logo全球能源互联网期刊信息服务平台

冀北经研院姜宇等:计及风电功率相关性的微电网日前随机优化调度方法

阅读原文 阅读原文

计及风电功率相关性的微电网日前随机优化调度方法

姜宇1,2,陈翔宇1,2,傅守强1,2

1.国网冀北电力有限公司经济技术研究院;2.北京京研电力有限公司

原文发表在《全球能源互联网》2022年第1期“以新能源为主体的新型电力系统关键技术与装备”专栏上欢迎点击品读。本文受国网冀北电力有限公司科技项目(52018F20001M)资助。

文章导读

微电网作为未来集成清洁能源的有效载体受到了广泛关注。风电等可再生能源的随机性和间歇性给微电网的经济调度带来挑战,为了减少不确定性的影响,本文基于数据驱动的条件正态Copula函数对风电预测误差的时间相关性及其与日前预测值的条件相关性进行建模,通过k-means聚类得到给定的日前预测值下第二日可能的风电功率场景,提升场景建模精度,并采用随机优化方法解决微电网的日前调度问题。

研究成果

1

基于条件正态Copula方法,构建了计及风电功率相关性的微电网日前随机优化调度模型,可提升微电网日前调度方案的经济性。

2

所提方法与确定性优化模型、鲁棒优化模型和不考虑相关性的传统随机优化模型相比,在日内不平衡电量和总运行成本方面具有一定优势。

主要内容

图1展示了风电功率的时间相关性,即各时段风电功率预测误差的线性相关系数,横、纵坐标轴表示各时段,不同颜色代表预测误差线性相关系数的大小,图例展示了对应的数值。可以看出,相邻时段的风电功率预测误差表现出较强的时间相关性。考虑时间相关性能够有效推理出风电场景中经常发生的持续偏差场景,从而得到在各种可能场景下期望最优的调度方案。

⬆ 图1 风电功率预测误差时间相关性

图2分析了风电功率预测误差与预测值的条件相关性。选取风电功率预测值为0.05pu、0.15pu、0.35pu附近的预测误差数据,范围是±0.03pu,从图中可以看出,当预测值较小时,预测误差较小且集中分布;而预测值较大时,预测误差相对更大且更分散。因此,需要根据不同的日前预测值得到不同预测误差的分布,从而在日前调度中得到更合理的风电功率场景。

⬆ 图2 不同风电功率预测值下预测误差的概率密度图

以4个月历史数据作为训练样本,以1个月数据作为测试集,得到不同模型的对比结果如表1所示。从表1中可以看出,本文所提随机优化模型相比确定性模型、低置信度和高置信度鲁棒模型、以及传统随机优化模型,不平衡电量分别降低了22.77%、21.72%、21.65%和18.23%,总成本分别降低了4.01%、4.03%、4.27%和3.2%,能够抵御实时市场的电价波动,得到更为合理的调度方案。

 表1 不同模型的平均优化结果比较

本文引文信息

姜宇,陈翔宇,傅守强. 计及风电功率相关性的微电网日前随机优化调度方法[J]. 全球能源互联网,2022,5(1):46-54.

JIANG Yu, CHEN Xiangyu, FU Shouqiang. Day-ahead Stochastic Optimization Method of Microgrid Considering the Correlation of Wind Power[J]. Journal of Global Energy Interconnection, 2022, 5(1): 46-54(in Chinese).

 研究团队

国网冀北电力有限公司经济技术研究院长期参与柔性直流输电、柔性变电站等技术研究,参与相关国家重点研发计划、国网科技项目多项。作为核心支撑单位,国网冀北电力有限公司经济技术研究院设计中心完成张北交直流配电网及柔性变电站示范工程可研编制、技术方案制定、成套设计研究等工作。在柔性直流、柔性变电站等技术领域积累丰富的研究经验和技术积累。

作者简介

姜宇

工程师

主要从事电网设计技术管理工作。

E-mail:

zhaobing@epri.sgcc.com.cn

图片

陈翔宇

工程师

主要从事电力系统分析及柔性交直流配网技术研究工作。

E-mail:

chenxiangyu-cxy@163.com

图片

傅守强

工程师

主要从事电力系统分析及柔性交直流配网技术研究工作。

E-mail:

shouqiangfu@163.com

编辑:张鹏

审核:周舟

郑重声明

根据国家版权局相关规定,纸媒、网站、微博、微信公众号转载、摘编本网站作品,需包含本网站名称、二维码等关键信息,并在文首注明《全球能源互联网》原创。 个人请按本网站原文转发、分享。