基于改进粒子群算法的含风电场电力系统经济调度的研究-房鑫堃.pdf

《基于改进粒子群算法的含风电场电力系统经济调度的研究-房鑫堃.pdf》由会员分享，可在线阅读，更多相关《基于改进粒子群算法的含风电场电力系统经济调度的研究-房鑫堃.pdf（56页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、llllIllllllllllllllPlllllllllJlllllllrlllllJgIY3228972基于改进粒子群算法的含风电场电力系统经济调度的研究房鑫塑哈尔滨理工大学万方数据工程硕士学位论文基于改进粒子群算法的含风电场电力系统经济调度的研究哈尔滨理工大学201 7年6月万方数据国内图书分类号：04372工程硕士学位论文基于改进粒子群算法的含风电场电力系统经济调度的研究硕士研究生： 房鑫垄导 师：付敏申请学位级j|111工程硕士学科、专业：电气工程所在单位：电气与电子工程学院答辩日期：2017年6月授予学位单位：哈尔滨理工大学万方数据Classified Index：043 72Di

2、ssertation for the Master Degree in EngineeringEconomic Dispatch Considering Wind PowerPenetration Based on PSOCandidate：Supervisor：Fang XinkunFu MinAcademic Degree Applied for： Master of EngineeringSpeciality： Electric EngineeringDate of 0ral Examination： June，20 1 7University： Harbin University of

3、 Science andTechnology万方数据哈尔滨理工大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文基于改进粒子群算法的含风电场电力系统经济调度的研究，是本人在导师指导下，在哈尔滨理工大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知，论文中除己注明部分外不包含他人已发表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体，均己在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者躲虏触吼劢7年易月胭日哈尔滨理工大学硕士学位论文使用授权书基于改进粒子群算法的含风电场电力系统经济调度的研究系本人在哈尔滨理工大学攻读硕士学位期间在导师指导下完成的硕士学位

4、论文。本论文的研究成果归哈尔滨理工大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解哈尔滨理工大学关于保存、使用学位论文的规定，同意学校保留并向有关部门提交论文和电子版本，允许论文被查阅和借阅。本人授权哈尔滨理工大学可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。本学位论文属于保密口，在 年解密后适用授权书。不保密团(请在以上相应方框内打v)作者签名：声张导师签名：彳寸国支日期：沙77年多月缪日日期：0。t)年 石月害目万方数据哈尔滨理工大学工程硕士学位论文基于改进粒子群算法的含风电场电力系统经济调度的研究摘 要全球范围内的能源日益枯竭，和环境污染问题，发

5、展风电等可再生能源已经势在必行。风能作为清洁、可再生能源，在全球储量丰富，相对于太阳能等其他能源而言，利用率和能源转化率更加高效，开发忽技术也更加成熟。但由于风的随机性和波动性等固有弊端，致使风电出力也存在不确定性。针对风电并网给系统带来的不确定性问题，利用区间预测理论，确定风电出力和负荷的区间预测，并采用场景理论，研究两者的耦合关系，从而确定能满足风电出力和负荷预测误差的系统备用容量。在确定了系统备用容量的基础上，考虑未来电力市场运营模式中备用容量的补偿成本，建立系统备用容量的最优分配模型，以电网购买的备用容量成本最低为目标，研究备用容量在系统机组之间的优化分配问题。在确定了满足风电出力和负

6、荷预测误差的备用容量后，建立含风电的电力系统经济调度模型，充分考虑成熟电力市场运营模式和环境污染问题，模型中考虑了电能购买成本、环境污染惩罚成本和系统备用容量的购买成本，目标函数为总成本最低，考虑系统运行各类约束条件，采用一种改进的粒子群算法(PSO)对模型进行求解，并算例分析证实模型的正确有效。关键词：风力发电；区间预测；备用容量；改进粒子群算法；经济调度万方数据哈尔滨理工大学工程硕士学位论文Economic Dispatch Considering Wind PowerPenetration Based on PS0AbstractGlobal energy depletion and e

