【技术实现步骤摘要】
本专利技术涉及系统装机容量预测领域，具体涉及一种新能源最优装机容量预测方法和系统。
技术介绍
1、风能、太阳能为代表的新能源电力以其低污染、无能源消耗、可再生等优势逐渐成为可再生新能源最具发展前景的发电方式，新能源装机容量占电力系统的比例逐年提高，但由于新能源固有的随机性、波动性影响，电力系统接纳新能源能力受负荷、网架等多种因素限制，风光受电力系统运行灵活性的限制，所以当新能源装机占比提升、电力供应超过负荷需求时，为保障电力系统实时平衡，会产生新能源消纳受限的问题。如何在电力系统中兼顾电力供应和新能源消纳，在电力市场的大环境下，如何兼顾考虑“源、网、荷”三方风险利益，科学地规划新能源装机容量以及保障电力系统平衡安全运行具有重要意义。
2、现有的新能源装机容量预测方法主要是通过对新能源装机容量和相关影响因素的历史数据进行分析，利用一定的数学方法，对未来一段时间的新能源装机容量进行预测。对新能源装机容量的预测主要可以分为以下四类：
3、(1)基于指数加权平均法的预测
4、指数加权平均法是通过将原始序列进行分解，将序列中的趋势序列、周期序列和水平序列等部分从原始序列中分离出来，从而将复杂的具有波动性的序列分解为相对平滑的几组序列，从而对分解序列进行了相应的预测。基于指数加权平均法的预测特点如下：1)计算步骤简练：基于指数加权平均法的预测模型计算步骤简练，对于中长期预测可以实现较高的预测精度；2)应用领域窄：基于指数加权平均法的预测模型只能在较少的预测领域上实现较高精度的预测，其原因有二：其一，指数加
5、(2)基于回归的预测方法
6、基于回归的预测方法是现阶段应用较为广泛的一种方法，其主要的建模思想是通过分析风电装机容量的历史数据的内在规律或者不同的影响因素对于风电装机容量的影响关系来对建立起回归方程，进而通过回归方程对未来的风电装机容量进行预测。基于回归的预测方法主要特点包括：1)数据维度需求高：对风电装机容量进行预测需要相对较大的数据量，另外如果进行多变量指标建模，数据收集量要求则更高；2)计算成本相对较高，回归方法由于需要的数据维度较高，所以伴随的计算成本也就更高。
7、(3)基于灰色预测模型的预测
8、灰色预测模型是基于灰色系统理论的预测模型，其原理是通过构建灰色微分方程，实现数据拟合，进而进行预测。灰色预测模型的特点如下：1)适用于小样本问题：基于灰色预测模型的预测方法适用于贫数据、小样本的预测问题，对于数据量过大的短期预测无法进行预测；2)预测过程可复现：灰色预测模型的求解原理是通过求解微分方程实现的，其预测过程和预测结果可以复现，便于进基于灰色预测模型的预测灰色预测模型是基于灰色系统理论的预测模型，其原理是通过构建灰色微分方程，实现数据拟合，进而进行预测。
9、(4)机器学习方法
10、基于机器学习方法建立的预测模型主要包括人工神经网络、极限学习机等方法，这些方法主要通过模拟各种过程来对模型进行训练，例如神经网络通过模拟人类的神经元对于数据的处理过程，建立模型，进而通过模型对数据进行预测。现阶段，基于机器学习的预测模型是广大学者研究最为广泛的模型，因为机器学习方法具有如下特点：1)模型拟合能力良好：人工神经网络模型对于数据类型的依赖程度低，对于线性数据或非线性数据均具有良好的拟合性能，可以实现超高的预测精度；2)模型泛化性能优越：人工神经网络预测模型的精度在不同的数据集上均可实现高效的预测，满足实际应用的预测要求；3)数据需求量大：机器学习的模型对于数据量的需求相对较大，如果数据量不足以满足机器学习模型的数据要求，则会出现欠拟合的问题，使模型无法实现高精度的预测；4)更加适用于超短期或短期预测，例如短期风速预测、短期风电出力预测、对于中长期预测，由于数据量相对匮乏，无法满足其对于高样本容量的要求。
11、目前，针对包含风光在内的新能源装机容量预测方法，国内外研究大都基于新能源装机容量和相关气象影响因素的历史数据对未来一段时间的新能源装机容量进行预测，目前尚未有一种风险评估模型及方法，纵向评估不同新能源装机容量对电力系统中“源、网、荷”三方的影响，没有一种从最优角度出发对新能源装机容量进行预测的方法，新能源最优装机容量预测的方法尚为空白。
技术实现思路
1、本专利技术的目的在于克服上述现有技术的不足，提供一种新能源最优装机容量预测方法和系统，以实现新能源装机容量的最优预测的同时保障电力系统的安全平衡运行。
2、为实现上述目的，本专利技术的技术方案是：
3、第一方面，本专利技术提供一种新能源最优装机容量预测方法，该方法包括：
