77结题报告

重庆大学大学生科研训练计划项目结题报告书项目名称：光伏电源输出功率的概率模型研究学院：电气工程学院项目负责人：杨星宇联系电话：[phone]项目组成员：邹达曾执丰指导教师：赵霞2014年10月教务处制填表说明一、报告书填写内容必须与事实相符，表述准确。二、报告书中“项目结题报告”文字不少于2000字；报告内容必须包括以下基本内容：1、项目组成员分工、参与完成情况2、项目成果简介3、项目立项与研究的目的、意义4、项目研究的主要内容5、项目研究过程与方法（包含研究方法、研究过程、资料与数据来源等方面的简介）6、项目创新点（或特色）7、项目研究存在的问题、建议8、项目研究工作的自我评价分析与结论三、打印格式：1、纸张为A4大小，双面打印；2、文中小标题为小四、宋体、加黑；3、栏内正文为五号、宋体。重庆大学大学生科研训练计划作品原创性声明本人郑重声明：所呈交的项目报告以及所完成的作品实物等相关成果，是本人和队友独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果，不侵犯任何第三方的知识产权或其他权利。本声明的法律结果由项目组承担。项目组成员签名：日期：年月日项目指导教师审核签名：日期：年月日一、项目组成员及分工（完成情况按优秀、良好、中、合格、不合格五级记分考核）姓名学号主要负责内容完成情况杨星宇20104209数据的收集、光伏电源模型的建立、概率潮流计算的结果的分析、论文的撰写优秀邹达20114351数据的处理、光伏电源模型的建立、潮流计算程序的编写、论文的修改优秀曾执丰20114351文献的查阅、期刊的联系以及论文的排版优秀二、项目成果简介（300--500字。）1.基于参数和非参数理论的光伏电源输出功率概率建模对比分析为了准确模拟光伏电源输出功率，采用参数模型与非参数模型进行建模。分别基于Beta分布、Normal分布、Weibull分布、非参数核密度估计建立光伏输出功率模型，并用Matlab软件对其进行编译，得出各参数模型与非参数模型的概率密度曲线，进行对比。针对甘肃敦煌中广核光伏电站实测数据，再根据K-S检验、卡方检验对各概率密度曲线进行检验，得出非参数核密度估计概率密度曲线拟合度最高并通过检验，即相比较于参数理论，非参数模型的拟合度更高，更适合对光伏电源输出功率的随机性建模。2.考虑光伏电站昼夜功率输出差异的MonteCarlo概率潮流分析为了准确分析考虑光伏电源夜间无功情况的潮流计算，基于MonteCarlo潮流计算对光伏电源输出功率的潮流计算建模。首先采用舍选抽样法对非参数核密度估计概率密度曲线进行抽样，然后采用MonteCarlo潮流计算法以IEEE-14网络进行建模，成功得出光伏电源输出功率的潮流计算模型，并分析出夜间忽略无功与考虑无功的差异，得出了较合理的结论。3.完成《基于MonteCarlo模拟的光伏电源夜间无功输出的概率潮流计算》论文并投稿至期刊《智能电网》。4.正在撰写论文《甘肃某光伏电站输出功率的随机特性分析》；三、项目立项与研究的目的、意义随着全球能源危机及环境问题的日益凸显，可再生能源得到世界各国的重视。其中，光伏以其绿色环保无污染等特点近年来得到了持续快速发展[1]。但不容忽视的是，光伏属于典型的间歇式能源，其输出功率具有较强的随机波动性，因此，光伏的大规模接入将给电力系统安全稳定经济运行带来极大的挑战。正是因为光伏发电系统的这种不稳定性，使其相对于大电网是一种不可控源，会对大电网造成冲击。所以我们需要对光伏发电的概率进行研究，来尽可能减少随机性对电力系统的影响，这样才能更好制定电力系统的发电计划。目前对于太阳能的随机性的研究并不多，而这也正是光伏发电大规模应用的难点之一。现在对于光伏发电随机性的难题，大多的科学家是研究一段时间光伏系统的最大功率点，通过找寻它的规律来减小随机性的影响，在这项研究里有CVT法以及爬坡法等提高监控精度的方法，但是找寻最大功率点规律会有自身的不稳定性和精确度不高等缺点。