7、nvironmental pollution，it is necessary to developrenewable energy such as wind powerAs a clean and renewable energy，windpower is abundant in the whole world which is more efficient in utilization andenergy conversion and more mature in development technology comparing withother energyBut due to the

8、inherent disadvantages such as the randomness andvolatility of the wind，there iS also uncertainty about the power of wind powerAccording to the uncertainties caused by gridconnected wind power，theinterval forecast method iS used to predict the wind power output and loadand thecoupling theory is used

9、 to study the coupling relationship between wind poweroutput and load，SO as to satisfy the wind power output and load forecasting error ofthe system reserve capacityBased on the reserve capacity of the system，consideringthe cost of spare capacity in the future operation mode of the electricity marke

10、t，andthen solved the spare capacity allocation problem with power systemAfter determining the reserve capacity to meet the wind power output and loadforecasting error，the economic dispatching model of power system with wind poweriS established，and the mature electricity market operation model and en

11、vironmentpollution problem are taken into accountThe cost of energy purchase，the cost ofenvironmental pollution penalty Finally，an improved particle swarm optimization(PSO)algorithm is used to solve the model，and all example iS given to show thatthe model iS correct and effectiveKeywords wind power

12、generation，interval forecast，reserveCapacity，particleswarm optimization，economic dispatch万方数据哈尔滨理工大学工程硕士学位论文目录摘 要IAbstractII第1章绪论111课题的研究背景及意义112国内外研究现状2121负荷及风电出力预测和备用容量的研究现状2122含风电系统调度模型优化及求解问题研究现状413研究的主要内容一6第2章基于场景理论和区间预测的最优备用容量确定721场景理论与含风电系统的场景描述7211场景理论7212含风电电力系统的场景描述822风电输出功率和负荷的预测区间9221风电输

13、出功率的预测区间9222风电输出功率的预测区间一9223负荷的预测区间1123备用容量的确定及最优分配11231备用容量的确定1 1232备用容量的最优分配1424本章小结19第3章含风电场的电力系统经济调度模型研究2031含风电的电力系统调度模型建立一20311目标函数20312约束条件2232粒子群智能算法原理及改进23321粒子群智能算法原理23322算法改进2533粒子群智能算法求解步骤2634本章小结28第4章含风电场电力系统经济调度模型仿真与分析2941算例系统29万方数据哈尔滨理工大学工程硕士学位论文42计算过程和结果3l43算法改进前后对比分析34结论36附录37参考文献4l攻

14、读学位期间发表的论文一46致谢47万方数据哈尔滨理工大学工程硕士学位论文第1章绪论11课题的研究背景及意义21世纪一次能源日益枯竭，全球依托煤炭和石油的经济发展模式势必会发生转变。而且，一次能源的大量开采和燃烧，造成了严重的环境问题，各国的能源战略都开始着重发展风能、光能等可再生能源【l】。最近我国各地频繁爆发的雾霾天气，也和燃烧煤炭等一次能源的影响息息相关。因此，在我国发展可再生能源已经势在必行2-41。因此发展风能、太阳能等可再生能源引起了各国的关注和重视【561。且太阳能和风能由于储量丰富，全球分布面积大，且具有取之不竭，用之不尽的优点，两者的应用技术已经较为成熟，在利用清洁能源发电领域

15、，风能技术尤为成熟【7】。而风力发电作为目前风能利用的主要形式之一，具有诸多优点，比如运行成本较低、可靠性较高且技术成熟，风力发电已经在全球范围内得到了广泛发展【7-9】。我国地域辽阔，各地风能资源储存丰富，为了减少碳排放量，实现我国能源可持续发展战略，充分利用风能资源是其中重要的手段【210l。伴随着我国风力发电机组的不断增加，目前我国已经成为全球风电第一大国，超越美国8，ll】。风电出力具有波动性和随机性，且准确预测困难；其次，风电器件并网时会产生谐波、波动与闪变、三相不平衡、电压暂降等现象，这些问题对于电网的安全稳定运行带来影响，难以保证电网合格的电能质量【49，54】。风力发电与传统的

