風電預測，并網(wǎng)調度與規(guī)劃的決策優(yōu)化模型

在風電預測方法創(chuàng)新方面，本研究發(fā)現(xiàn)風速具有結構性突變特征，即風速在短期內呈現(xiàn)出很強的不確定性，不能用一種隨機分布模型來描述；與此同時，人們依據(jù)經(jīng)驗和歷史數(shù)據(jù)，往往對于某個地區(qū)的風速有著先驗知識。根據(jù)這些特點，我們自然聯(lián)想到貝葉斯理論和時間序列的結構突變模型。因此我們將基于貝葉斯的結構突變模型應用到超短期風電預測，通過計算實驗驗證了該方法的有效性，為國內外風電預測同行們提供了嶄新的思路。該項研究成果 Very short-term wind speed forecasting with Bayesian structural break model 發(fā)表在可再生能源方向國際一流期刊Renewable Energy （5-Year Impact Factor: 3.2）上面。 在風電廠調度研究方面，我們通過2011年度實地調研，以及和國內外學者交流，我們發(fā)現(xiàn)風電廠有時存在不得不停止某些風機從而降低發(fā)電量的現(xiàn)象。即風電調度不僅僅是和其它火電廠，或者其它可再生能源發(fā)電廠的調度調配問題。在一個風電廠內部，啟停某些風機來達到發(fā)電量的嚴格要求也顯得頗為重要。因此我們研究團隊（包括香港和美國的合作者）提出了風電廠內部優(yōu)化調度模型，幫助風電廠運營人員，根據(jù)風機發(fā)電效率、電價和天氣狀況作出啟停風機的最優(yōu)決策。該項研究成果彌補了國內外在這個方面的空白（目前大部分研究關注風電廠和其它傳統(tǒng)電廠的電力調配、調度，忽略了風電廠內部也需要優(yōu)化調度）。我們的研究成果“Scheduling Electric Power Production at a Wind Farm”發(fā)表在管理科學方向國際一流期刊European Journal of Operational Research（5-Year Impact Factor: 2.3）上面。

在全球都在強調低碳經(jīng)濟和可持續(xù)性發(fā)展的大環(huán)境下，風能作為一種清潔的可再生能源得到了全世界的重視。但是大規(guī)模風電的存在給目前電網(wǎng)的管理帶來前所未有的挑戰(zhàn)，這主要體現(xiàn)在并網(wǎng)調度以及相應的規(guī)劃上面。究其主要原因還是風能的隨機性較大，從而導致風電廠發(fā)電總量具有很大的波動。本課題從風電的短期預測入手，以提高預測精度為目標，探索一種基于數(shù)據(jù)挖掘和傳統(tǒng)數(shù)值方法相結合的預測模型。然后以該預測模型為前提，進而研究風電和其它傳統(tǒng)發(fā)電廠（比如火電）之間的調度決策模型。該調度決策模型將運用隨機規(guī)劃的思想與預測模型有機地結合，從而大大降低調度風電時的不確定性風險和成本。本課題試圖將風電預測模型的作用延伸到對風電廠早期規(guī)劃上，提出相應的決策優(yōu)化模型。例如風電廠往往會配套火電廠作為備份電廠，用于提高風電廠輸出電力的可靠性。如果能夠將風電預測模型應用到這類問題的規(guī)劃，可能避免配套火電廠裝機容量的過度冗余。

