【技术实现步骤摘要】
本专利技术涉及电力系统新能源发电分析领域，尤其涉及一种考虑时空相关性的新能源发电场景生成方法及系统。
技术介绍
1、在大规模新能源发电接入电力系统后，供给侧的随机性和波动性显著增加，给电力系统安全经济运行带来了新的挑战。以风电、光伏为代表的新能源发电受到天气的影响较大，因此与传统的电力负荷预测相比，新能源发电功率的可预测性更低、预测精度更差，已经成为制约电网消纳新能源发电的主要障碍之一。同时，目前广泛使用的新能源发电预测技术只能提供单点期望值，对预测误差以及预测本身的不确定性没有引起足够的关注。从电力系统安全运行的角度来看，仅仅提供确定性预测信息是不够的，还必须提供新能源发电随机波动的概率预测信息、量化预测过程中的不确定性。
2、电力系统优化规划、运行问题(如输电线路、储能装置扩展规划，机组组合、经济调度、潮流计算等)只有与新能源发电预测结果相结合，才能有效地考虑新能源不确定性对电力系统的影响，提高规划、运行方案的灵活性和适应性，从而增强电力系统对新能源发电随机波动的耐受能力。然而，传统的运行场景生成方法忽略了新能源发电的时空相关性，导致运行场景容易出现不真实的剧烈功率波动情况。虽然新能源发电具有较强的随机性，但是由于大气物理过程存在惯性，新能源发电通常具有较强的时空相关性。因此，考虑时空相关性的新能源发电场景生成方法能够提供更加接近实际的新能源发电场景信息，有效反映新能源发电随机波动的概率预测信息、量化预测过程中的不确定性，为电力系统规划、运行等决策提供充分依据，具有重要的工程实用价值。
1、为解决现有技术存在的问题，本专利技术的目的在于提供一种考虑时空相关性的新能源发电场景生成方法及系统，该考虑时空相关性的新能源发电场景生成方法能够为电力系统规划、运行提供更加接近实际的新能源发电场景。
2、为实现上述目的，本专利技术提供第一个目的是提供考虑时空相关性的新能源发电场景生成方法，包括：
3、收集新能源场站的气象状态数据和新能源发电数据，构建历史数据集合；
4、求解曼哈顿距离的最优权重系数，计算样本间的加权型曼哈顿距离，从历史数据集合中筛选出k近邻样本；
5、使用对数变换处理k近邻样本，得到转换后的新能源发电功率观测结果集合，进而使用边界核函数估计新能源发电的概率密度函数，得到新能源发电概率分布信息；
6、构建反映新能源发电时空相关性的协方差矩阵，利用历史数据进行参数估计；
7、基于随机采样理论，根据所述的新能源发电概率分布信息和反映新能源发电时空相关性的协方差矩阵，生成新能源发电场景，作为电力系统规划、运行决策的依据。
8、作为本专利技术进一步改进，收集新能源场站的气象状态数据和新能源发电数据，具体包括：
9、由天气预报结果获取气象状态数据，由scada系统记录结果获取新能源发电数据，包括时间信息；
10、对于风力发电场，气象状态数据还包括：风速、风向和风功率预估结果；
11、对于光伏发电站，气象状态数据还包括：液态水总量、固态水总量、地表气压、相对湿度、总云量、风速、风向、环境温度、地表太阳辐射、地表热辐射、外大气层太阳净辐射、降雨量、太阳天顶角、太阳方位角、外大气层太阳辐射、晴空地表太阳辐射和晴朗指数。
12、作为本专利技术进一步改进，所述构建历史数据集合，包括：
13、气象状态数据由特征向量进行统一表征，定义t时刻的特征向量xt由n个气象变量的数值天气预报结果构成：
14、
15、其中，表示t时刻第i个气象变量的数值天气预报结果；n为整数；
16、若考虑含有m条记录的历史数据集合，即t＝1,2,…,m，则历史数据集合中的每条记录都包含一个特征向量xt和对应的新能源发电功率观测结果pt，则历史数据集合表示为：
17、ωt＝{(xt,pt)|t＝1,2,...,m}
18、其中，m为整数。
19、作为本专利技术进一步改进，求解曼哈顿距离的最优权重系数，计算样本间的加权型曼哈顿距离，从历史数据集合中筛选出k近邻样本，具体包括：
20、曼哈顿距离的最优权重系数ω1,ω2,…,ωn对应的目标函数为：
21、
22、式中，m表示历史数据集合中的样本数量；pt表示新能源发电功率的历史观测结果，表示pt对应的确定性预测结果，其是权重系数ω1,ω2,…,ωn的多元函数，具体表达式如下所示：
23、
24、式中，表示各历史样本的分配系数；dt表示历史样本与待预测样本之间的数学距离，具体表达式如下：
25、
26、式中，xt表示历史样本的特征向量；yt′表示待预测样本的特征向量；xt和yt′均由n个输入变量构成，即和表示xt的第i个输入变量；表示yt′的第i个输入变量；函数d(·)表示距离测度函数；ωi表示第i个输入变量的权重系数，反映第i个输入变量对最终距离d的重要性；距离测度函数d(·)的计算公式由输入变量的类型确定，具体分类如下：
