本公开提供了一种风电出力场景生成方法及系统，包括获取风电出力实际值和预测值的历史数据；构建预设数量的基于某日预测值的预测箱，并基于实际值确定各预测箱的累计经验分布函数；构建协方差矩阵，生成服从多元标准正态分布的随机变量；将所述随机变量逆变换为单位风电出力值，进而生成风电出力场景。所提方法根据风电在不同时间不同预测功率下误差范围内的概率分布与大量多元标准正态分布随机变量的累积概率值进行等概率逆变换，生成大量具有时间相关性的场景，有效模拟了基于预测的风电出力趋势及波动特性，不仅以预测功率为基础同时考虑了预测误差范围，解决了日前调度中短期预测带来的误差较大问题，避免了直接采用确定性建模的准确性不高问题。定性建模的准确性不高问题。定性建模的准确性不高问题。
【技术实现步骤摘要】
一种基于预测箱的风电出力场景生成方法及系统
[0001]本公开涉及风电
，尤其涉及一种基于预测箱的风电出力场景生成方法及系统。
技术介绍
[0002]与常规能源相比，风力和光伏电站的输出功率随风能和太阳辐射变化，受天气、季节、区域等变量影响具有较强的随机性、波动性和间歇性的特征。当可再生能源大规模接入电网时，给电力系统的规划、运行以及优化调度都带来了困难。简化不确定性的表达虽可以有效控制计算量，保证求解的可行性，但却难以体现可再生能源的波动特征，无法真实准确的反映随机性波动的影响。但是过于精细的不确定性表达给模型求解带来巨大挑战。利用场景法分析可再生能源出力场景的不确定性并建立模型生成典型场景，可以有效的将不确定性优化问题转换为确定性问题来研究，对电力系统安全经济运行具有十分重要的价值与意义。
[0003]场景法包括场景生成和场景缩减。场景生成根据研究对象的统计特征，采用一定方法对其抽样来描述不确定性特征场景。场景缩减将大量场景缩减为少数有代表性的场景，主要目的是简化应用过程中的计算量。场景生成的关键在于是否能够真实反映风电和光伏的不确定性，是否能够涵盖风电和光伏的特征以及历史范围。目前应用较多的方法主要是以下三种：一、依据风力发电预测功率的统计特性对他们的概率分布特征抽样；二、直接对风力发电的概率分布特征抽样；三、建立风力发电统计特征的数学模型再进行抽样。
[0004]专利技术人发现，采用直接或间接的方法对风电功率的概率分布函数进行抽样以生成风电出力场景虽然可以从概率测度的角度逼近原始风电功率出力值的概率分布情况，但是目前生成的场景广泛作为超前电力时序场景来解决电力系统优化问题，且关于风力发电的预测技术已经被广泛应用于电力系统的日前调度中以确定常规机组的启停状态以及发电计划，所以研究基于风电预测功率的场景生成方法具有重要意义；同时，依据风电功率预测值的统计特性确定预测功率的大小，虽然能够将不确定性问题合理地转化为确定性问题，但现有的风电预测技术不可避免的与实际出力存在着一定误差，并且很难直接判断预测误差服从的概率分布函数。此外，现有的场景生成方法并未考虑不同时刻的场景之间时间上的相关性，生成的场景波动过大，与真实情况不符。
技术实现思路
[0005]本公开为了解决现有技术存在的问题，提供了一种基于预测箱并考虑时间相关性的风电出力场景生成方法及系统，基于风电出力历史数据，通过研究不同时段各自预测误差范围内的累积经验分布以及不同时段风电的时间性关系，有效模拟实际风电出力的波动特性与变化趋势，解决了日前调度中短期预测带来的精度较差和误差较大问题，避免了直接采用确定性建模的准确性不高问题。
[0006]根据本公开实施例的第一个方面，提供了一种基于预测箱的风电出力场景生成方
法，包括：
[0007]获取风电出力实际值和预测值的历史数据；
[0008]构建预设数量的基于某日预测值的预测箱，并基于实际值确定各预测箱的累计经验分布函数；
[0009]构建协方差矩阵，生成服从多元标准正态分布的随机变量；
[0010]将所述随机变量逆变换为单位风电出力值，进而生成风电出力场景。
[0011]进一步的，所述构建预设数量的基于某日预测值的预测箱的具体步骤为：设定时间间隔，根据预设时间间隔将一天划分为若干时段，每个时段对应一个预测箱。
[0012]进一步的，所述随机变量的生成的包括，采用指数函数法构建协方差矩阵，基于所述协方差矩阵确定多元标准正态分布函数，进而获得每个预测箱的随机变量序列，且考虑了不同预测箱内随机序列之间的相关性。
[0013]进一步的，所述随机变量逆变换是通过生成的随机变量序列对风电功率拟合的累积经验分布函数进行抽样，进而得到符合协方差矩阵所规定的相关性的大量风电场景。
[0014]进一步的，为了检验生成场景的有效性，通过质量评估指标的计算，针对所述随机变量逆变换结果进行有效性检验。
