大规模风力发电并网讲座.pptVIP

风电场效率曲线 进行风向对风电场输出功率影响的定量分析，定义风电场的效率系数 为在一定风速和风向下风电场实测输出功率， 为在一定风速和风向下不受尾流效应影响的风电场最大理想输出功率。 将0-360°划分成36个区间，统计风向每10°变化范围内的平均效率系数。 效率系数 0° 351° 9° 风向预测 采用统计模型对风向时间序列数据建模，并进行预测。预测方法与风速预测大致相当。 与风速预测的区别 数值区间[0，360] 误差 风向为圆周分布，将风向划分成36个区间，每个区间的范围为10°。采用平均区间误差来表述风向预测的误差——先确定预测值和实测值所属的区间，然后计算它们之间在圆周上的最短区间差。 记录方式 0°风向的确定对预测有一定影响。 风向预测误差对风电输出预测精度的影响要远远小于风速预测误差 风电预测流程 风电预测流程 Ⅱ 风电参与电力系统调度研究 Ⅰ 风电预测的发展与研究 目录 对某个时间断面求取电力系统目标最优，不考虑不同时间断面的相互影响 静态优化调度 动态优化调度 考虑不同时间断面之间的耦合性，如发电机的爬坡率限制，求解更加复杂，但是更能反映实际系统的运行要求 电力系统调度 由许多发电厂提供电能，通过输电、变电、配电、供电网络向广大用户供电，是一个复杂的系统。其产、供、销过程在一瞬间同时完成和平衡。电力系统调度要随时保持发电与负荷的平衡。 水电厂 火电厂 核电厂 风电场 工厂 商业中心 住宅小区 电力调度 电 源 负 荷 电网 电网传输 实时平衡电源与负荷 风电调度 我国目前为了保护风电等新能源的发展，制定了《可再生能源法》，规定电网企业必须全额收购上网的风电等新能源。 增加备用的基础上允许一部分弃风。采用机会约束规划处理风电的不确定性。 折中方案 风电场按照最大满发状态运行，靠电力系统自身的调节能力消纳风电。 不参与调度 考虑风电预测误差引起的正、负旋转备用的增加。 增加备用 小容量风电 容量增大 大规模风电 风电建模 Beta分布 风电预测误差 概率分布 Beta分布的区间为[0,1] 将风电出力区间[0,1]划分成n（n的值取决于样本数量，样本数量大可取较大值，反之，取较小值）个区间，统计落在这些区间的预测值的预测误差。 ：区间内的预测统计平均值 ：预测误差的方差 含风电场经济调度模型 目标函数 根据《可再生能源法》要求，电网企业必须全额收购上网风电。因此在不考虑风电运行费用的前提下，含风电场动态经济调度的目标是使常规发电机组期望发电成本最小。而风电出力是随机的，计划出力与实际可发出力之间的误差需要增加系统备用来抵消，因而约束条件中就包含了随机变量。因此目标函数取常规发电机组发电成本期望最小化，约束条件中包含概率形式的约束。 约束条件 功率平衡约束 常规机组出力约束 常规机组爬坡率约束 系统上、下旋转备用容量约束 上旋转备用容量约束 下旋转备用容量约束 模型求解 考虑到所做的决策在不利情况发生时可能不满足约束条件而采取一种原则：即允许所做决策在一定程度上不满足约束条件，但是该决策使约束条件成立的概率不小于某一置信水平。 机会约束规划 式中PW,ot和PW,ut分别为风电引起的上、下旋转备用概率容量。 约束条件 PSO和遗传算法等进化算法一样，都是由一群随机产生的初始解，通过不断迭代搜寻优化解。不同的是，PSO没有交叉、变异等进化操作，而是粒子在解空间里以某种特定的策略追随最优的粒子进行搜索。每粒子有速度和位置两个参数，在优化过程中通过对粒子的速度和位置更新来寻找最优解。 粒子群优化算法（PSO） 对于高维、多峰优化问题，粒子群算法可能出现早熟现象，容易陷入局部最优。因此，对算法进行改进，对于不活动粒子，设置迭代门槛n，若连续n次（本文n取4）迭代过程中最优适应值不变，则对粒子的速度进行更新，避免早熟现象的产生。 改进 实例分析 以IEEE30节点模型为例进行日前发电调度计划仿真 ? 发电期望成本/$ 环境成本/$ 旋转备用总 容量/MW 无风电并网 525172.38 63831.04 564.46 风电并网但不考虑 风电引起的备用 493944.53 58493.00 564.46 按预测误差比例 选取备用 497634.12 58474.81 712.67 本文模型置信度0.9 49475