50707004-高山概述.ppt

在观察研究ARMA模型的风电功率预测误差时发现，预测的误差在某一时期里相对较小，而在某一时期里则相对地大，然后，在另一时期又是较小。也就说，大的及小的预测误差常常会成群出现。这种现象一种解释就是其存在一种异方差，即其预测误差的方差取决于后续扰动项的大小。 首次引入了ARCH模型用来处理风电预测中ARMA模型的残差序列，分析了风力发电序列的ARCH效应，建立了ARMA-ARCH模型相应的模型参数辨识方法。 3）预测误差影响分析 提出了一种基于GPU(Graphic Processing Unit)的并行化Monte Carlo模拟方法，大大提高了计算效率。结合基于GPU的并行化Monte Carlo模拟方法和粒子群算法，研究了预测误差对系统最优备用容量的影响，分析了不同渗透率、不同风速和不同误差分布情况下，间歇性能源接入对系统备用容量和系统总运行费用的影响。 4）基于预期系统的高渗透率电网电网协调控制 针对间歇性电源、负荷和网络状况可能的变化确定各控制器的调节范围和控制策略。系统正常运行时，通过对未来状态的预期评估，对可能发生的系统状态变化发布预调节指令并对可能发生的事故给出预警；当系统事故真实发生时，各控制器根据实时信息修正预调指令，确定实际控制策略，保证控制效果的实时性和正确性。 并将其应用于高渗透率风电接入系统电压协调控制，仿真结果表明，在风电场功率变化较大时，通过提出的在线协