[0015]进一步的，所述有效性检验包括：判断生成的场景是否能够考虑风电的波动性、判断生成的场景是否能够覆盖历史观测值以及判断生成场景中的爬坡事件是否与历史数据类似。
[0016]根据本公开实施例的第二个方面，提供了一种基于预测箱的风电出力场景生成系统，包括：
[0017]数据获取模块，其用于获取风电出力实际值和预测值的历史数据；
[0018]预测箱构建模块，其用于构建预设数量的基于某日预测值的预测箱，并基于实际值确定各预测箱的累计经验分布函数；
[0019]随机变量生成模块，其用于构建协方差矩阵，生成服从多元标准正态分布的随机变量；
[0020]出力场景生成模块，其用于将所述随机变量逆变换为单位风电出力值，进而生成风电出力场景。
[0021]根据本公开实施例的第三个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种基于预测箱的风电出力场景生成方法。
[0022]根据本公开实施例的第四个方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的一种基于预测箱的风电出力场景生成方法。
[0023]与现有技术相比，本公开的有益效果是：
[0024](1)本公开所述方案选用大量历史数据的累积经验分布来估计每个预测箱内服从多元标准正态分布的随机变量，这种基于预测误差的间接风电场景生成方法，通过研究不同时段各自预测误差范围内的累积经验分布，更好的模拟了实际风电出力的波动特性与变化趋势，解决了日前调度中短期预测带来的精度较差和误差较大问题。
[0025](2)本公开所述方案根据风电在不同时间不同预测功率下误差范围内的概率分布
与大量多元标准正态分布随机变量的累积概率值进行等概率逆变换，生成了大量场景。
[0026](3)本公开所述方案应用指数函数法构建了随机变量的协方差矩阵，所生成的场景有效考虑了不同时段风电在时间上的相关性。
[0027](4)本公开所述方案避免了直接采用确定性建模的准确性不高问题；并且验证了生成场景的质量与有效性。
[0028]本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
[0029]构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
[0030]图1为本公开实施例一中所述的场景生成方法详细流程图；
[0031]图2为本公开实施例一中所述的以某日风电功率预测值为基准生成的各预测箱范围示意图；
[0032]图3为本公开实施例一中所述方法应用中各预测箱内归一化风电出力的累积经验分布示意图；
[0033]图4为本公开实施例一中应用中服从多元标准正态分布的随机变量累积概率分布示意图；
[0034]图5为本公开实施例一中所述方法应用的逆变换采样本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于预测箱的风电出力场景生成方法，其特征在于，包括:获取风电出力实际值和预测值的历史数据；构建预设数量的基于某日预测值的预测箱，并基于实际值确定各预测箱的累计经验分布函数；构建协方差矩阵，生成服从多元标准正态分布的随机变量；将所述随机变量逆变换为单位风电出力值，进而生成风电出力场景。2.如权利要求1所述的一种基于预测箱的风电出力场景生成方法，其特征在于，某日预测值的预测箱的具体步骤为：设定时间间隔，根据预设时间间隔将一天划分为若干时段，每个时段对应一个预测箱。3.如权利要求1所述的一种基于预测箱的风电出力场景生成方法，其特征在于，所述累计经验分布函数可表示为：计经验分布函数可表示为：其中，为t时段归一化的风电功率值，ξ
j
为预测箱第j个数据对中的风电功率实际值。4.如权利要求1所述的一种基于预测箱的风电出力场景生成方法，其特征在于，所述随机变量的生成的包括，采用指数函数法构建协方差矩阵，考虑了随机变量间的相关性；基于所述协方差矩阵确定多元标准正态分布函数，进而获得每个预测箱的随机变量序列。5.如权利要求1所述的一种基于预测箱的风电出力场景生成方法，其特征在于，所述随机变量逆变换是通过生成的随机变量序列对风电功率拟合的累积经验分布函数进行抽样，进而得到符合协方差矩阵所规定的相关性的大量风电场景。6.如权利要...
【专利技术属性】
技术研发人员：张书怡，吴秋伟，陈健，潘博，齐世强，刘刚，
申请(专利权)人：嘉兴国电通新能源科技有限公司北京国电通网络技术有限公司国网信息通信产业集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。