[发明专利]基于马尔科夫链的多新能源出力场景生成方法、装置及系统

权利要求书

1.一种基于马尔科夫链的多新能源出力场景生成方法，其特征在于，包括：

获取各个新能源的预测数据，并获取新能源预测出力的历史数据和新能源实际出力的历史数据；

基于所述各个新能源的预测数据，以及新能源预测出力的历史数据和新能源实际出力的历史数据，根据新能源预测误差的概率分布特性，利用基于马尔可夫链的多场景技术模拟风电、光伏随时间变化的间歇性和波动性，获得新能源预测误差状态向量；

根据新能源预测误差状态向量进行随机抽样得到误差状态区间样本，基于状态矩阵进行蒙特卡洛抽样，以获取考虑时间关联性的各新能源发电的大量单厂出力场景；

采用后向缩减法的场景削减技术，降低各新能源发电的单厂场景数量；

考虑电网包含多个新能源发电场景，通过场间自由排列组合，生成含多新能源发电厂的大量组合场景；

采用基于模糊C均值聚类的场景削减技术，通过比较各场景与中心向量的欧氏距离，归并相近场景，降低组合场景数目，从而生成含多新能源发电厂的典型场景，完成基于马尔科夫链的多新能源出力场景生成；

所述采用后向缩减法的场景削减技术，降低各新能源发电的单厂场景数量；包括以下步骤：

将被删除场景集合J初始化为空，需要删除的场景个数为K，第k次迭代被删除的场景是l_k；

重复进行以下步骤，直至迭代结束：

计算坎托罗维奇距离，使l取场景l_k时下式取得最小值，所述坎托罗维奇距离的计算公式为：

式中：J是被删除场景集合；p_i是场景i的概率；ξⁱ对应场景序列i；T是场景时间尺度的分段数；c_T(ξⁱ,ξ^j)表示场景序列ξⁱ与场景序列ξ^j的距离，删除场景l_k，令J^k＝J^k-1∪{l_k}，并将场景l_k的概率累加到距离其最近的场景上；若kK，则令k＝k+1。

2.根据权利要求1所述的一种基于马尔科夫链的多新能源出力场景生成方法，其特征在于，所述新能源预测误差状态向量的获得过程包括：

设ε表示预测误差，f表示概率密度，将误差离散化为n个区间，对应第i个区间的状态记为x_i(i＝1,2,…,n)，该状态区间发生概率为S_i；

时刻t各状态区间的概率S_i,t(i＝1,2,…,n)构成了当前时刻的误差状态向量m_t，表达式如下：

式中，ε_up,i和ε_down,i分别为区间i的误差上限与下限；μ₀和σ₀分别为正态分布的期望和标准差；

将随机预测误差随时间的变化过程看作马尔可夫过程，已知初始时刻t₀至t-1时刻状态X_t-1，X_t-2，…，X_t0所对应的状态区间，且上一个时刻的状态为X_t-1＝x_i，则当前时刻状态X_t＝x_j的概率表示为：

E(X_t＝x_j|X_t-1,X_t-2,…,X_t0)＝

E(X_t＝x_j|X_t-1＝x_i)＝E_ij

式中，E_ij表示预测误差由时刻t-1的状态x_i过渡到时刻t的状态x_j的一步状态转移概率，可由统计数据得到，即：

式中，l_ij为通过统计分析不确定量的历史数据，由时刻t-1的状态x_i转为时刻t的状态x_j出现的次数；

初始时刻时，认为不确定量的预测误差状态向量考虑时间关联性后，时刻t(tt₀)误差状态向量m_t可修正为：

式中，E为一步状态转移矩阵，有E＝(E_ij)_n×n，且