System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及储能在配电网中选址定容领域,具体涉及一种考虑风电动态场景生成的储能随机规划方法。
技术介绍
1、当前新能源发电技术不断发展,随着新能源并网的规模越来越大,系统正常运行时不确定性显著增加,确定性优化调度模型不再适用。考虑可再生能源不确定性的研究方法更加贴合实际,如何合理生成不确定性变量的场景集并带入合适的模型进行分析是其研究的关键。
2、风电机组可用的出力与风速具有密不可分的关系,因此通过风的特性可以确定其出力具有一定的季节性和时间相关性,但是这个关系没有明确的物理表达式需要自己来衡量。为了刻画风电功率的不确定性,常构建场景集作为不确定变量。
3、然而现有的模型,大多是对风电场通过风速或风电功率历史数据,采用场景树、蒙特卡洛模拟(monte carlo simulation,msc)、序贯蒙特卡洛、拉丁超立方采样(latinhypercube sampling,lhs)等静态场景集生成法,没有考虑到风电的时间相关性以及风电功率不同时刻内的波动情况,导致模型求解精度降低,求解结果实用性不足。
技术实现思路
1、本专利技术针对现有技术的不足,提供了一种考虑风电动态场景生成的储能随机规划方法。针对风电出力的随机性和波动性,建立风电功率模型,并将其不确定性纳入风电动态场景中,通过多场景随机规划模型对配电网中储能的选址定容进行分析,从而提高优化结果的准确性与实用性。
2、为实现上述目的,本专利技术提出了一种考虑风电动态场景生成的储能随机规划方法
3、步骤s1、获得某个地区的风电全年的历史实际出力数据和历史预测出力数据;
4、步骤s2、将风电全年的实际数据,聚类得到各季节的典型日数据;
5、步骤s3、分别对二十四个时间段进行预测箱的构建,按照预测出力数据等功率差值来划分箱子,并在每个箱子内装入对应的实际出力数据;
6、步骤s4、通过非参数核密度估计法来拟合各个预测箱子内的概率密度函数,并计算其累计分布函数;
7、步骤s5、提出多个时间段加权平均的风电功率波动评价指标来寻找合适的协方差矩阵,通过利用多元正态分布函数生成t组二十四维的随机向量,通过三次样条插值法将随机向量转化为具有时间相关性的风电动态场景集;
8、步骤s6、引入k-means聚类法,对生成的动态场景进行削减,得到具有代表性的典型场景;
9、步骤s7、将配电网各节点是否安装储能状态设为二元变量,将各节点安装储能的额定容量和功率设为连续型变量,上述作为决策变量;根据电网直流潮流约束、储能充放电约束、火电机组爬坡率限制等约束条件,将系统全年总运行成本作为目标函数构建配电网中储能选址定容模型;
10、步骤s8、根据生成的风电典型场景,在此基础上构建多场景随机规划模型,并通过工业求解器求解该混合整数线性规划问题。
11、进一步的,所述步骤s1中,风电的历史实际出力数据与历史预测出力数据用矩阵分别表示为:
12、
13、其中,表示第d天第t时段的风电实际出力数据,表示第d天第t时段的风电预测出力数据;
14、进一步的,所述步骤s2采用聚类的方法获得各季节的典型日数据的方法具体如下:
15、将3,4,5月份作为春季,6,7,8月份作为夏季,9,10,11月份作为秋季,12,1,2月份则划分为冬季;风电的功率在夏季和冬季的季节性特征较为显著,在春秋两季的变化可能并不明显,这时可以将春秋两季合并为过渡季,采用k-means聚类法对各季数据进行聚类得到典型日数据。
16、进一步的,所述步骤s3中采用按照预测出力数据等功率差值来划分箱子的方法具体如下:
17、
18、将风电功率全年的预测出力数据按照等功率差值的原则每个时段划分为n个预测箱,t时段内每个箱子的功率差额为gapt,其中yt为包含t时段全年所有的预测数据的向量,获得箱子的大小后,将每个箱子所涉及到的预测出力数据对应时刻的实际出力数据放入箱子内,最后通过各季的典型日数据来选取各个时段所用的预测箱。
19、进一步的,所述步骤s4中采用非参数核密度估计法来对预测箱中数据进行拟合的方法具体如下:
20、
21、其中,表示第d天第t时段的风电出力样本数据,表示第t时段下的第b个预测箱,k()表示高斯核函数,h表示平滑参数也被称为带宽,根据概率密度函数计算每个时段各个预测箱内的风光的累积分布函数fbt(xt);
22、进一步的,所述步骤s5中的利用多元正态分布函数生成随机向量并生成具有时间相关性的场景集具体步骤为:
23、步骤s51、采用指数型函数法来描述风电功率的时间相关性,如通过对ε的取值来表征时序之间的相关性,令ε在区间[1,200]之间连续取值,对不同取值的ε生成对应的协方差矩阵,随后采用多元正态分布函数进行t次随机向量的生成,再逆变换为t个动态场景;协方差矩阵是多元正态分布函数的核心,其表达式如下所示:
24、
25、式中:σm,n为随机向量z中时段m和时段n的变量的协方差,与两个变量间的相关性等价。
