风电功率特性分析与场景预测

　　《风电功率特性分析与场景预测》系统介绍了风电功率特性分析方法及其场景的模拟方法。《风电功率特性分析与场景预测》分为上、下两篇，共14章。上篇介绍风电功率特性的分析方法，包括第1～7章，下篇介绍风电功率场景模拟的方法，包括第8～14章。第1章介绍了风电功率特性分析的数学基础和基本流程。第2～6章分别介绍了风电功率时序特性、相关特性、预测误差特性、波动特性、持续特性共5类特性的特征指标、研究方法、结果分析。其中，第3章对风电功率序列不适合于用线性相关系数描述进行了论证。第7章对未来风电功率特性的研究进行总结和展望。第8章介绍了风电功率场景模拟的定义和分类。第9～13章分别介绍考虑线性相关、考虑非线性相关单时段、单场站、多时段、多场站风电功率场景的生成方法。第14章对未来风电功率场景生成方法进行总结和展望。

暂缺《风电功率特性分析与场景预测》作者简介

目录
前言
方法及模型符号说明
上篇 风电功率特性分析方法
第1章 风电功率特性分析概述 3
1.1 引言 3
1.2 风电功率特性分析流程 3
1.3 涉及的统计指标及概率分布函数 4
1.3.1 数据来源 4
1.3.2 特性指标 5
1.3.3 常见的概率分布函数及统计指标 6
1.4 风电功率特性分析研究现状 10
1.5 风电功率特性分析内容 14
第2章 风电功率日曲线的时序特性分析 15
2.1 引言 15
2.2 风电功率的日特性分析 15
2.2.1 美国YoungCounty风电场风电功率日特性分析 16
2.2.2 爱尔兰Ireland风电场群风电功率日特性分析 16
2.3 风电功率的统计特性分析 20
2.3.1 爱尔兰Ireland风电场群风电功率的统计特性分析 20
2.3.2 德国Tennet风电场群与英国UK风电场群风电数据统计特性分析 29
2.4 风电功率长时间特性分析 32
2.4.1 爱尔兰Ireland风电场群风电功率的长时间特性曲线分析 32
2.4.2 德国Tennet风电场群与英国UK风电场群长时间特性分析 33
2.5 风电功率爬坡特性分析 36
第3章 风电功率序列的相关特性 39
3.1 引言 39
3.2 风电功率序列的时空相关特性 39
3.2.1 风电功率序列时空相关特性概述 39
3.2.2 风电功率序列相关性的测度 42
3.3 风电功率序列线性相关的适用性判别 45
3.3.1 线性相关性判别所涉及的定义 45
3.3.2 风电功率序列的线性相关性判别方法 45
3.3.3 风电功率序列时空线性相关性的实证分析 46
3.4 风电功率序列非线性相关特性分析 47
3.4.1 Copula函数与其他非线性相关测度的关系 47
3.4.2 风电功率序列时空非线性相关性的实证分析 49
第4章 风电功率预测误差特性分析 52
4.1 引言 52
4.2 风电功率预测误差概述 52
4.2.1 风电功率预测的难点分析 52
4.2.2 风电功率预测的种类 53
4.2.3 衡量风电功率预测效果的评价指标 56
4.3 风电功率预测误差统计特性分析方法 58
4.4 风电功率预测误差分布特性 60
4.4.1 数据说明 61
4.4.2 我国北方某风电场风电功率误差的分布特性 61
4.4.3 德国Tennet风电场群风电功率误差的分布特性 61
第5章 风电功率波动特性分析 64
5.1 引言 64
5.2 不同时空尺度下的风电功率波动特性 64
5.2.1 风电功率波动的概率分布特性分析 65
5.2.2 风电功率在不同空间尺度下的波动特性 66
5.2.3 风电功率序列在不同时间尺度下的波动特性 68
第6章 风电功率持续特性分析 72
6.1 引言 72
6.2 风电功率持续特性 73
6.2.1 风电功率状态的持续时间特性 73
6.2.2 风电功率的状态转移特性 75
6.3 风电功率持续时间特性分析 75
6.3.1 风电功率状态持续时间的概率分布函数 75
6.3.2 风电功率状态持续时间的概率分布特性分析 78
6.4 风电功率状态转移率特性 85
6.4.1 状态转移率矩阵的计算方法 85
6.4.2 风电功率状态转移率特性分析 85
