基于预测随机性气象-功率分区刻画的电力市场运行备用需求量化方法及电子设备技术

本发明专利技术公开基于预测随机性气象

【技术实现步骤摘要】
基于预测随机性气象
‑
功率分区刻画的电力市场运行备用需求量化方法及电子设备


[0001]本专利技术涉及电力系统及其自动化领域，具体是基于预测随机性气象
‑
功率分区刻画的电力市场运行备用需求量化方法及电子设备。

技术介绍

[0002]电力市场化改革则是促进新能源消纳、支撑新型电力系统建设的关键途径。电力现货市场通过出清计算配置电能量及辅助服务，其中，科学合理地配置备用辅助服务对于保障新能源大规模接入下的电网安全经济运行至关重要。
[0003]电力市场备用有多种类型，其中运行备用的配置需考虑两类主要因素，一类是发电机停运所引起的功率缺额，另一类是新能源、负荷预测随机性所引起的功率缺额。对于发电机停运，现有方法主要根据单机最大容量或发电机组强迫停运率来配置运行备用，可有效应对发电机停运的影响。
[0004]现有针对新能源、负荷预测随机性的运行备用配置方法包括不确定性方法和确定性方法。不确定性方法包括多场景、机会约束、鲁棒优化等。该类方法通过求解嵌入预测随机性的不确定性调度决策模型实现运行备用的优化配置，能够有效考虑预测随机性的影响，无需在求解调度决策模型前确定系统总运行备用需求。然而，受限于计算效率、收敛性等出清计算要求，上述方法尚未能在国内外实际运行的电力现货市场中得以应用。确定性方法首先设置系统总运行备用需求，然后通过确定性调度决策模型将总运行备用需求分配至各机组，确保系统具备足量运行裕度以应对新能源、负荷随机性。该方法因计算负担小而广泛应用于工业界。
[0005]运行备用需求的合理量化对于保障系统安全经济运行至关重要，国内外学者对此展开了广泛研究，形成的方法主要包括：基于运行经验的方法、基于相似日统计的方法以及基于概率预测的方法。
[0006]基于运行经验的方法一般根据负荷或新能源预测值的百分比设置运行备用需求。该方法简单易实施，因而广泛应用于工业界。然而，该方法无法考虑新能源、负荷预测随机性的影响，且预测值百分比的合理设置尚无理论指导。
[0007]基于相似日统计的方法通过统计分析历史相似日的运行备用需求来设置运行日备用需求。该方法通过历史运行数据来考虑预测随机性的影响，但未有效利用运行日的预测信息。
[0008]基于概率预测的方法首先估计运行日系统整体净负荷的功率分布，随后以一定置信水平来量化系统运行备用需求。根据是否在中间预测结果的基础上进行概率预测，可将概率预测方法分为间接法和直接法。间接法一般先获取运行日系统整体净负荷预测功率，在此基础上叠加净负荷预测误差分布，进而获得系统整体净负荷的概率预测结果，可支撑系统运行备用需求的量化。例如，根据预测功率将历史预测误差分成不同区间，并分别拟合各区间的预测误差分布，最终根据运行日预测功率选择对应区间的预测误差分布。然而，该
方法忽略了气象因素对预测误差的重要影响。直接法一般以气象数据、历史新能源或负荷数据等作为输入，通过数据驱动工具直接映射获得负荷或新能源的概率预测结果。该方法能够考虑气象因素以及运行日预测信息，但一般仅关注系统负荷或单个新能源的预测误差分布，未能反映系统整体净负荷预测随机性，难以支撑系统运行备用需求量化。

