本發(fā)明涉及電網(wǎng)風(fēng)光功率預(yù)測，尤其涉及一種可再生能源系統(tǒng)的靈活性需求分析方法及裝置。

背景技術(shù)：

1、高比例可再生能源發(fā)電成為全球廣泛關(guān)注的未來電力系統(tǒng)場景。全新場景下，電力系統(tǒng)特征發(fā)生了顯著變化，隨機(jī)波動的風(fēng)能和太陽能成為主力電源，基本取消“基荷”發(fā)電廠，常規(guī)火電機(jī)組在日內(nèi)啟停，并通過水電廠、燃?xì)怆姀S、儲能等靈活資源調(diào)節(jié)實現(xiàn)對可再生能源隨機(jī)波動性的互補(bǔ)，靈活性成為規(guī)劃和運(yùn)行關(guān)注的核心問題。

2、但到目前為止，還未能夠形成較為統(tǒng)一的靈活性需求量化評估方法?，F(xiàn)階段的電力系統(tǒng)靈活性評估中，評估指標(biāo)采用分為確定性指標(biāo)和概率。概率性指標(biāo)的求解較為復(fù)雜，計算難度大。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種可再生能源系統(tǒng)的靈活性需求分析方法及裝置，能夠量化分析評價電力系統(tǒng)靈活性需求。

2、根據(jù)本發(fā)明的一方面，提供了一種可再生能源系統(tǒng)的靈活性需求分析方法，包括：

3、獲取電力系統(tǒng)中歷史可再生能源的功率預(yù)測誤差數(shù)據(jù)以及歷史氣象數(shù)據(jù)；

4、以預(yù)測誤差概率分布總體差異程度最大化為目標(biāo)，對所述歷史氣象數(shù)據(jù)進(jìn)行聚類，得到聚類結(jié)果；所述聚類結(jié)果包括多個氣象模式；

5、建立所述聚類結(jié)果中各所述氣象模式對應(yīng)的所述歷史可再生能源功率預(yù)測誤差數(shù)據(jù)的功率預(yù)測誤差概率密度曲線；

6、基于所述功率預(yù)測誤差概率密度曲線建立各所述氣象模式對應(yīng)的預(yù)測誤差條件概率模型；

7、至少基于各所述氣象模式對應(yīng)的預(yù)測誤差條件概率模型，確定可再生能源的功率出力概率分布模型；

8、基于所述可再生能源的出力概率分布模型以及電網(wǎng)負(fù)荷概率分布，計算電網(wǎng)靈活性需求概率分布。

9、可選的，在所述以預(yù)測誤差概率分布總體差異程度最大化為目標(biāo)對所述進(jìn)行歷史氣象數(shù)據(jù)進(jìn)行聚類，得到聚類結(jié)果，之前還包括：

10、計算歷史氣象數(shù)據(jù)中各氣象指標(biāo)與所述歷史可再生能源的功率預(yù)測誤差數(shù)據(jù)之間的相關(guān)性參數(shù)，基于相關(guān)性參數(shù)選取有效氣象指標(biāo)。

11、可選的，所述計算歷史氣象數(shù)據(jù)中各氣象指標(biāo)與所述歷史可再生能源的功率預(yù)測誤差數(shù)據(jù)之間的相關(guān)性參數(shù)，基于相關(guān)性參數(shù)選取有效氣象指標(biāo)，包括：

12、分別計算歷史氣象數(shù)據(jù)中各氣象指標(biāo)與所述歷史可再生能源的功率預(yù)測誤差數(shù)據(jù)之間的皮爾遜相關(guān)系數(shù)以及互信息量，基于所述皮爾遜相關(guān)系數(shù)以及所述互信息量從所述氣象指標(biāo)中選取有效氣象指標(biāo)。

13、可選的，在所述以預(yù)測誤差概率分布總體差異程度最大化為目標(biāo)，對所述歷史氣象數(shù)據(jù)進(jìn)行聚類，得到聚類結(jié)果，之后還包括：

