光伏发电系统的时序概率模型研究

doi:10.3969/j.issn.1000－7229.2016.07.004

电力建设 ›› 2016, Vol. 37 ›› Issue (7): 27-32.doi: 10.3969/j.issn.1000－7229.2016.07.004

光伏发电系统的时序概率模型研究

金黎明1,周宁1,冯丽1,范飞2,赵渊2

1.国网重庆市电力公司,重庆市 400015;2.输配电装备及系统安全与新技术国家重点实验室（重庆大学），重庆市 400044

出版日期:2016-07-01
作者简介:金黎明（1982），男，硕士，高级工程师，长期从事电力系统运行分析和控制的研究工作；周宁（1972），男，硕士，高级工程师，长期从事电力系统自动化研究工作；冯丽（1975），女，博士，高级工程师，长期从事电力系统运行分析和控制研究工作；范飞（1989），男，硕士研究生，从事电力系统规划与可靠性的研究工作；赵渊（1974），男，教授，博士生导师，长期从事电力系统规划与可靠性的研究工作。
基金资助:
国家自然科学基金项目（50977094）

Chronological Probability Model of Photovoltaic Generation System

JIN Liming1, ZHOU Ning1, FENG Li1, FAN Fei2,ZHAO Yuan2

1. State Grid Chongqing Electric Power Company, Chongqing 400015, China;2. State Key Laboratory of Power Transmission Equipment & System Security and New Technology（Chongqing University）, Chongqing 400044, China

Online:2016-07-01
Supported by:
Project supported by National Natural Science Foundation of China（50977094）

摘要/Abstract

摘要：

随着光伏发电在电网中的应用越来越广泛，如何建立有效的光伏发电概率模型成为亟待研究的问题。传统的光伏发电模型一般基于参数估计，需要对辐照度的概率分布形式做出预先假设，且无法计及日总辐射与小时辐射间的内在“加和”约束。为了克服传统光伏发电模型存在的不足，利用解集及条件核密度估计技术提出一种新的光伏发电时序概率模型。该模型属于非参数模型，无需对辐照度的概率分布形式做出任何限制,不仅能够计及日/小时辐照度之间的时序相关性，而且能够计及日总辐射与小时辐射间的内在“加和”约束，从而可以更加精确地反映光伏发电的随机变动规律。算例分析表明该模型能够以更高精度反映辐照度的变动规律，因而具有明显的优越性和实用性。

关键词: 光伏发电, 概率模型, 加和约束, 时序相关性, 条件核密度估计

Abstract:

With the growing use of photovoltaic （PV） generation in power system, establishing effective probabilistic model for PV generation becomes an urgent problem to be settled. Conventional chronological probability models of PV generation are based on parametric estimation, which require to assume the probability distribution type of irradiance, and cannot consider the additive constraint between days and hours irradiance sequence. In order to overcome the drawbacks of conventional models, this paper proposes a new photovoltaic sequence probabilistic model based on disaggregation theory and conditional kernel density estimation. Without limiting the probability distribution type of irradiance, the proposed nonparametric model is the non-parametric model, and can capture not only the chronological correlation, but also the additive constraint between days and hours irradiance sequence, which can more accurately reflect the random fluctuation law of photovoltaic generation. The example analysis shows that the model can reflect the change rule of irradiance with higher precision, which has obvious superiority and practicality.

Key words: photovoltaic generation, probabilistic model, additive constraint, chronological correlation, conditional kernel density estimation

中图分类号:

TM 732

金黎明,周宁,冯丽,范飞,赵渊. 光伏发电系统的时序概率模型研究[J]. 电力建设, 2016, 37(7): 27-32.

JIN Liming, ZHOU Ning, FENG Li, FAN Fei,ZHAO Yuan. Chronological Probability Model of Photovoltaic Generation System[J]. Electric Power Construction, 2016, 37(7): 27-32.

