新建大型风电场出力波动特性的建模方法及应用

摘要

本发明属于电力系统规划领域，特别涉及在电力系统规划中新建风电场的建模方法，本发明还涉及这种建模方法的应用。本发明根据大型风电场出力波动的tlocation‑scale分布特性建立大型风电场出力波动的区间概率模型：p＝{(0≤ΔP≤ΔP1,p1),(ΔP1≤ΔP≤ΔP2,p2),...,(ΔPn‑1≤ΔP≤ΔPn,pn)}。本发明所建立的模型不需要风电场出力历史数据，可以用于含新建大型风电场电力系统规划时的静态安全分析、暂态安全分析、调峰容量校验等场合。

权利要求

1.新建大型风电场出力波动特性建模方法，其特征是：假定大型风电场的波动量是符合tlocation-scale分布的，tlocation-scale分布的概率密度函数为：其中，μ为位置参数，σ为尺度参数，ν为形状参数；

对风电场出力进行满足tlocation-scale分布的大样本抽样，利用抽样数据划分风电场出力区间，并计算风电场出力处于各个区间的概率；根据大型风电场出力波动的tlocation-scale分布特性建立大型风电场出力波动的区间概率模型：p＝{(0≤ΔP≤ΔP1,p1),(ΔP1≤ΔP≤ΔP2,p2),...,(ΔPn-1≤ΔP≤ΔPn,pn)}式中ΔPi-1≤ΔP≤ΔPi表示风电场有功出力波动区间；pi表示风电场有功出力处在波动区间ΔPi-1≤ΔP≤ΔPi的概率，i＝1,2,…,n，n为风电场有功出力波动区间数；

所述大型风电场出力波动的tlocation-scale分布特性建立大型风电场出力波动的区间概率模型的步骤是：(1)产生满足tlocation-scale分布的N×M维归一化的数据样本，N为样本总数，M为随机变量维数；

(2)确定区间数目n，采用K-均值聚类方法将N×M阶数据样本分为n类，将各类中心作为区间的分位点，所述的各类中心为该类中所有样本的均值；

(3)根据风电场装机容量PGN，将 变换成ΔPi，即 i＝1,2,…,n；

(4)统计落在各区间中的样本占样本总数的比例，将其作为各区间的概率值pi，i＝1,

2,…,n。

2.根据权利要求1所述新建大型风电场出力波动特性建模方法，其特征是：所述建模方法适用于大型风电场群。

说明书

新建大型风电场出力波动特性的建模方法及应用

技术领域

[0001] 本发明属于电力系统规划领域，特别涉及在电力系统规划中新建大型风电场出力波动特性的建模方法，本发明还涉及这种建模方法的应用。

背景技术

[0002] 由于化石能源日益紧缺，大型风电场是中国电网目前和未来最主要的发电厂类型之一。出力波动特性是风电场的固有特性，也是有别于常规火力发电厂、水力发电厂和核电厂的主要方面。由于风电场出力波动，电网潮流也将表现为相关的波动特性，影响电网的正常运行、电力电量平衡、调节电源的配置。在风电场出力波动时，同时可能伴随着风电机组的切入切出，对电网暂态安全也将造成影响。正确建立风电场的出力波动特性模型对电力系统规划具有重要作用。

[0003] 在目前的很多研究和应用中，对风电场的出力波动特性有如下处理方法：

[0004] (1)按照风电场历史出力数据建立风电场的出力波动场景，并在此基础上进行后续的分析计算。该方法适应于已经运行的风电场。由于在电力系统规划中新建风电场没有历史出力数据，该方法不适用。

[0005] (2)假定风电场出力满足某一分布特性，建立风电场的出力波动场景，并在此基础上进行后续的分析计算。现有研究已经表明，不同风电场的出力具有不同的分布特性，该方法具有很大的局限性。

发明内容

[0006] 本发明的目的是针对目前新建风电场出力波动特性模型中存在的问题，提供一种新建风电场出力波动特性的建模方法，本发明还涉及这种建模方法的应用。用于含新建大型风电场的电力系统规划中的静态安全分析、暂态安全分析、调峰电源的确定等相关问题。

[0007] 本发明的目的是通过以下技术方案实现的：新建大型风电场出力波动特性的建模方法。

[0008] 根据国内外大量风电场实际出力数据，对其各种时间尺度下的出力波动进行tlocation-scale分布拟合，表明大型风电场的出力波动都满足tlocation-scale分布，并且其统计参数变化范围很小。tlocation-scale分布的概率密度函数为：

[0009]

[0010] 其中，μ为位置参数，σ为尺度参数，ν为形状参数。

[0011] 因此，在进行电力系统规划过程中，由于不知道大型风电场出力曲线，本发明在建立大型风电场出力波动的场景概率模型时假定大型风电场的波动量符合是tlocation-scale分布的。

[0012] 所述根据tlocation-scale分布建立大型风电场出力波动的场景概率模型的方法是：假设大型风电场的波动量符合tlocation-scale分布，其概率密度函数如式(1)。对风电场出力进行满足tlocation-scale分布的大样本抽样，利用抽样数据划分风电场出力区间，并计算风电场出力处于各个区间的概率。

