论文部分内容阅读
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,风力发电成为新能源发展的主力军。随着风电场大规模接入电网,将对电力系统的调度、运行等带来巨大挑战。风力发电本身具有很强的随机性、波动性和间歇性。同时,在实际系统中,区域气候的相似性使得风电场与风电场的出力之间存在某种相关性,这将会对电力系统的安全稳定运行造成一定影响。因此,如何准确描述区域风电场群出力的随机性和相关性,对于电力系统规划与调度运行等具有十分重要的意义。当前,我国风电正向着大规模、高集中的方向发展。风电场数量的增加以及容量的增大,迫切需要更加准确的风电场功率模型。基于此,本文提出计及相关性和随机性的多风电场功率模型,主要研究内容如下:(1)基于Copula函数建立了多风电场功率的相关性概率模型。主要包括基于Copula函数的多风电功率建模方法,并从三个不同的角度说明如何选取最优Copula函数模型。算例表明海南风电场群适用于使用Clayton Copula函数描述其出力的相关特性。(2)进一步分析风电功率的时序特性,提出考虑日间和日内变化特征的多风电场功率时序模型。第一步,首先将多个风电场的日功率数据进行聚类分析,生成体现不同风电场功率相关性的日典型场景,然后建立单变量MCMC模型表示场景转移过程。第二步,针对每种典型场景,建立考虑日特性的多变量MCMC模型,描述日内多元风电功率时序的时空相关性。最后,先后生成典型场景时序和每日的多元风电功率时序,即可得到完整的多个风电场功率序列。(3)基于海南省高排风电场和四更风电场的历史实测功率数据,对所提模型从统计特性、时序特性和空间相关性三个方面进行了算例验证。结果表明本文所提时序模型可以准确刻画风电功率变化的日周期和日内变化特性,同时在概率分布、平均风电功率、自相关函数、互相关函数方面都具有较高的拟合精度。Copula模型的概率分布统计指标数值略低,但其建模过程相对简单。因此,在实际电网规划和运行调度研究中,可以根据工程误差和计算效率的可接受程度对模型进行最优选择。