风电备用决策系统设计与开发

《风电备用决策系统设计与开发》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、风电备用决策系统设计与开发摘要：本文基于一种简洁可行的风功率预测误差估计方法，建立新的风电备用容量计算模型，提出基于风功率预测误差的风电备用决策算法，并以该算法为基础，以Linux操作系统为平台，以Oracle和Kingbase为数据库，以QT为开发工具，C++为开发语言，设计开发了风电备用决策系统，在线确定风电备用容量。关键词：风功率预测误差；风电备用；Qt开发；DesignandDevelopmentofWindPowerReserveDecisionsystemAbstract:Based

2、onarelativeconciseandfeasibleerrorestimationsmethodofwindpowerforecast,thepaperproposesanewmodelofwindpowerreservedecision,anddevelopawindpowerreservedecisionsystem.ThesystemoperatesonLinuxsystem・ThedatabasesareOracleandKingbase.Thesystemwasdeveloped

3、byQtsoftwareandC++language・Itcanforecastthewindpowerreserveontheotherdayonline.Keywords:ErrorEstimationsofWindPowerForecast;Windpowerreserve;Qtdevelopment1.引言风能作为一种清洁的可再生能源，在我国得到快速的发展，但其间歇性和随机性给电力系统的运行带来了风险⑷。传统的备用设置方法已无法满足大规模风电并网后系统运行的可靠性需求。国内部分地区对风电

4、预留全备用，以我国西部某电力系统为例，在大规模风电接入和外送情况下，各级调度机构以电网安全为由，往往过大预留系统旋转备用，有的预留容量达标准预留量的4倍以上⑵，这就在一定程度上造成了浪费。因此，为调度系统提供经济可靠的备用预留具有重要意义。文献⑶建立了由止态分布和拉普拉斯分布组合而成的风电出力预测误差模型，基于机会约束规划方法构建含冇风电场的系统旋转备用获取模型⑶。文献⑷分析了风电接入后系统的运行备用需求性质，提出一种基于风险的风电备用需求决策方法⑷。国内外关于风电备用设定的许多研究都是从风功率

5、预测误差入手，寻求其与备用需求之间的关系，但建立的模型大多较为复杂，适合理论研究，未考虑算法的运算效率，暂时难以运用到工程实践中去。针对上述问题，本文基于一种相对简洁可行的日前风功率预测误差估计方法，建立新的备用容量计算模型，简化风电接入后备用容量的确定，并以该算法为基础，设计开发风电备用决策系统，在线确定全网LI前的备用容量。2.系统设计框架及功能2.1系统设计框架本文开发的风电备用决策系统是以“D5000”系统为运行平台，“D5000”系统运行环境为Linux操作系统，为支持现有的操作系统环

6、境与数据传输方式，本文采用跨平台软件Qt作为开发工具，C++为开发语言。QT是源代码级的跨平台，具有一次编写，随处编译的特点。QT在电力系统的跨平台应用中也取得了一些成果。文献［5］提岀了基于QT设计的SCADA系统数据服务器应用软件的设计思想⑸。文献［6］针对传统地理接线图绘制软件存在的缺陷和不足，提出了一种以QT库为基础的电力系统地理接线图绘制软件设计方法⑹。系统的设计分为前台配置、后台算法运行、任务触发三大部分。利用定时机制触发后台算法的运行，计算的结果存储到数据库中，用户通过前台的人机界

7、面，配置汁算参数，选择查询类型，系统由数据库读取查询的数据结果实现查询结果的可视化。系统整体框架设计如图1所示：政崗鼻「矍甩世鹽理担图1系统整体框架2.2系统的主要功能模块本文设计开发的风电备用优化决策系统具备以下儿大功能：(1)风电预测误差估计(2)日前备用容量预测(3)人工设置参数实现在线计算。日前预测任务的触发周期为24小时，数据粒度为96点/天，定时任务触发后自动计算出日前的预测结果，并将结果保存在数据库中。界面默认查询日期为第二天，以表格和曲线的形式将数据库表中的数据显示在界面中。用户

8、也可改变查询H期，以查询历史计算结果。需要说明的是，由于原始风电预测数据来源两个不同的数据源，对预测数据源的选取需耍用户自行设定，可分别选择不同的数据源,或者以两者的加权值作为预测数据，对于加权值的设定分为：系统自动设定、用户手动设定。其中，系统自动设定的原则是根据两种预测数据近儿天的预测准确性來设定；用户手动设定则是用户根据历史经验手动输入比例系数。3.算法设计3.1风电预测误差估计⑺考虑通过统计分析长期风功率历史数据，将一天96个点屮相似的时间段合并，从而减小计算量；从历史数据和近期数据中提