[发明专利]一种基于风电概率进行预测的调度展示方法

摘要

本发明公开了一种基于风电概率进行预测的调度展示方法，涉及电力行业调控的技术领域。该方法包括S1，建立基于分量稀疏贝叶斯学习的风电功率概率预测模型，并根据所述风电功率概率预测模型获取预测信息；S2，根据所述预测信息，建立约束电力概率调度上限的计及系统风险模型，根据所述电力系统概率调度模型的结果，制订发电计划安排策略；S3，根据所述发电计划安排策略，进行风电概率预测，得到并展示风电概率预测的结果；S4，根据展示结果，实现基于风电概率进行预测的调度。本发明降低短期风场输出功率值预测值的误差、提高发电计划准确性、有效降低电力系统发电不满足负荷的风险、提高近10％风电吸纳量和增加电网公司经济效益。

主权项

一种基于风电概率进行预测的调度展示方法，其特征在于，该调度展示方法包括以下步骤：S1，建立基于分量稀疏贝叶斯学习的风电功率概率预测模型，并根据所述风电功率概率预测模型获取预测信息；所述预测信息包括：预期时段风电场输出功率的期望值和方差；S2，根据所述预测信息，建立约束电力概率调度上限的计及系统风险模型，根据电力系统概率调度模型的结果，制订发电计划安排策略；S3，根据所述发电计划安排策略，进行风电概率预测，得到并展示风电概率预测的结果；S4，根据展示结果，实现基于风电概率进行预测的调度；步骤S1，具体按照下述步骤实现：A1、根据风场的历史风速预报信息及同时段的风场单点输出功率进行趋势分析，得到趋势分析结果；A2、根据所述趋势分析结果，将风电功率分解为平稳趋势分量和扰动分量，采用小波分解的方法分别对所述平稳趋势分量和所述扰动分量进行风电场输出功率的预测分析；A3，在稀疏贝叶斯学习的基础上，根据所述预测分析结果的分布进行评估预测，得到所述风电场输出功率的期望值的分布估计值；A4，在稀疏贝叶斯学习的基础上，对所述期望值的分布估计值进行风功率时间序列风量的多步概率预测，获得未来多时段的风电场输出功率的期望值；A5，计算并输出预测时段所述风电场输出功率的期望值和方差；步骤A4中，所述风功率时间序列风量的多步概率预测，具体按照下述步骤实现：A41，对所述风电场输出功率的期望值的分布估计值进行相关性分析，得到风电场输出功率分析结果；A42，根据所述风电场输出功率分析结果，利用稀疏贝叶斯学习，输出预测时段内风电场输出功率的期望值的预测值、方差及预测误差；A43，当所述预测误差服从正态分布时，确定风电场输出功率的概率密度函数，根据所述预测时段内风电场输出功率的期望值的预测值与方差，得到风电场输出功率的期望值和方差，完成所述风功率时间序列分量进行预测分析。