参考文献

［1］赵争鸣，刘建政，孙晓瑛，等.太阳能光伏发电及其应用［M］.北京：科学出版社，2005：243-245. ZHAO Zhengming，LIU Jianzheng，SUN Xiaoying，et al.Solar energy PV generation and its application［M］.Beijing：Science press，2005：243-245. ［2］KARAKI S H，CHEDID R B，RAMADAN R.Probabilistic performance assessment of autonomoussolar-wind energy conversion systems［J］.IEEE Transactions on Energy Conversion，1999，14（3）：766-772. ［3］ABOUZAHR I，RAMAKUMAR R.Loss of power supply probability of stand-alone photovoltaic systems：a closed form solution approach ［J］.IEEE Transactions on Energy Conversion，1991，6（1）：1-11. ［4］AIEN M，FIRUZABAD F，RASHIDINEJAD M.Probabilistic optimal power flow in correlated hybridwind-photovoltaic power systems ［J］.IEEE Transactions on Smart Grid，2014，5（1）：130-138. ［5］王成山，郑海峰，谢莹华，等.计及分布式发电的配电系统随机潮流计算［J］.电力系统自动化，2005，29（24）：39-44. WANG Chengshan，ZHENG Haifeng，XIE Yinghua，et al.Probabilistic power flow containing distributed generation in distribution system［J］.Automation of Electrical Power Systems，2005，29（24）：39-44 . ［6］余昆，曹一家，陈星莺，等.含分布式电源的地区电网动态概率潮流计算［J］.中国电机工程学报，2011，31（1）：20-25. YU Kun，CAO Yijia，CHEN Xingying，et al.Dynamic probability power flow of district grid containing distributed generation［J］.Proceedings of the CSEE，2011，31（1）：20-25. ［7］REN Zhouyang，YAN Wei，ZHAO Xia，et al.Chronological probability model of photovoltaic generation［J］.IEEE Transactions on Power Systems，2014，29（3）：1077-1088. ［8］张素宁，田胜元.太阳辐射逐时模型的建立［J］.太阳能学报，1997，18（3）：273-277. ZHANG Suning，TIAN Shengyuan.The institution of the hourly solar radiation model［J］.Acta Energiae Solaris Sinica，1997，18（3）：273-277. ［9］GRAHAM V A，HOLLANDS K G T.A method to generate synthetic hourly solar radiation globally［J］.Solar Energy，1990，44（6）：333-341. ［10］FAN J，YAO Q，TONG H.Estimation of conditional densities and sensitivity measures in nonlinear dynamical systems［J］.Biometrika，1996，83（1）：189-206. ［11］TARBOTON D G，SHARMA A，LALL U.Disaggregation procedures for stochastic hydrology based on nonparametric density estimation［J］.Water Resources Research，1998，34（1）：107-119. ［12］KRISTA K，LEONARDIS A，SKOCAJ D.Multivariate online kernerldesity estimation with density estimation with Gaussian kernels［J］. Pattern Recognition，2011，44（10）：2630-2642. ［13］赵渊, 范飞, 杨金刚, 等. 电网可靠性评估中计及加和特性的非参数解集负荷模型［J］. 中国电机工程学报, 2015, 35（23）: 6039-6047. ZHAO Yuan, FAN Fei, YANG Jingang,et al. Nonparametric disaggregation load model in power system reliability evaluation incorporating the additive correlation［J］. Proceedings of the CSEE, 2015, 35（23）: 6039-6047. ［14］CHA S T，JEON D H，BASE I S，et al.Reliability evaluation of distribution system connected photovoltaic generation considering weather effects［C］//International Conference on Probabilistic Methods Applied to Power Systems.Ames，America：IEEE，2004：451-456. ［15］University of Oregon Solar Radiation Monitoring Laboratory. The hourly PV power data［DB/OL］.（2013-08-09）［2016-06-17］.http://solardat.uoregon.edu/SolarData.html. ［16］李江,刘伟波,李国庆,等. 基于序贯蒙特卡罗法的复杂配电网可靠性分析［J］. 电力建设,2015,36（11）:17-23. LI Jiang, LIU Weibo, LI Guoqing, et al. Reliability analysis of complex distribution network based on sequential Monte Carlo method［J］. Electric Power Construction, 2015,36（11）:17-23. ［17］栾伟杰,蒋献伟,张节潭,等. 考虑主动管理的分布式光伏发电消纳能力研究［J］. 电力建设,2016,37（1）:137-143. LUAN Weijie, JIANG Xianwei, ZHANG Jietan, et al. Consumptive ability analysis for distributed photovoltaic generation considering active management［J］. Electric Power Construction, 2016,37（1）:137-143. ［18］周楠,刘念,张建华. 考虑多种上网价格规制的光伏微网运营对比研究［J］. 电力建设,2016,37（3）:82-89. ZHOU Nan, LIU Nian, ZHANG Jianhua. PV-based microgrid operation contrastive research considering on-grid power tariff regulation t［J］. Electric Power Construction, 2016,37（3）:82-89.