除了研究最大功率点外，从影响光伏电源的外部因素进行的研究的一般思路是，先假设太阳辐射度或晴朗系数等服从某种参数分布，再用历史数据对分布的参数进行估计，然后根据光伏电源出力与辐照度或晴朗系数的关系得到光伏电源的概率模型。采用非参数核密度估计的建模方法，首先，这是通过研究获取的样本数据来得出数据分布特征的方法，比较通过研究光伏出力的主要因素这种间接预测的方法，减少了随机因素的影响，有更高的可靠性；其次，非参数核密度估计不仅比传统的参数估计更实用，而且在非参数估计中具有更高的准确度；最后，在实际应用方面，这样一种无需任何先验知识的建模方法，在负荷建模和风速建模中均成功应用[9]。为定量分析光伏接入对系统的影响，概率潮流[2]作为一种重要的电力系统不确定性分析工具得到了广泛的应用。文献[3]基于MonteCarlo模拟提出了含光伏配电网的概率潮流计算方法，用于评估不同光伏渗透率下的电压和线路负载水平，以确定最大光伏接入容量。文献[4]利用基于MonteCarlo模拟的概率潮流计算方法，分析光伏接入对线损的影响，并有结论：光伏接入可降低线损，且分布越均匀、输出功率越稳定，降损效益越好。文献[5-6]提出了考虑光伏等分布式电源(DG,distributedgenerator)运行状态和出力不确定性的概率潮流计算方法。然而，上述文献在概率潮流分析中均未考虑光伏电站夜间无功功率输出，针对该问题，本文基于MonteCarlo模拟技术提出了一种计及光伏电站昼夜功率输出差异的概率潮流计算方法。首先，根据光伏电站昼夜有功/无功功率的输出特征，建立其潮流计算模型；接着，利用非参数核密度估计理论建立光伏白天有功输出的概率模型，并采用正态分布模拟负荷的随机波动；然后，基于MonteCarlo模拟技术建立考虑光伏电站昼夜功率输出差异的概率潮流分析方法；最后，用甘肃敦煌某光伏电站的实测数据以及IEEE14节点标准测试系统进行仿真分析，验证了本文方法的有效性、正确性，并分析了光伏夜间无功输出对概率潮流结果的影响。四、项目研究的主要内容1.光伏电源输出功率的随机特性分析(1)通过参数理论进行光伏电源输出功率概率建模(2)通过非参数核密度估计理论对光伏电源输出功率概率建模(3)采用K-S检验与卡方检验对参数与非参数模型检验2.基于舍选法对光伏电源输出功率概率模型抽取预测点3考虑光伏电站昼夜功率输出差异的MonteCarlo概率潮流分析(1)在Matlab环境下建立光伏电站输出功率概率潮流计算模型(2)算例分析(3)得出结论五、项目研究过程与方法（包含研究方法、研究过程、资料与数据来源等）5.1光伏电源输出功率概率建模5.1.1参数建模首先假设光伏电源的输出功率符合某种参数分布，再根据实测数据对于分布的参数进行估计，建立光伏电站的概率模型。本文分别选取正态分布，Weibull分布和Beta分布建立概率模型。正态分布概率密度函数为：220.5exp((x)/2)/(2)/,(1)x式中，为均值，为标准差；Weibull分布概率密度函数为:1exp((x/a));x0(2)bbbbax式中，)0(a为形状参数；)0(b为尺度参数；Beta分布概率密度函数为：11()(x)(1x)/()/();0x1(3)式中，)0(,为形状参数；建模过程中，为满足Beta分布概率密度函数中10x的取值条件，首先对数据进行标幺化处理，之后运用Matlab分别建立符合三种参数分布的光伏电源输出功率的参数概率模型。根据各参数分布理论编译程序，带入实测光伏电源数据，得出各输出功率概率密度曲线。5.1.2非参数核密度估计建模文献[2]提出这是一种基于样本数据的概率估计模型，在获取光伏电源输出功率概率密度曲线时能完全避免主观经验的影响，它不需要样本数据分布的先验知识和任何概率分布形式的假设，只是假设样本数据的概率密度函数存在却连续可微，十分适合分析这类任意结构的样本空间。