技术实现思路

[0009]本专利技术的目的是提供基于预测随机性气象
‑
功率分区刻画的电力市场运行备用需求量化方法，包括以下步骤：
[0010]1)获取电力系统历史运行数据，所述历史运行数据包括若干预测点的历史气象数据、净负荷预测功率数据和净负荷预测误差数据；
[0011]2)对电力系统历史运行数据进行筛选，得到与运行日预测点数据特征相似程度最高的多个历史运行数据，记为特征运行数据；
[0012]3)根据特征运行数据中的气象数据、净负荷预测功率数据建立等间隔的气象
‑
功率二维区间，并将特征运行数据划分到不同的气象
‑
功率二维区间中；
[0013]4)采用非参数核密度估计分别建立每个气象
‑
功率二维区间中系统净负荷预测误差分布；
[0014]5)根据气象
‑
功率二维区间中系统净负荷预测误差分布，确定运行日每个预测点的系统整体预测误差概率密度函数；
[0015]6)根据每个预测点的系统整体预测误差概率密度函数，确定电力市场运行备用需求。
[0016]进一步，步骤1)中，净负荷预测功率数据和净负荷预测误差数据的获取步骤包括：
[0017]1.1)利用深度神经网络对系统负荷和风电出力功率进行预测，得到净负荷预测功率数据和风电出力预测值；
[0018]1.2)对比净负荷预测功率数据和净负荷实际功率数据，得到系统负荷预测误差；对比风电出力预测值和风电出力实际值，得到风电出力预测误差；
[0019]1.3)叠加系统负荷预测误差和风电出力预测误差，得到净负荷预测误差数据。
[0020]进一步，步骤2)中，对电力系统历史运行数据进行筛选的步骤包括：
[0021]2.1)计算运行日预测点与历史运行数据气象
‑
功率的加权综合距离d；所述加权综合距离d用于评估历史运行数据与运行日预测点数据的特征相似度；
[0022]其中，加权综合距离d如下所示：
[0023]d＝w
m
d
m
+w
p
d
p
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0024]式中，d
m
是运行日预测点与历史运行数据的气象欧式距离；w
m
是气象相关的权重系数；d
p
是运行日预测点与历史运行数据的预测功率欧式距离；w
p
是预测功率相关的权重系数；
[0025]其中，欧式距离d
E
如下所示：
[0026][0027]式中，E＝m，p；a
Ed
和b
Ed
为用于计算欧式距离d
E
的数据；d为数据维度；
[0028]权重系数如下所示：
[0029][0030]式中，r
s
为数据集x与数据集y之间相关性的Spearman相关系数；x
i
和y
i
表示第i个数据；n为数据数目；R
xi
和R
yi
表示数据集x与数据集y分别从小到大排序编秩的秩次；
[0031]2.2)按照加权综合距离d对历史运行数据进行升序排序，并选取前M个历史运行数据作为特征运行数据。
[0032]进一步，步骤3)中，建立等间隔的气象
‑
功率二维区间的步骤包括：
[0033]将特征运行数据的气象数据和净负荷预测功率数据分别按照数值大小进行等间隔划分，得到多个气象
‑
功率二维区间；
[0034]其中，气象数据分区个数n
mr
和净负荷预测功本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于预测随机性气象
‑
功率分区刻画的电力市场运行备用需求量化方法，其特征在于，包括以下步骤：1)获取电力系统历史运行数据，所述历史运行数据包括若干预测点的所述历史气象数据、净负荷预测功率数据和净负荷预测误差数据；2)对电力系统历史运行数据进行筛选，得到与运行日预测点数据特征相似程度最高的多个历史运行数据，记为特征运行数据；3)根据特征运行数据中的气象数据、净负荷预测功率数据建立等间隔的气象
‑
功率二维区间，并将特征运行数据划分到不同的气象
‑
功率二维区间中；4)采用非参数核密度估计分别建立每个气象
‑
功率二维区间中系统净负荷预测误差分布；5)根据气象
‑
功率二维区间中系统净负荷预测误差分布，确定运行日每个预测点的系统整体预测误差概率密度函数；6)根据每个预测点的系统整体预测误差概率密度函数，确定电力市场运行备用需求。2.根据权利要求1所述的基于预测随机性气象
‑
功率分区刻画的电力市场运行备用需求量化方法，其特征在于，步骤1)中，净负荷预测功率数据和净负荷预测误差数据的获取步骤包括：1.1)利用深度神经网络对系统负荷和风电出力功率进行预测，得到净负荷预测功率数据和风电出力预测值；1.2)对比净负荷预测功率数据和净负荷实际功率数据，得到系统负荷预测误差；对比风电出力预测值和风电出力实际值，得到风电出力预测误差。1.3)叠加系统负荷预测误差和风电出力预测误差，得到净负荷预测误差数据。3.根据权利要求1所述的基于预测随机性气象
‑
功率分区刻画的电力市场运行备用需求量化方法，其特征在于，步骤2)中，对电力系统历史运行数据进行筛选的步骤包括：2.1)计算运行日预测点与历史运行数据气象
‑
功率的加权综合距离d；所述加权综合距离d用于评估历史运行数据与运行日预测点数据的特征相似度；其中，加权综合距离d如下所示：d＝w
m
d
m
+w
p
d
p
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，d
m
是运行日预测点与历史运行数据的气象欧式距离；w
m
是气象相关的权重系数；d
p
是运行日预测点与历史运行数据的预测功率欧式距离；w
p
是预测功率相关的权重系数；其中，欧式距离d
E
如下所示：式中，参数E＝m，p；a
Ed
和b
Ed
为用于计算欧式距离d
E
的数据；d为数据维度；权重系数如下所示：式中，r
s
为数据集x与数据集y之间相关性的Spearman相关系数；x
i
和y
i
表示第i个数据；
n为数据数目；R
xi
和R
yi
表示数据集x与数据集y分别从小到大排序编秩的秩次；2.2)按照加权综合距离d对历史运行数据进行升序排序，并选取前M个历史运行数据作为特征运行数据。4.根据权利要求1所述的基于预测随机性气象
‑
功率分区刻画的电力市场运行备用需求量化方法，其特征在于，步骤3)中，建立等间隔的气象
‑
功率二维区间的步骤包括：将特征运行数据的气象数据和净负荷预测功率数据分别按照数值大小进行等间隔划分，得到多个气象
‑
功率二维区间；其中，气象数据分区个数n
mr
和净负荷预测功率数据分区个数n
pr
分别如下所示：分别如下所示：式中，x
m,max
、x
m,min
分别为特征运行数据中气象数据的最大值和最小值；x
p,max
、x
p,min
分别为特征运行数据中净负荷预测功率数据的最大值和最小值；Δx
m
、Δx
p
为等间隔区间的宽度；每一气象区间的上下限如下所示：[x
m,min
+(i
mr
‑
1)Δx...

【专利技术属性】
技术研发人员：杨知方，向明旭，刘晟，王岗，毕明德，范旖晖，黄成，
申请(专利权)人：国网江苏省电力有限公司国家电网有限公司，
类型：发明
国别省市：