考虑风电接入不确定性的节点特性建模研究
本文选题:风电 + 广义负荷建模 ; 参考:《山东大学》2015年硕士论文
【摘要】:基于电力系统元件模型的数字仿真分析是系统运行、规划、设计和控制等领域的主要手段,而作为电力系统四大基本元件之一的负荷,由于其自身特殊性和困难性,建模发展相对滞后于其他元件,因此负荷建模研究已成为影响电力系统数字仿真精度的决定性因素。传统负荷建模研究工作已在很多应用场景下取得了可喜的成绩,然而近年来随着风电接入,其对系统的影响已取得业界共识,从负荷建模角度,风电接入不但改变了负荷组成和功率流向,而且随着风功率的随机性和基础负荷的时变性,广义负荷不确定性加剧,这给负荷建模分析带来了新的挑战。由此本文对考虑风电接入不确定性的节点特性建模相关问题进行探讨,主要内容如下:首先,提出了一种基于概率统计的广义负荷节点稳态特性学匀与建模新方法。为分析风电接入后功率流向的改变,将节点特性分为电源特性与负荷特性;针对节点特性的不确定性变化,基于历史实测数据对有功功率样本空间进行自适应分段细化,统计其概率分布;利用Levenberg-Marquardt神经网络法学习并提取各段节点特征,构建节点特性统一模型,并以风险分析为例说明新模型的应用。仿真结果表明,本文方法不但可精确建模,而且通过统计数据样本引入概率信息,可对不确定性问题按概率分场景分析,弥补了传统方法对随机特征描述能力不足的缺陷,是对传统建模方法在不确定场景应用上的扩展和延伸。其次,考虑自然特性与人类习惯差异对模型精确性与实用性造成的影响,借鉴传统负荷特性聚类与综合的思路,在新提出的广义负荷建模方法基础上,引入时间信息对考虑风电不确定性与负荷时变性的广义负荷特性进行聚类分析,可得到更为贴近实用的精确模型。而聚类分析需要选择合理的聚类方法和科学的聚类策略,由此针对风电与负荷组成的新的复杂场景与客观聚类需求,引入一种高质量、适用于复杂样本分析的AP聚类算法,该算法无需事先输入聚类数等参数,更为科学、合理。仿真结果证明了该方法的有效性。再次,提出一种大时间尺度下的纵向聚类策略,利用该聚类策略和AP聚类算法,可实现在时间连续性基础上,兼顾日间相似性与差异性规律的细化季节特性聚类分析。该策略利用实测数据确定最小时间间隔,将单日内各最小时间间隔按其功率波动特性进行聚类分析,以获得单日整体特性;再根据全年内各日特性实现相似日聚类;最终根据日间聚类结果获得的比例特征实现纵向时间单元聚类。如此层层递进,更适用于考虑风电波动性与负荷时变性的复杂场景分析。不同年份数据聚类结果的相似性证明了该聚类策略的有效性。最后,在纵向聚类策略的基础上,提出一种较小时间尺度下的横向聚类策略。通过将纵向类内全部数据联排统一聚类,实现较小时间尺度下的精细横向聚类,结果体现了日时段特性。如此可实现大时间尺度与小时间尺度数据在统一时间框架下的聚类分析。利用新提出的广义负荷建模检验聚类策略的有效性。仿真结果表明了该聚类策略客观、合理,为风电接入后的仿真分析和调度控制提供了模型基础和辅助参考。
[Abstract]:The numerical simulation analysis based on power system element model is the main means in the field of system operation , planning , design and control , but as one of the four basic elements of power system , the load modeling research has become the decisive factor affecting the accuracy of digital simulation of power system .
Aiming at the uncertainty of the node characteristics , the active power sample space is subjected to the adaptive segmentation refinement based on the historical measured data , and the probability distribution is counted ;
By using Levenberg - Marquardt neural network method to study and extract the characteristics of each node , a unified model of node characteristics is constructed , and the application of the new model is illustrated by taking risk analysis as an example .
and realizing the similar day clustering according to the characteristics of each day of the year ;
Finally , on the basis of the longitudinal clustering strategy , we propose a horizontal clustering strategy under the small time scale . Finally , based on the longitudinal clustering strategy , we propose a horizontal clustering strategy under the small time scale . Finally , based on the longitudinal clustering strategy , we propose a cluster analysis under the small time scale . The simulation results show that the clustering strategy is objective and reasonable , which provides the model foundation and the auxiliary reference for the simulation analysis and scheduling control after the wind power access .
【学位授予单位】:山东大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TM614
【参考文献】
相关期刊论文 前10条
1 李培强;李欣然;陈辉华;唐外文;;基于减法聚类的模糊神经网络负荷建模[J];电工技术学报;2006年09期
2 王振树;李林川;牛丽;;基于贝叶斯证据框架的支持向量机负荷建模[J];电工技术学报;2009年08期
3 周文,葛斐,贺仁睦;软件工程化的负荷特性记录系统开发[J];电力系统自动化;1999年16期
4 沈善德,朱守真,罗骏,陈厚连;快速BP网络在负荷动态建模中的应用[J];电力系统自动化;1999年19期
5 鞠平;何孝军;黄丽;方朝雄;陈峰;赵红嘎;金艳;陆杨文;孔德超;;广义电力负荷的模型结构与参数确定[J];电力系统自动化;2006年23期
6 王吉利;贺仁睦;马进;;配网侧接入电源对负荷建模的影响[J];电力系统自动化;2007年20期
7 韩民晓,朱军飞,贺仁睦;自定义负荷模型与综合程序接口的实现[J];电力系统自动化;1997年07期
8 李欣然,陈元新,蒋铁铮,唐忠;电压稳定研究中的负荷模型及其建模方法[J];电力系统及其自动化学报;2000年06期
9 毕正军;蒋子丹;李欣然;王玲;郝元钊;;考虑风力发电的综合负荷特性及其等效描述[J];电力系统及其自动化学报;2012年01期
10 王立德;李欣然;李培强;陈辉华;宋军英;;基于人工神经网络的综合负荷模型[J];电网技术;2008年16期
相关博士学位论文 前1条
1 郑晓雨;大电网实测负荷模型的实用化研究[D];华北电力大学(北京);2011年
相关硕士学位论文 前2条
1 沈莹;基于支持向量机的负荷建模的研究[D];郑州大学;2007年
2 罗楠;考虑风电不确定性的电网调度技术研究[D];浙江大学;2013年
,本文编号:1858387
本文链接:https://www.wllwen.com/kejilunwen/dianlilw/1858387.html