温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,汇文网负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
网站客服:3074922707
考虑
电站
集群
发电
特性
风光
出力
描述
方法
第 47 卷 第 4 期 电 网 技 术 Vol.47 No.4 2023 年 4 月 Power System Technology Apr.2023 文章编号:1000-3673(2023)04-1558-12 中图分类号:TM 73 文献标志码:A 学科代码:47040 考虑电站集群与发电时变特性的风光出力描述方法王月1,申建建1,程春田1,周彬彬2,张聪通2(1大连理工大学建设工程学部,辽宁省 大连市 116024;2云南电力调度控制中心,云南省 昆明市 650200)Description of Wind and Solar Power Generation Considering Power Plant Clusters and Time-varying Power Characteristics WANG Yue1,SHEN Jianjian1,CHENG Chuntian1,ZHOU Binbin2,ZHANG Congtong2(1.Faculty of Infrastructure Engineering,Dalian University of Technology,Dalian 116024,Liaoning Province,China;2.Yunnan Power Dispatching Control Center,Kunming 650200,Yunnan Province,China)ABSTRACT:The widely-scattered wind and PV power plants and the intermittence and fluctuation of power generation have brought about great challenges to the large-scaled grid-connected consumption.It is an effective way to overcome these challenges how to group the wind and PV power plants reasonably and describe the generation characteristics accurately of the power plant clusters.Based on the actual project in Yunnan power grid,a method for describing wind and solar power generation considering the power plant clusters and the time-varying power characteristics is proposed.In this paper,we construct the output complementary criterion of the power plant clusters,adopt the agglomerative hierarchical clustering method for cluster division,and describe the two-dimensional relationship between the complementary index and the number of clusters to determine the reasonable cluster division.Then introducing the time-varying characteristics,we establish a different probability distribution density function of the generation of power plant clusters considering time-varying characteristics,setting the objective of minimizing the sectional variance of sequential output of the power plant clusters and determining the optimal number of the segments and the timely segments by splitting the hierarchical clustering.Taking 21 wind and PV power plants in this area as the engineering background,through the analysis of three examples with single-typed power plants and mixed-typed plants,we find that the descriptive reliability in 90%confidence interval is more than 92%.Compared with the 基金项目:国家自然科学基金项目(52079014,52039002);中央高校基本科研业务费专项资金项目(DUT22QN224,DUT22JC21)。