[发明专利]风电预测误差概率计算方法、装置及可读存储介质

说明书

本发明公开了一种风电预测误差概率计算方法，该方法包括：获取历史风电数据和质量函数参数；基于所述风电历史数据和所述质量函数参数融合多源信息训练生成风电预测误差模型；基于双层蒙特卡洛采样所述风电预测误差模型计算风电出力；基于所述历史风电数据和所述风电出力，利用最优潮流模型以最小削负荷量为目标函数计算系统可靠性指标。本发明还公开了一种风电预测误差概率计算装置和一种可读存储介质。本发明能够提高风电预测的准确性，提高电力系统运行的可靠性。

技术领域

本发明涉及风电技术领域，尤其涉及风电预测误差概率计算方法、装置及可读存储介质。

背景技术

目前，风力发电对环境的影响较小，发电成本可以忽略不计，风力发电对全球电力供应的贡献越来越大。虽然风力发电具有许多环境效益，但是风力发电的巨大普及所带来的不确定性也给电力系统的可靠运行带来了巨大的挑战。为了准确测量风电输出的不确定性，风电预测技术得到了迅速发展。但是，风电预测存在精度不高，风电预测存在较大的不确定性。

发明内容

有鉴于此，本发明的目的是提供一种风电预测误差概率计算方法、装置及可读存储介质，旨在实现提高风电预测的准确性，提高电力系统运行的可靠性。

为实现上述目的，本发明提供一种风电预测误差概率计算方法，所述风电预测误差概率计算方法包括如下步骤：

获取历史风电数据和质量函数参数；

基于所述风电历史数据和所述质量函数参数融合多源信息训练生成风电预测误差模型；

基于双层蒙特卡洛采样所述风电预测误差模型计算风电出力；

基于所述历史风电数据和所述风电出力，利用最优潮流模型以最小削负荷量为目标函数计算系统可靠性指标。

可选地，其中，所述质量函数参数包括：区间参数和折现因子，所述历史风电数据包括额定功率，所述基于风电历史数据和质量函数参数融合多源信息训练生成风电预测误差模型的步骤，包括：

根据所述区间参数和所述额定功率建立误差识别框架；

基于所述误差识别框架和所述历史风电数据计算得到原始质量函数；

基于所述折现因子和所述原始质量函数，得到修正质量函数和第二专家质量函数；

检测所述历史风电数据中第一时间的预测值是否处于临界区域；

若所述历史风电数据中第一时间的预测值处于临界区域，则基于所述第一时间的历史风电数据和所述误差识别框架计算第一时间的第一专家质量函数；

基于所述修正质量函数、所述第一时间的第一专家质量函数和所述第二专家质量函数融合生成风电预测误差模型。

可选地，所述检测所述历史风电数据中第一时间的预测值是否处于临界区域的步骤之后，包括：

若历史风电数据中第一时间的预测值不处于临界区域，则基于所述修正质量函数、所述第二专家质量函数融合生成风电预测误差模型。

可选地，所述基于双层蒙特卡洛采样所述风电预测误差模型计算风电出力的步骤之后，包括：

检测所述第一时间是否小于预测周期；

若所述第一时间小于预测周期，则检测所述历史风电数据中所述第二时间的预测值是否处于临界区域，其中，所述第二时间等于所述第一时间与时间间隔之和；

若所述历史风电数据中所述第二时间的预测值处于所述临界区域，则基于所述第二时间的历史风电数据和所述误差识别框架计算第二时间的第一专家质量函数；

基于所述修正质量函数、所述第二时间的第一专家质量函数和所述第二专家质量函数生成风电预测误差模型；