[发明专利]一种基于风电序列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序列场景集的生成方法，包括，1、构建预测箱并编号；2、生成风电静态场景集；3、构建风电状态转移矩阵；4、结合风电状态转移矩阵，构建禁忌搜索算法的初始解、邻域解和适应度函数；5、迭代生成风电序列场景集。本发明还提供一种基于风电序列场景集的生成系统。本发明的优点在于：禁忌搜索算法的初始解的构建过程结合了风电状态转移矩阵，有效滤除风电序列多时段转移过程的不合理波动，通过提高初始解的时序性从而提高初始解质量，较少禁忌搜索算法的迭代次数，提高算法时效性；禁忌搜索算法的邻域解的构建过程结合了风电状态转移矩阵，有效滤除风电序列多时段转移过程的不合理波动，提高序列场景集的时序性。

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序列场景集的生成方法，用于描述未来若干小时内风电出力序列的多种可能，以此刻画风电出力的不确定性。

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序列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。

现有的风电序列场景集生成方法可概括为三类：(1)历史序列聚类法，将历史风电序列样本作为原始场景，直接采用聚类算法对原始样本进行聚类消减，获得少量代表性场景，该方法运算简单，只需对历史风电数据进行处理，能够较为合理地表达历史出力序列的变化规律，但该方法对风电序列发展趋势预见性不足，在描述未来出力的不确定性特征方面效果欠佳；(2)逆变换法，通过构建多元标准正态分布序列并对其进行逆变换，生成满足强自相关性的风电序列场景集，该法生成的场景集在描述风电的时序性方面效果较好，但可能会出现少量场景与实际出力序列差异性过大的情况，且各序列场景的变化趋势大致相同，对风电出力随机性的刻画能力不足；(3)单时段/多时段法，首先在单时段分析阶段生成静态场景集；然后在多时段分析阶段生成能刻画风电随机特性的序列场景集，该方法的优势在于对风电出力随机特性的刻画比较准确，但在相邻时段风电场景的连接方面，难以兼顾序列场景集的时序性和准确性。可见，目前已有的风电序列场景集生成技术在场景集整体质量方面仍有待提高。

公开号为CN 111934319 A的专利申请，为本发明人团队提出，该专利申请公开了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。本发明采用自适应预测箱，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，但是对于序列场景集的时序性和准确性以及整体质量方面仍有待提高。

发明内容

本发明所要解决的技术问题在于如何提高序列场景集的时序性和准确性，以及如何通过刻画风电出力的不确定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。

本发明通过以下技术手段实现解决上述技术问题的：一种基于风电序列场景集的生成方法，包括如下步骤：

步骤1，构建预测箱并编号：

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，将各个数据对按预测出力数据的幅值进行升序排列后，按幅值区间等分为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2，生成风电静态场景集：