CN106777740A - 一种风电出力概率分布特性快速判别方法 - Google Patents
一种风电出力概率分布特性快速判别方法 Download PDFInfo
- Publication number
- CN106777740A CN106777740A CN201611235764.4A CN201611235764A CN106777740A CN 106777740 A CN106777740 A CN 106777740A CN 201611235764 A CN201611235764 A CN 201611235764A CN 106777740 A CN106777740 A CN 106777740A
- Authority
- CN
- China
- Prior art keywords
- wind power
- probability density
- wind
- power output
- electric field
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000005684 electric field Effects 0.000 claims abstract description 26
- 238000000205 computational method Methods 0.000 abstract description 2
- 230000004069 differentiation Effects 0.000 abstract description 2
- 230000005611 electricity Effects 0.000 description 10
- 238000005315 distribution function Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 2
- 230000029087 digestion Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001172 regenerating effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种风电出力概率分布特性快速判别方法,可对不同规模风电场或风电基地的风电出力概率分布特性进行快速判别,实现不同时间尺度的并网风电的出力概率分布特性判别。本发明方法跳出了现有电力系统风电出力概率分布特性判别方法在流程设计与理论方法层面的束缚,建立了一种风电出力概率分布特性快速判别方法。根据风电场历史出力数据,可利用计算公式得到风电出力概率分布特性;不依赖其他风电场出力运行分析模型,适用于不同类型的风机计算方法快速、高效、直观。为电力系统调度、运行与控制人员提供了一种快速判别风电出力概率分布特性的工具,对电力系统的规划、运行、调度、控制等各个功能环节具有重要的现实意义和良好的应用前景。
Description
技术领域
本发明涉及电力系统运行与控制领域,特别的指到一种风电出力概率分布特性快速判别方法。
背景技术
自上世纪80年代以来,石油危机、气候变化、能源问题成为国际焦点,以风能为代表的清洁能源快速发展,成为远期重要的替代能源。大力发展可再生能源是我国能源发展战略的重要组成部分。风电技术日趋成熟,是最具商业开发潜力的可再生能源之一。
风电出力表现出不同于常规电源的特性:随机性、波动性、不确定性。这些特性为电力系统的安全运行与稳定控制带来了严峻挑战,因此需要提供科学的方法以实现对电力系统的风电消纳能力进行判别。风电消纳能力将作为电力系统的运行、调度、控制等各个功能环节的重要指标。
电力系统的大规模风电出力消纳的先决条件是对电力系统内风电出力概率分布特性的判别,即判别出电力系统内的风电出力的分布均衡情况,以有效地调配电力系统内的灵活性资源来消纳风电;目前风电出力概率分布特性判别方法是针对电力系统的风电历史出力曲线进行分段统计,以统计分析的方法来判别风电出力概率分布特性,其主要步骤为:
(1)提取历史风电实际出力曲线;
(2)拟合得到韦伯分布函数的形状参数与尺度参数;
(3)根据拟合得到的韦伯分布函数来判别风电出力概率分布特性。
该方法存在以下不足:
(1)风电出力曲线具有高度的随机性、波动性以及不确定性,需要大量的历史数据才能得到准确的韦伯分布函数拟合结果,当数据量较小时,拟合误差较大;
(2)韦伯分布函数的建模拟合过程相对复杂、耗时较多;
(3)不同风电场的出力概率分布特性无法通过分布函数进行有效地横向对比,判别结果不够直观。
综上所述,需要一种快速、高效、准确的风电出力概率分布特性快速判别方法:为电力系统的调度、运行、控制人员提供快速判别风电出力概率分布特性的工具。
发明内容
本发明的目的是提供一种风电出力概率分布特性快速判别方法,可帮助电力系统调度、运行与控制人员快速判别电力系统内风电出力的概率分布特性。
为达到上述目的,本发明采用的技术方案是:
一种风电出力概率分布特性快速判别方法,用于根据风电场历史出力数据,来得到风电出力概率分布特性,所述方法包括以下步骤:
(1)选取风电场出力时段总数为N,定义风电场出力分布特征指数为β,其中β用于作为风电出力概率分布特性快速判别指标,能够判别风电出力的分布均衡情况;按以下公式计算风电场出力分布特征指数β:
其中Xi为状态变量,1≤i≤N;
(2)定义风电场的装机容量为Pc,定义风电场出力的第i时段为Pi,其中1≤i≤N,其中Pc和Pi的单位均为兆瓦,按以下公式计算状态变量Xi:
(3)根据式(a)与式(b),可夹逼得到风电场出力分布特征指数β的值:
风电场出力分布特征指数β的值越大,风电场出力水平越高;
风电场出力分布特征指数β的值越接近0.5,风电场的出力越均衡。
