[发明专利]一种含新能源机组的电网备用容量概率化动态评估方法、系统、终端及可读存储介质

权利要求书

1.一种含新能源机组的电网备用容量概率化动态评估方法，其特征在于：包括以下步骤：

S1：获取含新能源机组的电网中历史周期内的发电历史数据和负荷历史数据，并将基于所述发电历史数据和负荷历史数据计算出的新能源发电预测误差和负荷预测误差作为样本；

S2：将历史周期内对应的新能源发电预测误差和负荷预测误差进行分类；

S3：基于对应类别的新能源发电预测误差样本和负荷预测误差样本分别构建对应类别的新能源发电预测误差概率密度模型和负荷预测误差概率密度模型；

S4：基于所述新能源发电预测误差概率密度模型和负荷预测误差概率密度模型计算得到每个类别的等效备用的概率分布；

其中，等效备用为负荷预测误差与新能源发电预测误差之差，并由新能源发电预测误差概率密度模型和负荷预测误差概率密度模型的各自类别确定等效备用的类别；

S5：选取置信度，并基于选取的置信度和所属类别的等效备用的概率分布得到备用容量。

2.根据权利要求1所述的方法，其特征在于：步骤S2中将历史周期内对应的新能源发电预测误差进行分类时，包括：依据两个或两个以上的时段长度为单元分别进行分类；或同时包括以预测功率数据量为标准进行分类和依据两个或两个以上的时段长度为单元分别进行分类：

其中，以预测功率数据量为标准进行分类的过程为：

按照历史周期内的发电历史数据中发电预测功率值大小将新能源发电预测误差样本进行排序；

再根据样本数据量将新能源发电预测误差样本进行等量均分；

依据两个或两个以上的时段长度为单元分别进行分类时，均采用聚类算法进行分类。

3.根据权利要求2所述的方法，其特征在于：所述依据两个或两个以上的时段长度为单元分别进行分类时，选择的时段长度分别为tmin和1个月，tmin为发电历史数据和负荷历史数据的采样间隔；

其中，采用模糊C均值聚类进行分类，并平均绝对误差、标准差、平均相对误差值和平均误差值作为聚类指标，以某一时段长度为单元对将历史周期内对应的新能源发电预测误差进行分类的过程如下：

S2.2.1：提取同一时段的数据的聚类指标，并利用所述聚类指标构建聚类指标样本集E＝{e₁,e₂,...，e_j,...，e_n1}，n1为时段数，任意第j个时段样本e_j由p个聚类指标构成的一维向量；

S2.2.2：设置迭代次数的上限值S、类别数c(2≤c≤n1)、迭代终止的最小值ε、加权指数m；

S2.2.3：初始化聚类中心C＝{c₁,c₂,...,c_i,...,c_c}，c_i是第i组的聚类中心；

S2.2.4：按照下述隶属度公式以及聚类中心更新公式更新隶属度矩阵U＝(u_ij)_c×n1和聚类中心C直至满足迭代的终止条件；

式中，u_ij为第j个指标e_j对应第i组的聚类中心c_i的隶属度；

将迭代终止后隶属度矩阵中样本对应的隶属度中最大隶属度的类作为所述样本所属的类。

4.根据权利要求1所述的方法，其特征在于：所述发电历史数据包括历史周期内每tmin内的日前发电预测功率值P_WFt(MW)、实际发电测量值P_WMt(MW)和装机容量P_it(MW)；所述负荷历史数据包括历史周期内每tmin的负荷预测功率值P_LFt(MW)、实际负荷测量值P_LMt(MW)；

所述新能源发电预测误差和所述负荷预测误差的公式如下：

e_Lt＝P_LMt-P_LFt

式中，e_Wtpu、e_Lt分别表示tmin的新能源发电预测误差和负荷预测误差。