16、发电机具有完全不同的特点，而传统电力系统调度是基于可靠电源和准确负荷预测进行的，所采用的确定性优化方法也将不再适用【30】。随着风电场并网的规模越来越大，风电波动性对电网的影响也随着增大，从而增加电网的负荷平衡调整难度，为平衡其出力的波动，势必需要更多的备用容量，造成火电、水电等常规机组利用率下降【78 ls。我国“三北”地区风能储量丰富，而其他一些地区风能储量位于平均水平之下，风能的聚集和从成本考虑，我国的风电场都逐渐规模化、集中化，目前单个风电场的装机容量正逐渐增大【16】。但是，大规模风电机组的并网增加了电力系统调度的不确定因素，为保证电网的安全稳定运行，大规模风电的并网需要更多的旋转备

17、用容量，备用容量的增加必然导致火电、水电等常规可靠能源的利用小时数降低，从而导致其利用率降低，这样会增加系统平万方数据哈尔滨理工大学工程硕士学位论文衡负荷所需成本【16，35】。保证电网安全经济运行为平衡风电并网的影响，传统的调度模式和方法己不能适应大规模风电并网运行带来的影响。因此，通过改变传统调度模式和方法来适应风电场的大规模并网具有重要的研究意义，也对我国的能源战略调整具有深厚的意义。另一方面，面对目前的电力体制改革，调整调度模式也有利于节约电网的购电成本支出，增大系统机组的利用效率，促进电力体制改革平衡推进。12国内外研究现状由于风电出力的随机性、波动性等特点，常规负荷预测方法对风电出

18、力预测的局限性，增加了含风电系统的备用容量的配置难度，增大了含风电系统的经济调度的难度【17】。为解决相关问题，国内外学者针对风电出力预测、含风电系统备用容量配置方法、含风电系统调度问题等方面进行了深入研究，并取得较多的研究成果。121负荷及风电出力预测和备用容量的研究现状1负荷预测负负荷预测作为电力规划、电力调度及能量管理等的重要环节，对其的研究早在五十年代就已经开始，并不断发展改进。负荷预测一直是电力系统领域里的传统研究课题，它通常从已知的经济、天气、社会以及电力系统等出发，利用历史数据的对比、分析、研究，对负荷发展做出预先估计和推测。其可分为长期负荷预测，中期负荷预测，短期负荷预测和超短

19、期负荷预测。文献17综合给出了不同负荷预测的特点对比情况，同时综合整理形成如表1-1所示的不同期限预测问题的对比情况分析。2风电功率预测风电功率预；i贝lJ(wind power prediction，WPP)是根据风速及相关因素的历史数据以及当前系统状态，定性或定量地推测其后的演化方向。与传统负荷预测方法类似，WPP可按时间尺度分为中长期、短期和超短期预测【20】。短期预测则要求较高的精度，以减少弃风，优化常规电源的日发电计划与冷热备用，以及调整检修计划，因此多数利用数值天气预报信息(numericalweatherprediction，NWP)建立预测模型2l】。超短期风电功率预测(UST

20、WPP)则有助于优化调频及旋转备用容量，以及在线优化机组组合与经济负荷调度。风电功率预测的方法有自持续预测法、时间序列分析法、回归滑动平均万方数据哈尔滨理工大学工程硕士学位论文模型法(auto regressive moving average，ARMA)、卡尔曼滤波法和人工神经网络方法和支持向量机法(Support Vector Machine，SVM)等21-23】。表11不同负荷预测期限的比照Table 11 The comparison of the different load prediction分类 预测对象 预测目的 预测特性 影响因素 主要方法负荷、电量为电源、电网数据通常

