考虑时空相关性的多风电场出力场景生成与评价方法

被引：54

作者：

丁明 ^{[1
]}

宋晓皖 ^{[1
]}

孙磊 ^{[1
]}

黄冯 ^{[1
]}

张舒捷 ^{[2
]}

杜德贵 ^{[3
]}

机构：

[1] 合肥工业大学安徽省新能源利用与节能重点实验室

[2] 国网青海省电力公司电力科学研究院青海省光伏发电并网技术重点实验室

[3] 国网青海省电力公司

来源：

电力自动化设备 | 2019年 / 39卷 / 10期

关键词：

风电; 时空相关性; Copula函数; 随机微分方程; 多重分形; 评价指标;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

含多个风电场的场景生成技术可为电力系统中长期规划和运行提供所需基础数据。为在场景生成过程中计入多风电场风电出力的时空相关性,提出两阶段场景生成方法:在第一阶段,采用Copula函数对多个风电场出力的空间相关性建模,获得多风电场出力的初始场景;在第二阶段,运用随机微分方程对风电场出力波动随机性建模,通过重构初始风电出力场景,使得最终获得的场景中风电序列较好地保留原始序列的时间相关性。为评估生成场景的有效性,构建场景有效性评价指标体系;引入多重分形去趋势波动分析方法,提供刻画风电序列的自相关特性和动态波动特性的多维度指标。以某区域风电场为例,生成风电季度出力场景,结果表明所提方法能够复现原始风电序列的时空相关性。

引用

页码：39 / 47

页数：9

共 15 条

[1]

基于波动划分及时移技术的多风电场出力相关性研究 [J].

黄越辉 ;

张鹏 ;

李驰 ;

礼晓飞 ;

卫文婷 .

电力自动化设备, 2018, 38 (04) :162-168

[2]

基于因子分析和神经网络分位数回归的月度风电功率曲线概率预测 [J].

李丹 ;

任洲洋 ;

颜伟 ;

朱继忠 ;

赵霞 ;

余娟 .

中国电机工程学报, 2017, 37 (18) :5238-5247+5522

[3]

关于利用空间相关性预测风速的评述 [J].

薛禹胜 ;

陈宁 ;

王树民 ;

文福拴 ;

林振智 ;

汪震 .

电力系统自动化, 2017, 41 (10) :161-169

[4]

考虑多风电场风速变化规律的模拟数据生成方法 [J].

吴峰 ;

孔卫亚 ;

周宇 ;

黄俊辉 ;

乔黎伟 .

电网技术, 2016, 40 (07) :2038-2044

[5]

风电功率预测方法综述 [J].

钱政 ;

裴岩 ;

曹利宵 ;

王婧怡 ;

荆博 .

高电压技术, 2016, 42 (04) :1047-1060

[6]

基于Copula的多风电场出力相关性建模及其在电网经济调度中的应用 [J].

谢敏 ;

熊靖 ;

刘明波 ;

周尚筹 .

电网技术, 2016, 40 (04) :1100-1106

[7]

中长期风电功率的多气象变量模型组合预测方法 [J].

欧阳庭辉 ;

查晓明 ;

秦亮 ;

熊一 ;

黄鹤鸣 .

电网技术, 2016, 40 (03) :847-852

[8]

基于实测数据的风电功率曲线建模及不确定估计 [J].

林鹏 ;

赵书强 ;

谢宇琪 ;

胡永强 .

电力自动化设备, 2015, 35 (04) :90-95

[9]

生成风电功率时间序列场景的双向优化技术 [J].

黎静华 ;

孙海顺 ;

文劲宇 ;

程时杰 ;

罗卫华 ;

葛维春 ;

王芝茗 .

中国电机工程学报, 2014, 34 (16) :2544-2551

[10]

Probability density forecasting of wind power using quantile regression neural network and kernel density estimation[J] Yaoyao He;Haiyan Li Energy Conversion and Management 2018,

← 1 2 →