由于風能本身的間歇性和不確定性，采用單一預測方法所得到的風電功率預測結果的誤差很大，無法滿足電網(wǎng)安全經(jīng)濟運行的需要，項目針對風速序列隨時間、空間呈現(xiàn)非平穩(wěn)性變化的特征，提出了一種基于經(jīng)驗模態(tài)分解(EMD)和支持向量機(SVM)的短期風電功率組合預測方法，其預測誤差比單一模型降低了5%~10%，有效地提高了短期風電功率預測的精度，對預測結果的誤差進行了不確定性分析，給出了預測結果誤差評價指標。在深入研究風電場輸出功率預測值隨時間空間變化的規(guī)律的基礎上，建立了一種考慮風電場風機間的排布和尾流效應的功率預測模型，導出了各個風機間的風速相關矩陣和輸出功率值，與僅采用統(tǒng)計算法的功率預測相比，預測精度的均方根誤差可以減小5%，能進一步改善預測效果,將風電場輸出功率的不確定性轉化為相對量化的確定性關系。 針對風電場內不同機組處風速分布不均勻問題，考慮尾流效應與風的空間分布特性，提出了一種適用于永磁直驅變速機組風電場動態(tài)等效的多機表征方法，通過模糊聚類算法將具有相近運行點的風電機組劃分到同一機群，最后通過多個表征機群的等值機組的組合，建立基于擴展空間分布的風電場輸出功率等效暫態(tài)模型，該模型能夠反映風電場輸出有功/無功、頻率和電壓的動態(tài)特性。在此基礎上，提出了一種新的永磁直驅風電機組頻率-轉速協(xié)調控制策略，根據(jù)風電機組功率的變化率調節(jié)轉速控制參數(shù)，使風電機組獲得較好的頻率響應能力，能夠有效減少風電機組的轉矩突變和頻率波動幅度，避免系統(tǒng)頻率的二次波動，以獲得較好的轉速恢復特性。 針對非平穩(wěn)風電數(shù)據(jù)中產(chǎn)生的幅值和頻率突變，研究提出了基于小波模極大值的奇異點辨識方法和基于自回歸滑動平均法的數(shù)據(jù)重構算法，為功率預測提供可靠性的數(shù)據(jù)源。開發(fā)一套基于組合預測方法的風電功率預測系統(tǒng)，該系統(tǒng)主要包括數(shù)據(jù)通訊、數(shù)據(jù)處理、預測模型、誤差分析、預報輸出等主要功率模塊，具有一定的工程實用性，可以輔助制定合理的發(fā)電計劃，優(yōu)化開機組合，為風電場并網(wǎng)安全經(jīng)濟運行提供科學決策的依據(jù)，具有較好的應用前景。 項目研究期間，在國內外期刊發(fā)表相關研究論文11篇，其中被SCI收錄1篇、EI收錄10篇，獲得國家發(fā)明專利1項、國家版權局授權計算機著作權15項。培養(yǎng)博士生1名、碩士研究生6名，培養(yǎng)指導國家大學生創(chuàng)新計劃本科生學生3名。參加國際、國內會議6次，擔任會議分會主席2次，作大會報告和分會場報告3次。 2100433B

由于風電場發(fā)電功率受風速、風向、地理、氣象等多方面因素的影響，既具有時間相關性，也具有空間相關性，單一的預測模型達不到預期效果。本項目以非平穩(wěn)變化的時間、空間的風速序列數(shù)據(jù)為研究對象，建立一個具有泛化能力的最優(yōu)加權組合模型，給出預測結果誤差評價指標；利用空間相關法，建立基于擴展空間分布的區(qū)域性電網(wǎng)風電場的輸出功率等效模型和算法。研究提出一種根據(jù)奇異點局部奇異性信息對來自于風電數(shù)據(jù)采集控制系統(tǒng)的錯誤數(shù)據(jù)進行辨識糾錯的方法。針對非平穩(wěn)風速信號中產(chǎn)生的幅值突變和頻率突變，給出小波變換系數(shù)模極大值檢測算法。深入的研究區(qū)域性電網(wǎng)中風電場輸出功率預測值隨時間漸變和突變的基本規(guī)律，探索將風力發(fā)電功率預測和負荷預測相結合的基本規(guī)律，設計開短期風電功率預測軟件，以確定風電在滿足系統(tǒng)一定可靠性水平下的備用容量，以制定科學的發(fā)電計劃，優(yōu)化發(fā)電機組的開機組合，為風電場并網(wǎng)安全經(jīng)濟運行提供科學決策依據(jù)。

本書圍繞著項目調度問題及其解決方法展開論述，全書共分為10章。前3章歸納總結了項目調度相關領域的基本知識和常見的優(yōu)化算法；第4章描述和定義了資源約束項目調度問題和多模式資源約束項目調度問題基本模型，并給出了基于粒子群算法的求解過程。第5章及之后的各章所討論的問題都屬于在第4章基礎上衍生出來的模型。第5章考慮帶時間窗的資源約束項目調度問題；第6章是時間-成本權衡項目調度問題，包括工期-費用-質量綜合權衡項目調度問題；第7章討論資源均衡項目調度問題，以最小化資源利用的波動變化為目標；第8章是關于柔性資源約束的項目調度問題，重點討論具有柔性資源特征的軟件開發(fā)項目調度；第9章涉及了資源約束的多項目調度問題；第10章是以最大化項目凈現(xiàn)值為目標的資源約束項目調度問題。

本書在總結前人研究成果的基礎上，系統(tǒng)化地把作者多年來針對項目調度問題的研究成果和心得展示出來，適合從事項目管理研究工作的學者、工程師和管理專家閱讀使用。