計及充裕性風險的含大規(guī)模風電電力系統(tǒng)經濟調度問題研究.pdf

1、目前，我國風電產業(yè)在相關政策法規(guī)的激勵下得到了快速發(fā)展，由于風電出力具有較強的不確定性，大規(guī)模風電的接入增加了電力系統(tǒng)調度運行的難度和風險。在此背景下，研究計及充裕性風險的含大規(guī)模風電電力系統(tǒng)經濟調度問題具有十分重要的理論及實際意義。本研究主要內容包括：
　　⑴針對風電的不確定性對電力系統(tǒng)經濟調度帶來的充裕性風險問題，從風險管理角度出發(fā)，從降低風險、評估風險和風險決策三個方面展開研究：首先研究風速和風電功率預測方法，提高預測精度以

2、降低風電的不確定性給電力系統(tǒng)調度運行帶來的充裕性風險；其次研究風電功率預測誤差的概率分布模型，這對電力系統(tǒng)充裕性風險評估和優(yōu)化調度運行方案具有重要作用；然后提出了電力系統(tǒng)短期運行充裕性風險評估方法，以評估風電和負荷的不確定性造成的極端風險；最后提出了計及充裕性風險的電力系統(tǒng)經濟調度模型和風險決策方法，以幫助調度人員做出合理的風險決策，確定最優(yōu)的經濟調度方案。
　?、蒲芯苛孙L速和風電功率預測問題。針對超短期風速預測問題，提出了基于A

3、daboost的改進BP神經網絡（Ada_BP）新算法。所提的Ada_BP算法該算法既繼承了BP神經網絡較好的非線性映射能力，又克服了 BP神經網絡過擬合特性和容易陷入局部最優(yōu)等缺點。算例分析表明Ada_BP算法的預測精度要高于BP神經網絡算法和時間序列算法。針對風電功率預測問題，構建了基于BP神經網絡的風電功率曲線模型，探討分析了風電功率的直接預測法和基于風電功率曲線的預測方法，并以兩個地理位置不同的風電場為例，測試分析兩種預測方法的

4、預測精度，給出了其適用條件。
　?、茄芯苛孙L電功率預測誤差的概率分布模型。針對電力系統(tǒng)所有風電場的風功率總預測誤差，驗證了正態(tài)分布模型的準確性和適用性。針對單個風電場的風功率預測誤差，提出了基于正態(tài)分布和拉普拉斯分布的時變混合分布模型，通過分析誤差概率分布特征和風電功率特性曲線，發(fā)現(xiàn)并解釋了誤差概率分布的時變特性：隨著預測時間尺度的增加，逐漸從拉普拉斯分布過渡到正態(tài)分布。以風電場儲能容量優(yōu)化問題為例，驗證了時變混合分布模型刻畫風電

5、預測誤差的適用性和準確性。
　?、忍岢隽嘶跅l件風險價值（Conditional Value At Risk，CVaR）的電力系統(tǒng)短期運行充裕性風險評估指標和方法。首先建立了電力系統(tǒng)不確定因素的概率分布模型，引入CVaR風險度量方法，構建了新的充裕性風險評估指標：基于CVaR的失負荷風險指標和基于CVaR的棄風風險指標，最后給出了充裕性風險評估方法流程。算例分析表明，與失負荷概率指標和失負荷期望損失指標相比，本文所提評估指標的敏感

6、性較好，能夠反映電力系統(tǒng)的不確定性造成的極端風險，驗證了所提充裕性風險評估方法的全面性和準確性。采用該風險評估方法可以定量分析不同風電接納水平和旋轉備用容量下的電力系統(tǒng)短期運行充裕性風險，為求解計及充裕性風險的電力系統(tǒng)經濟調度問題提供支撐。
　?、裳芯苛擞嫾帮L險的含大規(guī)模風電電力系統(tǒng)經濟調度模型和風險決策方法。提出了基于投資組合理論的成本—CVaR多目標經濟調度模型與求解該模型的基于自適應混沌變異的多目標粒子群優(yōu)化算法（Adapt

7、ive ChaosMulti ObjectiveParticle Swarm Optimization Algorithm，ACMOPSO），通過求解該模型可以得到風險和成本最低的帕累托最優(yōu)解集。為在帕累托最優(yōu)解集中選擇最合理的運行方案，提出了基于邊際風險的風險決策方法，從而幫助調度人員根據(jù)系統(tǒng)的實際情況和風險偏好選擇合理的調度運行方案，以兼顧系統(tǒng)可靠性與經濟性。通過IEEE118算例系統(tǒng)分析，驗證了本文所提的ACMOPSO算法、成本—