14、基于所述聚類結(jié)果，以所述歷史氣象數(shù)據(jù)為訓(xùn)練集訓(xùn)練氣象模式識別模型；所述氣象模式識別模型用于識別氣象數(shù)據(jù)所屬的氣象模式。

15、可選的，所述至少基于各所述氣象模式對應(yīng)的預(yù)測誤差條件概率模型，確定可再生能源的功率出力概率分布模型，包括：

16、將某一時刻的待測氣象數(shù)據(jù)輸入所述氣象模式識別模型，識別出所述待測氣象數(shù)據(jù)的氣象模式；

17、基于各所述氣象模式對應(yīng)的預(yù)測誤差條件概率模型，獲取所述待測氣象數(shù)據(jù)的氣象模式對應(yīng)的功率預(yù)測誤差數(shù)據(jù)；

18、基于所述待測氣象數(shù)據(jù)的對應(yīng)的所述功率預(yù)測誤差數(shù)據(jù)對所述可再生能源的功率出力概率分布進(jìn)行調(diào)整，得到該時刻的所述可再生能源的功率出力概率分布模型。

19、可選的，所述以預(yù)測誤差概率分布總體差異程度最大化為目標(biāo)，對所述歷史氣象數(shù)據(jù)進(jìn)行聚類，得到聚類結(jié)果，包括：

20、s301、基于某季度的所述歷史氣象數(shù)據(jù)集w，利用肘部法確定該季度的氣象模式數(shù)；

21、s302、計算所述歷史氣象數(shù)據(jù)集w中個樣本點(diǎn)的數(shù)據(jù)密度，當(dāng)所述數(shù)據(jù)密度大于預(yù)置的密度閾值時，得到所述歷史氣象數(shù)據(jù)集w的初始聚類中心候選集w0，從所述初始聚類中心候選集w0中隨機(jī)選取zmax個點(diǎn)作為第一次的初始聚類中心的候選點(diǎn)集w0，1；

22、s303、取所述初始聚類中心的候選點(diǎn)集w0，1中的第z個點(diǎn)作為第一個初始聚類中心o′1，計算w0中個點(diǎn)與初始聚類中心o′1的距離，取距離最遠(yuǎn)的點(diǎn)作為第二個初始聚類中心o′2，計算w0中各點(diǎn)分別與初始聚類中心o′1和o′2的最近距離之和，取距離最遠(yuǎn)的點(diǎn)作為第3個初始聚類中心o′3，依此類推，直至求出k個初始聚類中心；

23、s304、基于所述聚類數(shù)k與k個所述初始聚類中心，進(jìn)行聚類計算，得到相應(yīng)聚類結(jié)果；

24、s305、計算所述聚類結(jié)果的預(yù)測誤差指標(biāo)參數(shù)，并判斷所述預(yù)測誤差指標(biāo)參數(shù)是否大于預(yù)設(shè)指標(biāo)閾值，若是則進(jìn)入步驟s307；若否，則返回步驟s303，取所述初始聚類中心的候選點(diǎn)集w0，1中的第z+1個點(diǎn)作為第一個初始聚類中心o1′；

25、s306、計算聚類結(jié)果對應(yīng)的目標(biāo)函數(shù)，比較相鄰2次聚類的目標(biāo)函數(shù)大小，保存其值較大者對應(yīng)的聚類結(jié)果；

26、s307、重復(fù)步驟s303-s306，直到目標(biāo)函數(shù)的值大于預(yù)設(shè)目標(biāo)函數(shù)閾值，或者當(dāng)前迭代數(shù)大于最大迭代次數(shù)時，輸出最終聚類結(jié)果。

27、可選的，所述計算所述聚類結(jié)果的預(yù)測誤差指標(biāo)參數(shù)，包括：

28、對步驟s304的聚類結(jié)果中各氣象模式對應(yīng)的功率預(yù)測誤差數(shù)據(jù)進(jìn)行分箱，對各箱功率預(yù)測誤差數(shù)據(jù)進(jìn)行擬合，得到各氣象模式對應(yīng)的功率預(yù)測誤差概率密度曲線；

