【摘要】：用少量的代表性風電功率序列場景來準確刻畫風電隨機特征,對含有風電電力系統(tǒng)的規(guī)劃和運行具有重要意義。然而,代表性風電功率序列場景的生成,目前方法難以實現從龐大的發(fā)生空間中選擇有效的代表場景,場景模擬的質量有待提高。為此,提出一種縱橫雙向優(yōu)化的方法以生成日風電功率序列場景。縱軸方向,基于歷史的日風電功率序列數據,采用最優(yōu)消減技術,產生每個時段的代表場景;橫軸方向,采用禁忌搜索方法,有選擇地連接每個時段的代表場景從而形成所需的日風電功率序列代表場景。該方法無需預先知道風電功率的解析概率分布函數,僅需基于已有的歷史序列數據,通過縱橫雙向優(yōu)化,自動生成滿足風電隨機概率特征的日序列代表場景。以愛爾蘭風電場數據為例,對所產生的單時段代表場景,在均值、方差、偏態(tài)和峰度4個指標上具有與歷史數據相近的統(tǒng)計特性;將這些場景應用于含有風電電力系統(tǒng)的多時段最優(yōu)潮流問題,從穩(wěn)定性和準確性兩個方面,驗證了所提出的雙向優(yōu)化算法的有效性。
[Abstract]:It is of great significance to use a small number of representative wind power sequences to accurately depict the stochastic characteristics of wind power system. However, with the generation of representative wind power sequence scene, it is difficult to select an effective representative scene from the huge occurrence space, and the quality of scene simulation needs to be improved. For this reason, a method of vertical and horizontal optimization is proposed to generate the scene of daily wind power sequence. The longitudinal axis, based on the historical data of the solar wind power sequence, uses the optimal subtractive technique to produce the representative scene of each time period, and the horizontal axis direction uses the Tabu search method. The representative scene of each period is selectively connected to form the desired solar power sequence. This method does not need to know the analytic probability distribution function of wind power in advance, but based on the existing historical sequence data, it can automatically generate daily representative scenes satisfying the stochastic probability characteristics of wind power through longitudinal and horizontal bidirectional optimization. Taking the Irish wind farm data as an example, it has the statistical characteristics similar to the historical data on the mean, variance, skewness and kurtosis of the single time representative scene. These scenarios are applied to the multi-period optimal power flow problem with wind power system. The effectiveness of the proposed bi-directional optimization algorithm is verified in terms of stability and accuracy.
【作者單位】： 強電磁工程與新技術國家重點實驗室(華中科技大學);遼寧省電力公司;
【基金】：中國博士后基金項目(2012M511209) 中國博士后特別資助項目(2013T60717) 國家自然科學基金項目(51277034,51377027) 國家高技術研究發(fā)展計劃(863計劃)(2011AA05A112)~~
【分類號】：TM614

【參考文獻】

相關期刊論文 前4條

1 高賜威,程浩忠,王旭;考慮場景發(fā)生概率的柔性約束電網規(guī)劃模型[J];中國電機工程學報;2004年11期

2 舒雋;李春曉;蘇濟歸;董偉;;復雜預想場景下電力系統(tǒng)備用優(yōu)化模型[J];中國電機工程學報;2012年10期

3 黎靜華;韋化;莫東;;含風電場最優(yōu)潮流的Wait-and-See模型與最優(yōu)漸近場景分析[J];中國電機工程學報;2012年22期

4 陳璨;吳文傳;張伯明;秦建光;郭子健;;基于多場景技術的有源配電網可靠性評估[J];中國電機工程學報;2012年34期

【共引文獻】

相關期刊論文 前10條

1 陶玉敏;;無向反轉排序問題的遺傳模擬退火求解[J];遼寧科技大學學報;2009年04期

2 李琳;白運;;大地電磁模擬退火反演研究[J];安陽工學院學報;2011年02期

3 賈煜亮;繆立新;;自動化立體倉庫中貨位實時分配優(yōu)化問題研究[J];北京交通大學學報(社會科學版);2007年04期

4 曹守華;袁振洲;韓寶明;李得偉;;基于SOFM神經網絡的客運一體化樞紐分類[J];北京交通大學學報;2008年06期

5 黎浩東;何世偉;宋瑞;紀麗君;申永生;;列車編組計劃和技術站布局的綜合優(yōu)化[J];北京交通大學學報;2010年06期

6 趙博文;余永剛;潘玉竹;;隨行裝藥退火算法的優(yōu)化設計及數值模擬[J];火炸藥學報;2010年05期

7 夏志安;趙英俊;;基于遺傳算法的裝備器件更換周期優(yōu)化模型[J];兵工自動化;2008年08期

8 王文峰;劉亞杰;郭波;;戰(zhàn)役裝備維修保障網絡設計問題研究[J];兵工學報;2008年12期

9 陳云霞;高潔萍;夏華鳳;曾聲奎;;基于遺傳算法的多學科設計優(yōu)化分解方法[J];北京航空航天大學學報;2009年06期

10 李少保;趙春曉;;基于多Agent遺傳算法求解迷宮游戲[J];北京建筑工程學院學報;2011年03期

相關會議論文 前10條

1 鄭麗群;季開青;李大衛(wèi);;應急物資需求區(qū)域中的物資調度模型研究[A];第二十九屆中國控制會議論文集[C];2010年

2 楊寧;吳志剛;楊超;;燃油對機翼顫振特性的影響及取油優(yōu)化[A];第十一屆全國空氣彈性學術交流會會議論文集[C];2009年

3 李膺東;何明浩;;基于遺傳算法的UCA-MUSIC二維DOA估計[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

