基于月份划分与指定日类型的风电出力序列场景生成方法.pdfVIP

第 47 卷 第 15 期 2023 年 8 月 10 日 Vol . 47 No . 15 Aug . 10 ，2023 DOI ： 10. 7500/AEPS20221101006 基于月份划分与指定日类型的风电出力序列场景生成方法 1 1 2 1 2 辛 阔 ，马 骞 ，许 琴 ，王子强 ，刘一鸣 （1. 中国南方电网有限责任公司，广东省广州市 510663 ； 2 . 中国能源建设集团广东省电力设计研究院有限公司，广东省广州市 510663 ） 摘要 ：风电场景生成是不确定性条件下进行电网调度及安全校核的重要基础。文中提出一种风电 出力序列场景生成方法。首先，基于月均出力将年度风电出力序列划分为分布特性差异大的数个 季度；然后,基于风电出力的日特性指标，对年度风电出力序列进行典型日聚类分析，并构建各日类 型下的日特性指标联合分布函数。接着，用马尔可夫链描述每一季度内的日类型转移特性，并基于 此通过抽样获得未来一段时期内每一日的日类型及日特性指标。进而采用优化技术生成未来一段 时间内每日96 点日风电出力序列。文中进一步提出了可根据指定极端日类型、日期位置以及长度 的风电出力序列场景生成新方法。最后，通过算例分析证明了所提方法的有效性和可行性。 关键词 ：风电；场景生成；聚类分析；马尔可夫链；调度 0 引言 景。该类方法的优点是工程实施及应用方便；缺点 是在风速-风电转换过程中误差被放大，使得生成场 随着“双碳”目标的推进，以风电、光伏为代表的 景相较于历史数据的统计规律有一定偏差。 新能源并网数量越来越多。新能源的大量并网给电 ［1-2 ］ 2 ）风电出力法。直接利用历史风电出力数据 网的安全稳定运行及规划带来诸多影响 。为了 实现未来一段时期内电网的电力电量平衡、安全稳 进行建模而生成出力场景，相较于风速法，省去了风 定分析和校核计算等任务，需要相应时期内较为准 速-风功率转换这一过程。文献［9-10 ］分别利用自 确的新能源出力场景信息，其准确程度直接影响电 回归（auto-regressive ，AR ）模型和自回归积分滑动 ［3 ］ 平均 （auto regressive integrated moving average ， 网运行的安全性、稳定性和经济性 。因此，如何依 据新能源出力历史信息，生成接近其随机波动规律 ARIMA ）模型生成风电时序场景。文献［11 ］采用 的出力场景，是近些年新能源并网和消纳领域值得 条件深度卷积对抗网络学习源电站与目标电站之间 研究的课题之一。目前风电场景生成方法大致可以 的场景数据映射关系，进而根据源电站场景数据，生 分为风速法和风电出力法两种。 成目标电站场景数据。文献［12-13 ］分别采用最大 1 ）风速法。它是一种间接的场景生成方法，运 化平均差异（maximum mean discrepancy ，MMD ）和 用历史风速数据生成新的风速场景，然后，利用风力 Wasserstein 距离作为生成对抗网络的损失函数来 发电机组的风电出力-风速之间的映射模型转换为 更新权重，使训练过程更加稳定。文献［14 ］通过生 对应的风电出力序列场景。文献［4 ］采用大气运动 成对抗网络得到出力场景后，再结合混合高斯模 方程结合风速的联合分布生成多风电场风速场景。 型生成极限场景，为后续规划调度提供出力运行 文献［5