北极星

搜索历史清空

  • 水处理
您的位置:电力输配电输配电智能用电技术正文

【连载】国电南瑞:大能源思维与大数据思维的融合(四)

2016-04-28 06:51来源:电力系统自动化作者:薛禹胜 赖业宁关键词:大数据智能电网国电南瑞收藏点赞

投稿

我要投稿

笔者提出了“离线分类优化,在线选配模型”的自适应预测方法,按照相关因素及风电动态特征,建立有限的因果关系,并据此选用不同的样本集,分别优化预测模型及参数。这使风电等随机时间序列的超短期预测从历史数据的笼统统计改进为与因果关系结合的分类统计,不但提高了预测精度,并提供了对预测值的可信度评估信息。

“离线优化”是从历史风电功率时间序列中提取特征量并选择相关阀值,据之将风电功率时间序列划分为不同形态的子集,外加一个囊括所有不具有排他性分类特征的“非形态子集”。分别按对应的训练样本优化各子集专用的预测模型及参数。“在线匹配”是根据前一短时段内的形态识别结果,调用相应的模型预测。

时间序列预测法根据目标变量本身随时间变化的趋势外推,但输入数据单一,强壮性差。空间相关性是时序预测的有效补充,特别有利于应对风速骤变的不确定性。但有关文献仅考虑临近时间窗口的空间相关性,未将数据样本与相关特征勾连。上述时间序列自适应预测的思路也可用来处理空间相关性,以计入日历时辰、地貌、气象和距离等因素的影响。离线分类建模以参考风电场和目标风电场的全部历史数据的时间序列作为输入,抽取空间相关特征,分类并离线建立对应的预测模型;在线模型选取环节根据参考风电场的预测数据和气象等特征信息,选取合适的模型和参数预测,再结合本地的时序预测,与空间预测相互校验和修正。若能同时考虑本地风速的时序相关性,多地风速的空间相关性,以及数值天气预报的大尺度结果,则可实现更有效的风电时空预测。

3充裕性调度从经验方式提升为协调优化方式

充裕性是系统在不同的时间尺度及潜在事件下,满足用户对功率、电量及电能质量需求的能力。传统上将充裕性视为静态问题,忽略冷备用升为热备用所需的时间延迟,不考虑博弈与环境等非电因素,从而粗放地按经验取负荷总量的某个固定比例来配置备用容量。但是,大规模可再生能源与充放电负荷的入网,需求驱动与博弈行为的大量增加,使充裕性问题甚至比稳定性问题更加复杂。备用容量及备用电量的调度方式必须加入更多的因果关系型数据及数学规划方法。

充裕性控制的内容包括合约决策及执行决策两个步骤,前者通过市场手段获取备用资源的控制权,后者在系统运行需要时根据各种备用资源的技术特性优化实施控制权。合约决策是运营部门与发电商或用户在控制权交易上的博弈;执行决策是调度部门按风险动态配置已获控制权的备用资源。决策过程还包括待调控出力的预报、充裕性事件的设定、系统功率平衡与备用功率的动态行为、充裕度量化指标的在线评估、备用资源的调度与控制。

为此,需要采集涉及物理、经济、环境、行为方式等领域的大数据,充裕性决策框架基于数学模型、少量实验参与者与大量计算机代理的动态交互仿真。将获取的动态响应曲线作为合约市场的输出,提供给决策支持环节在线优化调度,包括冷备用与热备用等不同等级备用之间的动态升降,同时还要兼顾系统对安全稳定性和电能质量的要求。为此,需要将充裕控制问题按事件序列、相继事件、非预防性控制决策、预防性调度决策逐步解耦;基于防控代价及剩余风险之和最小的原则,从下到上逐层扩大优化范围。

延伸阅读:【连载】国电南瑞:大能源思维与大数据思维的融合(一)

【连载】国电南瑞:大能源思维与大数据思维的融合(二)

【连载】大能源系统的大数据应用前景 国电南瑞:大能源思维与大数据思维的融合(三)

原标题:南瑞集团公司 薛禹胜等:大能源思维与大数据思维的融合(四)将数学模型融入统计分析中
投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

大数据查看更多>智能电网查看更多>国电南瑞查看更多>