给出核估计的求取方法，假设光伏电源输出功率p的n个样本，输出功率的概率密度函数为)(pf,则)(pf的核估计为:11(p)()(4)niippfKnhh核函数通常选取以0为中心的对称单峰概率密度函数，本次研究的模型建立选用下式所示的高斯核函数：221(u)(5)2uKe通过运用Matlab，针对统一的数据，进行同一带宽、不同核函数及同一核函数、不同带宽的非参数核密度绘图拟合对比。观察图像，发现相较于核函数，带宽的选取对于非参数核密度估计的拟合结果影响更大。带宽选取过大会掩盖拟合对象的结构特性，产生较大的拟合偏差。带宽选取过小则会过拟合，出现概率密度曲线极度不平滑、波动过大的现象，因此核密度估计的中心内容集中在寻找最优带宽h上。关于带宽的选择，一种方法为使用文献[1]中的方法来计算最优带宽，而实现对多峰概率密度曲线的精确估计，即1/50.9min()n(6)h样本标准差，样本四分位距/1.34另一种方法为文献[2]中提及的经过优化后的带宽求解方法。假设)(1K和)(2K是两个不同的核函数，由下式：11(p)()(7)niippfKnhh可得)(pf的两个核估计)()(21pfpf和，由文献[2]可知，最优带宽的选取可以转化为求解下式所示的优化问题：212min(h)[(p)(p)](8)ISEEffdp式中：ISEE表示两个核估计函数的积分均方误差。在上述优化模型中增加拟合优度2检验及SK检验的约束条件。当选用正态分布)1,0(N和)4,0(N作为核函数时，最优带宽的模型变为：ninjjijijihpphpphpphn11222222210)(exp10216)(exp414)(exp211min)9(..22chchDDts式中：2h，hD分别为核密度估计模型的2及SK检验统计量；2c，cD分别为2及SK检验统计量的临界值。采用内点法，在Matlab中编程求解最优带宽h。通过对非参数核密度估计带入不同最优带宽编译相关程序，得出结果进行对比，其对比图如下：00.20.40.60.8100.511.522.51.40010.838880.691350.673990.902521.03270.943011.59681.76740.15331光伏电源输出功率标幺值光伏电源输出功率频率图1不同带宽下输出功率概率密度曲线拟合情况虚线为采用文献[1]提出的最优带宽的非参数核密度估计概率密度曲线，实线为采用文献[2]提出的最优带宽的非参数核密度估计概率密度曲线，虚线为采用文献[1]提出的最优带宽的非参数核密度估计概率密度曲线、点线为采用系统自带传统最优带宽的非参数核密度估计概率密度曲线。对比可观察发现，采用文献[1]提出的最优带宽的非参数核密度估计概率密度曲线比采用系统自带传统最优带宽的拟合效果更好，而采用文献[2]提出的最优带宽得到的概率密度曲线拟合程度最高；5.1.3参数模型与非参数模型对比在Matlab环境下编译程序，作出各参数模型与非参数模型的概率密度曲线进行对比，其对比图如下：00.20.40.60.8100.511.521.40010.838880.691350.673990.902521.03270.943011.59681.76740.15331光伏电源输出功率标幺值光伏电源输出功率频率图2不同建模方法输出功率概率密度曲线拟合情况实线为非参数核密度估计概率密度曲线、虚线为Normal分布概率密度曲线、点线为Weibull分布概率密度曲线、点横线为Beta分布概率密度曲线。通过观察结果图，难以比较Normal分布、Weibull分布、Beta分布概率密度曲线的拟合程度高低，但是可以直观的发现，非参数核密度估计概率密度曲线的拟合程度是最高的，故可在K-S检验与卡方检验之前先预估非参