【技术实现步骤摘要】
本专利技术涉及电力系统及其自动化，具体涉及一种用于综合无功优化的风电-负荷场景匹配方法及装置。
技术介绍
1、目前，风电作为一种典型新能源电力大量汇入电网，在汇集大规模风电的电力系统研究中，需要大量的典型风电-负荷场景作为实验的基础。
2、典型风电-负荷场景生成后，在原始数据集中随机选取场景进行电力系统无功优化或其他方面的优化中，仍然需要将随机选取的场景与典型风电-负荷场景进行匹配，而抽取部分数据与风电-负荷典型场景的匹配程度问题是研究中的一大难题。
技术实现思路
1、本专利技术的目的在于提供一种用于综合无功优化的风电-负荷场景匹配方法及装置，用于解决现有技术中抽取的部分数据与风电-负荷典型场景的匹配程度等问题，能同时考虑待匹配样本的负荷、风电数据与典型风电-负荷场景间相关性，提高了其相关性描述的准确度和匹配程度。
2、为了实现上述目的，第一方面，本专利技术提供一种用于综合无功优化的风电-负荷场景匹配方法，包括：
3、步骤1、根据原始风电-负荷数据集构建多个典型负荷场景，从原始风电-负荷数据集中随机抽取多组日风电-负荷数据构成待匹配样本，待匹配样本包括多个日负荷数据和多个日风电数据；
4、步骤2、分别计算待匹配样本的各日负荷数据与各典型负荷场景之间的平均相关度指标；
5、步骤3、分别计算待匹配样本的各日负荷数据与每个典型负荷场景之间的平均相关度指标的平均值，选取最大平均值对应的典型负荷场景作为待匹配样本的一阶典型负荷场景；
6、步骤4、根据一阶典型负荷场景确定对应的多个典型风电场景，分别计算待匹配样本的各日风电数据与各典型风电场景之间的平均相关度指标；
7、步骤5、分别计算待匹配样本的各日风电数据与每个典型风电场景之间的平均相关度指标的平均值，选取最大平均值对应的典型风电场景作为待匹配样本的二阶典型风电场景。
8、根据本专利技术提供的一种用于综合无功优化的风电-负荷场景匹配方法，日负荷数据表示为load＝{load1,load2,...,load24}，各日负荷数据与各典型负荷场景之间的平均相关度指标的表达式为：
9、
10、其中，zl.deviation为某日负荷数据与某典型负荷场景的平均相关度指标；n为该典型负荷场景中包含的以24小时为单位的日负荷曲线个数；pcci.load为该日负荷数据与该典型负荷场景中第i个日负荷曲线的皮尔逊相关系数值；lij为第i个日负荷曲线中时刻为j的负荷值；为第i个日负荷曲线中负荷的均值；loadj为该日负荷数据中时刻为j的负荷值；为该日负荷数据中负荷的均值。
11、根据本专利技术提供的一种用于综合无功优化的风电-负荷场景匹配方法，如果0≤zl.deviation<0.2，则某日负荷数据与某典型负荷场景为极弱相关；如果0.2≤zl.deviation<0.4，则某日负荷数据与某典型负荷场景为弱相关；如果0.4≤zl.deviation<0.6，则某日负荷数据与某典型负荷场景为中等程度相关；如果0.6≤zl.deviation<0.8，则某日负荷数据与某典型负荷场景为强相关；如果0.8≤zl.deviation≤1，则某日负荷数据与某典型负荷场景为极强相关。
12、根据本专利技术提供的一种用于综合无功优化的风电-负荷场景匹配方法，日风电数据表示为wp＝{wp1,wp2,...,wp24}，各日风电数据与各典型风电场景之间的平均相关度指标的表达式为：
13、
14、其中，zw.deviation为某日风电数据与某典型风电场景的平均相关度指标；m为该典型风电场景中包含的以24小时为单位的日风电出力曲线个数；pcci.wp为该日风电数据与该典型风电场景中第i个日风电出力曲线的皮尔逊相关系数值；fij为第i个日风电出力曲线中时刻为j的风电出力值；为第i个日风电出力曲线中风电出力的均值；wpj为该日风电数据中时刻为j的风电出力值；为该日风电数据中风电出力的均值。