第7章 风电功率特性研究总结 92
7.1 引言 92
7.2 风电功率相关性研究总结 92
7.3 风电功率的预测误差特性研究总结 93
7.4 风电功率波动性研究总结 94
7.5 风电功率持续特性研究总结 95
上篇参考文献 96
下篇 风电功率场景模拟方法
第8章 风电功率场景模拟的定义与分类 105
8.1 引言 105
8.2 风电功率场景定义 105
8.3 风电功率场景模拟概述 107
8.3.1 风电功率场景模拟问题 107
8.3.2 风电功率场景模拟的近似方法 108
8.4 衡量风电功率场景模拟精度的距离指标 108
8.4.1 统计特性指标 108
8.4.2 相关性指标 108
8.4.3 空间距离指标 109
第9章 基于Cholesky分解和超立方变换的矩匹配场景生成方法 111
9.1 引言 111
9.2 矩匹配法的基本思想 111
9.3 基于矩匹配法的风电功率场景生成 112
9.3.1 矩匹配法的基本步骤 112
9.3.2 立方变换 114
9.4 矩匹配方法生成风电功率场景的验证 114
9.5 基于矩匹配法的风电场景生成应用 117
9.5.1 基于场景的鲁棒输电网规划优化模型 117
9.5.2 修正的Garver6节点系统 118
9.5.3 IEEE24节点系统 122
9.5.4 IEEE RTS-96系统 125
第10章 基于改进矩匹配的场景削减方法 129
10.1 引言 129
10.2 场景削减的基础理论 130
10.3 场景削减的经典方法 131
10.3.1 聚类分析方法 131
10.3.2 前向选择法/后向削减方法 132
10.3.3 矩匹配法 134
10.4 基于聚类和Cholesky分解法的改进矩匹配法 136
10.4.1 基于聚类方法削减场景 136
10.4.2 基于Cholesky分解法的相关性矩阵的修正 137
10.4.3 基于矩匹配法优化削减场景的概率 139
10.5 算例分析 140
10.5.1 算例说明 140
10.5.2 改进矩匹配法的计算结果 142
10.5.3 改进矩匹配法的场景的计算效率分析 143
10.5.4 改进矩匹配法的拟合精度分析 145
第11章 基于*优化理论的场景生成方法 149
11.1 引言 149
11.2 场景优化削减的基本问题 149
11.3 场景优化削减问题的数学模型 150
11.4 场景优化削减模型的求解方法 152
11.5 风电功率时间序列模拟算例 154
11.5.1 算例说明 154
11.5.2 所生成的风电功率序列场景 154
11.5.3 场景优化削减方法的精度分析 154
11.5.4 *优场景法与其他优化方法的对比分析 157
第12章 基于双向优化技术的风电功率场景生成方法 161
12.1 引言 161
12.2 双向场景优化生成风电功率序列的基本思路 161
12.3 基于“双向优化”日风电功率序列场景生成 162
12.3.1 基于削减技术的纵向场景优化 162
12.3.2 基于禁忌搜索算法的横向场景序列生成 163
12.4 基于双向优化技术的场景生成应用分析 165
12.4.1 数据说明 165
12.4.2 单时段风电功率预测误差场景生成 166
12.4.3 日风电功率序列场景的生成与验证 167
第13章 基于Copula函数的场景生成方法研究 173
13.1 引言 173
13.2 含多风电场电力系统的优化模型 173
13.3 基于Copula函数风电场出力的相关性分析 174
13.3.1 Copula函数 174
13.3.2 描述风电场出力相关性的Copula函数实证 174
13.4 基于Copula函数场景优化方法 179
13.4.1 相关说明 179
13.4.2 算法流程 179
13.4.3 计算结果 180
13.5 算例分析 180
13.5.1 OPF-WS模型 180
13.5.2 计算结果 181
第14章 风电功率场景模拟方法研究总结 183
14.1 引言 183
14.2 基于模拟的场景生成方法总结 183
14.3 基于削减的场景生成方法总结 184
下篇参考文献 186