面向风电消纳的柔性负荷特征提取及控制策略研究
发布时间：2022-01-20 19:56
在当前智能电网和泛在电力物联网的背景下,电力负荷进行精确的提取,对电网的安全稳定运行、电力需求侧管理、电网负荷预测有很大的意义。本文针对柔性负荷中纯低谷储热负荷的提取方法做了研究,将KNN、SVM两种算法引入与K-means聚类相结合,提高对柔性负荷的提取精度;近年来,风力发电技术快速发展,这对合理利用资源和保护环境有积极的意义,但是,随之而来的风电消纳问题突出,尤其在我国的“三北”地区。在冬季,使用电储热技术是风电消纳提供了一种重要手段,可以很大的提高风电利用率,减少弃风;另外,电池储能具有快速调节、双向流动、时移能量的特点,对实现电网“削峰填谷”和减少弃风重大作用。本文的主要工作如下:（1）概述了电力系统中负荷聚类提取的意义以及当前我国风电发展的现状,综述了国内外对电力负荷聚类的研究现状以及利用储热、储能减少弃风的研究现状。（2）研究分析K-means聚类算法,利用K-means算法对柔性负荷中的纯低谷储热负荷进行提取,结果显示这种算法需要多次进行聚类且精确度较低。提出了将KNN、SVM与K-means相结合的方法,再次对纯低谷储热负荷进行特征提取,通过与直接利用K-means聚类...
【文章来源】：沈阳工业大学辽宁省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
016-2019年风电累计装机容量与发电量Fig.1.1Cumulativeinstalledcapacityandpowergenerationofwindpowerfrom2016to2019
沈阳工业大学硕士学位论文21.1.2我国弃风及消纳情况我国自然资源丰富，在三北地区，风力资源得天独厚，近年来风电发展迅速，技术不断成熟，装机容量不断增加，但随着风电行业的发展，出现了大量的弃风问题[8]。具体情况如图1.1-图1.2所示。图1.12016-2019年风电累计装机容量与发电量Fig.1.1Cumulativeinstalledcapacityandpowergenerationofwindpowerfrom2016to2019图1.22016-2019年弃风电量与弃风率Fig.1.2Windabandoningquantityandwindabandoningratefrom2016to2019从图1.1中可以看出我国装机容量和发电量逐年增加，2016年累计装机并网容量为14864亿千瓦，发电量为2410亿千瓦时，2017年累计装机并网容量为16367亿千瓦，发电量首次突破3000亿千瓦时，2018年累计装机并网容量为18426亿千瓦，发电量为3660亿千瓦时，2019年累计装机并网容量突破21000亿千瓦，发电量高达4057亿千瓦时。可见，我国风电发展迅速。图1.2显示的是我国从2016年到2019年4年来的弃风电量及弃风率，从图中可以看出，从2016年开始，我国弃风电量逐年下降，主要是由于供需更加平衡，2016年弃
能转化为电能释放出来，但这种方式有一定的局限性，需要配合当地的地势优势。（5）多能源互补：多能源与风电进行配合使用，如风光互补、风光储协同发电等，光伏发电主要在白天，利用太阳光照，存在明显的时间特性，而风力发电主要在夜间，将光伏发电和风力发电相结合，可以很好的解决风电的波动性，有利于风电消纳。1.2负荷分类提取的研究现状大数据时代的到来，尤其是智能电网和泛在电力物联网的提出，对不同负荷的分类提取显得尤为重要，对负荷特征信息的挖掘需要更加精确、精细[14]。目前，可以将聚类方法分为六类，如图1.3所示。图1.3聚类方法分类Fig.1.3Classificationbyclusteringmethod对以上六类聚类算法做简单介绍：（1）基于划分方法：这类算法原理简单，首先确定样本分为几类，然后通过多次迭代，达到最终的分类目的。这种算法简单高效，时间和空间复杂度都较低，但是这种算法对K值比较敏感，K的取值直接影响分类结果。（2）基于层次方法：有两种类型，一种由里到外，一种由外至里，分别是合并层次聚类和分裂层次聚类。两类聚类方式物理结构不同，聚类结果也不一样。两种聚类方法共同的特点就是聚类速度快，主要是因为计算速度与样本个数无关，而是与分成几类有关。（3）基于密度方法：根据数据密度，连通性等划分的方式，可以获取具有高密度特性数据。聚类在连通数据簇的簇密度方向上具有延伸性。因此，基于密度的算法能够确定任意形状的簇。（4）基于网络方法：将数据空间分为单个较小的网格单元，将样本数据通过特定