15、根据本专利技术提供的一种用于综合无功优化的风电-负荷场景匹配方法，如果0≤zw.deviation<0.2，则某日风电数据与某典型风电场景为极弱相关；如果0.2≤zw.deviation<0.4，则某日风电数据与某典型风电场景为弱相关；如果0.4≤zw.deviation<0.6，则某日风电数据与某典型风电场景为中等程度相关；如果0.6≤zw.deviation<0.8，则某日风电数据与某典型风电场景为强相关；如果0.8≤zw.deviation≤1，则某日风电数据与某典型风电场景为极强相关。
16、第二方面，本专利技术提供一种用于综合无功优化的风电-负荷场景匹配装置，包括：
17、样本生成单元，用于根据原始风电-负荷数据集构建多个典型负荷场景，从原始风电-负荷数据集中随机抽取多组日风电-负荷数据构成待匹配样本，待匹配样本包括多个日负荷数据和多个日风电数据；
18、第一计算单元，用于分别计算待匹配样本的各日负荷数据与各典型负荷场景之间的平均相关度指标；
19、第一匹配单元，用于分别计算待匹配样本的各日负荷数据与每个典型负荷场景之间的平均相关度指标的平均值，选取最大平均值对应的典型负荷场景作为待匹配样本的一阶典型负荷场景；
20、第二计算单元，用于根据一阶典型负荷场景确定对应的多个典型风电场景，分别计算待匹配样本的各日风电数据与各典型风电场景之间的平均相关度指标；
21、第二匹配单元，用于分别计算待匹配样本的各日风电数据与每个典型风电场景之间的平均相关度指标的平均值，选取最大平均值对应的典型风电场景作为待匹配样本的二阶典型风电场景。
22、根据本专利技术提供的一种用于综合无功优化的风电-负荷场景匹配装置，日负荷数据表示为load＝{load1,load2,...,load24}，各日负荷数据与各典型负荷场景之间的平均相关度指标的表达式为：
23、
24、
25、其中，zl.deviation为某日负荷数据与某典型负荷场景的平均相关度指标；n为该典型负荷场景中包含的以24小时为单位的日负荷曲线个数；pcci.load为该日负荷数据与该典型负荷场景中第i个日负荷曲线的皮尔逊相关系数值；lij为第i个日负荷曲线中时刻为j的负荷值；为第i个日负荷曲线中负荷的均值；loadj为该日负荷数据中时刻为j的负荷值；为该日负荷数据中负荷的均值。
26、根据本专利技术提供的一种用于综合无功优化的风电-负荷场景匹配装置，如果0≤zl.deviation<0.2，则某日负荷数据与某典型负荷场景为极弱相关；如果0.2≤zl.deviation<0.4，则某日负荷数据与某典型负荷场景为弱相关；如果0.4≤zl.deviation<0.6，则某日负荷数据与某典型负荷场景为中等程度相关；如果0.6≤zl.deviation&l本文档来自技高网...
【技术保护点】
1.一种用于综合无功优化的风电-负荷场景匹配方法，其特征在于，包括：
2.根据权利要求1所述的用于综合无功优化的风电-负荷场景匹配方法，其特征在于，所述日负荷数据表示为Load＝{load1,load2,...,load24}，所述各日负荷数据与各典型负荷场景之间的平均相关度指标的表达式为：
3.根据权利要求2所述的用于综合无功优化的风电-负荷场景匹配方法，其特征在于，如果0≤Zl.deviation<0.2，则某日负荷数据与某典型负荷场景为极弱相关；如果0.2≤Zl.deviation<0.4，则某日负荷数据与某典型负荷场景为弱相关；如果0.4≤Zl.deviation<0.6，则某日负荷数据与某典型负荷场景为中等程度相关；如果0.6≤Zl.deviation<0.8，则某日负荷数据与某典型负荷场景为强相关；如果0.8≤Zl.deviation≤1，则某日负荷数据与某典型负荷场景为极强相关。
4.根据权利要求1所述的用于综合无功优化的风电-负荷场景匹配方法，其特征在于，所述日风电数据表示为WP＝{wp1,wp2,...