[1]	杨朋朋，张修平，王明强，杨明，王飞，王士柏. 计及调峰能力的风光储联合系统优化调度[J]. 电力建设, 2019, 40(9): 124-130.
[2]	周瑜, 杨明，王飞，王士柏，朱毅. 一种计及光伏发电功率不确定性的实时调度方法[J]. 电力建设, 2019, 40(10): 1-8.
[3]	李大勇1，都明亮2，田春光2，韩晓娟3. 基于总体平均经验模态分解的混合储能系统协调优化控制[J]. 电力建设, 2018, 39(4): 83-.
[4]	江雪辰，朱俊澎，袁越，王跃峰，黄阮明. 基于新型场景划分与考虑时序相关性的光伏出力时间序列模拟方法[J]. 电力建设, 2018, 39(10): 63-70.
[5]	史佳琪，张建华. 基于深度学习的超短期光伏精细化预测模型研究 [J]. 电力建设, 2017, 38(6): 28-.
[6]	张倩文，王秀丽，杨廷天，李言，王尚宁. 大用户直购电模式下含大规模风光的电力系统优化调度[J]. 电力建设, 2017, 38(10): 24-.
[7]	章竹耀,肖欣,郭晓丽,姜亚海,顾磊,陈伟峰. 基于储能电池的光伏功率波动平抑策略[J]. 电力建设, 2016, 37(8): 90-.
[8]	孙波，廖强强，刘宇，刘怡，周国定，葛红花. 分布式光伏储能电池混合系统的经济性分析[J]. 电力建设, 2016, 37(8): 102-.
[9]	孙充勃，吕振宇，宋毅，焦阳. 基于混合储能互补的自适应光伏功率平抑策略[J]. 电力建设, 2016, 37(8): 108-.
[10]	何迪，章禹，郭创新，杨攀，金宇. 考虑疲劳折损的架空输电线路风雨荷载失效概率模型[J]. 电力建设, 2016, 37(7): 133-140.
[11]	乌云娜，胡勇. 基于模糊多准则妥协解排序法的光伏发电投资计划优选框架[J]. 电力建设, 2016, 37(2): 50-56.
[12]	栾伟杰，蒋献伟，张节潭，程浩忠，孙诗航，黄国樑. 考虑主动管理的分布式光伏发电消纳能力研究[J]. 电力建设, 2016, 37(1): 137-143.
[13]	李江，刘伟波，李国庆，支新，欧阳斌，陈翔雁. 基于序贯蒙特卡罗法的复杂配电网可靠性分析[J]. 电力建设, 2015, 36(11): 17-23.
[14]	童亦斌，吴学智，唐芬. 分布式光伏发电与主动配电网的协调发展[J]. 电力建设, 2015, 36(1): 72-75.
[15]	程泽，韩丽洁，李思宇，巩力. 光伏发电功率的智能预测算法[J]. 电力建设, 2014, 35(7): 34-39.

光伏发电系统的时序概率模型研究

Chronological Probability Model of Photovoltaic Generation System

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价