Project Supported by National Natural Science Foundation of China(52079014,52039002);the Fundamental Research Funds for the Central Universities(DUT22QN224,DUT22JC21).single plant description,the average interval widths are reduced by 29%,33%and 43%,respectively.Compared with the whole time unified description,the widths of the aforementioned intervals is reduced by 7%,34%and 9%,respectively.The proposed description shows good reliability,concentration and practicability.KEY WORDS:power plant cluster;time-varying characteristics;hierarchical clustering;wind and solar uncertainty;wind and PV stations 摘要:风光电站群“点多面广”及发电间歇性、波动性带来大规模并网消纳挑战,如何对风光电站合理分组并准确刻画风光集群出力特性是解决这一挑战的重要途径。依托云南电网实际工程,提出考虑电站集群与发电时变特性的风光出力描述方法。构建了电站群出力互补准则,采用凝聚层次聚类方法进行集群划分,刻画了互补性指标与集群数量二维关系,以确定合理的集群划分方式;引入时变特性,提出集群电站时序出力分段方差最小目标,利用分裂层次聚类确定最优分段及时段数量,建立了分段差异化集群出力概率密度分布函数。采用 21 座风、光电站实际工程数据进行验证,给出了单一类型电站集群和风光电站混合集群 3 个实例,结果表明 90%置信区间的可靠性均超过 92%,与单站调度方式相比,平均区间宽度分别减小 29%、33%、43%,与全时段统一描述方式相比,前述区间宽度分别减小 7%、34%、9%,呈现出较好的可靠性、集中度和实用性。关键词:电站集群;时变特性;层次聚类;不确定性;风光电站 DOI:10.13335/j.1000-3673.pst.2022.0467 0 引言 众所周知,风电、光伏电等新能源出力呈现随第 47 卷 第 4 期 电 网 技 术 1559 机性、间歇性等特点1-4,可调度性低,当并网装机规模及其在系统中占比不断增大时,这种发电不确定特性可能带来突出的清洁能源消纳和系统安稳问题5-8,解决该问题的主要任务之一就是识别并准确描述风光发电规律9。从很多实际工程运行数据来看,风光发电呈现时空变化特点,需要逐一细致分析。从时间尺度分析,新能源发电过程的时变不确定性是制约其大规模消纳的主要问题之一,并网规模越大,风、光功率预测偏差导致的灵活性调节需求特别是负荷低谷和高峰平衡需求也就越大,系统安稳运行的风险会随之增大10。现有对风、光发电过程不确定性量化的研究,主要方法为场景模拟。一方面可以直接对风、光功率的分布特性进行研究11-12,但要获得准确的概率分布,需要大量的运行数据;另一方面是采用场景分析把连续概率分布的随机向量离散成场景集合,从而将随机优化转换为确定性问题13。无论是哪种方法,均为全时段统一建模。但风光发电规律在日内不同时段有着显著的差异,时变特性明显14。因此,利用风光发电的时变特性对日内出力过程进行时段划分是十分必要的。现有研究中常用的时段划分方法大致分为静态划分和动态划分,静态划分15-16的重点在于改善算法以提高计算速度与精度,而动态划分17-18的重点在于复杂时序非线性组合优化的问题的求解。二者共同的难点为时段划分次数的限制与确定19。从空间尺度来看,清洁能源基地风、光电站通常数十、数百座,且地理位置分散,气候、地域等自然特性的时空差异较大,使得各电站的并网节点、发电特性存在很大不同,面临“点多、面广、难控”局面。这种情况下,单一电站的发电规律掌控及单点指令调度难度很大,给电网发电计划编制带来很大不确定性,也会大幅增加调度人员的工作量。因此,部分研究开始关注新能源电站集群调度方式20-22,即以多电站聚合形式描述风、光电站的出力分布规律,一方面,减少直接调度电站数量;另一方面,易于分析电站出力规律,提升出力分布函数的集中性和准确性。为了合理划分电站集群,主要有两方面的研究:第一,集群划分准则。由于集群划分的效果由集群的出力特性决定,因此,常将出力特性评价指标作为集群划分的依据。常用的评价指标主要有以下两类:一是描述出力波动性的指标23-25,包括峰谷差比、最大波动比、峰值同时率、调峰容量比等,主要反映了日尺度出力的整体波动,却难以体现出相邻时段的出力变化情况;二是描述出力可靠性的指标26-27,包括失负荷概率比、电量不足期望比等,主要反映电力系统运行稳定性,但没有直观体现出力曲线特性。第二,集群划分方法。常用的集群划分方法有 k-means聚类算法28-29、模糊 C 均值聚类算法30、层次聚类算法31-32等,这些方法的共同缺点是需要依靠主观预设聚类个数,可能导致不合理结果。针对上述问题,本文依托云南电网实际工程,提出考虑电站集群与发电时变特性的风光出力描述方法。构建了电站群出力互补性准则,提出基于凝聚层次聚类的电站集群划分方法,刻画了互补性指标与集群数量二维关系以确定最优集群个数;构建了集群电站时序出力分段方差最小目标,利用分裂层次聚类方法确定最优分段及时段数量,并采用非参数核密度估计建立了考虑时变特性的风光电站集群出力概率分布密度函数。以云南某地区 21 座风、光电站及其实际运行数据为例,验证了本文方法的有效性。1 电站集群划分方法 1.1 集群划分指标 一般而言,对风、光电站进行集群调度有利于减少直接调度的电站数量,并能利用电源间的时空互补特点提高集群输出功率的平稳性。为衡量电站间的出力互补程度,引入出力平均变化率S作为互补性指标,以反映集群电站出力互补的平均效应。11,1,1,1,11|QqqIqq iiNq iq n inq n iq n iq n iESQEIPPT(1)式中:S 为出力平均变化率,表示各电站集群在一段时间内出力变化率