【参考文献】：
期刊论文
[1]基于机会约束目标规划的风-光-水-气-火-储联合优化调度[J]. 李志伟,赵书强,刘金山. 电力自动化设备. 2019(08)
[2]基于二次规划的电池储能系统参与电网削峰填谷离线优化[J]. 董慧峰,牛文迪,杨旭强,郭志敏,周丽. 电气应用. 2019(01)
[3]含抽水蓄能机组的风电消纳鲁棒机组组合[J]. 夏沛,邓长虹,龙志君,姚维为,张凯,王维洲. 电力系统自动化. 2018(19)
[4]计及热网特性的电热联合系统调度方法[J]. 邵世圻,戴赛,胡林献,丁强,谢华宝. 电力系统保护与控制. 2018(10)
[5]商业园区储能系统削峰填谷的有功功率协调控制策略[J]. 杨锡运,董德华,李相俊,马雪,耿娜,贾学翠. 电网技术. 2018(08)
[6]考虑风电消纳的风电-电储能-蓄热式电锅炉联合系统能量优化[J]. 王振浩,杨璐,田春光,李国庆. 中国电机工程学报. 2017(S1)
[7]引入改进模糊C均值聚类的负荷数据辨识及修复方法[J]. 孔祥玉,胡启安,董旭柱,曾意,吴争荣. 电力系统自动化. 2017(09)
[8]风电场与含储热的热电联产联合运行的优化调度[J]. 戴远航,陈磊,闵勇,徐飞,侯凯元,周莹. 中国电机工程学报. 2017(12)
[9]类簇数目和初始中心点自确定的K-means算法[J]. 贾瑞玉,李玉功. 计算机工程与应用. 2018(07)
[10]基于“进化”主成分分析法的用户分类及其应用[J]. 和敬涵,卢育梓,陆金耀,胡波,杨方,何博. 电力建设. 2017(03)
硕士论文
[1]蓄热式电锅炉融合储能的风电消纳优化控制研究[D]. 庄冠群.东北电力大学 2018
[2]高压电制热储热参与电力系统调峰调频研究[D]. 蒋威.浙江大学 2018
[3]基于相关机会规划的风光储联合发电系统储能调度策略研究[D]. 刘大正.华北电力大学 2015
[4]K-means聚类方法的改进及其应用[D]. 李荟娆.东北农业大学 2014
[5]电力系统负荷分类研究[D]. 张忠华.天津大学 2007
本文编号：3599427
【文章来源】：沈阳工业大学辽宁省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
016-2019年风电累计装机容量与发电量Fig.1.1Cumulativeinstalledcapacityandpowergenerationofwindpowerfrom2016to2019
沈阳工业大学硕士学位论文21.1.2我国弃风及消纳情况我国自然资源丰富，在三北地区，风力资源得天独厚，近年来风电发展迅速，技术不断成熟，装机容量不断增加，但随着风电行业的发展，出现了大量的弃风问题[8]。具体情况如图1.1-图1.2所示。图1.12016-2019年风电累计装机容量与发电量Fig.1.1Cumulativeinstalledcapacityandpowergenerationofwindpowerfrom2016to2019图1.22016-2019年弃风电量与弃风率Fig.1.2Windabandoningquantityandwindabandoningratefrom2016to2019从图1.1中可以看出我国装机容量和发电量逐年增加，2016年累计装机并网容量为14864亿千瓦，发电量为2410亿千瓦时，2017年累计装机并网容量为16367亿千瓦，发电量首次突破3000亿千瓦时，2018年累计装机并网容量为18426亿千瓦，发电量为3660亿千瓦时，2019年累计装机并网容量突破21000亿千瓦，发电量高达4057亿千瓦时。可见，我国风电发展迅速。图1.2显示的是我国从2016年到2019年4年来的弃风电量及弃风率，从图中可以看出，从2016年开始，我国弃风电量逐年下降，主要是由于供需更加平衡，2016年弃
