[发明专利]一种基于场景缩减的含风电与需求侧资源的优化调度方法

权利要求书

1.一种基于场景缩减的含风电与需求侧资源的智能电网优化调度方法，其特征在于：包括以下步骤：

步骤1、预测次日风电场输出功率，并对风电功率预测误差进行建模后，随机生成多个含风电出力的初始场景；

步骤2、对步骤1随机生成多个含风电出力的初始场景进行场景缩减，从而生成经典场景集；

步骤3、在步骤2的生成经典场景集的基础上，引入虚拟电厂参加调度，建立以电力系统调度成本最小化为目标的考虑不确定性的虚拟电厂和传统机组的优化调度模型；

步骤4、计算以电力系统调度成本最小化为目标的考虑不确定性的虚拟电厂和传统机组的优化调度模型的目标函数最小值，进而对虚拟电场进行优化配置。

2.根据权利要求1所述的一种基于场景缩减的含风电与需求侧资源的智能电网优化调度方法，其特征在于：所述步骤1的具体步骤包括：

(1)收集数据，按照时间序列排布，预测次日风电场输出功率，并对原始数据进行无量纲化处理；

(2)采用自回归滑动平均模型(ARMA)对风电功率预测误差进行建模：

其中，p、q分别为ARMA模型中自回归部分和滑动平均部分的阶数，α_i、β_j为待估参数，ε_t是独立误差项，为服从均值为0，方差为σ²的高斯分布的白噪声，为对实际出力进行无量纲化处理后所得到的预测误差；α_i、β_j、σ²的值可以通过历史数据，采用最小二乘估计法得到，由此可以模拟出一系列ε_t值，继而生V个场景，则每一个场景发生的概率均为1/V；

(3)采用拉丁超立方抽样法，随机生成多个风电出力的初始场景。

3.根据权利要求2所述的一种基于场景缩减的含风电与需求侧资源的智能电网优化调度方法，其特征在于：所述步骤1第(3)步的具体步骤包括：

①假设所研究随机变量的概率分布函数为

Y＝F(X)

②设N为样本总量，将累计概率密度曲线的y轴均匀分成N个区域，则区间宽度为1/N，而后针对第m个区间生成随机数r，r在(0,1)区间上服从均匀分布，则第m个区段所对应的样本值为

③把样本值y_m代入其反函数，即可得出第m个X的样本值为

x_m＝F^-1(y_m)

由此即可得出所需的N个不重复的样本，均匀覆盖整个样本空间，代表随机生成多个风电出力的初始场景。

4.根据权利要求1所述的一种基于场景缩减的含风电与需求侧资源的智能电网优化调度方法，其特征在于：所述步骤2的具体步骤包括：

(1)假设用时间序列表示风电场未来T个时间段的出力预测值s_i，即其中表示的是第t个时刻第i个场景的出力值，共有V个场景，V个场景发生的概率之和为1；

(2)采用同步回带缩减法进行场景缩减，生成经典场景集。

5.根据权利要求4所述的一种基于场景缩减的含风电与需求侧资源的智能电网优化调度方法，其特征在于：所述步骤2的第(2)步的具体步骤包括：

①确立场景缩减的原则是缩减前的场景集合与缩减后的场景集合间的概率距离最小，即下式最小：

其中：

M表示删减场景的个数，p_i表示场景s_i发生的概率；

②起初拟删除场景集合为空集，即M＝M₀，所有场景均放置在保留场景集S中，S＝{s₀,…s_i,…s_v}，令k＝0；

③设第k次迭代中需要删除的场景为γ_k，将γ_k移入集合M中，则此时与被删除场景γ_k距离最近的场景s_l的概率为：

p(s′_l)＝p(s_l)+p(γ_k)

④重复步骤S202，直到集合M中含有规定数目场景为止。