Analysis Method for Complementarity Between Wind and Photovoltaic Power Outputs Based on Weather Classification

Yanhui QIAO; Shuang HAN; Yanping XU; Yongqian LIU; Tiandong MA; Qian CAI

doi:10.7500/AEPS20200812006

您当前的位置：

首页 >

文章列表页 >

Analysis Method for Complementarity Between Wind and Photovoltaic Power Outputs Based on Weather Classification

Basic Research | 更新时间：2025-06-16

- Analysis Method for Complementarity Between Wind and Photovoltaic Power Outputs Based on Weather Classification
- Automation of Electric Power Systems Vol. 45, Issue 2, Pages: 82-88(2021)
- 作者机构：
  
  1.新能源电力系统国家重点实验室，华北电力大学，北京市 102206
  2.华北电力大学新能源学院，北京市 102206
  3.新能源与储能运行控制国家重点实验室（中国电力科学研究院有限公司），北京市 100192
  4.国网宁夏电力有限公司，宁夏回族自治区银川市 750001
- 作者简介：
- 基金信息：
  
  Foundation:State Grid Corporation of China
- DOI：10.7500/AEPS20200812006
  CLC：
- Received：12 August 2020，
  
  Revised：2020-10-30，
  
  Published Online：16 November 2020，
  
  Published：25 January 2021
- 稿件说明：
移动端阅览
乔延辉,韩爽,许彦平等.基于天气分型的风光出力互补性分析方法[J].电力系统自动化,2021,45(2):82-88.

QIAO Yanhui,HAN Shuang,XU Yanping,et al.Analysis Method for Complementarity Between Wind and Photovoltaic Power Outputs Based on Weather Classification[J].Automation of Electric Power Systems,2021,45(2):82-88.
乔延辉,韩爽,许彦平等.基于天气分型的风光出力互补性分析方法[J].电力系统自动化,2021,45(2):82-88. DOI： 10.7500/AEPS20200812006.

QIAO Yanhui,HAN Shuang,XU Yanping,et al.Analysis Method for Complementarity Between Wind and Photovoltaic Power Outputs Based on Weather Classification[J].Automation of Electric Power Systems,2021,45(2):82-88. DOI： 10.7500/AEPS20200812006.

摘要

基于天气分型的风光出力互补性定量分析方法能够科学指导风光互补发电系统优化调度。针对现有天气分型方法中主成分分析法无法提取非线性特征，分布领域嵌入（t-SNE）算法未考虑样本实际分布等不足，提出了基于核主成分分析(KPCA)和自组织特征映射(SOFM)神经网络的天气分型及风光出力互补性分析方法。首先，基于数值天气预报数据，利用KPCA进行特征向量提取；然后，以特征向量为输入条件，构建基于SOFM神经网络的天气类型划分模型；最后，基于波动互补率和爬坡互补率评估指标，从波动性和爬坡性2个角度定量分析不同天气类型下风光出力互补程度和最佳并网容量比例。结果表明不同天气类型下风光出力波动互补性及最佳并网容量比例差异明显，验证了所提方法的有效性。

Abstract

The quantitative analysis method of the complementarity between wind power output and photovoltaic power output based on weather classification can scientifically guide the optimal dispatch of wind-photovoltaic complementary power generation systems. In order to overcome the shortcomings of the existing weather classification methods that principal component analysis cannot extract nonlinear features and t-distributed stochastic neighbor embedding (t-SNE) based algorithm does not consider the actual distribution of samples

a weather classification and complementarity analysis method for wind and photovoltaic power output based on the kernel principal component analysis (KPCA) and the self-organizing feature map (SOFM) neural network is proposed. Firstly

the KPCA is employed to extract the feature vectors based on numerical weather prediction data. Then

a weather pattern classification model based on the SOFM neural network is constructed by using the feature vectors as input conditions. Finally

Based on the evaluation indicators for complementary ratio of fluctuation and complementary ratio of ramp

the complementary degree and the optimal grid-connected capacity ratio of wind and photovoltaic power output under different weather patterns are quantitatively analyzed from two perspectives of fluctuation and ramp. The results demonstrate that the fluctuation complementarity and the optimal grid-connected capacity ratio of wind and photovoltaic power output have obvious difference under different weather patterns

which verifies the effectiveness of the proposed method.

关键词

Keywords

references

娄素华，杨天蒙，吴耀武，等 . 含高渗透率风电的电力系统复合储能协调优化运行［J］. 电力系统自动化， 2016 ， 40 （ 7 ）： 30 - 35 .

LOU Suhua ， YANG Tianmeng ， WU Yaowu ， et al . Coordinated optimal operation of hybrid energy storage in power system accommodated high penetration of wind power ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 7 ）： 30 - 35 .

丁明，张超，王勃，等 . 基于功率波动过程的风电功率短期预测及误差修正［J］. 电力系统自动化， 2019 ， 43 （ 3 ）： 2 - 12 .

DING Ming ， ZHANG Chao ， WANG Bo ， et al . Short-term forecasting and error correction of wind power based on power fluctuation process ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 3 ）： 2 - 12 .