由于上述技术方案的运用,本发明与现有技术相比具有下列优点:本发明一种风电出力概率分布特性快速判别方法,可对不同规模风电场或风电基地的风电出力概率分布特性进行快速判别,实现日前、实时、中长期等不同时间尺度的并网风电的出力概率分布特性判别,具有快速、高效、准确的特点,有利于电力系统运行调度人员快速判别系统内未来时间内的风电出力分布特性情况,优化风电运行策略、优化日度电力系统调度与控制方案,实现对风电的高效利用,对电力系统的运行、调度乃至规划具有重要意义。
本发明跳出了现有电力系统风电出力概率分布特性判别方法在流程设计与理论方法层面的束缚,建立了一种风电出力概率分布特性快速判别方法。根据风电场历史出力数据,可利用计算公式得到风电出力概率分布特性;不依赖其他风电场出力运行分析模型,适用于不同类型的风机计算方法快速、高效、直观。为电力系统调度、运行与控制人员提供了一种快速判别风电出力概率分布特性的工具,对电力系统的规划、运行、调度、控制等各个功能环节具有重要的现实意义和良好的应用前景。
附图说明
附图1为本发明方法应用的一个实施例中风电出力概率分布特性快速判别的结果示意图。
具体实施方式
下面结合附图来对本发明的技术方案作进一步的阐述。
上述一种风电出力概率分布特性快速判别方法,用于根据风电场历史出力数据,来得到风电出力概率分布特性,该方法包括以下步骤:
(1)选取风电场出力时段总数为N,定义风电场出力分布特征指数为β,其中β用于作为风电出力概率分布特性快速判别指标,能够判别风电出力的分布均衡情况;按以下公式计算风电场出力分布特征指数β:
其中Xi为状态变量,1≤i≤N;
(2)定义风电场的装机容量为Pc,定义风电场出力的第i时段为Pi,其中1≤i≤N,其中Pc和Pi的单位均为兆瓦,按以下公式计算状态变量Xi:
(3)根据式(a)与式(b),可夹逼得到风电场出力分布特征指数β的值:
风电场出力分布特征指数β的值越大,风电场出力水平越高;
风电场出力分布特征指数β的值越接近0.5,风电场的出力越均衡。
下面以某风电场为实施例描述本发明所提出的一种风电出力概率分布特性快速判别方法。
(1)该风电场共有33台风机,每台风机容量为1.5MW,风电总装机49.5MW。对该风电场某历史年全年小时级出力数据进行采样。
(2)根据采样数据,用风电出力概率分布特性快速判别方法进行计算,得到风电场出力分布特征指数β的值为0.33,判别结果如图1所示,其中,横坐标为出力标幺值,纵坐标为时间标幺值。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并加以实施,并不能以此限制本发明的保护范围,凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围内。
Claims (1)
1.一种风电出力概率分布特性快速判别方法,用于根据风电场历史出力数据,来得到风电出力概率分布特性,其特征在于:所述方法包括以下步骤:
(1)选取风电场出力时段总数为N,定义风电场出力分布特征指数为β,其中β用于作为风电出力概率分布特性快速判别指标,能够判别风电出力的分布均衡情况;按以下公式计算风电场出力分布特征指数β:
其中Xi为状态变量,1≤i≤N;
(2)定义风电场的装机容量为Pc,定义风电场出力的第i时段为Pi,其中1≤i≤N,其中Pc和Pi的单位均为兆瓦,按以下公式计算状态变量Xi:
(3)根据式(a)与式(b),可夹逼得到风电场出力分布特征指数β的值:
风电场出力分布特征指数β的值越大,风电场出力水平越高;
风电场出力分布特征指数β的值越接近0.5,风电场的出力越均衡。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611235764.4A CN106777740A (zh) | 2016-12-28 | 2016-12-28 | 一种风电出力概率分布特性快速判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611235764.4A CN106777740A (zh) | 2016-12-28 | 2016-12-28 | 一种风电出力概率分布特性快速判别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106777740A true CN106777740A (zh) | 2017-05-31 |
Family
ID=58924605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611235764.4A Pending CN106777740A (zh) | 2016-12-28 | 2016-12-28 | 一种风电出力概率分布特性快速判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106777740A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109038555A (zh) * | 2018-08-01 | 2018-12-18 | 南方电网科学研究院有限责任公司 | 一种风力发电出力分布特性计算方法和系统 |
CN113346491A (zh) * | 2021-06-09 | 2021-09-03 | 国网山西省电力公司经济技术研究院 | 一种新能源场站发电出力特性多维评估方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120109393A1 (en) * | 2010-07-28 | 2012-05-03 | Yoko Kosaka | Electric power demand/supply planning apparatus and method for the same |
CN102479347A (zh) * | 2010-11-24 | 2012-05-30 | 香港理工大学 | 基于数据驱动的风电场短期风速预测方法和系统 |