21、电价政策、国民1回归分析、指数长期 等物理量 规划提供基础 是单调递 经济发展、人口平滑、模糊算法灰预测 的年度统数据，安排年 色预测等自身规律度运行方式、 增、无周期变化、产业结构外推法；2考天气计数据 性 调整检修计划 等因素的预测法负荷、电量安排月度运行1周期性 电价政策、天气 1外推预测；2时中期 等物理量 方式、检修计 增长；2每 因素、大用户生 间序列预测；3考预测 的月度统划、水电调度月具有相 产调整、产业结 率天气等因素的预计划、煤电计计数据 似性 构调整 测法划短期 某日各个 安排次日发电在年、月、1同类型日预测；时刻负荷、 计划、开停机星期、日上 电价、节假曰、 2时间序列

22、预测；预测 具有周期 天气因素3神经网络预测；日电量 计划 4考虑气象因素的性预测法超短 当前时刻 实时经济调每日同时夏天可以计及考虑同时段瞬时的期预及往后若 段的瞬时 实时温度变化， 变化规律的外推预干时刻的 度、AGC、实 变化规律 测，如指数平滑、测 时安全分析 一般较少考虑负荷 类似 线性外推3备用容量在电力市场下，系统备用容量会按以备用成本纳入系统的总运行费用，备用容量配置过大会导致电网购电成本支出，从而在经济上电网企业主观的不愿意调度风电，从而影响风电的发展，而备用容量配置过低，会导致系统无法安全稳定运行，因此研究备用容量的选取一直以来都是国内外研究学者的研究热点aSl。电力市场环

23、境下的系统备用容量配置是以经济利益为前提，备用容量配万方数据哈尔滨理工大学工程硕士学位论文置大多以经济性最优或者成本最小作为目标函数，采用遗传算法、粒子群算法等多种算法寻取目标函数最优值。针对该种优化方法，目前已有文献提出的备用市场交易优化模型是以购买备用容量成本最低为目标进行模型求解26】。然而，备用容量优化确定是一个非线性决策问题，模型中需要计及诸多影响因素，欲使配置的备用容量具有普遍性，则需进一步提出新的模型和算法。风电这种波动性电源的并网运行，进一步增加了系统负荷平衡的难度。在前些年，风电场装机容量较小，风电的总装机容量在全网的装机中所占比例小，风电的波动对于整个电力系统来讲，影响有限

24、。但随着风电场的装机容量越来越大，为平衡风电的波动需要配置更多的备用容量，若备用容量配置不足将会造成系统的稳定运行，或造成弃风【281。因此，如何确定系统最优的备用容量是提高风电最大接入容量和将风电并网影响保证在可控范围之内的重要途径。文献12通过对安全性与经济性的协调，综合考虑输电网络的越限约束对机组组合和备用容量的影响，分析了发电侧备用和用户侧响应的双侧备用协调分配方式，但是其并未考虑暂态稳定、电压稳定等因素对系统备用容量配置的影响。文献13综合引入了机会约束规划方法，首先建立了风电机组情况下电力系统的备用容量模型，并考虑发电机组故障率、系统负荷波动、风电机组出力偏差等系统不确定性因素，以

25、及互联系统联络线安全约束条件下，最终实现了含风电场的互联电力系统备用容量优化。文献14针对风电功率预测的不确定性对电力系统备用容量的影响，应用场景法来描述风电功率、负荷以及常规机组的不确定性，在考虑备用成本情况下，从经济性和安全性角度出发计算系统的备用容量，但是并未确定出安全性和经济性权重系数的值。文献【15将分层优化思想引入到双层决策模型中，在内层优化过程中考虑短时段尺度的运行问题，在外层优化过程中考虑长时间尺度的规划问题，并根据不同优化问题，选取不同的方法对模型进行求解，这种方法可以较为准确计算风电接入系统的备用容量值，但是模型计算难度同样加大。文献161提出了离散粒子群算法以及随机模拟的

