考虑功率预测的风电场有功功率预测控制策略研究

In this project, an adaptive interpolation ultra short-term wind power prediction model with variable timescale will be developed corresponding to non-stationary wind data based on data identification and dynamic equivalent modeling of wind farm. Probability distributions of wind power prediction error will be analyzed and confidence intervals will be estimated to characterize uncertainty of prediction error distribution. Fluctuation characteristics of wind power will be investigated by use of spatial correlation to reveal the changing properties of wind power over time and space. Both downscaling and upscaling wind power prediction models will be created based on numerical weather prediction(NWP) data, leading to a short-term wind power prediction model considering spatial correlation. A novel predictive control strategy and algorithm for output power control in wind farm will be created on the basis of ultra short-term wind power prediction results. A multi timescale predictive control & dispatching strategy will be also established to achieve coordinately scheduling and optimized dispatching of active power in wind farm. This significantly turns uncertainty of wind power into predictability and controllability with certain quantity to some extent, thus helps to effectively reduce the wind randomness, the impact of volatility on power system safe and stable operation, improve absorptive capacity of grid-connected wind farms. Research achievements of the project will provide scientific and theoratical basis for the safe and economic operation of large scale wind farm in power systems.

本项目拟以风电场非平稳的风电数据序列为研究对象，在数据辨识和风电场动态等值建模基础上，建立一种自适应插值的变时间尺度超短期功率预测模型；分析风电功率预测误差的概率分布特性、估计表征预测误差不确定性分布的置信区间；研究基于空间相关性的风电功率波动特性，揭示风电功率随时间、空间变化基本规律；建立基于数值天气预报的降、降尺度功率预测模型研究，开展基于空间相关性的短期风电功率预测模型研究；结合超短期风电功率预测，提出风电场模型预测控制策略及算法，对风机/风电场的输出功率进行滚动预测控制，建立多时间尺度风电功率预测的调度控制策略，对风电场的输出功率进行预测控制和协调优化调度，可将并网运行风电的不确定性转化为量化的可预测、可控性，有效的降低风电随机性、波动性对电网安全稳定运行的影响，提高风电消纳能力，为风电场并网安全经济运行提供科学决策依据和理论基础。

本项目紧紧围绕大规模风电并网有功功率随时间空间变化规律、多时间空间尺度风电功率预测研究、风电功率预测误差的概率分布特性和考虑功率预测信息的风电场有功功率预测控制策略等领域开展科学研究。.基于时空相关性理论，研究了风电功率随时间、空间变化的基本规律，为风电功率预测奠定理论基础。针对单体风电功率预测模型的局限性，提出了基于可变向量遗忘因子的自适应指数动态优选组合预测模型，提高风电功率预测精度。考虑到风速的随机变化引起风电功率波动和影响风电功率预测精度，提出一种基于变尺度时间窗口和波动特征提取的短期风电功率组合预测方法，采用最大相关–最小冗余特征选取的方法选取数值天气预报数据中最优特征子集，使用神经网络模型对区域风电功率进行预测。进一步，以多元统计分析为基础，采用多元时间序列模型向量自回归模型来表征风电场之间的空间相关性并将其用于风电功率预测,提高风电场短期和超短期功率预测的RMSE精度3-5.5%。针对超短期风电功率预测误差的特点，建立一种结合预测误差幅值特性和波动性特点的预测误差分层分析模型。在概率密度特性提取部分，采用改进后的广义误差分布模型对预测误差概率密度分布进行拟合。该误差分析方法结合了误差模型预测和误差概率密度拟合两种方法的优点，可以更为准确地对超短期风电功率预测误差进行分析和补偿。基于风电功率超短期-短期预测信息，提出了风电场有功功率多目标分层递阶预测控制分析方法，建立了多时间尺度风电功率预测的调度控制策略，提出了基于随机预测控制和功率波动相关性的风电集群优化调度方法，可将并网运行风电的不确定性转化为量化的可预测、可控性，为风电场并网安全稳定运行提供了科学理论基础和决策依据。.依托本项目的资助，课题组先后在国际上IEEE Trans. on Power Systems/Sustainable Energy/Smart Grid、Applied Energy、Renewable Energy 等ESI前5%-10%顶级期刊发表原创性高水平SCI收录论文7篇；在《中国电机工程学报》、《电力系统自动化》、《电网技术》等国内顶级杂志上发表了26篇EI收录研究论文。其中2篇论文入选2018年中国电机工程学会百篇优秀论文、2篇论文入围2016年中国电力期刊论文下载量TOP50；授权发明专利6项，获计算机软件著作权11项。培养11名博士/硕士研究生。