4 袁偉;時公濤;蔣詠梅;;一種基于ROEWA算子和GA-PoweⅡ算法的SAR圖像配準方法[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

5 沈繼紅;李焱;;基于正六邊形網格的光線尋優(yōu)算法[A];中國運籌學會第十屆學術交流會論文集[C];2010年

6 路鳳敏;蔣建林;徐進澎;;多目標反p-中心問題的單親遺傳模擬退火混合算法[A];中國運籌學會第十屆學術交流會論文集[C];2010年

7 何川;蘇宗賢;;大型跨江海隧道整體化設計的基本思路[A];中國土木工程學會第十三屆年會暨隧道及地下工程分會第十五屆年會論文集[C];2008年

8 王教團;李煒;;傳感器的合理配置問題[A];第一屆中國智能計算大會論文集[C];2007年

9 王程;楊靜;張倩;;GA-PSO算法在圖像配準中的研究[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

10 趙丹丹;林耿耿;李蔚;錢淼華;許月萍;;多目標遺傳算法在杭州水資源優(yōu)化配置中的應用[A];中國原水論壇專輯[C];2010年

相關博士學位論文 前10條

1 李佳;載人潛器阻力性能的數值和試驗預報及外形優(yōu)化研究[D];哈爾濱工程大學;2010年

2 宋越明;基于粒子濾波的跟蹤方法研究[D];解放軍信息工程大學;2010年

3 王茜;風電場與輸電網協(xié)調規(guī)劃的模型和方法研究[D];華北電力大學（北京）;2011年

4 王曉娟;多目標柔性作業(yè)車間調度方法研究[D];華中科技大學;2011年

5 程文濤;關節(jié)式坐標測量機標定技術研究[D];合肥工業(yè)大學;2011年

6 王聯國;人工魚群算法及其應用研究[D];蘭州理工大學;2009年

7 陳雪;太陽能熱光伏系統(tǒng)機理與實驗研究[D];南京理工大學;2010年

8 王筱蓉;沖壓增程炮彈進氣道型面氣動優(yōu)化方法研究[D];南京理工大學;2010年

9 繆濵;公（鐵）工程三維選線的群智能算法研究[D];中南大學;2011年

10 張恒;無線接入網中無線下行覆蓋自優(yōu)化和自主負載均衡方法[D];北京郵電大學;2011年

相關碩士學位論文 前10條

1 吳家瑞;服裝產品加工成本快速估算方法研究[D];浙江理工大學;2010年

2 周宇龍;基于遺傳算法的堤防材料動力特性反演分析[D];鄭州大學;2010年

3 王斌;淺層地表缺陷動力探測技術研究[D];鄭州大學;2010年

4 石麗麗;智能優(yōu)化算法對比研究及其在船體雙底結構優(yōu)化中的應用[D];哈爾濱工程大學;2010年

5 王宏云;基于數據挖掘的煤礦安全監(jiān)測系統(tǒng)研究[D];遼寧工程技術大學;2009年

6 高婷;智能天線系統(tǒng)中的動態(tài)信道分配算法研究[D];遼寧工程技術大學;2010年

7 李天贊;神經網絡在電力系統(tǒng)諧波分析中的應用研究[D];長沙理工大學;2009年

8 劉子文;改進的粒子群算法在停車場中的應用[D];湘潭大學;2010年

9 余勇;我國建設工程招投標管理機制研究[D];湘潭大學;2010年

10 盛大寧;IMRT逆向計劃中的混合多目標梯度算法研究[D];合肥工業(yè)大學;2010年

【二級參考文獻】

相關期刊論文 前10條

1 江岳文;陳沖;溫步瀛;;含風電場的電力系統(tǒng)機組組合問題隨機模擬粒子群算法[J];電工技術學報;2009年06期

2 朱海峰,程浩忠,張焰,馬則良,朱忠烈;考慮線路被選概率的電網靈活規(guī)劃方法[J];電力系統(tǒng)自動化;2000年17期

3 王建學,王錫凡,別朝紅;電力市場中的備用問題[J];電力系統(tǒng)自動化;2001年15期

4 陳海焱;陳金富;段獻忠;;含風電場電力系統(tǒng)經濟調度的模糊建模及優(yōu)化算法[J];電力系統(tǒng)自動化;2006年02期

5 葉榮;陳皓勇;王鋼;陳盼;;多風電場并網時安全約束機組組合的混合整數規(guī)劃解法[J];電力系統(tǒng)自動化;2010年05期

6 趙俊華;文福拴;薛禹勝;董朝陽;辛建波;;計及電動汽車和風電出力不確定性的隨機經濟調度[J];電力系統(tǒng)自動化;2010年20期

7 徐立中;楊光亞;許昭;董朝陽;J.ΦSTERGAARD;曹一家;;考慮風電隨機性的微電網熱電聯合調度(英文)[J];電力系統(tǒng)自動化;2011年09期

8 張俊芳,王秀麗,王錫凡;遺傳算法在電網規(guī)劃應用中的改進[J];電網技術;1997年04期

9 王樂;余志偉;文福拴;;基于機會約束規(guī)劃的最優(yōu)旋轉備用容量確定[J];電網技術;2006年20期

10 袁鐵江;晁勤;吐爾遜·伊不拉音;童菲;;電力市場環(huán)境下含風電機組的環(huán)境經濟調度模型及其仿真[J];電網技術;2009年06期

，

本文編號：2159264