Evalueringsmetode for vindkraftudsvinges indvirkning på elsystemets kvalitet

Pludselige ændringer i vindkraftproduktion er en kilde til alvorlig skade på elsystemer. Forskere ved Kyoto University udviklede en stokastisk modelleringsmetode, der gør det muligt at evaluere virkningen af ​​sådanne fænomener. Funktionen ved metoden ligger i dens betydelige beregningseffektivitet i forhold til standard Monte Carlo -simulering, og dets anvendelighed til analyse og syntese af forskellige systemer, der udsættes for ekstreme ekstremværdier.

Indførelsen af ​​vindkraftproduktion i det elektriske system foregår aktivt, hovedsageligt i USA og Europa, og forventes at fortsætte i Japan. Imidlertid, ved implementeringen, det er afgørende at håndtere forudsigelsesusikkerhed om outputudsving. Udsvingene i vindkraftproduktion er normalt små, men det bliver ekstremt stort på grund af forekomsten af ​​vindstød og turbulens med en ubetydelig frekvens. Sådanne ekstreme udsving er blevet betragtet som en kilde til alvorlig skade på elsystemer.

For at klare en sådan udsving i vindkraftproduktion, målindstillingen som "absolut holde frekvensudsving inden for 0,2 Hz" ville være uopnåelig eller ville resultere i et alt for konservativt design. Derfor, den sandsynlige målindstilling som f.eks. "hold frekvensudsvingene inden for 0,2 Hz med 99,7 procent eller mere" er uundværlig.

Sandsynlighedsusikkerhed vurderes statistisk, almindeligvis ved at antage, at den adlyder normalfordeling for sin matematiske forarbejdningsevne. Outputværdierne ved vindkraftproduktion er, imidlertid, hyppigere end repræsenteret ved normalfordeling. Selvom en kompliceret simulator kan konstrueres uden at antage normalfordeling, det er ikke realistisk at undersøge den statistiske egenskab ved Monte Carlo -simulering. Dette skyldes, at det krævede antal prøver eksploderer, før der forekommer tilstrækkeligt mange ekstreme ekstremværdier.

En evalueringsmetode blev udviklet for vindkraftsudsvinges indvirkning på elsystemets kvalitet. Metoden bygger først sandsynlige modeller, der antager den stabile fordeling (en forlængelse af normalfordelingen) på usikkerheden. Derefter, i stedet for at bruge modellen som en simulator til at generere dataprøver, vi beregner de statistiske egenskaber direkte ud fra parametre i modellen. Det vigtige træk er 1. indflydelsen fra ekstreme ekstremværdier kan overvejes korrekt, 2. modellen kan let bestemmes ud fra faktiske data, og 3. beregningsomkostninger er meget lave. Metoden viste sig at være gyldig gennem dens anvendelse til estimering af frekvensafvigelse baseret på faktiske energisystemdata.

Denne ny foreslåede sandsynlighedsvurderingsmetode sætter os i stand til kvantitativt at evaluere risikoen for elsystemet forårsaget af ekstremt pludselige ændringer i vindkraftproduktion. Modforanstaltninger baseret på evalueringen vil bidrage til forbedring af pålideligheden og den økonomiske effektiviteten af ​​elsystemet. Det skal også bemærkes, at den foreslåede metode er anvendelig til analyse og syntese af forskellige systemer, der har ekstreme ekstremværdier.