06 | 2016-11-30 | 国家电网公司 | 基于集群出力区间的地区电网最大风电接纳能力计算方法 |
CN105322534B (zh) * | 2015-10-08 | 2016-11-09 | 南京邮电大学 | 一种基于区间不确定性的微网优化调度方法 |
CN105140967B (zh) * | 2015-10-16 | 2017-07-18 | 华中科技大学 | 一种含新能源电力系统调峰需求的评估方法 |
CN105896617B (zh) * | 2016-06-16 | 2018-07-17 | 浙江大学 | 一种计及风机有功主动控制的风电调节备用容量评估方法 |
CN106451438B (zh) * | 2016-11-16 | 2018-12-21 | 国网江苏省电力公司经济技术研究院 | 一种考虑智能用电行为的负荷区间预测方法 |
CN106849176B (zh) * | 2017-04-10 | 2023-02-17 | 国网江苏省电力公司南京供电公司 | 一种计及风电不确定性的随机序列优化模型的建模方法 |
CN107528350B (zh) * | 2017-09-28 | 2019-09-13 | 华中科技大学 | 一种适应中长期电源规划的风电出力典型场景生成方法 |
CN109462256B (zh) * | 2018-11-28 | 2020-11-24 | 燕山大学 | 一种基于柔性负荷的光伏电力系统优化调度方法及系统 |
CN109697498A (zh) * | 2019-01-25 | 2019-04-30 | 北京农业智能装备技术研究中心 | 播种量计量方法及装置 |
CN112801353B (zh) * | 2021-01-19 | 2022-05-03 | 浙江大学 | 一种基于风电概率预测的电力系统运行备用量化方法 |
CN113300416B (zh) * | 2021-07-07 | 2022-10-21 | 广东电网有限责任公司 | 一种电网备用容量配置方法、系统、设备及计算机介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6081133B2 (ja) * | 2012-10-16 | 2017-02-15 | 株式会社東芝 | ウィンドファームの出力制御装置、方法、及びプログラム |
CN103246942B (zh) * | 2013-05-21 | 2016-08-10 | 长沙理工大学 | 风电-电动汽车-火电联合运行模型的多目标调度方法 |
-
2014
- 2014-05-30 CN CN201410240410.3A patent/CN103997039B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN103997039A (zh) | 2014-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103997039B (zh) | 基于概率区间预测的计及风电接纳的旋转备用区间预测方法 | |
CN104779611B (zh) | 基于集中式和分布式双层优化策略的微电网经济调度方法 | |
CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
CN106485352A (zh) | 一种多类电源发电计划组合决策方法 | |
CN108599269A (zh) | 一种考虑风险成本的大电网自适应鲁棒备用优化方法 | |
CN107196349A (zh) | 一种电力市场环境下发电权交易的新能源有功控制方法 | |
Eseye et al. | Grid-price dependent optimal energy storage management strategy for grid-connected industrial microgrids | |
CN108039737A (zh) | 一种源网荷协调运行模拟系统 | |
CN104993523A (zh) | 使含风电电网系统优化运行的抽水蓄能电站特性精确模拟方法 | |
Zhang et al. | Mid-long term optimal dispatching method of power system with large-scale wind-photovoltaic-hydro power generation | |
Zhu et al. | Energy Storage in High Variable Renewable Energy Penetration Power Systems: Technologies and Applications | |
CN110661301A (zh) | 一种水光蓄多能互补发电系统的容量配置优化方法 | |
CN108879657A (zh) | 基于风电容量可信度的电力电量平衡优化方法 | |
Qian et al. | Benefits of energy storage in power systems with high level of intermittent generation | |
CN105305485A (zh) | 一种消纳大规模间歇性能源的安全约束经济调度方法 | |
Ahangar et al. | Bulk virtual power plant, a novel concept for improving frequency control and stability in presence of large scale RES | |
CN104659818A (zh) | 一种正负旋转备用容量在含风电系统中的最优分配方法 | |
CN105896535A (zh) | 用于最小化弃风电量的风电场发电权置换电量评估的方法 | |
CN105048491A (zh) | 基于机组组合和经济调度的多阶段风电接纳范围计算方法 | |
Yang et al. | Coordinated optimal scheduling of multi-energy microgrid considering uncertainties | |
Meng et al. | A revenue-risk equilibrium model for distributed energy integrated virtual power plants considering uncertainties of wind and photovoltaic power | |
CN103280823B (zh) | 基于移动储能设备的电网实时自动调度策略 | |
CN105896590A (zh) | 一种考虑清洁能源的发电优化方法 | |
Rafique et al. | Optimization and operational management of renewable goldwind microgrid test bed | |
Zhang et al. | A Short-Term Optimal Dispatch Model Considering Uncertain Wind Power Output |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170118 Termination date: 20180530 |