考虑出力区间预测和储能优化配置的风电场调频容量估计两阶段模型

摘要

风电场配置储能参与调频辅助服务具有显著意义，既能大幅增加风电场收益，又能有效提升电力系统的灵活性与稳定性．然而，当前风电场在实际应用中面临风电场出力预测精准度欠佳、储能容量配置缺乏合理性、参与调频容量估计难度较大等诸多问题．为此，针对上述问题，本文提出一种考虑出力区间预测和储能优化配置的风电场调频容量估计两阶段模型．阶段1模型主要针对风电场出力预测精度不高的难题，采用时间卷积网络(TCN)-长短期记忆(LSTM)网络-Transformer(TCN-LSTM-Transformer)分位数回归模型进行风电功率区间预测，其中，TCN能够高效提取出丰富的时序特征，LSTM进行时序模型建模，Transformer则有效捕捉数据的长时间依赖性，三者协同，精准获知风电场功率的波动区间；进一步从风电场的历史弃风数据出发，利用改进的蝴蝶算法实现风电场储能容量优化配置，确保在风电功率出现波动时，有足够的储能容量满足电力系统的调频需求；在阶段1基础上，阶段2模型基于风阻限值估算风电场在不同置信概率下的最佳调频容量，进一步优化风电场的经济效益和系统稳定性．最后，选取我国南方某地区风电场的实际数据进行仿真验证，结果表明，与点预测方法相比，所提出的两阶段模型估计误差下降55.6%，经济效益提升2%．该案例充分证明所提方法可为风电场接入下电力系统的灵活性改造提供有效技术支撑．

关键词

风电场调频容量估计 / 改进蝴蝶算法 / 储能优化配置 / TCN-LSTM-Transformer分位数回归 / 风电功率预测