本文選題：儲能配置　切入點(diǎn)：預(yù)測誤差　出處：《電網(wǎng)技術(shù)》2017年02期 　論文類型：期刊論文

【摘要】：利用儲能降低風(fēng)電預(yù)測誤差能夠降低風(fēng)電出力不確定性,從而減少棄風(fēng),儲能的容量和功率配置則直接影響到補(bǔ)償預(yù)測誤差的效果和經(jīng)濟(jì)性�；赥 location-scale(TLS)分布建立了風(fēng)電預(yù)測誤差概率分布模型,使用幾何分布描述風(fēng)電誤差持續(xù)性,并利用粒子群算法對模型中的參數(shù)進(jìn)行了極大似然估計。以風(fēng)電場收益最大為優(yōu)化目標(biāo),將補(bǔ)償風(fēng)電預(yù)測誤差的置信度以機(jī)會約束的形式加入儲能配置優(yōu)化模型,并在模型中考慮了對風(fēng)電預(yù)測出力曲線的修正。仿真計算結(jié)果表明,所提方法能夠很好地擬合預(yù)測誤差的概率密度函數(shù)和誤差持續(xù)時間,儲能配置的經(jīng)濟(jì)性優(yōu)于不考慮誤差持續(xù)時間和出力修正的模型,驗證了所提方法能夠提高儲能配置的準(zhǔn)確性和經(jīng)濟(jì)性。
[Abstract]:Using energy storage to reduce the prediction error of wind power can reduce the uncertainty of wind power output and thus reduce the abandonment of wind. The capacity and power allocation of energy storage directly affect the effect and economy of compensating prediction error. Based on the Tlocation-scaleTLS) distribution, the probability distribution model of wind power prediction error is established, and the geometric distribution is used to describe the persistence of wind power error. Using particle swarm optimization algorithm, the parameters in the model are estimated with maximum likelihood. The confidence degree of compensating wind power prediction error is added to the optimization model of energy storage configuration in the form of chance constraint, aiming at the maximum return of wind farm. The simulation results show that the proposed method can well fit the probability density function and the error duration of the prediction error. The economy of energy storage configuration is better than that of the model without error duration and force correction. It is verified that the proposed method can improve the accuracy and economy of energy storage configuration.
【作者單位】： 電力系統(tǒng)國家重點(diǎn)實驗室(清華大學(xué)電機(jī)系);中國電力科學(xué)研究院;
【基金】：國家863高技術(shù)基金項目(2012AA050207) 國家重點(diǎn)研發(fā)計劃項目(2016YFB0900105)~~
【分類號】：TM614

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋杰鯤;欒龍;陸悠悠;張冬;;山東省能源-經(jīng)濟(jì)-環(huán)境系統(tǒng)模糊機(jī)會約束目標(biāo)規(guī)劃模型[J];山東科學(xué);2013年06期

2 宋杰鯤;張在旭;張曉慧;;油田措施隨機(jī)機(jī)會約束目標(biāo)規(guī)劃模型及算法[J];西華大學(xué)學(xué)報(自然科學(xué)版);2009年01期

3 曾鳴;田廓;薛松;邱柳青;董軍;;基于混沌量子蜜蜂算法的機(jī)會約束輸電規(guī)劃[J];電力系統(tǒng)保護(hù)與控制;2010年22期

4 蔡永新,劉豹,寇紀(jì)淞;一種機(jī)會約束隨機(jī)規(guī)劃問題的新解法[J];天津大學(xué)學(xué)報;1985年04期

5 李彥來;孫會君;吳建軍;;基于模糊機(jī)會約束的物流配送路徑優(yōu)化[J];物流技術(shù);2007年08期

6 徐清華;曹之新;李中良;;基于機(jī)會約束條件下艦艇航線動態(tài)規(guī)劃模型研究[J];艦船電子工程;2006年04期

7 馬大明;苑瑩;曲伯;劉洋;;基于機(jī)會規(guī)劃的債轉(zhuǎn)股時機(jī)研究[J];東北大學(xué)學(xué)報(自然科學(xué)版);2010年02期

8 黃曉霞;;模糊環(huán)境下資金預(yù)算的機(jī)會約束NPV目標(biāo)規(guī)劃模型[J];北京科技大學(xué)學(xué)報;2007年09期

9 蘇紹娟;;不確定動態(tài)船隊規(guī)劃的數(shù)學(xué)模型研究[J];中國航海;2008年02期

10 夏明;周磊山;樂逸祥;周艷芳;周妍;;客專大站到發(fā)線運(yùn)用隨機(jī)機(jī)會約束模型與算法研究[J];物流技術(shù);2010年08期

相關(guān)博士學(xué)位論文 前1條

1 許旭鋒;基于不確定理論的供電設(shè)備檢修問題研究[D];浙江大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 樸明軍;耦合隨機(jī)模擬優(yōu)化的電力系統(tǒng)規(guī)劃[D];華北電力大學(xué);2015年

2 代曉寧;機(jī)會約束交通流量分配模型[D];大連理工大學(xué);2015年

3 孫曉霞;基于不確定規(guī)劃的含風(fēng)儲電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度研究[D];華北電力大學(xué);2015年

4 王一水;聯(lián)合機(jī)會約束下的分布式魯棒優(yōu)化[D];北京工業(yè)大學(xué);2013年

5 李連歡;區(qū)間機(jī)會約束線性優(yōu)化模型應(yīng)用于白洋淀的水質(zhì)管理[D];華北電力大學(xué);2012年

6 李靜;機(jī)會約束下的均值—半絕對離差投資組合模型[D];貴州大學(xué);2009年

7 張茂勤;具有模糊要素的機(jī)會約束型DEA模型研究[D];四川大學(xué);2004年

8 郭明磊;模糊機(jī)會約束多目標(biāo)DEA模型研究[D];四川大學(xué);2006年

9 劉慶偉;投資機(jī)會與VaR約束下投資組合的均值—方差模型[D];湖南大學(xué);2003年

10 孟超;基于多目標(biāo)規(guī)劃的機(jī)會約束DEA模型及應(yīng)用[D];天津大學(xué);2007年

，

本文編號：1592061