Available Transfer Capability Calculation for Wind-Integrated Power Systems Considering Wind Speed Spatiotemporal Correlation and Primal-Dual Interior Point Method

📄 arXiv: 2409.14093v1 📥 PDF

作者: Xia-Liang Huangpu

分类: eess.SY

发布日期: 2024-09-21

备注: 25 pages, 8 figures

💡 一句话要点

提出考虑风速时空相关性的ATC计算方法，优化风电并网电力系统

🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)

关键词: 可用输电能力 风电并网 时空相关性 最优潮流 原始对偶内点法

📋 核心要点

  1. 现有ATC计算方法未能充分考虑风速的时空相关性，导致风电并网电力系统的ATC预测精度不足。
  2. 论文提出一种集成了原始-对偶内点法（PDIPM）的最优潮流模型，用于更精确地计算考虑风速时空相关性的ATC。
  3. 研究分析了风电场并网容量、位置和连接方式对ATC的影响，为电力系统规划和市场运营提供参考。

📝 摘要（中文）

本文探讨了风电并网对电力系统可用输电能力（ATC）的复杂影响，强调了风速时空相关性的重要性。我们提出了一种创新的最优潮流模型，该模型集成了原始-对偶内点法（PDIPM），确保了计算的准确性和效率。本研究率先系统地分析了时空风速相关性如何影响风电输出，从而改进了ATC计算并提高了预测可靠性。此外，我们评估了风电场并网容量、位置和连接方式对ATC的影响，为电力系统规划和市场运营提供了有价值的见解。

🔬 方法详解

问题定义：论文旨在解决风电并网电力系统中可用输电能力（ATC）计算不准确的问题。现有方法通常忽略风速的时空相关性，导致风电功率预测偏差较大，进而影响ATC的准确评估。这使得电力系统规划和市场运营面临风险，例如输电阻塞和电网稳定性问题。

核心思路：论文的核心思路是建立一个考虑风速时空相关性的最优潮流模型，并利用原始-对偶内点法（PDIPM）高效求解。通过精确模拟风电功率输出与风速时空分布的关系，提高ATC计算的准确性和可靠性。这种方法能够更真实地反映风电并网对电力系统输电能力的影响。

技术框架：该研究的技术框架主要包括以下几个阶段：1) 风速时空相关性建模：利用统计方法或机器学习技术，建立风速在时间和空间上的相关性模型。2) 风电功率预测：基于风速时空相关性模型，预测风电场的功率输出。3) 最优潮流计算：构建考虑风电功率输出的最优潮流模型，目标是最大化ATC。4) 求解算法：采用原始-对偶内点法（PDIPM）高效求解最优潮流模型，得到ATC的计算结果。5) 敏感性分析：分析风电场并网容量、位置和连接方式对ATC的影响。

关键创新：论文的关键创新在于将风速时空相关性建模与基于PDIPM的最优潮流计算相结合，用于ATC的精确计算。与传统方法相比，该方法能够更准确地反映风电功率输出的不确定性，从而提高ATC计算的可靠性。此外，对风电场并网参数的敏感性分析也为电力系统规划提供了有价值的参考。

关键设计：论文的关键设计可能包括：1) 风速时空相关性模型的具体形式，例如采用Copula函数或高斯过程等。2) 最优潮流模型的目标函数和约束条件，例如考虑电压稳定性和线路容量限制等。3) 原始-对偶内点法（PDIPM）的参数设置，例如步长控制和收敛准则等。4) 敏感性分析的具体方法，例如采用灵敏度分析或蒙特卡洛模拟等。具体的技术细节需要参考论文原文。

📊 实验亮点

论文通过案例研究验证了所提出方法的有效性。具体实验结果未知，但可以推断，该方法在考虑风速时空相关性后，能够更准确地计算ATC，并为电力系统规划提供更可靠的依据。与忽略风速时空相关性的传统方法相比，该方法有望提高ATC计算的准确性和可靠性，从而降低电力系统运行的风险。

🎯 应用场景

该研究成果可应用于电力系统规划、市场运营和风电场选址等领域。通过更准确地计算ATC，电力系统运营商可以更好地评估风电并网对输电能力的影响，从而制定合理的输电计划和市场规则。此外，该研究还可以为风电场选址提供参考，优化风电场的布局，提高风电的利用效率和电网的稳定性。

📄 摘要（原文）

This paper explores the intricate effects of wind power integration on the Available Transfer Capability (ATC) of power systems, emphasizing the significance of spatiotemporal correlations in wind speed. We present an innovative optimal power flow model that integrates the Primal-Dual Interior Point Method (PDIPM), ensuring both computational accuracy and efficiency. This research pioneers a systematic analysis of how spatiotemporal wind speed correlations influence wind power output, thereby refining ATC calculations and improving prediction reliability. Furthermore, we assess the impacts of wind farm integration capacity, location, and connection methods on ATC, offering valuable insights for power system planning and market operations.