[发明专利]一种基于风电典型场景集的生成方法及系统

说明书

本发明提供一种基于风电典型场景集的生成方法及系统，该方法步骤包括，1、构建自适应预测箱并编号；2、对预测箱中预测误差数据的概率分布进行拟合；3、生成风电静态场景集；4、采用禁忌搜索算法生成风电动态场景集；5、对风电动态场景集进行权重赋值；6、对风电动态场景集进行聚类消减，得到风电典型场景集。本发明能描述风电出力的多种可能性，在一定程度上弥补现有风电出力预测精度不足问题，从而为电网安全稳定运行提供数据支持。

技术领域

本发明涉及风电出力不确定性建模，具体的说是一种风电出力典型场景集的生成方法及系统，用于描述未来若干小时内风电出力序列的多种可能，并给出各种序列出现的概率。

背景技术

随着传统化石能源日益枯竭，以风电、光伏发电为代表性的新能源发电在电力系统中的占据着越来越重的地位。风力发电由于受天气因素和地理位置等因素的影响，出力具有随机性、波动性和间歇性，而目前已有的风电预测出力技术只给出风电出力的一种情况，且在预测精度上存在瓶颈，对风电的不确定性考虑不足，这就给电力系统的安全稳定运行带来不稳定因素。场景分析技术通过生成风电出力的典型场景集描述风电出力的多种可能性，用确定性场景刻画风电出力的不确定性信息，将不确定性问题转化为确定性问题进行分析，为电网的规划调度提供数据支持。

对风电预测误差的概率分布进行抽样，将预测误差抽样值与预测值叠加得到风电预测出力场景集是风电场景分析的一个思路，如何获取预测误差准确的概率分布是其中的难点。目前对风电预测误差的概率分布拟合技术主要分为两类：(1)假设风电预测误差数据符合某个特定分布，对分布函数进行参数估计，常用的分布函数有正态分布、高斯分布、Beta分布等，研究表明，当预测出力幅值不同时，预测误差的概率分布可能差异较大，采用某一种分布函数对预测误差的概率分布进行拟合并不合理；(2)基于传统的“分箱”理论，构建传统预测箱描述不同预测出力幅值下预测误差的概率分布，传统预测箱的构建一般可分为等数量预测箱和等区间预测箱，等数量预测箱的划分原则是各预测箱内的数据量相等，具有拟合精度较高的优点，但预测箱区间长度不合理，等区间预测箱则是以预测箱内预测出力赋值的区间长度相等为划分原则，等区间预测箱的优缺点与等数量预测箱正好相反。可见，目前已有技术在描述风电预测误差随预测出力幅值变化的条件相关性方面效果欠佳。

发明内容

本发明为了解决上述现有技术存在的不足之处，提出一种风电典型场景集的生成方法及系统，以期能描述风电不同预测出力幅值下预测误差的概率分布，生成经典风电场景集刻画风电出力的多种可能性，在一定程度上弥补现有风电出力预测精度不足问题，从而为电网安全稳定运行提供数据支持。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种基于风电经典场景集的生成方法的特点包括如下步骤：

步骤1，构建自适应预测箱并编号；

步骤1.1，将历史数据中同一时刻的预测出力数据及其对应的预测误差数据组成各个数据对，并将各个数据对按预测出力数据的幅值进行升序排列后划分为H组，任意一组中的所有数据对构成一个初始预测箱，从而得到H个初始预测箱并依次编号；

步骤1.2，对各个初始预测箱内所有预测误差数据的概率分布进行拟合，从而得到H个拟合结果；

步骤1.3，计算H个初始预测箱的拟合结果的相关指数，从而评判各个初始预测箱的拟合精度；

步骤1.4，依次计算H个初始预测箱中连续j个初始预测箱的相关指数的均值，选出均值最高的j个初始预测箱，并将均值最高的j个初始预测箱中相关指数最高的初始预测箱作为标杆预测箱；将所述标杆预测箱对应的编号记为Y；

步骤1.5，以所述标杆预测箱为基准，令其两侧的初始预测箱向所述标杆预测箱的方向进行合并，从而得到若干个自适应预测箱；

步骤2，对自适应预测箱中的预测误差数据的概率分布进行拟合，从而得到相应的拟合结果；