風電預測、協(xié)同調度及電網電壓安全評估研究.pdf

1、常規(guī)化石能源的不斷消耗以及引起的碳排放、環(huán)境污染等問題日趨嚴重，尋求清潔高效的可再生資源以代替可耗竭的化石能源已受到人們的普遍關注。利用風電、光伏等可再生資源代替化石能源，對于降低碳排放，改善能源結構將起到重要的作用，但由于可再生資源具有明顯的間歇性以及波動性，使可再生能源發(fā)電及其并入電網調控的難度不斷增加，而且近幾年，以降低碳排放、節(jié)約常規(guī)能源和減少環(huán)境污染為目的的電動汽車，隨機的不加引導的接入電網進行自由充電，都會使電源側和負荷側呈

2、現出一定的非可控性，由此給電網的調控帶來了新的挑戰(zhàn)。在建設堅強智能電網的背景下，為了應對特高壓交直流以及可再生能源和電動汽車的不斷廣泛接入帶來的影響，研究風電并網條件下的電網調控和安全評估，對于降低電網安全穩(wěn)定運行的風險，提高電網運行的經濟性都具有重要的經濟和現實意義。
　　 在以上背景下，本文在對風電波動規(guī)律分析的基礎上，以實現堅強的智能電網為核心，開展了風電功率預測、風電等可再生資源與電動汽車的協(xié)同調度以及風電并入電網背景下

3、的電網安全評估的研究，主要工作和創(chuàng)新成果如下:
　　 (1)利用混沌理論揭示了風電功率序列內在的動態(tài)特性。在風電功率時間序列相空間重構的基礎上計算了風電序列的最大Lyapunov指數，驗證了風電時間序列的混沌特性;由于直接采用Volterra濾波器多步預測法對風電序列進行超短期預測誤差較大，利用局域多步預測法以及最大Lyapunov指數法的預測結果并結合有序算子和加權馬爾科夫鏈對Volterra濾波器的預測結果進行了校正。仿真結

4、果表明，在實現風電功率的超短期預測過程中，校正預測模型有效的提高了Volterra濾波器的預測精度，其為利用Volterra濾波器多步法進行風電功率超短期預測提供了有益的參考。
　　 (2)針對風電功率的短期預測問題，分別提出了熵和極端學習機以及儲備池的風電組合預測模型。首先利用經驗模態(tài)分解(empirical mode decomposition，EMD)將風電功率分解為一系列具有不同特征尺度的子序列;在此基礎上，利用熵對不同

5、尺度的子序列進行復雜度分析，根據子序列的不同熵值進行歸類疊加產生新的子序列。最后利用交叉驗證法和重構相空間法確定了學習機的各種參數和輸入維數，再利用極端學習機、儲備池和最小二乘支持向量機分別對各子序列進行建模預測分析，仿真結果表明基于儲備池和極端學習機組合預測模型無論在預測精度和訓練速度上都明顯優(yōu)于最小二乘支持向量機的組合預測模型，而且相對于混沌理論，其既適用于超短期預測又適用于短期預測，同時又具有較高預測精度，為實現風電在線的較高精度

6、預測提供了可能。
　　 (3)針對風電以及電動汽車的廣泛發(fā)展，考慮風光預測結果的基礎上，提出了一種計及風電出力不確定性的地區(qū)電網的電動汽車充電調度方法。首先為了減小地區(qū)電網等效負荷峰谷差和購電成本，建立了電動汽車充電的多目標非線性混合整數優(yōu)化調度模型。其次利用模糊集理論在風電出力模糊化的基礎上，將多目標模糊優(yōu)化模型轉化為單目標的非線性優(yōu)化模型。以某地區(qū)電網的數據為算例，用改進的粒子群算法對提出的多目標模糊優(yōu)化模型進行求解，驗證了

7、模型的有效性和求解方法的可行性，為風電和電動汽車的協(xié)同優(yōu)化調度提供了一條有效途徑。
　　 (4)在風電并入電網會對電網的安全運行產生影響的背景下，在信號能量法的基礎上，考慮穩(wěn)定性理論的超調量和綜合考慮超調量和調節(jié)時間的思想，提出了充分計及模型動態(tài)特性的電網電壓穩(wěn)定性能工程評估的方法，即綜合指數和累積指數兩種指標。在利用PSS/E的仿真功能得到電網節(jié)點電壓幅值的信息基礎上，考慮分時段的信號能量譜，提出了信號能量綜合指數和累積指數指