27、针对非循环变量，距离测度函数d(·)的计算公式为：
28、
29、针对循环变量，其距离测度函数d(·)要考虑周期t的影响，其计算公式为：
30、
31、上述ω1,ω2,…,ωn最优权重系数求解得到最优权重系数后，分别计算待预测样本yt′与所有历史样本xt(t＝1,2,…,m)的数学距离，筛选出与yt′距离最近的k个样本(即k近邻样本)，它们对应的新能源发电功率观测结果分别为
32、作为本专利技术进一步改进，使用对数变换处理k近邻样本，得到转换后的新能源发电功率观测结果集合，具体包括：
33、获取k近邻样本对应的新能源发电功率观测结果集合并计算其偏度γp，计算公式如下：
34、
35、式中，e[·]表示数学期望；μp表示样本平均值；σp表示样本标准差；
36、根据上述偏度γp的计算结果，进行对数变换：
37、
38、式中，表示k近邻样本对应的新能源发电功率观测结果；表示转换后的观测结果；λ表示对数函数的形状参数，其最优取值问题的目标函数如下所示：
39、
40、式中，h表示带宽参数，可由带宽估计器自动确定；表示转换后的新能源发电功率；表示转换样本集合的标准差；g″(·)表示核函数g(·)的二阶导数；核函数g(·)取为高斯分布函数，具体表达式如下所示：
41、
42、求解得到最优形状参数取值后，计算即可得到转换后的新能源发电功率观测结果集合
43、作为本专利技术进一步改进，使用边界核函数估计新能源发电的概率密度函数，得到新能源发电概率分布信息，具体包括：
44、选取边界核函数gb(·)以消除概率密度的泄露，表达式如下所示：
45、
46、
47、式中，p本文档来自技高网...
【技术保护点】
1.一种考虑时空相关性的新能源发电场景生成方法，其特征在于，包括：
2.如权利要求1所述的一种考虑时空相关性的新能源发电场景生成方法，其特征在于：收集新能源场站的气象状态数据和新能源发电数据，具体包括：
3.如权利要求1所述的一种考虑时空相关性的新能源发电场景生成方法，其特征在于：所述构建历史数据集合，包括：
4.如权利要求1所述的一种考虑时空相关性的新能源发电场景生成方法，其特征在于：求解曼哈顿距离的最优权重系数，计算样本间的加权型曼哈顿距离，从历史数据集合中筛选出k近邻样本，具体包括：
5.如权利要求1所述一种考虑时空相关性的新能源发电场景生成方法，其特征在于：使用对数变换处理j近邻样本，得到转换后的新能源发电功率观测结果集合，具体包括：
6.如权利要求1所述一种考虑时空相关性的新能源发电场景生成方法，其特征在于：使用边界核函数估计新能源发电的概率密度函数，得到新能源发电概率分布信息，具体包括：
7.如权利要求1所述一种考虑时空相关性的新能源发电场景生成方法，其特征在于：构建反映新能源发电时空相关性的协方
8.如权利要求1所述的一种考虑时空相关性的新能源发电场景生成方法，其特征在于：构建反映新能源发电时空相关性的协方差矩阵之后还利用历史数据进行参数估计；具体包括：
9.如权利要求1所述一种考虑时空相关性的新能源发电场景生成方法，其特征在于：基于随机采样理论，根据所述的新能源发电概率分布信息和反映新能源发电时空相关性的协方差矩阵，生成新能源发电场景，具体包括：
10.一种考虑时空相关性的新能源发电场景生成系统，其特征在于，包括：
...【技术特征摘要】
1.一种考虑时空相关性的新能源发电场景生成方法，其特征在于，包括：
2.如权利要求1所述的一种考虑时空相关性的新能源发电场景生成方法，其特征在于：收集新能源场站的气象状态数据和新能源发电数据，具体包括：
3.如权利要求1所述的一种考虑时空相关性的新能源发电场景生成方法，其特征在于：所述构建历史数据集合，包括：
4.如权利要求1所述的一种考虑时空相关性的新能源发电场景生成方法，其特征在于：求解曼哈顿距离的最优权重系数，计算样本间的加权型曼哈顿距离，从历史数据集合中筛选出k近邻样本，具体包括：
5.如权利要求1所述一种考虑时空相关性的新能源发电场景生成方法，其特征在于：使用对数变换处理j近邻样本，得到转换后的新能源发电功率观测结果集合，具体包括：
6.如权利要求1所述一种考...
【专利技术属性】
技术研发人员：张耀，赵英杰，李永飞，赵寒亭，霍巍，林帆，
申请(专利权)人：西安交通大学，
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。