为解决大规模风电并网的日内调度和实时控制问题,提出一种基于功率波动时间相关性和随机模型预测控制理论（fluctuation temporal correlation stochastic model predictive control,FTC-SMPC）的风电集群优化调度方法。基于单风场预测...为解决大规模风电并网的日内调度和实时控制问题,提出一种基于功率波动时间相关性和随机模型预测控制理论（fluctuation temporal correlation stochastic model predictive control,FTC-SMPC）的风电集群优化调度方法。基于单风场预测模型及误差模型,建立了表征风电集群功率动态波动时间相关性的预测误差的多元高斯概率密度函数（multivariate Gaussian probability density function,MGPDF）。通过逆变换抽样技术和场景缩减技术,从MGPDF随机生成的大量符合风电集群功率波动时间相关性的场景中选取风电功率预测典型场景。以典型场景集合为基础,建立调度周期内各场景弃风电量期望最小的日内调度模型。以风电集群日内调度曲线为参考,建立各风场功率缺额期望最小的风场实时控制策略。算例分析表明,相比于传统SMPC调度模型,文中所提调度模型能更准确地反映风电的波动特性并使调度曲线更加平滑,进而提高了对大规模风电的消纳能力。展开更多
文摘为解决大规模风电并网的日内调度和实时控制问题,提出一种基于功率波动时间相关性和随机模型预测控制理论（fluctuation temporal correlation stochastic model predictive control,FTC-SMPC）的风电集群优化调度方法。基于单风场预测模型及误差模型,建立了表征风电集群功率动态波动时间相关性的预测误差的多元高斯概率密度函数（multivariate Gaussian probability density function,MGPDF）。通过逆变换抽样技术和场景缩减技术,从MGPDF随机生成的大量符合风电集群功率波动时间相关性的场景中选取风电功率预测典型场景。以典型场景集合为基础,建立调度周期内各场景弃风电量期望最小的日内调度模型。以风电集群日内调度曲线为参考,建立各风场功率缺额期望最小的风场实时控制策略。算例分析表明,相比于传统SMPC调度模型,文中所提调度模型能更准确地反映风电的波动特性并使调度曲线更加平滑,进而提高了对大规模风电的消纳能力。
