計及復(fù)雜風況特征的含風能電力系統(tǒng)可靠性評估與應(yīng)用.pdf

1、隨著化石能源的加速枯竭以及環(huán)境問題的日益嚴峻，世界各國正積極探索并開發(fā)各類可再生能源。與地熱能、潮汐能等新興能源相比，風能具有分布廣、成本低且技術(shù)成熟的優(yōu)點，加之許多國家還出臺了風能利用的鼓勵政策，這使得風電裝機容量增長迅猛。由于風資源區(qū)域和季度的差別，風電場風況具有以下特征：風速概率分布具有多樣性、風向隨風速變化具有隨機性等，故常規(guī)可靠性模型難以計及這些特性以分析其對電力系統(tǒng)可靠性的影響。因此，研究風電資源復(fù)雜風況特性、建立計及復(fù)雜風

2、況的風速模型、分析復(fù)雜風況的可靠性影響等，對含風能電力系統(tǒng)規(guī)劃和運行具有重要的理論價值和工程實用意義。
　　為計及風速概率分布隨著區(qū)域和季度變化的差異性，提出一種混合核密度風速概率分布模型，基于推導(dǎo)的權(quán)重系數(shù)與誤差的解析關(guān)系給出模型求解的Lagrange乘子法。該模型應(yīng)用最優(yōu)權(quán)重系數(shù)將多組核密度函數(shù)組合為混合核密度函數(shù)；推導(dǎo)了最優(yōu)權(quán)重系數(shù)與漸進積分誤差間的解析關(guān)系，并據(jù)此以漸進積分誤差最小為目標給出最優(yōu)權(quán)重系數(shù)求解的Lagrang

3、e乘子法，提高混合核密度函數(shù)對風速概率分布的刻畫精度。將該模型應(yīng)用于八個地區(qū)風電場，對其各季度的風速概率分布進行估計，結(jié)果表明：該模型的擬合精度高于六類常規(guī)參數(shù)模型和非參數(shù)模型，驗證其正確性。
　　為計及風向隨風速隨機變化的特性，通過風速-風向的狀態(tài)劃分、轉(zhuǎn)移率確定等，提出一種風速-風向 Markov鏈模型。根據(jù)蒲福風速尺度和基本風向尺度劃分得到風速-風向的狀態(tài)，計算風速-風向的狀態(tài)轉(zhuǎn)移率矩陣，刻畫其隨機轉(zhuǎn)移關(guān)系。將該模型應(yīng)用于四

4、個地區(qū)風電場進行風速-風向建模，結(jié)果表明：該模型可較精確的反映風電場風速-風向平均值、標準差和相關(guān)系數(shù)等基本統(tǒng)計特征；風速-風向的狀態(tài)持續(xù)時間服從指數(shù)分布，其狀態(tài)轉(zhuǎn)移過程為Markov過程。
　　由于風能資源區(qū)域和季度的差異，其風速概率分布具有多樣化特性。為評估該特性對電力系統(tǒng)的可靠性影響，給出基于樣條插值的混合核密度風速抽樣方法，建立計及風速概率分布多樣性的含風能電力系統(tǒng)可靠性評估模型。該模型采用基于樣條插值的混合核密度風速抽樣

5、方法，得到與實測風速統(tǒng)計特征一致的風速樣本；結(jié)合風電機組可靠性模型和風電轉(zhuǎn)化模型，提出計及風電機組隨機停運的風電場出力抽樣方法；根據(jù)負荷模型和常規(guī)機組可靠性模型，提出基于非時序Monte Carlo模擬法的含風能電力系統(tǒng)可靠性評估方法。將該方法應(yīng)用于含八個地區(qū)風電場的 RBTS系統(tǒng)可靠性評估，結(jié)果表明：風速概率分布的區(qū)域和季度差異性對含風能電力系統(tǒng)可靠性有較大影響。
　　由于風向隨風速隨機變化，導(dǎo)致不同時刻下風電場尾流效應(yīng)作用強度

6、不一。為評估該特性對電力系統(tǒng)的可靠性影響，提出一種計及風向隨機變化的含風能電力系統(tǒng)可靠性評估方法。該方法將風速-風向 Markov鏈模型、風電機組可靠性模型、Jensen尾流效應(yīng)模型和風電轉(zhuǎn)換模型結(jié)合，提出一種計及尾流效應(yīng)和風電機組隨機停運的風電場發(fā)電狀態(tài)Markov鏈模型；與負荷模型和常規(guī)機組可靠性模型結(jié)合，提出一種含風能電力系統(tǒng)發(fā)電狀態(tài)Markov鏈模型；應(yīng)用Markov方程求解各發(fā)電狀態(tài)概率等參數(shù)，評估含風能電力系統(tǒng)可靠性指標。將

7、該方法應(yīng)用于含四個地區(qū)風電場的RBTS系統(tǒng)，結(jié)果表明：尾流效應(yīng)對電力系統(tǒng)可靠性具有不利影響，忽略尾流效應(yīng)將導(dǎo)致對含風能電力系統(tǒng)可靠性的過低估計。
　　合適的風電機組功率優(yōu)化策略，有利于挖掘風電場發(fā)電潛能和提高系統(tǒng)可靠性水平。復(fù)雜風況對風電機組功率有很大影響，這對風電機組功率優(yōu)化提出了嚴峻挑戰(zhàn)。為此，基于風電機組實際運行數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)技術(shù)和遺傳算法，提出計及復(fù)雜風況的風電機組功率優(yōu)化策略。該策略應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)從風電機組實際運行數(shù)據(jù)

8、中擬合風電機組功率函數(shù)，較客觀地反應(yīng)復(fù)雜風況對風電機組功率的影響；據(jù)此，以風電機組功率最大化為目標，以遺傳算法為求解工具，以風電機組控制參數(shù)為決策變量，提出運行時刻點風電機組功率優(yōu)化模型；然后，在此基礎(chǔ)上，分別提出運行時段內(nèi)的風電機組功率逐點優(yōu)化策略和聚類優(yōu)化策略，后者策略在前者策略基礎(chǔ)上應(yīng)用 K均值聚類方法，可降低優(yōu)化計算復(fù)雜度，利于優(yōu)化策略的實時實現(xiàn)。應(yīng)用前面可靠性評估方法評估使用兩種優(yōu)化策略前后的含風能RBTS系統(tǒng)可靠性，結(jié)果表明