26、步骤s52、引入三次样条插值法求解其预测箱的数据的cdf值所对应的每个时段的风电出力;将累积概率区间[0,1]分为i个小区间,在任一区间上,分别以累积概率u为自变量,x为因变量,采用三次样条差值求得该区间上的三次样条多项式为:
27、
28、对于任一采样累积概率值一定落在某个小区间内,将代入上式,即可求得每个时刻所对应的风电出力。
29、进一步的,所属步骤s51中通过对ε的取值来表征时序之间的相关性是指采用多个时间段加权平均的风电功率波动评价指标iε来选取ε;先分别计算动态场景和历史实际出力数据在时间间隔为1小时,2小时,3小时的风电功率波动大小,再通过t位置尺度函数对功率波动数据进行拟合,并用指标iε=α1iε1+α2iε2+α3iε3量化所生成场景集合和历史场景之间的差异性,其风电功率波动的指标为:
30、
31、其中iεi表示时间间隔为i小时的功率波动指标,α1为iεi在总指标中的权重,随着i的增大指数型下降,n为采样数2000,s是依据风电功率的波动情况选择的采样区间[-0.2,0.2],pdf(s)i是历史风电在间隔i小时波动功率的概率密度函数,pdf”(s)i是动态场景在间隔i小时波动功率的概率密度函数,并选取iε取最小时,所对应的ε值作为输出,并且依据该ε来进行动态场景生成。
32、进一步的,所述步骤s6中采用k-means聚类法,对生成的动态场景进行削减,是通过基于密度的最佳聚类数方法来进行k值的选取,从而确定最大聚类数,确定了k值后可用k-means聚类得到k个典型场景。
33、进一步的,所述步骤s7中的系统全年总运行成本作为目标函数构建配电网中储能选址定容模型,其具体步骤为:
...【技术保护点】
1.一种考虑风电动态场景生成的储能随机规划方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种考虑风电动态场景生成的储能随机规划方法,其特征在于,所述步骤S1中,风电的历史实际出力数据与历史预测出力数据分别用矩阵表示:
3.根据权利要求1所述的一种考虑风电动态场景生成的储能随机规划方法,其特征在于,所述步骤S2采用聚类的方法获得各季节的典型日数据的方法具体如下:
4.根据权利要求1所述的一种考虑风电动态场景生成的储能随机规划方法,其特征在于,所述步骤S3中采用将预测出力数据按照等功率差值来划分为箱子的方法具体如下:
5.根据权利要求1所述的一种考虑风电动态场景生成的储能随机规划方法,其特征在于,所述步骤S4中采用非参数核密度估计法来对预测箱中数据进行拟合的方法具体如下:
6.根据权利要求1所述的一种考虑风电动态场景生成的储能随机规划方法,其特征在于,所述步骤S5中的利用多元正态分布函数生成随机向量并生成具有时间相关性场景集具体步骤为:
7.根据权利要求6所述的一种考虑风电动态场景生成的储能随机规划方
8.根据权利要求1所述的一种考虑风电动态场景生成的储能随机规划方法,其特征在于,所述步骤S6中采用K-means聚类法,对生成的动态场景进行削减,是通过基于密度的最佳聚类数方法来进行K值得选取,从而确定最大聚类数,确定了K值后可用K-means聚类得到K个典型场景。
9.根据权利要求1所述的一种考虑风电动态场景生成的储能随机规划方法,其特征在于,所述步骤S7中的系统全年总运行成本作为目标函数构建配电网中储能选址定容模型,其具体步骤为:
10.根据权利要求1所述的一种考虑风电动态场景生成的储能随机规划方法,其特征在于,所述步骤S8中通过工业求解器求解该混合整数线性规划问题,其具体方式为在Matlab平台进行随机规划模型的构建,通过Yalimp拓展包调用工业求解器Cplex对该混合整数线性规划问题进行寻优从而确定储能在配电网中选址定容。
...【技术特征摘要】
1.一种考虑风电动态场景生成的储能随机规划方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种考虑风电动态场景生成的储能随机规划方法,其特征在于,所述步骤s1中,风电的历史实际出力数据与历史预测出力数据分别用矩阵表示:
3.根据权利要求1所述的一种考虑风电动态场景生成的储能随机规划方法,其特征在于,所述步骤s2采用聚类的方法获得各季节的典型日数据的方法具体如下:
4.根据权利要求1所述的一种考虑风电动态场景生成的储能随机规划方法,其特征在于,所述步骤s3中采用将预测出力数据按照等功率差值来划分为箱子的方法具体如下:
5.根据权利要求1所述的一种考虑风电动态场景生成的储能随机规划方法,其特征在于,所述步骤s4中采用非参数核密度估计法来对预测箱中数据进行拟合的方法具体如下:
6.根据权利要求1所述的一种考虑风电动态场景生成的储能随机规划方法,其特征在于,所述步骤s5中的利用多元正态分布函数生成随机向量并生成具有时间相关性场景集具体步骤为:
7.根据权利要求6所述的一种考虑风电动态场景生成的储能随机规划方法,其特征在于,所述步骤s51中通过对ε的取值来表征时序之间的相关性,是指采用多个时...
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。