[发明专利]一种基于风电概率进行预测的调度展示方法

权利要求书

1.一种基于风电概率进行预测的调度展示方法，其特征在于，该调度展示方法包括以下步骤：

S1，建立基于分量稀疏贝叶斯学习的风电功率概率预测模型，并根据所述风电功率概率预测模型获取预测信息；

所述预测信息包括：预期时段风电场输出功率的期望值和方差；

S2，根据所述预测信息，建立约束电力概率调度上限的计及系统风险模型，根据电力系统概率调度模型的结果，制订发电计划安排策略；

S3，根据所述发电计划安排策略，进行风电概率预测，得到并展示风电概率预测的结果；

S4，根据展示结果，实现基于风电概率进行预测的调度；

步骤S1，具体按照下述步骤实现：

A1、根据风场的历史风速预报信息及同时段的风场单点输出功率进行趋势分析，得到趋势分析结果；

A2、根据所述趋势分析结果，将风电功率分解为平稳趋势分量和扰动分量，采用小波分解的方法分别对所述平稳趋势分量和所述扰动分量进行风电场输出功率的预测分析；

A3，在稀疏贝叶斯学习的基础上，根据所述预测分析结果的分布进行评估预测，得到所述风电场输出功率的期望值的分布估计值；

A4，在稀疏贝叶斯学习的基础上，对所述期望值的分布估计值进行风功率时间序列风量的多步概率预测，获得未来多时段的风电场输出功率的期望值；

A5，计算并输出预测时段所述风电场输出功率的期望值和方差；

步骤A4中，所述风功率时间序列风量的多步概率预测，具体按照下述步骤实现：

A41，对所述风电场输出功率的期望值的分布估计值进行相关性分析，得到风电场输出功率分析结果；

A42，根据所述风电场输出功率分析结果，利用稀疏贝叶斯学习，输出预测时段内风电场输出功率的期望值的预测值、方差及预测误差；

A43，当所述预测误差服从正态分布时，确定风电场输出功率的概率密度函数，根据所述预测时段内风电场输出功率的期望值的预测值与方差，得到风电场输出功率的期望值和方差，完成所述风功率时间序列分量进行预测分析。

2.根据权利要求1所述基于风电概率进行预测的调度展示方法，其特征在于，步骤A41，所述相关性分析的依据是由所述风电场输出功率历史数据及预测目标时段的风速预报数据的相关性，所述风电场输出功率历史数据回溯三步。

3.根据权利要求1所述基于风电概率进行预测的调度展示方法，其特征在于，步骤S2，具体按照下述步骤实现：

B1，录入基础数据后，根据所述风电功率概率预测模型得到风电场输出功率和方差，将风场划分成多状态机组，进行风电预处理，记录各个时段的多状态机组；

B2，记录在电网负荷图上水电负荷趋于平坦的多状态机组；

B3，采用优先级表法获得多状态机组组合的初始解；

B4，判断所述多状态机组组合的初始解中必须在线机组是否符合在所有时段均在线的条件，如果不符合，则进入B5；如果符合，则进入B6；

B5，对步骤B13中所述多状态机组组合中组合后的不在线的必须在线机组进行设定，保证其在线运行，进入B6；

B6，计算多状态机组组合的中级解；

B7，获取所述多状态机组的启停状态和多状态机组故障率，制备得到火电机组的容量停运概率表；将所述多状态机组的风电机组卷积到所述火电机组的容量停运概率表，得到整个系统的停运容量概率表；

B8，根据系统运行的失负荷风险，判断在当前备用多状态机组组合的水平下，系统运行的失负荷风险是否小于预先设定的失负荷风险的最大值，如果是，则输出发电计划安排策略；如果否，则返回B6，直到得出发电计划安排策略为止；

所述发电计划安排策略包括：备用多状态机组组合、最优的未来多时段的多状态机组组合和最优的机组出力安排；

步骤B1，所述风电预处理，记录风电的最大吸纳时各个时段的多状态机组，是按照下述方法实现：

B11，设定风电场最大出力μ+3σ处对应功率P，从预先设定的各时段负荷的输出功率中减去所述对应功率P，得到各时段输出功率参考值；

B12，优化火电机组，获取风电实际出力最大的各个时段的多状态机组；

B13，判断各时段必须在线机组最小出力与风电实际出力是否大于预先设定的各时段负荷的输出功率，如果大于，则根据限电系数确定每个多状态机组出力的上限值，超过限电系数进行弃风；如果小于，则记录风电的最大吸纳时各个时段的多状态机组。