考虑时变特性的风光电站群出力描述方法技术

本发明专利技术属于电力系统发电调度领域，提供一种考虑时变特性的风光电站群出力描述方法。引入误差函数来表征时段内出力的差异程度，采用分裂层次聚类确定不同时段划分数量下的最优时段划分方式，并引入经济效益理论来确定最优时段数量，避免了依靠主观确定集群个数可能导致的随机性和不合理性，最后采用核密度估计建立电站群各时段的出力概率分布密度函数。通过云南电网21座实际风光电站群实例分析，本发明专利技术能够合理划分风光电站出力时段，充分体现了风光发电的时变规律，所得结果能准确反映电站群各时段的出力的分布特性，且各时段内的出力呈现出较好的可靠性、集中度和实用性。集中度和实用性。集中度和实用性。

【技术实现步骤摘要】
考虑时变特性的风光电站群出力描述方法


[0001]本专利技术涉及电力系统调度领域，特别涉及一种考虑时变特性的风光电站群出力描述方法。

技术介绍

[0002]新能源的快速发展使得风光等间歇性能源在电力系统中的占比越来越大，受限于风电、光伏电固有的间歇、不可控发电特性，以及其他综合因素，新能源消纳问题一直非常突出，特别是随着并网规模的快速扩大，弃风、弃光以及高比例清洁能源系统安稳运行等问题影响越来越大。从时间尺度分析，新能源发电过程的时变不确定性是制约其大规模消纳的主要问题之一，并网规模越大，风、光功率预测偏差导致的灵活性调节需求特别是负荷低谷和高峰平衡需求也就越大，系统安稳运行的风险也随之增大。
[0003]目前对风、光发电过程不确定性量化的研究，大致可分为场景模拟和不确定性集合，前者属于随机优化范畴，后者属于鲁棒优化范畴。对于场景模拟，一方面可以直接对风、光功率的分布特性进行研究，但要获得准确的概率分布，需要大量的原始数据；另一方面是采用场景分析把连续概率分布的随机向量离散成场景集合，从而将随机优化转换为确定性问题。基于场景分析刻画风、光发电不确定性的关键在于如何提高场景集对原问题的逼近程度，以及生成高质量场景集的运算效率。对于不确定性集合方法，可以构建鲁棒优化模型，给出新能源发电不确定集合的构造方法，通过调整集合边界来有效控制鲁棒优化决策的经济性与安全平衡性；另外，也可以采用鲁棒优化中多面体集合来描述新能源发电出力的不确定性。需要注意，构建出力不确定性集合的关键在于如何选取鲁棒集合，保证决策结果的合理性。<br/>[0004]针对上述问题，本专利技术依托国家自然科学基金(52079014)，本专利技术提出一种考虑时变特性的风光电站群出力描述方法，并以云南电网为工程背景对其进行应用测试。结果显示本专利技术成果能够合理划分风光电站出力时段，充分体现了风光发电的时变规律，各时段内的出力呈现出较好的可靠性、集中度和实用性。

