风电功率多尺度预测不确定性及其对电力系统经济调度的影响机理研究

Wind power uncertainty is a significant issue to the security, economics and efficiency of the power system operation. This project will focus on the multi-scale modelling of the uncertainty of short-term wind power forecasting: 1) To explore the influential law of the wind process and its prediction time horizon on the errors of wind power forecasting; to utilize Grey Correlation Analysis to investigate the key influencing factors of wind power forecasting errors; 2) To present a multi-scale method of wind power forecasting uncertainty analysis, on the scales of wind turbines, wind farm and wind farm clusters, based on stacked denoising auto-encoder (SDAE) algorithm; and also to employ the proposed multi-to-multi cross-mapping network to describe the fuzzy of wind-power conversion process; 3) To propose a mathematical model of the incremental cost of wind power uncertainty and an economic dispatch cost model based on wind power forecasting uncertainty; to reveal the impact of multi-scale forecasting uncertainty on the economics of the power system operation. The project would help increase the reliability of the uncertainty analysis of wind power forecasting, enhance the credibility and practicality of wind power forecasting system when it is employed in the power system economic dispatch, and improve the consumption capability of wind power of the power system.

风电不确定性是影响电力系统安全、经济、高效运行的重要问题。本课题拟围绕风电功率短期预测不确定性的多尺度建模问题开展工作：1）探索风过程特征和预报时长对风电功率预测误差的影响规律，应用灰色关联方法，探寻功率预测误差的关键影响因子；2）基于堆叠降噪自动编码机算法，利用多对多交叉映射网络表达风-电转换过程的模糊类属，建立风电机组-风电场-区域集群等多空间尺度下的功率预测不确定性分析模型；3）建立风电不确定性的增量成本和基于风电预测不确定性的电力系统经济调度成本模型，揭示多时空尺度下预测不确定性对电力系统运行经济性的影响规律。本课题成果将有助于提高风电功率预测不确定性分析的可靠性，增强风电功率预测系统在电力系统经济调度中的可信度和实用性，提升电力系统对风电的消纳能力。

风电不确定性是影响电力系统安全、经济、高效运行的重要问题。针对当前我国电力系统中不确定性不断增强的现状以及面临的运行问题，课题从风电不确定性本质出发，按照“不确定性规律研究 → 不确定性预测建模 → 不确定性影响分析”的思路展开研究，达到了计划的研究目标，超额完成了指标。研究结果及其关键科学意义如下：.1）掌握了多点位数值天气预报误差的时空分布模式，揭示了数值天气预报对功率预测精度的关键影响因子及多因素影响规律。.2）提出了集中式风电功率预测的新技术领域，面向适用于大规模集中开发场景，创建了多对多交叉映射的深度学习网络架构；据此建立了基于深度学习的机组-场站-场群级短期风电功率预测及其不确定性分析模型；通过集中式预测原理的数学推导，从模型时空描绘能力及风转电功率过程的模糊类属学习能力两个方面，获得了预测可靠性提升的关键科学原理。.3）提出了训练样本定向选取的风电功率预测框架；针对复杂地形风电场/分布式风电，提出了训练样本代表性的量化方法，建立了云模型的精细化风电功率预测及其不确定性分析方法；通过精细化分析不同训练样本下的风电功率预测误差模式，揭示了训练样本代表性对预测精度的影响程度及趋势，为复杂多变天气下选择对精确预测最有利的训练样本提供了科学依据。.4）提出了风电不确定性成本的及其解析数学模型，建立了数据驱动的新能源电力系统运行经济性计算模型，通过建立风电功率波动与电力系统运行成本之间的映射模型，实现了从当前“稳态运行条件下的发电成本解析模型”到“动态复杂场景下的数据驱动式成本计算”的跃升，揭示了大规模风电复杂波动场景下电力系统各运行参数的变化规律以及不同风过程下的影响机理，提高了高比例风电并网场景下电力系统运行成本的计算精度和运算效率，为电力系统经济调度提供新的量化与分析手段。.5）依托项目成果，发表SCI或EI期刊论文13篇，其中SCI一区Top期刊8篇、SCI四区期刊1篇，国家梯队期刊(EI收录)3篇；研发了风电集中式风电功率预测系统，已应用于赤峰10个风电场和江西省20个风光发电站，测试期内单场精度平均提高2-5%，预测考核扭亏为盈。项目负责人在风电功率预测领域做国际学术会议等特邀报告3次、担任SCI期刊专刊编辑2次、新增IEC或IEEE等国际学术职务3项。