【摘要】：能源是推動經(jīng)濟社會持續(xù)快速發(fā)展的關鍵,但日益短缺的化石能源與不斷惡化的生存環(huán)境使得傳統(tǒng)的能源供應體系面臨嚴峻挑戰(zhàn)。因此,風電、太陽能等清潔可再生能源受到持續(xù)關注。其中,風力發(fā)電因其實現(xiàn)技術趨于成熟、投資回報效果較優(yōu),以及政策支持等因素影響而得到大規(guī)模的開發(fā)利用,已經(jīng)成為電力系統(tǒng)的主要電源之一。然而,由于風能的隨機性,風電在提供清潔能源、減少碳排放的同時,也給電力系統(tǒng)的調度、運行帶來了巨大挑戰(zhàn)。一方面,風功率的隨機波動性難以準確把握。雖然風功率的預測經(jīng)過長期的研究實踐取得了很大的進展,但其預測精度仍難以滿足實際工程的需要。因此,有必要在已有預測技術基礎上,通過對預測結果的誤差特性分析與把握,從而降低風功率隨機波動性對機組組合、經(jīng)濟調度等決策行為的影響,實現(xiàn)對風功率預測信息的高效利用。另一方面,隨機波動的風電功率與傳統(tǒng)的確定性調度方式間難以協(xié)調。風電滲透率的不斷增大在給系統(tǒng)帶來巨大經(jīng)濟、環(huán)境效益的同時,系統(tǒng)運行的不確定性同樣隨之增加,而傳統(tǒng)的確定性機組組合、經(jīng)濟調度方式顯然難以應對因大規(guī)模風電接入而引起的不確定性。由此,如何實現(xiàn)波動性風電與確定性機組組合間的有效銜接,對于提高電力系統(tǒng)運行經(jīng)濟性與安全性具有重要的理論與實際意義。據(jù)此,本文首先研究風功率預測誤差特征的準確表達方法,繼而探討其在機組組合中的應用,并提出考慮預測誤差時序特性的機組組合方法研究,以此改善含風電系統(tǒng)的經(jīng)濟性與安全性。主要工作可以概括如下：(1)研究風功率預測誤差的概率分布特征,利用參數(shù)與非參數(shù)估計方法對預測誤差進行擬合分析,包括正態(tài)分布,Beta分布,T-location-scale分布,以及非參數(shù)核密度估計方法,并進一步對現(xiàn)有的檢驗概率密度函數(shù)擬合效果的評價指標進行改進。利用實際風功率預測誤差數(shù)據(jù),對比分析了不同擬合方法、不同擬合參數(shù)對擬合效果的影響。(2)考慮風電預測誤差在不同功率水平與不同時段下的差異性,提出一種功率-時序維度下的誤差分段擬合方法,通過對功率、時序兩個維度下的同時分段,提高誤差擬合精度。針對分區(qū)過多問題,提出一種區(qū)段縮減方法,解決分組數(shù)量與擬合效果間的矛盾,從而提高擬合精度,減少了擬合計算量,使該方法更具實用意義。該研究表明同時考慮了誤差功率-時序特征的擬合方法能夠更精確的刻畫風功率預測誤差的分布特征。(3)提出一種可同時考慮預測誤差時序分布特性與系統(tǒng)備用分類的機組組合模型。該模型將預測誤差的時序特性與機組組合的時序特征相結合,使預測誤差的時序特征得以準確把握；同時,該模型按傳統(tǒng)成本、額外備用成本與風險成本對不同備用類別進行劃分,并通過不同成本間的制約關系自動平衡置信水平的選取,通過時變置信水平適應誤差時序分段分布特征,以此提升模型經(jīng)濟性與安全性：最后,利用含啟發(fā)式搜索原則的混合粒子群算法來求解該模型。
[Abstract]:Energy is the key to the sustainable and rapid development of the economy and society, but the increasing shortage of the fossil energy and the deteriorating living environment make the traditional energy supply system facing a severe challenge. Therefore, clean renewable energy, such as wind power and solar energy, is constantly concerned. The wind power generation has become one of the main power sources of the power system because of its mature technology, better investment return effect and policy support. However, due to the randomness of wind energy, wind power can provide clean energy and reduce carbon emission, and also brings great challenges to the dispatching and operation of the power system. On the one hand, the random fluctuation of wind power is difficult to grasp accurately. Although the prediction of wind power has made great progress through long-term research, its prediction accuracy is still difficult to meet the needs of the actual project. Therefore, it is necessary to analyze and grasp the error characteristic of the prediction result on the basis of the existing prediction technology, so as to reduce the influence of the random fluctuation of the wind power on the decision-making behavior such as the combination of the unit and the economy, and realize the high-efficiency utilization of the wind power prediction information. On the other hand, the wind power of random fluctuation is difficult to coordinate with the traditional deterministic scheduling mode. The continuous increase of the wind power permeability brings great economic and environmental benefits to the system, and the uncertainty of the system operation is also increased, and the traditional deterministic unit combination and the economic dispatching mode obviously have difficulty in coping with the uncertainty caused by large-scale wind power access. Therefore, how to realize the effective connection between the volatility wind power and the deterministic unit combination is of great theoretical and practical significance to improve the operation economy and safety of the power system. In this paper, the accurate expression of the characteristic of the wind power prediction error is first studied, then its application in the unit combination is discussed, and the combination method of the unit considering the timing characteristics of the prediction error is put forward to improve the economy and safety of the wind power system. The main work can be summarized as follows: (1) The probability distribution characteristic of the wind power prediction error is studied, and the prediction error is fitted and analyzed by the parameter and the non-parameter estimation method, including the normal distribution, the Beta distribution, the T-location-scale distribution, and the non-parameter kernel density estimation method. And further improving the evaluation index of the fitting effect of the existing test probability density function. Using the actual wind power to predict the error data, the effects of different fitting methods and different fitting parameters on the fitting effect are compared and analyzed. (2) Considering the difference of the wind power prediction error under different power levels and different time periods, a method for fitting the error segment under the power-time sequence dimension is proposed, and the error fitting precision is improved by simultaneously segmenting the power and the time sequence. In view of the excessive partition problem, a section reduction method is proposed to solve the contradiction between the number of the packets and the fitting effect, so that the fitting precision is improved, and the fitting calculation amount is reduced, so that the method is more practical. The study shows that the method of fitting the error power-time-sequence feature can more accurately describe the distribution characteristics of the wind power prediction error. (3) A combined model of the combination of the prediction error timing distribution and the system standby classification can be considered at the same time. The model combines the timing characteristics of the prediction error with the timing characteristics of the combination of the units, so that the timing characteristics of the prediction error can be accurately grasped; meanwhile, the model is divided according to the traditional cost, the additional standby cost and the risk cost to different standby categories, And the model is solved by using a mixed particle swarm algorithm with a heuristic search principle.
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2016
【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6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 郭文蘭;韓學山;;基于模糊決策的最優(yōu)機組組合[A];1994中國控制與決策學術年會論文集[C];1994年