技术实现思路

[0005]本专利技术要解决的技术问题是提供一种考虑时变特性的风光电站群出力描述方法，以准确描述风光电站出力过程，并提高风光电站不确定性出力描述的可靠性、集中度和实用性。
[0006]本专利技术技术方案：
[0007]一种考虑时变特性的风光电站群出力描述方法，包括如下步骤：
[0008](1)针对风光电站日出力过程时段划分准则问题，采用出力误差函数作为时段划分的评价准则，使同一时段内的电站出力特性趋向一致，计算公式如下：
[0009][0010]式中：F表示误差函数的值，误差函数越大，则时段划分效果越差；误差函数越小，则时段划分效果越好；K表示分段数；t
k
‑1,t
k
表示时段划分的节点；表示t
k
‑1‑
t
k
时间段内各时刻出力的误差平方和，越大，表明该时段内出力数据差异越大，反之亦反；D为所提取出力数据的总天数；d为以天为单位的序号；p
t,d
表示第d天第t个时刻的出力率；表示第d天t
k
‑1‑
t
k
时间段内各时刻出力的平均值；l
k
表示t
k
‑1‑
t
k
时间段的采样点数；P
t,d
表示第d天第t个时刻的电站集群出力，MW；P
C
为所研究电站集群的总装机容量，MW；
[0011](2)针对电站出力过程任一分段数量下的最优分割节点问题，构建基于分裂层次聚类的出力时段划分方法，以各电站实际出力过程为特征输入，以上述出力误差函数为评价准则，通过分层分裂确定最优的出力时段划分方式；具体步骤如下：
[0012]Step1.输入各电站群的出力过程序列；
[0013]Step2.遍历一日内各时段出力，将日内24h分为两段，根据公式(1)计算出所有时间节点对应的出力误差函数值，结果表示为下式：
[0014][0015]式中：表示将一日划分为0
‑
t2和t2‑
T两段时的出力误差函数值；T为采样点数，以小时为步长采样时，T＝24；以15分钟为步长采样时，T＝96；
[0016]Step3.找出分段数量取2时出力误差函数的最小值：
[0017][0018]假定对应的时段分割节点为则经过第一层分裂，将一日分为两个时段，记为
[0019]Step4.遍历与内各时段出力，由于t3可能位于或时段内，因此会出现两类情况：或此时按照下式确定最优的电站出力过程分割节点：
[0020][0021]假定对应的时段分割节点依次为则经过第二层分裂，将一日划分为3段：
[0022]Step5.按照Step4，依次求得不同出力过程时段划分数量的出力过程最优分割节点及对应的出力误差函数值直至最大分段数量达到T；
[0023](3)针对电站出力过程的最优分段数量确定问题，采用出力效益指标作为准则，以出力效益指标最大时对应的分段数量作为最终出力过程的时段划分数量；具体步骤如下：
[0024]Step1.定义收入为电站出力误差函数的减小程度，成本为电站出力过程时段划分数量的增大程度，计算公式如下：
[0025][0026]式中：ε
n
表示时段数量为n时互补性指标的减小程度；δ
n
表示时段数量为n时时段数量的增大程度；S
max
、S
min
分别表示误差函数的最大值和最小值，分别表示误差函数的最大值和最小值，n
max
、n
min
分别表示时段数量的最大值的最小值，n
max
＝N，n
min
＝1；
[0027]Step2.根据收入与成本计算电站出力过程不同划分时段数量的效益，公式如下：
[0028]e
n
＝ε
n
‑
δ
n
ꢀꢀ
(6)
[0029]Step3.找出效益最大时所对应的时段划分数量n
*
作为电站出力过程最终的时段数量。
[0030](4)针对风光电站不确定性出力描述问题，采用核密度估计方法建立风光电站群各时段的出力概率分布；该方法是一种用于估计概率密度函数的非参数方法，x1,x2,
…
,x
n
为随机变量X的n个样本，设其概率密度函数为f(x)，则出力概率分布可描述为：
[0031][0032]式中：h为平滑参数，也称为带宽；K(
·
)为核函数，选用最常用的高斯核函数。数学理论证明f
h
(x)将继承K(
·
)的连续性和可微性，若选用高斯核函数，则f
h
(x)可进行任意阶微分。设电站集群的出力率为p，样本空间为p1,p2,
…
,p
n
，将其带入上式，可得出对应的概率密度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑时变特性的风光电站群出力描述方法，其特征在于，包括如下步骤：(1)针对风光电站日出力过程时段划分准则问题，采用出力误差函数作为时段划分的评价准则，使同一时段内的电站出力特性趋向一致，计算公式如下：式中：F表示误差函数的值，误差函数越大，则时段划分效果越差；误差函数越小，则时段划分效果越好；K表示分段数；t
k
‑1,t
k
表示时段划分的节点；表示t
k
‑1‑
t
k
时间段内各时刻出力的误差平方和，越大，表明该时段内出力数据差异越大，反之亦反；D为所提取出力数据的总天数；d为以天为单位的序号；p
t,d
表示第d天第t个时刻的出力率；表示第d天t
k
‑1‑
t
k
时间段内各时刻出力的平均值；l
k
表示t
k
‑1‑
t
k
时间段的采样点数；P
t,d
表示第d天第t个时刻的电站集群出力，MW；P
C
为所研究电站集群的总装机容量，MW；(2)针对电站出力过程任一分段数量下的最优分割节点问题，构建基于分裂层次聚类的出力时段划分方法，以各电站实际出力过程为特征输入，以上述出力误差函数为评价准则，通过分层分裂确定最优的出力时段划分方式；具体步骤如下：Step1.输入各电站群的出力过程序列；Step2.遍历一日内各时段出力，将日内24h分为两段，根据公式(1)计算出所有时间节点对应的出力误差函数值，结果表示为下式：式中：表示将一日划分为0
‑
t2和t2‑
T两段时的出力误差函数值；T为采样点数，以小时为步长采样时，T＝24；以15分钟为步长采样时，T＝96；Step3.找出分段数量取2时出力误差函数的最小值：假定对应的时段分割节点为则经过第一层分裂，将一日分为两个时段，记为Step4.遍历与内各时段出力，由于t3可能位于或时段内，因此会出现两类情况：或此时按照下式确定最优的电站出力过程分割节点：
假定对应的时段分割节点依次为则经过第二层分裂，将一日划分为3段：St...

【专利技术属性】
技术研发人员：申建建，王月，程春田，胡林，李秀峰，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：