大用戶直購電對系統(tǒng)風電消納的影響
發(fā)布時間：2019-11-27 14:21
【摘要】：大用戶直購電政策的推行,會進一步壓縮電力系統(tǒng)的調度空間,而當系統(tǒng)中接入大規(guī)模不可調控的風電機組時,系統(tǒng)的優(yōu)化調度將面臨更加嚴峻的挑戰(zhàn)。為了分析大用戶直購電對系統(tǒng)風電消納能力的影響,建立了含大用戶直購電的電力系統(tǒng)風電消納模型。該模型在傳統(tǒng)機組組合模型的基礎上,引入了風電出力約束和可削減的直購電電量合同約束,并對目標函數(shù)進行了相應的調整。使用ARIMA模型對風速時間序列進行建模和預測,為機組組合模型提供原始數(shù)據(jù)。將10機系統(tǒng)擴展為40機系統(tǒng),并引入1 600 MW的風電機組,分析了不同直購電電價、直購機組以及直購電規(guī)模下直購電合同對系統(tǒng)消納風電能力的影響。
【圖文】：
152電工技術學報2017年12月1）大用戶直購電合同約束。z()DZjjjjJptZjJ∈∑=∈（8）2）風電出力約束。pww0≤p(t)≤p(t)（9）式中，z()jpt為機組j在t時段的直購功率；jZ為機組j當日的直購電量；DZj為機組j當日的直購削減電量。3程序流程分析前兩節(jié)通過對風電功率預測模型和含大用戶直購電的電力系統(tǒng)風電消納模型的建模，將含有風電場和直購電交易的機組組合問題轉換為混合整數(shù)線性規(guī)劃問題，進而使用CPLEX軟件求解。問題求解和計算流程如圖1所示。圖1程序求解與計算流程Fig.1Calculationandalgorithmflowchart4算例分析4.1風電功率時間序列的生成以某風電場一年中各小時的風速數(shù)據(jù)為基礎，取序列的前720h的數(shù)據(jù)進行平穩(wěn)性分析。風速原始時間序列的自相關函數(shù)如圖2所示。圖2風速時間序列自相關函數(shù)Fig.2Autocorrelationfunctionofthewindspeedseries不難發(fā)現(xiàn)，該時間序列的自相關函數(shù)不能迅速衰減到零。對原始風速時間序列進行差分運算，得到新的時間序列，其自相關函數(shù)如圖3所示。圖3一階差分序列自相關函數(shù)Fig.3Autocorrelationfunctionofthefirstorderdifferenceseries一次差分后，新時間序列已具備平穩(wěn)性。分別取p=1,…,8，q=1,…,8，建立多個ARMA模型，根據(jù)SBC準則，最終確定階數(shù)：p=3，q=1。使用ARIMA（3,1,1）模型預測未來96h的風速數(shù)據(jù)，預測結果如圖4所示。預測的絕對平均誤差為18.73%。圖4風速預測結果Fig.4Resultsofwindspeedforecasting
152電工技術學報2017年12月1）大用戶直購電合同約束。z()DZjjjjJptZjJ∈∑=∈（8）2）風電出力約束。pww0≤p(t)≤p(t)（9）式中，z()jpt為機組j在t時段的直購功率；jZ為機組j當日的直購電量；DZj為機組j當日的直購削減電量。3程序流程分析前兩節(jié)通過對風電功率預測模型和含大用戶直購電的電力系統(tǒng)風電消納模型的建模，將含有風電場和直購電交易的機組組合問題轉換為混合整數(shù)線性規(guī)劃問題，進而使用CPLEX軟件求解。問題求解和計算流程如圖1所示。圖1程序求解與計算流程Fig.1Calculationandalgorithmflowchart4算例分析4.1風電功率時間序列的生成以某風電場一年中各小時的風速數(shù)據(jù)為基礎，取序列的前720h的數(shù)據(jù)進行平穩(wěn)性分析。風速原始時間序列的自相關函數(shù)如圖2所示。圖2風速時間序列自相關函數(shù)Fig.2Autocorrelationfunctionofthewindspeedseries不難發(fā)現(xiàn)，該時間序列的自相關函數(shù)不能迅速衰減到零。對原始風速時間序列進行差分運算，得到新的時間序列，其自相關函數(shù)如圖3所示。圖3一階差分序列自相關函數(shù)Fig.3Autocorrelationfunctionofthefirstorderdifferenceseries一次差分后，新時間序列已具備平穩(wěn)性。分別取p=1,…,8，q=1,…,8，，建立多個ARMA模型，根據(jù)SBC準則，最終確定階數(shù)：p=3，q=1。使用ARIMA（3,1,1）模型預測未來96h的風速數(shù)據(jù)，預測結果如圖4所示。預測的絕對平均誤差為18.73%。圖4風速預測結果Fig.4Resultsofwindspeedforecasting
