[发明专利]基于大数据处理含光伏发电的电力系统经济调度分析方法

权利要求书

1.一种基于大数据处理含光伏发电的电力系统经济调度分析方法，其特征在于包括以下步骤：

第一步，收集目标地区的光照、负荷的历史数据，通过分区间统计模拟出各自基本模糊变量；

第二步，在t-1时段采集光照、负荷、温度的实测值，根据模糊变量分别求出各自的模糊期望；

第三步，通过将t-1时段实测值与对应的t-1时段模糊变量的期望值作商，得到t时段模糊预测量的修正系数；

第四步，采用t时段模糊预测量的修正系数修正t时段的基本模糊变量，将t-1时段采集到温度实测值与t时段光照的预测模糊变量结合，建立t时段光伏出力、负荷的预测模糊变量模型；建立对应修正后t时段的预测模糊变量包括以下步骤：

①模拟出t时段光照、负荷的基本模糊变量：

其中，和分别为光照和负荷的基本梯形模糊变量的参数；

②采集t-1时段的光照、负荷实测数据，将t-1时段的光照、负荷实测数据与t-1时段的基本模糊变量的期望值作商算出修正系数，最终得到t时段的预测模糊变量，公式如下所示：

其中，K₁(t)、K₂(t)为t时段光照和负荷的模糊变量的修正系数，分别为t时段光照和负荷的预测模糊变量；为t-1时段太阳辐照度的基本模糊变量期望值；为t-1时段负荷的基本模糊变量期望值；S_rea(t-1)为t-1时段实际光照强度；为t-1时段负荷的实际功率；

③求取t时段光伏出力的预测模糊变量，公式如下：

T_c＝T_a+ζ·S_rea(t-1) (10)

其中为光伏出力t时段的预测模糊变量；S_rea(t-1)为t-1时段实际光照强度,S_ref为标准光照强度；η为光伏发电系统的光电转换效率；k是峰值功率温度系数取值；T_c为光伏电池的实际工作温度,T_ref是标准电池温度，T_a为环境温度；ζ为光照温度系数；

第五步，在应用阶段，基于第四步建立的光伏出力、负荷的预测模糊变量模型，建立功率平衡、正负旋转备用容量的可信性约束；基于光伏出力和负荷的预测模糊模型，从功率平衡方程和正负旋转备用容量方面建立约束条件，具体步骤如下：

①建立含环境惩罚成本的目标函数:

F(t)为火电机组在t时刻总的出力经济成本，a_i、b_i、c_i为火电机组i的单位出力煤耗洗漱，P_G,i(t)为火电机组i在t时刻的出力，N为火电机组的总个数，H_EP为环境污染惩罚经济成本系数，α_i、β_i、χ_i为火电机组i单位出力废气排放系数；

②建立模糊变量下可信性约束条件：

其中，Cr为可信度；N₁和N₂分别为火电机组和光伏电站个数；为t时段光伏电站j预测出力的模糊变量；在式(8)中已定义过；P_loss(t)为t时段系统网损；R_u(t)和R_d(t)分别为t时段所有火电机组提供的正、负旋转备用；α、β₁和β₂分别为功率平衡、正负旋转备用容量约束的置信水平；

第六步，对第五步的可信性约束通过清晰等价类转化得到确定性约束；第六步中，用清晰等价类对可信性约束进行确定性转化，公式如下：

其中，L₊和W₊分别为系统对负荷、光伏出力的正备用需求系数；L_-和W_-分别为系统对负荷、光伏出力的负备用需求系数；分别指t时段负荷的第3次预测和第4次预测模糊变量，分别指t时段光伏电站j第1次、第2次、第3次、第4次预测出力的模糊变量；

第七步，采用改进的简化粒子群优化算法求解含环境污染惩罚成本在内的目标函数最优值。

2.根据权利要求1所述的基于大数据处理含光伏发电的电力系统经济调度分析方法，其特征在于第一步中，通过分区间统计模拟出各自基本模糊变量，包括如下步骤：

①收集目标地区多次采样的历年光照、负荷数据，光照选取大跨度的历史数据，负荷选取最近4年的数据；

②对统计出的数据进行分析、预处理，剔除不良数据库。