4 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

5 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

6 賴曉平;王冰;;提高機組組合問題動態(tài)規(guī)劃算法效率的有效方法[A];第二十二屆中國控制會議論文集（下）[C];2003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 周博然;含風電的機組組合模型及算法研究[D];浙江大學;2015年

3 鄭海艷;機組組合基于Benders分解與割平面的方法及約束優(yōu)化SQP算法研究[D];廣西大學;2015年

4 鄧俊;機組組合混合整數(shù)線性規(guī)劃模型的研究與改進[D];廣西大學;2015年

5 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

6 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

7 楊朋朋;機組組合理論與算法研究[D];山東大學;2008年

8 張利;電力市場中的機組組合理論研究[D];山東大學;2006年

9 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

10 韓道蘭;機組組合問題緊外逼近與內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

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 諸言涵;基于序優(yōu)化理論的大規(guī)模機組組合求解算法研究[D];華南理工大學;2015年

4 閆圓圓;基于向量序優(yōu)化理論的大規(guī)模多目標機組組合問題研究[D];華南理工大學;2015年

5 李健成;考慮環(huán)境成本的含多類型能源的魯棒機組組合問題[D];華南理工大學;2015年

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

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

8 王昭卿;考慮風電預測誤差分布特性的機組組合模型與算法[D];山東大學;2016年

9 張曉丹;風電功率預測誤差不確定性建模研究[D];北京交通大學;2016年

10 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

本文編號：2507686