风电功率超短期预测及其并网优化调度模型研究

由于风电功率的强不确定性、反调峰性及低可调度性等特性,风电的大规模并网对电力系统的安全稳定运行提出了严峻挑战。准确的风电功率预测结果有利于电力系统调度部门制定合理的机组组合决策,调整发电计划,减小风电接入对电网的冲击影响,提高电力系统运行的安全可靠性。随着风电并网规模的增大,传统的发电跟踪负荷的粗放式调度模式无法适应强不确定性环境下电力系统安全可靠运行的需求。此外,风电出力的反调峰特性、常规机组启停状态和调节能力对电力系统大规模消纳风电资源有制约影响。在此背景下,本文以超短期风电功率确定性预测和区间预测建模为切入点,以此为基础研究统筹兼顾运行可靠性、经济性和低碳化等方面目标,考虑多种类型电源和柔性负荷参与的多时间尺度协调调度模型及其求解算法。论文的主要工作和研究成果归纳如下:(1)为降低原始风电功率序列的非平稳性、分析其多尺度行为特征,引入聚类经验模式分解和可变模式分解技术将原始序列分解为不同时间尺度的模态分量,在此基础上提出一种基于信号处理技术和机器学习方法的新型超短期风电功率组合预测模型。相比传统的预测方法和基于混沌相空间重构的基模型,该模型具有更高的预测精度。(2)由于无法选定最优的超短期风电功率组合预测模型,融合三种不同的机器学习基模型构建一种权重自适应更新的多层级综合预测模型,并提出一种多策略自适应差分进化算法对该模型的权重矩阵进行自适应动态更新。实例研究表明,与组合预测模型相比,所提综合预测模型能进一步提高超短期风电预测的精度和稳定性。此外,建立了基于分位数回归平均的区间预测模型对某一置信水平下风电功率的波动性进行估量,为含风电场电力系统的优化调度问题提供信息支持。(3)研究了含风电电力系统的日前机组组合动态经济环境调度模型。首先构建一种概率性场景分析框架求解预设置信水平下的机组组合决策,在此基础上,提出一种改进的多目标粒子群优化算法和迭代综合法求解精简场景集下的随机动态经济环境调度问题。在该多目标优化算法中,引入双种群进化机制和一种分层的精英更新机制改善多目标粒子群算法的寻优性能,并采用基于拥挤熵的精英保持策略优化Pareto最优解集的分布。以改进的IEEE 10机24节点系统为实例验证了所提方法能统筹兼顾电力系统运行经济成本、污染排放和安全可靠性三方面的需求,对含风电的日前机组组合调度提供了一种有效的、多角度衡量的决策方案。(4)以含风电的日前机组组合优化调度研究为基础,结合超短期风电功率多步预测的点预测、区间预测结果,建立了计及不同预测周期下风电功率预测精度差异、考虑高载能负荷参与的多时间尺度协调调度模型,并采用智能优化算法进行逐级求解。实例分析表明,考虑高载能负荷参与协调调度能显著减小总运行成本,提高风电消纳量,验证了源荷协调调度模型的合理性和有效性。(5)针对风电及柔性负荷接入后,各发电资源和可控负荷资源如何实现协调互动的问题,构建了考虑电动汽车集群参与的水火风系统联合调度模型。提出了不同类型电源、电动汽车集群及系统运行等方面约束的处理策略。实例分析表明柔性资源的智能调度促进了系统对可再生能源的消纳,验证了发电侧不同类型能源和负荷侧可控资源联合协调调度模型的可行性和合理性,为基于源荷互动的不同发电资源和负荷资源的联合优化调度提供了有力支撑。