26、改进粒子群算法来求解含风电场的电力系统机组组合问题，从而减少风电的不良影响。122含风电系统调度模型优化及求解问题研究现状1含风电系统调度问题电力系统的调度问题主要是解决系统的负荷平衡问题，安排系统内各类一4万方数据哈尔滨理工大学工程硕士学位论文机组的出力来确保负荷的电力供应，同时还要考虑系统运行的稳定性，包括频率稳定。电压稳定和功角稳定等。系统中各类机组的耗量特性和运行成本不同，导致电力系统调度部门不同的调度模式会对整个系统的经济性产生影11向181。因此，经济调度早已成为电力行业追求的目标，而在经济调度中需要充分考虑机组的运行状况，运行模式、运行的耗量特性等，比如机组最小启停机时间、爬坡速

27、率、发电机组的出力范围等，将这些考虑因素纳入系统调度模型的约束条件，以不同的优化目标来满足调度的追求。通常来讲，污染物排放最小，电网运行最经济，购电成本最低是目前最常用的三个经济调度模型目标【16】。电力系统的经济调度问题，是一个高维数、非线性、且具有诸多约束条件的混合优化问题，即在保证电网安全稳定运行的前提下，计及系统运行的各类约束条件，合理安排发电机组的起停方式和出力大小，使系统达到经济最优1930 34。自上世纪30年代以来，经济调度问题一直是国内外研究学者和电力行业从事者的研究热点，经济调度问题主要研究满足系统运行的各类约束条件下，如何安排机组组合，分配系统的负荷【18，19】。除了对

28、调度模型的研究以外，由于调度模型的求解困难，众多学者对算法求解问题进行深入研究，提出了很多高效、可行的算法，这些算法可以分为：优先顺序法、数学规划优化方法、基于启发式思想的智能优化方法6，17，19J。风电具有反调峰性能在大规模风电并网后，相当于增大了系统的不确定性，对调度方式的制定带来更多挑战【19刀】。无法准确预测风电出力，这导致电力系统运行时可能遇到的不确定性显著增加，从而导致含风电的电力系统调度工作尤其困难【27】。另一方面，风电出力波动随时影响系统的潮流分布，对系统功角稳定、线路传输功率稳定性等带来影11晦111。文献【33通过火电机组来协调配合风电场的出力，建立一种风电和火电协调调

29、度模型，并采用智能算法对模型求解，计算出满足约束条件下的系统风电穿透功率极限。文献341用模糊集来代表风电和光伏发电出力的不确定性，电网的调度模型即变成模糊规划问题，仍用智能算法对模型求解，得到系统的优化调度方案。文献391将随机规划理论引用到含风电场电网的动态经济调度模型中，模型的求解算法综合了随机模拟、神经网络和遗传算法，算例分析验证了该混合智能算法有较好的算法收敛速度及搜索性能。文献40411提出了一种考虑风电并网后系统运行成本和风险成本的优化凋度模型。模型两个优化目标相互矛盾，论文采用多目标粒子群算法求解模型，得到一个协调最优解，最优解兼顾了经济性和安全。陛。万方数据哈尔滨理工大学工程

30、硕士学位论文2优化调度求解算法含风电场的电力系统的优化调度问题是一个具有离散性、非线性、并且含有诸多约束条件的优化问题，目前国内外诸多研究学者和电力行业从事者已经对模型的求解进行了研究，常用的方法包括传统的数据规划法和基于人工智能的智能优化算法两大类34，35。后期学者对算法的研究并未提出新的优化算法，而是对算法的计算精度和计算时间进行改进，扩大算法的适应性。总而言之，无论是传统的数据规划方法还是新型的智能优化算法，在求解电力系统优化调度问题上均有各自的优点和不足之处，因此，对各类算法进行分析的基础上，扬长避短，充分利用不同算法不同的优点，以一种算法为基层，在融入其他的智能算法改善原有算法的不

31、足之处，建立混合算法是一种较为有效的方法。13研究的主要内容本文主要是针对含风电场电力系统建立经济调度模型，并根据场景理论及区间预测，确定系统备用容量这一约束条件，最后采用一种改进的粒子群算法进行求解，主要工作如下：1风力发电的应用前景、阐述课题的研究背景意义。介绍含风电的电力系统备用容量确定问题以及经济调度问题的国内外研究动态。2研究风电并网后的系统备用容量确定方法和最优配置问题，以区间预测理论和场景理论解决风电出力和负荷不确定性的耦合关系，确定系统的备用容量大小，在此基础上，基于成熟电力市场的运营模式，考虑备用容量的购买成本，以电网购买备用容量成本最低为目标建立系统备用的最优配置模型。3研