余梦泽，贾林莉，朱浩骏，等 . 平抑出力波动的风光储联合发电系统容量优化配置方法［J］. 电气应用， 2014 ， 33 （ 21 ）： 44 - 48 .

YU Mengze ， JIA Linli ， ZHU Haojun ， et al . Capacity optimal allocation method of wind-solar storage integrated power generation system for suppressing output fluctuation ［J］. Electrotechnical Application ， 2014 ， 33 （ 21 ）： 44 - 48 .

李湃，管晓宏，吴江，等 . 基于天气分类的风电场群总体出力特性分析［J］. 电网技术， 2015 ， 39 （ 7 ）： 1866 - 1872 .

LI Pai ， GUAN Xiaohong ， WU Jiang ， et al . Analyzing characteristics of aggregated wind power generation based on weather regime classification ［J］. Power System Technology ， 2015 ， 39 （ 7 ）： 1866 - 1872 .

韩亮，王守相 . 含光伏风电的基于仿射算法的配电三相潮流计算［J］. 电网技术， 2013 ， 37 （ 12 ）： 3413 - 3418 .

HAN Liang ， WANG Shouxiang . Affine algorithm based calculation of three-phase power flow in distribution network connected with PV generation and wind generation ［J］. Power System Technology ， 2013 ， 37 （ 12 ）： 3413 - 3418 .

陈逍潇，张粒子，杨萌，等 . 考虑光伏发电功率波动性的AGC备用容量分析方法［J］. 电力系统自动化， 2015 ， 39 （ 22 ）： 16 - 21 .

CHEN Xiaoxiao ， ZHANG Lizi ， YANG Meng ， et al . A method for AGC reserve capacity analysis considering photovoltaic power fluctuation characteristics ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 22 ）： 16 - 21 .

徐秋实，邓长虹，赵维兴，等 . 含风电电力系统的多场景鲁棒调度方法［J］. 电网技术， 2014 ， 38 （ 3 ）： 653 - 661 .

XU Qiushi ， DENG Changhong ， ZHAO Weixing ， et al . A multi-scenario robust dispatch method for power grid integrated with wind farms ［J］. Power System Technology ， 2014 ， 38 （ 3 ）： 653 - 661 .

王勃，冯双磊，刘纯 . 基于天气分型的风电功率预测方法［J］. 电网技术， 2014 ， 38 （ 1 ）： 93 - 98 .

WANG Bo ， FENG Shuanglei ， LIU Chun . Study on weather typing based wind power prediction ［J］. Power System Technology ， 2014 ， 38 （ 1 ）： 93 - 98 .

熊音笛，刘开培，秦亮，等 . 基于时序数据动态天气划分的短期风电功率预测方法［J］. 电网技术， 2019 ， 43 （ 9 ）： 3353 - 3359 .

XIONG Yindi ， LIU Kaipei ， QIN Liang ， et al . Short-term wind power prediction method based on dynamic wind power weather division of time sequence data ［J］. Power System Technology ， 2019 ， 43 （ 9 ）： 3353 - 3359 .

HAN S ， ZHANG L N ， LIU Y Q ， et al . Quantitative evaluation method for the complementarity of wind-solar-hydro power and optimization of wind-solar ratio ［J］. Applied Energy ， 2019 ， 236 ： 973 - 984 .

GAO M M ， LI J J ， HONG F ， et al . Day-ahead power forecasting in a large-scale photovoltaic plant based on weather classification using LSTM ［J/OL］. Energy ， 2019 ， 187 ［ 2020-05-12 ］. https：//www.sciencedirect.com/science/article/abs/pii/S0360544219315105 https://www.sciencedirect.com/science/article/abs/pii/S0360544219315105

？via% 3 Dihub .

LI F ， LIN Y L ， GUO J P ， et al . Novel models to estimate hourly diffuse radiation fraction for global radiation based on weather type classification ［J］. Renewable Energy ， 2020 ， 157 ： 1222 - 1232 .

王飞，米增强，甄钊，等 . 基于天气状态模式识别的光伏电站发电功率分类预测方法［J］. 中国电机工程学报， 2013 ， 33 （ 34 ）： 75 - 82 .

WANG Fei ， MI Zengqiang ， ZHEN Zhao ， et al . A classified forecasting approach of power generation for photovoltaic plants based on weather condition pattern recognition ［J］. Proceedings of the CSEE ， 2013 ， 33 （ 34 ）： 75 - 82 .

谭津，邓长虹，杨威，等 . 微电网光伏发电的Adaboost天气聚类超短期预测方法［J］. 电力系统自动化， 2017 ， 41 （ 21 ）： 33 - 39 .

TAN Jin ， DENG Changhong ， YANG Wei ， et al . Ultra-short-term photovoltaic power forecasting in microgrid based on Adaboost clustering ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 21 ）： 33 - 39 .

焦田利，章坚民，李熊，等 . 基于空间相关性的大规模分布式用户光伏空间分群方法［J］. 电力系统自动化， 2019 ， 43 （ 21 ）： 97 - 105 .

