發(fā)布時間：2018-08-16 13:28

【摘要】：風功率預測誤差的高精度擬合與置信水平的科學選取是保障風電高效參與日前機組組合(UC)的關鍵問題,該文將在同時考慮上述兩方面問題基礎上,研究含風電的UC決策模型。首先,基于誤差特性分析提出一種時序下的預測誤差分段擬合方法,利用t location-scale分布進行擬合,以改善厚尾效應,提高擬合精度,更可在時序上與UC決策相配合;其次,構建了可以同時考慮傳統(tǒng)成本、額外備用成本與風險成本的雙分位點型UC決策模型,通過不同成本間的制約關系平衡置信水平的選取,通過不同置信水平的劃分指導備用分類,通過時變置信水平適應誤差時序分段分布,以此使模型更具經(jīng)濟性、針對性與適用性;最后,采用帶有啟發(fā)式搜索原則的改進混合粒子群算法,求解文中的多變量混合整數(shù)規(guī)劃模型,算例結果驗證了所提方法的有效性。
[Abstract]:The high precision fitting of wind power prediction error and the scientific selection of confidence level are the key problems to ensure the wind power to participate in the (UC) of pre-day units efficiently. This paper will study the UC decision model with wind power on the basis of considering the above two problems at the same time. First of all, based on the analysis of error characteristics, a prediction error subsection fitting method based on time series is proposed, which is fitted by t location-scale distribution to improve the effect of thick tail and improve the fitting accuracy, which is more suitable for UC decision making in time series. A two-point UC decision model which can consider the traditional cost, extra reserve cost and risk cost at the same time is constructed. Through the selection of the balance confidence level between different cost constraints, the standby classification is guided by the division of different confidence levels. The time-varying confidence level adapts to the time series distribution of error to make the model more economical, targeted and applicable. Finally, an improved hybrid particle swarm optimization algorithm with heuristic search principle is adopted. The multivariable mixed integer programming model is solved, and the effectiveness of the proposed method is verified by an example.
【作者單位】： 電網(wǎng)智能化調(diào)度與控制教育部重點實驗室(山東大學);電力系統(tǒng)及發(fā)電設備控制和仿真國家重點實驗室(清華大學);
【基金】：國家重點基礎研究發(fā)展計劃項目(973項目)(2013CB228205) 國家自然科學基金項目(51177091,51477091) 山東省青年科學家獎勵基金項目(BS2015NJ005) 山東大學基本科研業(yè)務費資助項目(2015GN001)~~
【分類號】：TM614

【相似文獻】

相關期刊論文 前10條

1 郭宇;茹海鵬;郭寶剛;;電力分配系統(tǒng)中的機組組合問題[J];硅谷;2011年08期

2 蔣妮娜;張志學;劉超男;;不同約束下機組組合決策結果的分析[J];山東電力高等�？茖W校學報;2013年03期

3 朱翠蘭，孫時春，劉筱，周京陽，于爾鏗;華中電網(wǎng)機組組合軟件的開發(fā)與運用[J];華中電力;1995年05期

4 王民量,張伯明,夏清;考慮多種約束條件的機組組合新算法[J];電力系統(tǒng)自動化;2000年12期

5 王承民,郭志忠;電力市場環(huán)境下解決機組組合問題的新方法[J];電力自動化設備;2001年11期

6 王承民,郭志忠,于爾鏗;確定機組組合的一種改進的動態(tài)規(guī)劃方法[J];電網(wǎng)技術;2001年05期

7 王承民,郭志忠;機組組合問題的罰函數(shù)法[J];繼電器;2001年11期

8 江健健,夏清,沈瑜,康重慶,許洪強,張元鵬;基于邊際電價的短期機組組合求解新方法[J];清華大學學報(自然科學版);2001年Z1期

9 袁曉輝,袁艷斌,張勇傳;電力系統(tǒng)中機組組合的現(xiàn)代智能優(yōu)化方法綜述[J];電力自動化設備;2003年02期

10 王海云,趙宏偉,張曉清;蒙特卡洛優(yōu)化法在機組組合問題中的應用[J];后勤工程學院學報;2004年04期

相關會議論文 前4條

1 李曉磊;周京陽;于爾鏗;潘毅;;電力系統(tǒng)機組組合研究綜述[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（上冊）[C];2008年

2 李曉磊;周京陽;于爾鏗;潘毅;;改進線性混合整數(shù)規(guī)劃法機組組合[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（上冊）[C];2008年

3 謝俊;;考慮風電出力隨機性的風—火機組組合建模(英文)[A];中國智能電網(wǎng)學術研討會論文集[C];2011年

4 王楠;張黎明;滿玉巖;;計及換電站電池充放電優(yōu)化的機組組合模型[A];2013年中國電機工程學會年會論文集[C];2013年

相關博士學位論文 前10條

1 龍丹麗;大規(guī)模電力系統(tǒng)機組組合問題的近似動態(tài)規(guī)劃模型與算法[D];廣西大學;2014年

2 張娜;面向風電高不確定性的多周期機組組合研究[D];大連理工大學;2014年

3 車平;基于最優(yōu)化的電力系統(tǒng)機組組合問題研究[D];東北大學;2012年

4 楊朋朋;機組組合理論與算法研究[D];山東大學;2008年

5 張利;電力市場中的機組組合理論研究[D];山東大學;2006年

6 謝毓廣;計及網(wǎng)絡安全約束和風力發(fā)電的機組組合問題的研究[D];上海交通大學;2011年

7 韓道蘭;機組組合問題緊外逼近與內(nèi)外逼近模型方法及優(yōu)化問題QP-free算法研究[D];廣西大學;2013年

8 初壯;初期電力市場有功優(yōu)化調(diào)度模型與算法研究[D];哈爾濱工業(yè)大學;2007年

9 章美丹;電力系統(tǒng)優(yōu)化運行的相關問題研究[D];浙江大學;2013年

10 孫力勇;電力市場環(huán)境下發(fā)電公司的短期經(jīng)濟運行研究[D];上海交通大學;2007年

相關碩士學位論文 前10條

1 李穎浩;電力系統(tǒng)機組組合問題的研究[D];浙江大學;2012年

2 謝上華;隨機機組組合問題中情景生成與削減技術研究[D];湖南大學;2013年

3 龍杭;計及網(wǎng)絡安全約束和需求側(cè)低碳資源的機組組合研究[D];北京交通大學;2016年

4 徐勤;考慮風電不確定性的風電并網(wǎng)調(diào)度方法研究[D];江蘇大學;2016年

5 何小磊;電力系統(tǒng)機組組合問題的研究[D];上海交通大學;2009年

6 劉寧寧;優(yōu)化旋轉(zhuǎn)備用配置的機組組合研究[D];山東大學;2010年

7 蘇濟歸;火電機組組合分步求解策略研究[D];華北電力大學（北京）;2010年

8 王靜;拉格朗日法機組組合中投運風險度約束的解析處理[D];山東大學;2005年

9 吳阿琴;考慮機組組合的水火電力系統(tǒng)經(jīng)濟調(diào)度問題[D];廣西大學;2007年

10 聶坤凱;考慮負荷不確定性的隨機機組組合問題研究[D];湖南大學;2011年

，

本文編號：2186122