5.根据权利要求4所述的用于综合无功优化的风电-负荷场景匹配方法，其特征在于，如果0≤Zw.deviation<0.2，则某日风电数据与某典型风电场景为极弱相关；如果0.2≤Zw.deviation<0.4，则某日风电数据与某典型风电场景为弱相关；如果0.4≤Zw.deviation<0.6，则某日风电数据与某典型风电场景为中等程度相关；如果0.6≤Zw.deviation<0.8，则某日风电数据与某典型风电场景为强相关；如果0.8≤Zw.deviation≤1，则某日风电数据与某典型风电场景为极强相关。
6.一种用于综合无功优化的风电-负荷场景匹配装置，其特征在于，包括：
7.根据权利要求6所述的用于综合无功优化的风电-负荷场景匹配装置，其特征在于，所述日负荷数据表示为Load＝{load1,load2,...,load24}，所述各日负荷数据与各典型负荷场景之间的平均相关度指标的表达式为：
8.根据权利要求7所述的用于综合无功优化的风电-负荷场景匹配装置，其特征在于，如果0≤Zl.deviation<0.2，则某日负荷数据与某典型负荷场景为极弱相关；如果0.2≤Zl.deviation<0.4，则某日负荷数据与某典型负荷场景为弱相关；如果0.4≤Zl.deviation<0.6，则某日负荷数据与某典型负荷场景为中等程度相关；如果0.6≤Zl.deviation<0.8，则某日负荷数据与某典型负荷场景为强相关；如果0.8≤Zl.deviation≤1，则某日负荷数据与某典型负荷场景为极强相关。
9.根据权利要求6所述的用于综合无功优化的风电-负荷场景匹配装置，其特征在于，所述日风电数据表示为WP＝{wp1,wp2,...,wp24}，所述各日风电数据与各典型风电场景之间的平均相关度指标的表达式为：
10.根据权利要求9所述的用于综合无功优化的风电-负荷场景匹配装置，其特征在于，如果0≤Zw.deviation<0.2，则某日风电数据与某典型风电场景为极弱相关；如果0.2≤Zw.deviation<0.4，则某日风电数据与某典型风电场景为弱相关；如果0.4≤Zw.deviation<0.6，则某日风电数据与某典型风电场景为中等程度相关；如果0.6≤Zw.deviation<0.8，则某日风电数据与某典型风电场景为强相关；如果0.8≤Zw.deviation≤1，则某日风电数据与某典型风电场景为极强相关。
...【技术特征摘要】
1.一种用于综合无功优化的风电-负荷场景匹配方法，其特征在于，包括：
2.根据权利要求1所述的用于综合无功优化的风电-负荷场景匹配方法，其特征在于，所述日负荷数据表示为load＝{load1,load2,...,load24}，所述各日负荷数据与各典型负荷场景之间的平均相关度指标的表达式为：
3.根据权利要求2所述的用于综合无功优化的风电-负荷场景匹配方法，其特征在于，如果0≤zl.deviation<0.2，则某日负荷数据与某典型负荷场景为极弱相关；如果0.2≤zl.deviation<0.4，则某日负荷数据与某典型负荷场景为弱相关；如果0.4≤zl.deviation<0.6，则某日负荷数据与某典型负荷场景为中等程度相关；如果0.6≤zl.deviation<0.8，则某日负荷数据与某典型负荷场景为强相关；如果0.8≤zl.deviation≤1，则某日负荷数据与某典型负荷场景为极强相关。
4.根据权利要求1所述的用于综合无功优化的风电-负荷场景匹配方法，其特征在于，所述日风电数据表示为wp＝{wp1,wp2,...,wp24}，所述各日风电数据与各典型风电场景之间的平均相关度指标的表达式为：
5.根据权利要求4所述的用于综合无功优化的风电-负荷场景匹配方法，其特征在于，如果0≤zw.deviation<0.2，则某日风电数据与某典型风电场景为极弱相关；如果0.2≤zw.deviation<0.4，则某日风电数据与某典型风电场景为弱相关；如果0.4≤zw.deviation<0.6，则某日风电数据与某典型风电场景为中等程度相关；如果0.6≤zw.deviation<0.8，则某日风电数据与某典型风电场景为强相关；如果0.8≤zw.deviation≤1，则某日风电数据与某典型风电场景为极强相关。
...【专利技术属性】
技术研发人员：赵洁，王晨浩，张怀勋，董旭柱，何福根，王波，刘承锡，尚磊，张明晨，
申请(专利权)人：武汉大学，
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。