4、输入待预测区域电力系统各参数并给定电力系统级决策变量的初始值，将其传递至安全约束经济调度模型求解，计算得到现状新能源装机容量渗透率下的各时刻的节点电价；
5、将计算得到现状新能源装机容量渗透率下的各时刻的节点电价作为风险评估指标模型的输入，通过风险评估指标模型计算得到新能源发商侧、用户侧、电网侧三方的风险指标值；
6、将所述风险指标值作为综合风险评估指标计算模型的输入，以得到得到现状渗透率下的综合风险评估指标值；
7、按照设定的渗透率增量改变新能源装机容量，并等比例改变常规机组的装机容量，带入安全约束经济调度模型进行计算，如果达到新能源装机容量渗透率设定的上限kmax，则完成计算，输出各渗透率k对应的综合风险评估指标值，生成自变量为新能源装机容量渗透率k，因变量为综合风险评估指标的综合风险评估指标曲线，其中，综合风险评估指标曲线最低点所对应的装机容量渗透率即为新能源最优装机容量渗透率，对应新能源最优装机容量。
8、第二方面，本专利技术提供新能源最优装机容量预测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述方法的步骤。
9、第三方面，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述方法的步骤。
10、本专利技术与现有技术相比，其有益效果在于：
11、本专利技术方法通过采用采用最优化思想，提出的基于新能源装机容量渗透率风险评估指标模型的新能源最优装机容量预测方法，实现了新能源装机容量的最优预测，在电力市场环境下，能够帮助电力企业和用户提高市场风险识别与评估，为新能源厂商提供装机容量的决策参考，帮助新能源厂商合理配置相关资源和产能。与传统的装机容量预测相比，本专利技术的预测方法能够综合考虑源、网、荷三方风险及利益，从最优角度预测得到三方共赢、三方均衡的新能源装机容量，实现了对不同新能源装机容量渗透率科学合理地风险评估，以利于保障电力系统的安全平衡运行。
本文档来自技高网...【技术保护点】
1.一种新能源最优装机容量预测方法，其特征在于，所述方法包括：
2.如权利要求1所述的新能源最优装机容量预测方法，其特征在于，所述安全约束经济调度模型的目标函数为：
3.如权利要求2所述的新能源最优装机容量预测方法，其特征在于，所述安全约束经济调度模型的约束条件包括：
4.如权利要求1所述的新能源最优装机容量预测方法，其特征在于，所述风险评估指标模型用于新能源发电商侧、用户侧、电网侧三方均衡的市场风险均衡点的计算。
5.如权利要求4所述的新能源最优装机容量预测方法，其特征在于，所述新能源发电商侧包括有3项风险指标，分别为新能源发电商收益波动率grate、新能源发电商交易电价波动率cvk、新能源发电商弃电率Crate,g；
6.如权利要求4所述的新能源最优装机容量预测方法，其特征在于，所述用户侧包括1项风险指标，为用户电费波动率yrate：
7.如权利要求4所述的新能源最优装机容量预测方法，其特征在于，所述电网侧包括2项风险指标，为电网侧收益波动率drate和电网侧节点电价达限率Climit；
8.
9.一种新能源最优装机容量预测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任一所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任一所述方法的步骤。
...【技术特征摘要】
1.一种新能源最优装机容量预测方法，其特征在于，所述方法包括：
2.如权利要求1所述的新能源最优装机容量预测方法，其特征在于，所述安全约束经济调度模型的目标函数为：
3.如权利要求2所述的新能源最优装机容量预测方法，其特征在于，所述安全约束经济调度模型的约束条件包括：
4.如权利要求1所述的新能源最优装机容量预测方法，其特征在于，所述风险评估指标模型用于新能源发电商侧、用户侧、电网侧三方均衡的市场风险均衡点的计算。
5.如权利要求4所述的新能源最优装机容量预测方法，其特征在于，所述新能源发电商侧包括有3项风险指标，分别为新能源发电商收益波动率grate、新能源发电商交易电价波动率cvk、新能源发电商弃电率crate,g；
6.如权利要求4所述的新能源最优装机容量预测方法，其特...
【专利技术属性】
技术研发人员：张杰，刘双全，谢敏，邵其专，吴洋，魏东，符凯祥，陈凯，周涵，段睿钦，赵栩，杨韵琛，
申请(专利权)人：云南电网有限责任公司，
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。