32、究含风电的电力系统经济调度问题，建立优化模型，模型考虑电力市场中电网企业逐利原则和火力发电的环境污染问题，模型计及电能购买成本、环境污染惩罚成本和备用容量购买成本，以成本最低为目标函数；介绍智能算法一粒子群算法的原理和算法步骤，并对算法进行改进，以适用下文提及的含风电系统经济调度问题求解。4通过改进的粒子群智能算法求解，通过增加粒子搜索随机性，增加粒子新的搜索区域，避免了传统粒子群算法意收敛于局部最优解的问题，以一个含风电场的39机系统算例进行分析，证明本文提出的模型正确性和算法的有效性。万方数据哈尔滨理工大学工程硕士学位论文第2章基于场景理论和区间预测的最优备用容量确定电力系统运行中总会出现

33、各类的系统故障和负荷波动问题，为保证系统负荷平衡，确保系统频率稳定和功角稳定，电力系统一般会预留一定的容量作为备用，用于平衡各类随机事件给电网带来的冲击影响。电力系统备用容量的确定问题，直接影响系统运行的经济性和可靠性(或安全性)，针对备用容量的计算问题，均是希望得到系统经济性和可靠性的中间平衡点，即均衡解，备用容量的确定问题受到国内外研究学者的广泛关注，目前文献中对备用容量优化问题主要有确定性方法，概率性方法、经济性法和风险法1120】。风电并网运行，增加了系统的不确定和波动性，特别是随着风电场并网规模的日益增大，风电出力预测存在偏差，导致系统变化不可控因素增多。尤其是随着电改9号文的出台，

34、我国电力体制改革逐步进入深水区，可以预知，在不久的将来我国将形成由市场决定的电力交易机制。而在成熟的电力市场中，发电企业、用户和电网企业均追求各自利益最大化，经济性成为媲美电网可靠性的考虑因素。在发电上网和售电环节引入市场机制后，参与系统备用容量的各方代表各自的利益，在市场机制下，电力系统备用容量的配置问题需要考虑电网企业的系统运行风险，发电侧电厂的利用，以及用户侧的购电费用等，因此，电力市场机制下的电网系统备用容量配置是以经济利益为前提，备用容量配置大多以经济性最优或者成本最小作为目标函数，采用遗传算法、粒子群算法等多种优化算法寻取目标函数最优值sol。电力系统的备用容量作为一种商品，进行交

35、易时必定是有偿的。传统方法虽然非常简单，在电力行业中也得到了广泛应用，但从经济角度来讲一般不是最优的。从经济性上考虑，在确保电力系统能安全稳定运行时，如何优化分配系统的备用容量也是亟需解决的问题。21场景理论与含风电系统的场景描述211场景理论场景分析理论适用于未来不确定性问题的分析，其原理为通过预测、推万方数据哈尔滨理工大学工程硕士学位论文理分析等方法得到未来可能出现的各种情况，每一种情况都是一个场景，同时给出每个场景出现的概率。在决策中，不同场景的出现概率不同，其对最终方案的影响亦不同，原则上是场景出现的概率越大，其对最终方案的影响越大。对于不确定性问题，场景可以这样理解，不确定性问题描述

36、为数据模型通常为概率模型，这类模型常以微积分的形式描述。以微积分形式描述的高阶模型由于无法求解稳定最优解，其在实际决策问题中通常无法使用，而较为有效的方法则是将其离散化，而模型离散化后就产生了“场景”，通过对概率模型抽样方法离散化可以看做是“场景生成”，当然，这样生成的场景数量庞大，通常还需要根据具体问题削减场景。针对一些对可靠性约束要求较高的问题，最终方案并不受各类场景出现的概率不同的影响，而是为了保证最大限度的保证系统满足约束要求，由可能出现的最极端情况，即极限场景来决定最终方案。212含风电电力系统的场景描述我国电力系统作为一个庞大的系统，具有设备多，互联广，电压等级高、输电距离远等诸多

