基于改进马尔科夫链的风电日前不确定性建模方法

杨辉明，雷勇

(四川大学电气工程学院，成都610065)

0 引言

在化石资源趋紧、环境污染严重、生态系统退化的严峻形势下，可再生能源发电得到迅猛发展，能源使用逐渐从传统化石能源向可再生能源转变。随着可再生能源发电在电网中的渗透率不断提高，给电网引入了不确定性[1]。当前的电网运行、调度策略需要做出相应调整，以适应新能源发电并网的需要。

目前针对可再生能源出力不确定性的优化调度方法主要包含鲁棒优化和随机优化[2 - 3]。鲁棒优化通过不确定性集对可再生能源出力进行建模，但较难描述可再生能源的时序出力特征。而基于场景分析法的随机优化模型需要对不确定性因素做出更为细致的建模，从不确定性模型中提取离散的出力场景。因此使用场景分析法会带来更高的计算要求，但同时能够带来更稳定的优化方案[4]。

场景生成的方法主要分为统计学方法以及人工智能方法。统计学方法常使用累积经验分布描述风电的不确定性概率分布，通过蒙特卡洛采样模拟获得场景集[5]。而风电的不确定性中包含有一定的时间-空间特征，文献[6]使用马尔科夫链模型对风电出力时序特征建模，获得风电随机出力场景。文献[7]在传统一阶马尔可夫链中引入了风速的季节特性和日特性，提高风速场景的模拟精度。1阶马尔科夫链模型可以描述相邻时序值间的相关性，若需要反映更长时序特征需要采用高阶马尔科夫链模型，但同时会增加模型的计算复杂度。……