[0013] 所述根据tlocation-scale分布建立大型风电场出力波动的场景概率模型的具体步骤为：

[0014] (1)产生满足tlocation-scale分布的N×M维归一化的数据样本，N为样本总数，M为随机变量维数；

[0015] (2)确定区间数目n，采用K-均值聚类方法将N×M阶数据样本分为n类，将各类中心(该类中所有样本的均值) 作为区间的分位点；

[0016] (3)根据风电场装机容量PGN，将 变换成ΔPi。即 i＝1,2,…,n；

[0017] (4)统计落在各区间中的样本占样本总数的比例，将其作为各区间的概率值pi，i＝1,2,…,n；

[0018] 按照上述步骤，可以建立大型风电场出力波动的区间概率模型：

[0019] p＝{(0≤ΔP≤ΔP1,p1),(ΔP1≤ΔP≤ΔP2,p2),...,(ΔPn-1≤ΔP≤ΔPn,pn)}  (2)[0020] 式中ΔPi-1≤ΔP≤ΔPi表示风电场有功出力波动区间；pi表示风电场有功出力处在波动区间ΔPi-1≤ΔP≤ΔPi的概率。i＝1,2,…,n，n为风电场有功出力波动区间数。

[0021] 由于风电场群是一定地域范围内各个风电场的出力叠加，风电场群的出力波动同样符合tlocation-scale分布。因此所述大型风电场出力波动的区间概率模型，式(2)，同样适用于大型风电场群的出力波动区间概率模型。

[0022] 采用以上方案的新建大型风电场的波动特性建模方法，具有这些显著优点和有益效果：

[0023] (1)相比于现有方法，本发明方法不需要已知风电场的历史出力数据，因此对新建风电场和待建风电场具有有效性；

[0024] (2)相比于现有方法，本发明方法认为大型风电场的出力波动满足tlocation-scale分布，而不是大型风电场的出力满足某一分布特性。由于现有已知的风电场出力波动都满足tlocation-scale分布，因此适应性更好；

[0025] (3)本发明方法提供了一种仅已知大型风电场粗粒度宏观信息条件下的分析思路。

具体实施方式

[0026] 下面结合实施例详细说明本发明的实施情况,但它们并不构成对本发明的限定，仅作举例而已。同时通过说明本发明的优点将变得更加清楚和容易理解。

[0027] 本发明新建大型风电场出力波动特性建模方法，其特征是：假定大型风电场的波动量是符合的tlocation-scale分布的，tlocation-scale分布的概率密度函数为：

[0028]

[0029] 其中，μ为位置参数，σ为尺度参数，ν为形状参数；

[0030] 根据大型风电场出力波动的tlocation-scale分布特性建立大型风电场出力波动的区间概率模型：

[0031] p＝{(0≤ΔP≤ΔP1,p1),(ΔP1≤ΔP≤ΔP2,p2),...,(ΔPn-1≤ΔP≤ΔPn,pn)}[0032] 式中ΔPi-1≤ΔP≤ΔPi表示风电场有功出力波动区间；pi表示风电场有功出力处在波动区间ΔPi-1≤ΔP≤ΔPi的概率，i＝1,2,…,n，n为风电场有功出力波动区间数。

[0033] 所述大型风电场出力波动的tlocation-scale分布特性建立大型风电场出力波动的区间概率模型的步骤是：

[0034] (1)产生满足tlocation-scale分布的N×M维归一化的数据样本，N为样本总数，M为随机变量维数；

[0035] (2)确定区间数目n，采用K-均值聚类方法将N×M阶数据样本分为n类，将各类中心作为区间的分位点，所述的各类中心为该类中所有样本的均值；

[0036] (3)根据风电场装机容量PGN，将 变换成ΔPi。即 i＝1,2,…,n；

[0037] (4)统计落在各区间中的样本占样本总数的比例，将其作为各区间的概率值pi，i＝1,2,…,n。

[0038] 新建大型风电场出力波动特性建模方法的应用，所述建模方法适用于大型风电场群。

[0039] (1)对规划方案的静态安全分析：首先建立夏大、冬大典型运行方式；对每一种典型运行方式，按照本发明建立风电场出力波动的场景概率模型，设定场景概率pi>pset的所有波动场景，逐一计算各个波动场景下的电网潮流波动情况是否满足要求。

[0040] (2)对规划方案的暂态安全分析：首先建立夏大、冬大典型运行方式；对每一种典型运行方式，按照本发明建立风电场出力波动的场景概率模型，选择波动量最大的场景，计算该波动场景下是否满足暂态安全要求。

[0041] (3)对规划方案调峰电源的校验：首先建立夏大、冬大典型运行方式；对每一种典型运行方式，按照本发明建立风电场出力波动的场景概率模型，选择各种波动场景，计算该波动场景下的电网调峰电源是否满足要求。

[0042] 其它未经详细说明的部分均为现有技术。