论文摘要
常规化石能源的不断消耗以及引起的碳排放、环境污染等问题日趋严重,寻求清洁高效的可再生资源以代替可耗竭的化石能源已受到人们的普遍关注。利用风电、光伏等可再生资源代替化石能源,对于降低碳排放,改善能源结构将起到重要的作用,但由于可再生资源具有明显的间歇性以及波动性,使可再生能源发电及其并入电网调控的难度不断增加,而且近几年,以降低碳排放、节约常规能源和减少环境污染为目的的电动汽车,随机的不加引导的接入电网进行自由充电,都会使电源侧和负荷侧呈现出一定的非可控性,由此给电网的调控带来了新的挑战。在建设坚强智能电网的背景下,为了应对特高压交直流以及可再生能源和电动汽车的不断广泛接入带来的影响,研究风电并网条件下的电网调控和安全评估,对于降低电网安全稳定运行的风险,提高电网运行的经济性都具有重要的经济和现实意义。在以上背景下,本文在对风电波动规律分析的基础上,以实现坚强的智能电网为核心,开展了风电功率预测、风电等可再生资源与电动汽车的协同调度以及风电并入电网背景下的电网安全评估的研究,主要工作和创新成果如下：(1)利用混沌理论揭示了风电功率序列内在的动态特性。在风电功率时间序列相空间重构的基础上计算了风电序列的最大Lyapunov指数,验证了风电时间序列的混沌特性：由于直接采用Volterra滤波器多步预测法对风电序列进行超短期预测误差较大,利用局域多步预测法以及最大Lyapunov指数法的预测结果并结合有序算子和加权马尔科夫链对Volterra滤波器的预测结果进行了校正。仿真结果表明,在实现风电功率的超短期预测过程中,校正预测模型有效的提高了Volterra滤波器的预测精度,其为利用Volterra滤波器多步法进行风电功率超短期预测提供了有益的参考。(2)针对风电功率的短期预测问题,分别提出了熵和极端学习机以及储备池的风电组合预测模型。首先利用经验模态分解(empirical mode decomposition,EMD)将风电功率分解为一系列具有不同特征尺度的子序列;在此基础上,利用熵对不同尺度的子序列进行复杂度分析,根据子序列的不同熵值进行归类叠加产生新的子序列。最后利用交叉验证法和重构相空间法确定了学习机的各种参数和输入维数,再利用极端学习机、储备池和最小二乘支持向量机分别对各子序列进行建模预测分析,仿真结果表明基于储备池和极端学习机组合预测模型无论在预测精度和训练速度上都明显优于最小二乘支持向量机的组合预测模型,而且相对于混沌理论,其既适用于超短期预测又适用于短期预测,同时又具有较高预测精度,为实现风电在线的较高精度预测提供了可能。(3)针对风电以及电动汽车的广泛发展,考虑风光预测结果的基础上,提出了上种计及风电出力不确定性的地区电网的电动汽车充电调度方法。首先为了减小地区电网等效负荷峰谷差和购电成本,建立了电动汽车充电的多目标非线性混合整数优化调度模型。其次利用模糊集理论在风电出力模糊化的基础上将多目标模糊优化模型转化为单目标的非线性优化模型。以某地区电网的数据为算例,用改进的粒子群算法对提出的多目标模糊优化模型进行求解,验证了模型的有效性和求解方法的可行性,为风电和电动汽车的协同优化调度提供了一条有效途径。(4)在风电并入电网会对电网的安全运行产生影响的背景下,在信号能量法的基础上,考虑稳定性理论的超调量和综合考虑超调量和调节时间的思想,提出了充分计及模型动态特性的电网电压稳定性能工程评估的方法,即综合指数和累积指数两种指标。在利用PSS/E的仿真功能得到电网节点电幅出值的信息基础上,考虑分时段的信号能量谱,提出了信号能量综合指数和累积指数指标,以确定电网中电压稳定的薄弱节点。最后利用传统电压稳定分析理论中的方法,对山东电网2010年冬的系统数据进行对比分析,在计及电源和风机模型的前提下,本文方法在实际工程应用中与传统分析方法具有较好的一致性性,可为电网的电压安全的工程应厂用评估提供一种有益的参考。