论文部分内容阅读
风力发电具有波动性大、随机性强和抗扰性差等特点,高渗透风力发电并网改变了传统电网运行控制的边界条件,给电网安全稳定运行带来巨大冲击。高精度的功率预测和合理准确的功率控制是应对上述问题的两大关键技术手段,其中,高精度的功率预测是合理准确实施功率控制的重要基础。为提升预测精度、改善功率控制性能,课题组提出了如下思路:(1)针对预测误差对风电功率控制的影响,考虑不同风电场的误差分布特性及大型风电场内风电机组的功率变化趋势,引入风险,实现风电功率精细化控制;(2)利用大数据思维,抽取风电功率动态特征,通过统计分析实现不同风电动态与特征的因果关系,对不同规律的风电动态分别建立预测模型,提高功率预测方法的适用性;(3)由于风速的时空函数往往具有较强的时变性,故很难控制预测的最大误差,特别是遇到上述个别的奇异点或奇异面时,预测甚至可能完全失效。将空间相关预测作为时序外推预测方法的补充,实现风电时空预报的协调,利用全局信息和趋势特征弥补已有方法依据局部信息和断面特征的不全面性,提升预测方法的鲁棒性。本文为实现上述思路,开展了如下工作:(1)提出基于功率预测信息的风电有功风险控制方法,通过统计分析风电功率预测误差分布特性,评估风电预测功率的置信区间。以此为基础,分析不同风电场可能产生正误差和负误差的概率,考虑不同误差特性可能引起的备用、切负荷、机组停运和弃风等成本,以控制误差引起的系统风险成本最小,建立风电有功风险控制目标函数,通过优化实现有功功率分配。(2)以信息一体化、平台一体化和调控一体化为原则,设计了基于多源数据的风电场功率控制系统架构。首先,建立统一的信息模型将风电场及其升压站的相关信息有机整合;其次,构造合理的软件架构实现风电场监控、功率预测、有功控制和无功控制等功能的一体化;最后,将基于功率预测的风电有功控制方法针对风电场端应用做适当修改,并开发相应的功能模块。基于多源数据的风电场功率控制系统已在甘肃酒泉风电基地某风电场实现示范应用。(3)分析了已有空间相关风速预测方法在研究思路和预测建模方法等方面的局限性,探讨利用空间相关特征实施风速预测的可行性和适用条件,设计“离线分类优化模型,在线确认空间相关性并匹配预测模型”的风电空间相关性预测框架。(4)为了提高风速时间序列形态分类预测的有效性与强壮性,提出单元窗口的变化特征及观测窗口的趋势特征的概念,采用单元窗口特征符号及趋势特征符号串结合的风速时间序列两层符号化思路,实现风速波动特征的粗粒度描述。(5)针对利用空间相关性的风速预测,提出一种“离线分类优化模型,在线确认空间相关性并匹配预测模型”的方法。根据影响空间相关性的风动态特征和外部条件特征等将风速时间序列划分为不同类型的子集,针对不同子集分别离线建立预测模型并对参数进行优化;在线应用时,抽取当前时刻临近时段内相关变量的特征,通过特征匹配识别和调用相应的预测模型,以参考地点近期窗口的时序相关性预测结果,实现目标点的风速预测。