37、特点，这些特点也决定了电网在实际运行中存在一系列不确定性的状况，比如机组故障、负荷波动、线路故障等等，每一种可能存在的状况均是一个预想场景，所有可能的场景集合即是预想场景集。随着风电的并网，电力系统的不确定性进一步增加，在电网调度机构制定日前计划时，由于风电无法调节出力，制定机组出力平衡预测负荷时，只能将风电预测值纳入计算，如何对风电出力的不确定性进行概率分析是含风电系统亟待解决的问题。经过诸多学者的研究，采用场景分析法来描述风电出力的不确定性是较为行之有效的方法。风电随机性与波动性的概率模型多以微积分形式存在，很多情况下是无法在电力系统规划与运行的决策问题中直接使用的。因此，人们需要将概率模

38、型离散化后再使用，离散化的结果即为文所指的“场景”。通过随机变量的概率模型抽样来得到海量场景集合的过程成为“场景生成”。在根据海量场景进行随机优化的过程中往往会产生巨大的计算量，为了减少计算量且尽量不损失结果的准确性，需要将海量场景集合削减到仅含有少数几个最有可能发生的场景的集合，该过程即为“场景削减”。通过场景生成和场景削减这样一整套过程刻画风电的随机性和波动性。风电出力预测是对风电出力场景描述的前提，在风电出力预测的前提下，万方数据哈尔滨理工大学工程硕士学位论文进行场景描述通常分为直接法和间接法，直接法就是直接将考虑预测误差的风电出力作为一个场景，间接法则是在风电预测出力的基础上，分析预测

39、误差分布，即每一个预测误差作为一个场景。本文采用间接法对风电出力进行场景描述。22风电输出功率和负荷的预测区间221风电输出功率的预测区间预测即通过预测模型对将来还未发生的情况进行预判，通常的预测为一个确定描述。若是针对一个能用数值进行表示的事物，则常规的预测结果也为一个确定的数值，即点预测。但是预测都存在一定的误差，判断某类预测模型或某种预测方法是否有效，也是通过分析、验证其预测误差进行判定，预测误差越小，该预测(方法)越有效。预测误差通常导致预测值得可用性变小，为提高预测值的适应性，区间预测是一种较为有效的方法【51】。区间预测即是通过概率区间来描述预测值与实际值之间的误差情况，通过概率区

40、间理论，即可以得到某一置信水平下，该预测值的预测区间。区间预测，需要首先得到点预测值和预测误差的概率分布，假设已知彳点、为点预测值，(x)为预测误差的概率分布，则区间预测模型如式(2-1)所示J拶)=l A+f。(垡)，A+f。1(历)i (21)其中垡一万=1一 (22)式中，卢为该预测区间的置信水平，取值区间(o，1】；彳为点预测值；彳+厂1(垡)与A+f-1(历)分别为预测区间的上下限值。瓦和垡分别为概率分布内的上限和下限。222风电输出功率的预测区间随着风电装机容量的不断增加，风力发电作为技术最为成熟的清洁能源发电技术之一，风电出力的不确定性已成为制约风电进一步发展的瓶颈所在，因此，风

41、电输出功率预测一直是各国研究学者和风电相关工作从事者的研究热点。万方数据哈尔滨理工大学工程硕士学位论文目前，风电输出功率预测方法通常有两科，一是直接法，即通过历年来风电场的出力进行分析，直接预测未来的风电出力功率；二是间接法，即先通过预测风电场的风速，再通过风电机组的功率特性曲线计算得到风电场的输出功率。由于风速的历史数据量较为齐全，且问接法避免了直接法受风电机组自身运行状态影响预测结果的弊端，通常来讲，间接法预测的风电出力较为准确。假设已知风电出力功率的点预测值为P”，则根据区间预测理论，为得到风电出力的预测区间，在通过预测方法得到点预测值的基础上，还需知道该预测方法的预测误差分布函数，本文