29、基于功率預(yù)測誤差概率密度曲線計算預(yù)測誤差峰度系數(shù)，所述預(yù)測誤差峰度系數(shù)表示功率預(yù)測誤差概率密度曲線的精度水平；

30、基于所述預(yù)測誤差峰度系數(shù)計算所述預(yù)測誤差指標(biāo)參數(shù)；所述預(yù)測誤差指標(biāo)參數(shù)表征所述預(yù)測誤差峰度系數(shù)大于預(yù)設(shè)峰度系數(shù)閾值時的氣象模式對應(yīng)樣本在總樣本中的占比。

31、可選的，所述基于所述功率預(yù)測誤差概率密度曲線建立各所述氣象模式對應(yīng)的預(yù)測誤差條件概率模型，包括：

32、基于各氣象模式對應(yīng)的所述功率預(yù)測誤差概率密度曲線，利用高斯混合分布擬合，得到各氣象模式下的所述預(yù)測誤差條件概率模型。

33、可選的，所述基于所述可再生能源的出力概率分布模型以及電網(wǎng)負(fù)荷概率分布，計算電網(wǎng)靈活性需求概率分布，包括：

34、將所述電網(wǎng)負(fù)荷概率分布函數(shù)以及所述可再生能源的出力概率分布函數(shù)進(jìn)行卷積運(yùn)算，得到電網(wǎng)靈活性需求概率分布。

35、本發(fā)明第二方面還提供了一種風(fēng)光功率預(yù)測誤差建模裝置，包括：

36、數(shù)據(jù)獲取單元，用于獲取電力系統(tǒng)中歷史可再生能源的功率預(yù)測誤差數(shù)據(jù)以及歷史氣象數(shù)據(jù)；

37、聚類單元，用于以預(yù)測誤差概率分布總體差異程度最大化為目標(biāo)對所述歷史氣象數(shù)據(jù)進(jìn)行聚類，得到聚類結(jié)果；所述聚類結(jié)果包括多個氣象模式；

38、曲線構(gòu)建單元，用于建立所述聚類結(jié)果中各所述氣象模式對應(yīng)的所述歷史可再生能源功率預(yù)測誤差數(shù)據(jù)的功率預(yù)測誤差概率密度曲線；

39、誤差模型建立單元，用于基于所述功率預(yù)測誤差概率密度曲線建立各所述氣象模式對應(yīng)的預(yù)測誤差條件概率模型；

40、出力模型建立單元，用于至少基于各所述氣象模式對應(yīng)的預(yù)測誤差條件概率模型，確定可再生能源的功率出力概率分布模型；

41、需求模型計算單元，基于所述可再生能源的出力概率分布模型以及電網(wǎng)負(fù)荷概率分布，計算電網(wǎng)靈活性需求概率分布。

42、本發(fā)明的實施例通過將以預(yù)測誤差概率分布總體差異程度最大化為目標(biāo)，對所述歷史氣象數(shù)據(jù)進(jìn)行聚類，得到聚類結(jié)果，使各氣象模式間風(fēng)電功率預(yù)測誤差概率分布的差異足夠大，達(dá)到更好的聚類效果；通過確定各氣象模式下的預(yù)測誤差條件概率模型，可以根據(jù)任一時刻的氣象數(shù)據(jù)預(yù)測出該時刻氣象模式對應(yīng)的功率預(yù)測誤差，進(jìn)而可以確定該時刻的可再生能源的功率出力概率分布；另外，本發(fā)明能夠根據(jù)各時刻的功率出力概率分布以及電網(wǎng)負(fù)荷概率分布即可快速確定電網(wǎng)的靈活性需求概率分布，從而量化分析評價電力系統(tǒng)靈活性需求。

43、應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識本發(fā)明的實施例的關(guān)鍵或重要特征，也不用于限制本發(fā)明的范圍。本發(fā)明的其它特征將通過以下的說明書而變得容易理解。