CN102780219A (zh) * | 2012-05-17 | 2012-11-14 | 清华大学 | 基于风电运行模拟的多维度风电消纳能力判别方法 |
CN102880989A (zh) * | 2012-09-05 | 2013-01-16 | 中国电力科学研究院 | 一种风电出力时间序列建模方法 |
CN105262148A (zh) * | 2015-11-30 | 2016-01-20 | 国网山东省电力公司经济技术研究院 | 计及风电出力特性的规划年电力平衡方法 |
CN106056259A (zh) * | 2016-07-26 | 2016-10-26 | 李明轩 | 一种大规模风电出力短期不确定性快速判别方法 |
-
2016
- 2016-12-28 CN CN201611235764.4A patent/CN106777740A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120109393A1 (en) * | 2010-07-28 | 2012-05-03 | Yoko Kosaka | Electric power demand/supply planning apparatus and method for the same |
CN102479347A (zh) * | 2010-11-24 | 2012-05-30 | 香港理工大学 | 基于数据驱动的风电场短期风速预测方法和系统 |
CN102780219A (zh) * | 2012-05-17 | 2012-11-14 | 清华大学 | 基于风电运行模拟的多维度风电消纳能力判别方法 |
CN102880989A (zh) * | 2012-09-05 | 2013-01-16 | 中国电力科学研究院 | 一种风电出力时间序列建模方法 |
CN105262148A (zh) * | 2015-11-30 | 2016-01-20 | 国网山东省电力公司经济技术研究院 | 计及风电出力特性的规划年电力平衡方法 |
CN106056259A (zh) * | 2016-07-26 | 2016-10-26 | 李明轩 | 一种大规模风电出力短期不确定性快速判别方法 |
Non-Patent Citations (1)
Title |
---|
徐乾耀等: "海上风电出力特性及其消纳问题探讨", 《电力系统自动化》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109038555A (zh) * | 2018-08-01 | 2018-12-18 | 南方电网科学研究院有限责任公司 | 一种风力发电出力分布特性计算方法和系统 |
CN113346491A (zh) * | 2021-06-09 | 2021-09-03 | 国网山西省电力公司经济技术研究院 | 一种新能源场站发电出力特性多维评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110717688B (zh) | 考虑新能源出力不确定性的水风光短期联合优化调度方法 | |
CN103259285B (zh) | 含大规模风电电力系统的短期运行优化方法 | |
CN103545832B (zh) | 一种基于发电预测误差的光伏系统储能容量配置方法 | |
CN103020462B (zh) | 计及复杂尾流效应模型的风电场概率输出功率计算方法 | |
CN103295077B (zh) | 一种考虑预测误差分布特性的风电场集群调度方法 | |
CN103296701B (zh) | 一种风电场有功功率控制方法 | |
CN102509027B (zh) | 一种基于交叉熵理论的风电功率组合预测方法 | |
CN104978608A (zh) | 一种风电功率预测装置及预测方法 | |
CN103440529B (zh) | 一种风电功率预测系统的横向误差平移修正方法 | |
CN103473621A (zh) | 风电场短期功率预测方法 | |
CN107844896B (zh) | 适用于高风电渗透率电力系统的风电置信容量评估方法 | |
CN105975751B (zh) | 基于表征可再生能源功率概率分布的模型参数计算方法 | |
CN104319807A (zh) | 一种基于Copula函数获取多风电场容量可信度的方法 | |
CN101794996A (zh) | 风电场出力实时预测方法 | |
CN101414317A (zh) | 一种处理风电场静态功率等值分散性问题的等效风速法 | |
CN105825002A (zh) | 一种基于动态灰关联分析法的风电场动态等值建模方法 | |
CN107276070A (zh) | 计及一二次调频的发输电系统运行可靠性建模及其评估方法 | |
CN105140967A (zh) | 一种含新能源电力系统调峰需求的评估方法 | |
CN102904248B (zh) | 基于风电出力不确定性集合的电力系统调度方法 | |
CN103326394B (zh) | 一种计及风电波动性的多场景概率优化调度方法 | |
CN106712081A (zh) | 一种具有一体化功能的风电场监控系统 | |
CN106777740A (zh) | 一种风电出力概率分布特性快速判别方法 | |
CN104951654A (zh) | 基于控制变量抽样的大规模风电场可靠性评估方法 | |
CN106447132A (zh) | 一种区域光伏电站群的中长期发电量预测方法 | |
CN113988421A (zh) | 基于深度学习的风电机组功率智能预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |
|
RJ01 | Rejection of invention patent application after publication |