42、选取正态分布函数来描述风电出力预测误差，其概率分布函数如式(23)所示。1 一盟兀(R)=e2一 (2_3)VZ7tO式中，必，风电出力预测偏差，仃z为风电出力预测误差的标准差。结合式(21)可以得到风电出力的预测区间歹护”)=P”+石1(a-w)，P”+力1(瓦) (2-4)疗=1一瓦=等 (2-5)二式中，鼠为风电区间预测的置信水平，取值区f日q(o，1】，P”为风电出力功率的点预测值；在考虑风电出力受其机组装机容量的限制，即风电的最大出力为式(26)确定的预测区间上限值和风电机组的装机容量之间的较小值，即：尝=min(Pw+靠1(玩)，Pw，懈) (2-6)风电出力的最小值不可能为负值，

43、最小即为风电机组不投入时，也就是出力为零。所以风电的最小出力为式(2-7)确定的预测区间下限值和出力为零两者的较大值，即：掣=max(P”+石1(瓯)，o) (2-7)由此可知，风电输出功率的实际预测区间即介于风机的最大出力与最小出力之间，即：万方数据哈尔滨理工大学工程硕士学位论文。，=聪d，絮1 (28)223负荷的预测区间同理，在得到负荷的点预测值Lt的基础上，假没负荷预测偏差也同样服从正态分布，即：1 必2彳(卸)=百二P 2矿 (29)q z冗。式中，鹋负荷预测偏差，盯2为负荷预测误差的标准差。由此可得负荷的预测区间为：彬=厶+石1(璺)，厶+爿(蟊) (2一lo)当：1一面：拿 。(

44、2-1 1)式中，屈为负荷区间预测的置信水平。23备用容量的确定及最优分配231备用容量的确定通过区间预测理论，可计算得到风电场出力和负荷的预测区间以及点预测值，两者预测的误差的各种组合可由图25所示的风电输出功率和负荷预测区间的相互关系图，同时图也表现了在某一个时刻，风电输出功率和负荷的各种可能的场景。下面我们将根据图25，结合场景理论确定该时刻系统应为风电出力和负荷预测的不确定性(即预测误差)而需要提供的备用容量551。图21中点1-9范围内的所有区域即为海量的场景集合，这是一个概率模型，根据场景理论我们将其离散化看作是一个一个点场景的集合，选取其中最具代表性的九大场景，即场景1-9。如图

45、2一l所示，横坐标为风电出力的预测区间，纵坐标为负荷的预测区间，通过区间预测理论，得到某一置信水平下的风电输出功率预测区间和负荷的预测区间。很明显我们从风电出力和负荷预测两方面选取具有代表意义万方数据的极限值，可以得知风电出力值有3个分别为，最大出力、最小出力、平衡出力，同样的在负荷侧也得到3个极限值，即为最大负荷、最小负荷及平衡负荷。表现在图21中的横从坐标上，两者不同的组合即为该时刻风电出力和负荷的不确定性给系统带来的所有可能遇到场景，也就是图21中的场景19。分别分析出场景19所需要的备用容量，表21对预测区间内的9类极限场景(场景19)进行了分析如下：图21某时段风电预测出力区间和负荷

46、预测区间的场景集Fig2-1 Scenario set of wind power prediction output interval and load forecast interval fora certain period of time表21预测区间内的各类极限场景分析Table 21 The analysi s of all kinds of limit scenarios within the forecast interval场景类别 风电实际出力 实际负荷 备用容量 备用容量正负场景1 )wind pload 尸岫。一咄4埋警一尸h8mln 1 maX 正场景2 尸”ind pload pload)load 正max max 不确定(与风电场景3 pwind pload 尸枷一感o+尝一尸10蚵 输出功率和负。lnaX 4 max荷的预测区间大小有关)万方数据哈尔滨理工大学工程硕士学位论文场景4 pwind P1084 gwi