基于混合藤Copula模型的多风电场出力相关性建模及其在无功优化中的应用

随着能源危机不断加剧和环境污染日益严重,开发利用清洁能源以缓解能源和环境的窘境,已经逐渐成为人们关注的焦点。近年来,我国大力发展新能源用于发电,其中以水力和风力发电两种形式占主导地位。水力发电通常通过拦河建坝的方式,其出力具有较好的可控性,因此水电在缓解能源危机和环境污染问题的同时,还可用于电网调峰调频。而风电出力大小由风速提供的机械功率决定,由于风速具有随机和断续的特点,并网后会对系统潮流分布,节点电压等带来较大影响。同时由于不同风电场之间存在在位置和风向等方面的相关关系,相邻风电场之间的出力存在较强的相关性。本文针对风电场出力的随机性和相邻风电场出力的相关性,提出一种混合藤Copula模型用于建立多维风速之间的相关性模型,分析其对电力系统运行的影响,并在该模型的基础上建立对应的无功优化模型,对并入多个风电场的电力系统进行无功优化。本文中提出了一种结合聚类分析和藤Copula模型的混合藤Copula模型来描述多维风电场出力之间的相关性。聚类分析方法根据多维数据之间的不同特性对数据进行划分,从而可以把这些特征分开分析。藤结构的作用是把多维变量之间的相关性分为变量两两之间的相关性来分析,可以详细考虑到不同变量两两之间的非对称相关性,同时能降低多维相关性分析的复杂度。两种方法结合可以更加细致的考虑到不同情境下风电场出力之间的相关性,使得所建立的模型更加符合风电场之间的实际相关性。为验证所提模型和方法的建模精度和效率,本文在IEEE 30节点系统中并入三个风电场,并以某地三个风电场实际出力的记录数据为对象进行相关性建模,并对分场景模型按场景个体数比例进行采样,合并采样样本在并入风电场的系统中进行概率潮流计算,通过与记录历史数据进行概率潮流计算结果对比,证明了该方法能较好的描述多风电场出力之间的相关性。而后,将本文中提出的建模方法与传统静态无功优化模型结合,建立考虑风电场出力随机性和相关性的概率无功优化模型,对一种新型的智能优化算法—回溯搜索算法进行改进,并应用于求解本文中的概率无功优化问题,求解以提高系统长期运行经济性和安全性为目标的最优无功控制策略。最后,在并入三个风电场的IEEE 30节点系统中进行测试,验证改进的回溯搜索算法对于解决无功优化问题具有可行性。