论文部分内容阅读
风电、光伏受天气条件的影响,其输出功率具有较大的随机性和波动性,随着大量分布式电源接入配电网,对配电网安全稳定运行产生影响。因此,本文对风电光伏预测方法、预测误差不确定性分析及考虑预测不确定性的配电网优化调度展开研究。首先通过分析风光机组工作原理,构建风电、光伏发电模型,描述风光运行规律。对同区域风电场、光伏电站互补性展开研究,结合互补性评价指标Kendall相关系数对分布式风电、光伏不同季节日均互补性、单月份互补性及全年互补性展开分析,得到风光互补的最优时间尺度。其次构建基于WOA-LSSVM的风光功率预测模型,该方法利用鲸鱼算法优化最小二乘支持向量机的惩罚因子与核函数宽度,并对风电场进行4小时、24小时、72小时下不同模型的预测试验,对光伏电站进行晴天、阴天、雨天不同模型的预测试验,并结合功率预测评价指标RMSE、MAE的值,比较风电光伏不同天气条件、不同模型的预测精度,结果显示WOA-LSSVM预测模型优于PSO-LSSVM和LSSVM模型。然后建立基于WOA-LSSVM预测模型的风光功率预测误差不确定性分析方法。应用云模型知识定性分析风电、光伏预测误差的不确定性,得到风电4小时、24小时、72小时不同尺度,光伏晴天、阴天、雨天不同气象条件下的误差云滴图,利用非参数核密度估计定量计算风电、光伏功率预测误差的不确定性,结果发现非核密度估计更能准确描述风电、光伏的误差概率分布。基于非核密度估计计算风电、光伏不同条件下的置信区间,并求解得到97%、95%、90%、85%置信水平下的覆盖率。最后构建一种考虑风电、光伏功率预测不确定性的区域配电网经济调度模型,以预测误差置信区间为基准实现了风电和光伏预测不确定性的量化,从而将调度模型中的不确定因素确定化。将因预测造成的不确定性以置信区间的形式引入调度模型,通过计算不同置信度下的置信区间,应用PSO算法得到该模型95%、90%置信度的配电网优化调度上下限,并计算得到不同置信度下的调度成本,为配电网优化调度提供更加科学合理的调度方案。