能转化为电能释放出来，但这种方式有一定的局限性，需要配合当地的地势优势。（5）多能源互补：多能源与风电进行配合使用，如风光互补、风光储协同发电等，光伏发电主要在白天，利用太阳光照，存在明显的时间特性，而风力发电主要在夜间，将光伏发电和风力发电相结合，可以很好的解决风电的波动性，有利于风电消纳。1.2负荷分类提取的研究现状大数据时代的到来，尤其是智能电网和泛在电力物联网的提出，对不同负荷的分类提取显得尤为重要，对负荷特征信息的挖掘需要更加精确、精细[14]。目前，可以将聚类方法分为六类，如图1.3所示。图1.3聚类方法分类Fig.1.3Classificationbyclusteringmethod对以上六类聚类算法做简单介绍：（1）基于划分方法：这类算法原理简单，首先确定样本分为几类，然后通过多次迭代，达到最终的分类目的。这种算法简单高效，时间和空间复杂度都较低，但是这种算法对K值比较敏感，K的取值直接影响分类结果。（2）基于层次方法：有两种类型，一种由里到外，一种由外至里，分别是合并层次聚类和分裂层次聚类。两类聚类方式物理结构不同，聚类结果也不一样。两种聚类方法共同的特点就是聚类速度快，主要是因为计算速度与样本个数无关，而是与分成几类有关。（3）基于密度方法：根据数据密度，连通性等划分的方式，可以获取具有高密度特性数据。聚类在连通数据簇的簇密度方向上具有延伸性。因此，基于密度的算法能够确定任意形状的簇。（4）基于网络方法：将数据空间分为单个较小的网格单元，将样本数据通过特定
【参考文献】：
期刊论文
[1]基于机会约束目标规划的风-光-水-气-火-储联合优化调度[J]. 李志伟,赵书强,刘金山. 电力自动化设备. 2019(08)
[2]基于二次规划的电池储能系统参与电网削峰填谷离线优化[J]. 董慧峰,牛文迪,杨旭强,郭志敏,周丽. 电气应用. 2019(01)
[3]含抽水蓄能机组的风电消纳鲁棒机组组合[J]. 夏沛,邓长虹,龙志君,姚维为,张凯,王维洲. 电力系统自动化. 2018(19)
[4]计及热网特性的电热联合系统调度方法[J]. 邵世圻,戴赛,胡林献,丁强,谢华宝. 电力系统保护与控制. 2018(10)
[5]商业园区储能系统削峰填谷的有功功率协调控制策略[J]. 杨锡运,董德华,李相俊,马雪,耿娜,贾学翠. 电网技术. 2018(08)
[6]考虑风电消纳的风电-电储能-蓄热式电锅炉联合系统能量优化[J]. 王振浩,杨璐,田春光,李国庆. 中国电机工程学报. 2017(S1)
[7]引入改进模糊C均值聚类的负荷数据辨识及修复方法[J]. 孔祥玉,胡启安,董旭柱,曾意,吴争荣. 电力系统自动化. 2017(09)
[8]风电场与含储热的热电联产联合运行的优化调度[J]. 戴远航,陈磊,闵勇,徐飞,侯凯元,周莹. 中国电机工程学报. 2017(12)
[9]类簇数目和初始中心点自确定的K-means算法[J]. 贾瑞玉,李玉功. 计算机工程与应用. 2018(07)
[10]基于“进化”主成分分析法的用户分类及其应用[J]. 和敬涵,卢育梓,陆金耀,胡波,杨方,何博. 电力建设. 2017(03)
硕士论文
[1]蓄热式电锅炉融合储能的风电消纳优化控制研究[D]. 庄冠群.东北电力大学 2018
[2]高压电制热储热参与电力系统调峰调频研究[D]. 蒋威.浙江大学 2018
[3]基于相关机会规划的风光储联合发电系统储能调度策略研究[D]. 刘大正.华北电力大学 2015
[4]K-means聚类方法的改进及其应用[D]. 李荟娆.东北农业大学 2014
[5]电力系统负荷分类研究[D]. 张忠华.天津大学 2007
本文编号：3599427
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3599427.html