JIAO Tianli ， ZHANG Jianmin ， LI Xiong ， et al . Spatial clustering method for large-scale distributed user photovoltaics based on spatial correlation ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 21 ）： 97 - 105 .

杨锡运，刘玉奇，李建林 . 基于四分位法的含储能光伏电站可靠性置信区间计算方法［J］. 电工技术学报， 2017 ， 32 （ 15 ）： 136 - 144 .

YANG Xiyun ， LIU Yuqi ， LI Jianlin . Reliability confidence interval calculation method for photovoltaic power station with energy storage based on quartile method ［J］. Transactions of China Electrotechnical Society ， 2017 ， 32 （ 15 ）： 136 - 144 .

董浩，李明星，张淑清，等 . 基于核主成分分析和极限学习机的短期电力负荷预测［J］. 电子测量与仪器学报， 2018 ， 32 （ 1 ）： 188 - 193 .

DONG Hao ， LI Mingxing ， ZHANG Shuqing ， et al . Short-term power load forecasting based on kernel principal component analysis and extreme learning machine ［J］. Journal of Electronic Measurement and Instrumentation ， 2018 ， 32 （ 1 ）： 188 - 193 .

李军，常燕芝 . 基于KPCA-KMPMR的短期风电功率概率预测［J］. 电力自动化设备， 2017 ， 37 （ 2 ）： 22 - 28 .

LI Jun ， CHANG Yanzhi . Short-term probabilistic forecasting based on KPCA-KMPMR for wind power ［J］. Electric Power Automation Equipment ， 2017 ， 37 （ 2 ）： 22 - 28 .

刘韬，陈进，董广明 . KPCA和耦合隐马尔科夫模型在轴承故障诊断中的应用［J］. 振动与冲击， 2014 ， 33 （ 21 ）： 85 - 89 .

LIU Tao ， CHEN Jin ， DONG Guangming . Application of KPCA and coupled hidden Markov model in bearing fault diagnosis ［J］. Journal of Vibration and Shock ， 2014 ， 33 （ 21 ）： 85 - 89 .

王昱皓，武建文，马速良，等 . 基于核主成分分析-SoftMax的高压断路器机械故障诊断技术研究［J］. 电工技术学报， 2020 ， 35 （增刊1 ）： 267 - 276 .

WANG Yuhao ， WU Jianwen ， MA Suliang ， et al . Mechanical fault diagnosis research of high voltage circuit breaker based on kernel principal component analysis and SoftMax ［J］. Transactions of China Electrotechnical Society ， 2020 ， 35 （ Supplement 1 ）： 267 - 276 .

朱义 . 基于CHMM的设备性能退化评估方法研究［D］. 上海：上海交通大学， 2009 .

ZHU Yi . Research on CHMM based equipment performance degradation assessment ［D］. Shanghai ： Shanghai Jiao Tong University ， 2009 .

ZHANG J H ， LIU Y Q ， INFIELD D ， et al . Optimal power dispatch within wind farm based on two approaches to wind turbine classification ［J］. Renewable Energy ， 2017 ， 102 ： 487 - 501 .

张楠，黄越辉，王晶，等 . 基于聚类算法的风电波动过程研究［J］. 电测与仪表， 2020 ， 57 （ 6 ）： 73 - 81 .

ZHANG Nan ， HUANG Yuehui ， WANG Jing ， et al . Analysis of wind power fluctuation characteristics of three-north regions based on clustering algorithm ［J］. Electrical Measurement & Instrumentation ， 2020 ， 57 （ 6 ）： 73 - 81 .

刘永前，王函，韩爽，等 . 考虑风光出力波动性的实时互补性评价方法［J］. 电网技术， 2020 ， 44 （ 9 ）： 3211 - 3220 .

LIU Yongqian ， WANG Han ， HAN Shuang ， et al . Real-time complementarity evaluation method for real-time complementarity of wind and solar power considering their volatility ［J］. Power System Technology ， 2020 ， 44 （ 9 ）： 3211 - 3220 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Error Tracing Method for Photovoltaic Power Prediction Considering Causality Verification of Numerical Weather Prediction Transfer Entropy

Day-ahead Spatio-Temporal Interaction Method of Electric Vehicles, Aggregators and Distribution Network for Photovoltaic Accommodation

Bi-level Voltage Regulation Strategy for Active and Reactive Power of Distribution Network with Hybrid Grid-forming/Grid-following Photovoltaic Inverters

Quantitative Evaluation of Transient Voltage Stability for Receiving-end Grid with High Penetration of Photovoltaic

Dynamic State Estimation for Distribution Network with Photovoltaic Based on Improved Cubature Kalman Filter

Related Author

YE Lin

LYU Kexin

PEI Ming

LUO Yadi

SONG Xuri

SHA Licheng

ZHANG Qiang

CAO Boran

Related Institution

School of Information and Electrical Engineering, China Agricultural University

China Electric Power Research Institute

State Grid Beijing Electric Power Company

Key Laboratory of Smart Grid of Ministry of Education (Tianjin University)

Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co., Ltd.

⁰