本文編號：2566640
【圖文】：
152電工技術學報2017年12月1）大用戶直購電合同約束。z()DZjjjjJptZjJ∈∑=∈（8）2）風電出力約束。pww0≤p(t)≤p(t)（9）式中，z()jpt為機組j在t時段的直購功率；jZ為機組j當日的直購電量；DZj為機組j當日的直購削減電量。3程序流程分析前兩節(jié)通過對風電功率預測模型和含大用戶直購電的電力系統(tǒng)風電消納模型的建模，將含有風電場和直購電交易的機組組合問題轉換為混合整數(shù)線性規(guī)劃問題，進而使用CPLEX軟件求解。問題求解和計算流程如圖1所示。圖1程序求解與計算流程Fig.1Calculationandalgorithmflowchart4算例分析4.1風電功率時間序列的生成以某風電場一年中各小時的風速數(shù)據(jù)為基礎，取序列的前720h的數(shù)據(jù)進行平穩(wěn)性分析。風速原始時間序列的自相關函數(shù)如圖2所示。圖2風速時間序列自相關函數(shù)Fig.2Autocorrelationfunctionofthewindspeedseries不難發(fā)現(xiàn)，該時間序列的自相關函數(shù)不能迅速衰減到零。對原始風速時間序列進行差分運算，得到新的時間序列，其自相關函數(shù)如圖3所示。圖3一階差分序列自相關函數(shù)Fig.3Autocorrelationfunctionofthefirstorderdifferenceseries一次差分后，新時間序列已具備平穩(wěn)性。分別取p=1,…,8，q=1,…,8，建立多個ARMA模型，根據(jù)SBC準則，最終確定階數(shù)：p=3，q=1。使用ARIMA（3,1,1）模型預測未來96h的風速數(shù)據(jù)，預測結果如圖4所示。預測的絕對平均誤差為18.73%。圖4風速預測結果Fig.4Resultsofwindspeedforecasting
152電工技術學報2017年12月1）大用戶直購電合同約束。z()DZjjjjJptZjJ∈∑=∈（8）2）風電出力約束。pww0≤p(t)≤p(t)（9）式中，z()jpt為機組j在t時段的直購功率；jZ為機組j當日的直購電量；DZj為機組j當日的直購削減電量。3程序流程分析前兩節(jié)通過對風電功率預測模型和含大用戶直購電的電力系統(tǒng)風電消納模型的建模，將含有風電場和直購電交易的機組組合問題轉換為混合整數(shù)線性規(guī)劃問題，進而使用CPLEX軟件求解。問題求解和計算流程如圖1所示。圖1程序求解與計算流程Fig.1Calculationandalgorithmflowchart4算例分析4.1風電功率時間序列的生成以某風電場一年中各小時的風速數(shù)據(jù)為基礎，取序列的前720h的數(shù)據(jù)進行平穩(wěn)性分析。風速原始時間序列的自相關函數(shù)如圖2所示。圖2風速時間序列自相關函數(shù)Fig.2Autocorrelationfunctionofthewindspeedseries不難發(fā)現(xiàn)，該時間序列的自相關函數(shù)不能迅速衰減到零。對原始風速時間序列進行差分運算，得到新的時間序列，其自相關函數(shù)如圖3所示。圖3一階差分序列自相關函數(shù)Fig.3Autocorrelationfunctionofthefirstorderdifferenceseries一次差分后，新時間序列已具備平穩(wěn)性。分別取p=1,…,8，q=1,…,8，，建立多個ARMA模型，根據(jù)SBC準則，最終確定階數(shù)：p=3，q=1。使用ARIMA（3,1,1）模型預測未來96h的風速數(shù)據(jù)，預測結果如圖4所示。預測的絕對平均誤差為18.73%。圖4風速預測結果Fig.4Resultsofwindspeedforecasting
本文編號：2566640
本文鏈接：http://sikaile.net/kejilunwen/dianlidianqilunwen/2566640.html
最近更新
教材專著
