基于大数据处理含光伏发电的电力系统经济调度分析方法技术方案

本发明专利技术涉及电力系统经济调度技术领域，是一种基于大数据处理含光伏发电的电力系统经济调度分析方法，第一步收集目标地区的光照、负荷的历史数据，得到模糊变量；第二步，根据各自实测值及模糊变量求出各自的模糊期望；第三步求解t时段模糊预测量的修正系数；第四步建立t时段光伏出力预测模糊变量；第五步，建立功率平衡、正负旋转备用容量的可信性约束；第六步，通过清晰等价类转化得到确定性约束；第七步，采用改进的简化粒子群优化算法求解目标函数最优值。本发明专利技术通过收集目标地区的光照、负荷的历史数据，并进行数据的预处理，建立光照、负荷的基本模糊变量模型，通过数据收集与分析，更好地服务于能源互联网背景下电力系统经济调度。

【技术实现步骤摘要】
基于大数据处理含光伏发电的电力系统经济调度分析方法
本专利技术涉及电力系统调度分析
，是一种基于大数据处理含光伏发电的电力系统经济调度分析方法。
技术介绍
新能源清洁无污染、可持续利用的优良性能为人们所知，我国近几年加快了发展新能源的步伐，中国光伏产业的发展也取得了长足的进步并在新能源产业中占据了很大的比重。随着我国光伏发电渗透率的不断提高，光伏发电和负荷因不确定性在电网中的影响日趋明显，对电力系统经济调度提出了新的要求。目前的技术主要从随机变量或模糊变量角度来处理不确定性，而对于光伏出力的不确定性多是直接对其出力的不确定性进行建模，或者将其不确定性化为预测误差的不确定性。在对随机变量的处理时采用的是随机抽样的方法，产生的样本在实际中有一定的盲目性和误差。虽然已有技术对光伏出力采用模糊变量来预测，但将温度对出力的影响作为常量来处理，在高温环境下预测结果与实际情况仍有较大误差。在电力系统的运行约束条件中，传统同约束大多对旋转备用容量没有或只做了正旋转备用容量约束，在光伏出力和负荷具有不确定性条件下，没有考虑负旋转备用容量约束。
技术实现思路
本专利技术提供了一种基于大数据处理含光伏发电的电力系统经济调度分析方法，克服了上述现有技术之不足，其能有效解决电力系统在含光伏发电约束条件下火电机组出力不能合理分配造成能源互联背景下电力系统的调度方法不经济的问题。本专利技术的技术方案是通过以下措施来实现的：基于大数据处理含光伏发电的电力系统经济调度分析方包括以下步骤：第一步，收集目标地区的光照、负荷的历史数据，通过分区间统计模拟出各自基本模糊变量；第二步，在t-1时段采集光照、负荷、温度的实测值，根据模糊变量分别求出各自的模糊期望；第三步，通过将t-1时段实测值与对应的t-1时段模糊变量的期望值作商，得到t时段模糊预测量的修正系数；第四步，采用t时段模糊预测量的修正系数修正t时段的基本模糊变量，将t-1时段采集到温度实测值与t时段光照的预测模糊变量结合，建立t时段光伏出力、负荷的预测模糊变量模型；第五步，在应用阶段，基于第四步建立的光伏出力、负荷的预测模糊变量模型，建立功率平衡、正负旋转备用容量的可信性约束；第六步，对第五步的可信性约束通过清晰等价类转化得到确定性约束；第七步，采用改进的简化粒子群优化算法求解含环境污染惩罚成本在内的目标函数最优值。下面是对上述专利技术技术方案的进一步优化或/和改进：上述在第一步中，历史数据的基本模糊变量的选取，包括如下步骤：①收集目标地区多次采样的历年的光照、负荷数据，光照选取大跨度的历史数据，负荷选取最近4年的数据；②对统计出的数据进行分析、预处理，剔除不良数据库。上述在第四步中，建立对应修正后t时段的预测模糊变量包括以下步骤：①模拟出t时段光照、负荷的基本模糊变量：其中，和分别为光照和负荷的基本梯形模糊变量的参数；②采集t-1时段的光照、负荷实测数据，将t-1时段的光照、负荷实测数据与t-1时段的基本模糊变量的期望值作商算出修正系数，最终得到t时段的预测模糊变量，公式如下所示：其中K1(t)、K2(t)为t时段光照和负荷的模糊变量的修正系数，分别为t时段光照强度和负荷的预测模糊变量；③求取t时段光伏出力的预测模糊变量，公式如下：Tc＝Ta+ζ·Srea(t-1)(10)其中为光伏出力t时段的预测模糊变量；Srea(t-1)为t-1时段实际光照强度,Sref为标准光照强度；η为光伏发电系统的光电转换效率；k是峰值功率温度系数取值；Tc为光伏电池的实际工作温度,Tref是标准电池温度，Ta为环境温度；ζ为光照温度系数；为光照强度的模糊预测值。上述在第五步中，基于光伏出力和负荷的预测模糊模型，从功率平衡方程和正负旋转备用容量方面建立约束条件，具体步骤如下：①建立含环境惩罚成本的目标函数:②建立模糊变量下可信性约束条件：上述在第六步中，用清晰等价类对可信性约束进行确定性转化，公式如下：本专利技术通过收集目标地区的光照、负荷的历史数据，并进行数据的预处理，建立光照、负荷的基本模糊变量；在上一时段采集光照、负荷、温度的数值，利用光照、负荷与各自的基本模糊变量得到修正系数；借助修正系数得到该时段各自的修正模糊变量；结合温度数据，通过光照的预测模糊变量建立光伏出力的预测模糊变量模型；在目标函数中纳入环境惩罚成本，在约束条件中建立了同时考虑正负旋转备用容量的可信性约束，采用清晰等价类将模糊约束清晰化，用改进的简化粒子群优化算法求解最优值。本专利技术作为一种电能分配的处理方法，通过数据收集与分析，更好地服务于能源互联网背景下电力系统的经济调度，通过针对光伏出力和负荷在不同时段下的不确定性进行模糊建模，实现电力系统在运行约束条件下对火电机组出力的合理分配，使目标模型取得最优值，为能源互联背景下电力系统的经济运行提供方法借鉴。附图说明附图1为本专利技术的方法流程图。附图2为本专利技术实施例2不同置信水平下系统运行成本示意图。附图3为本专利技术实施例2在0.65/0.9置信水平下系统正旋转备用容量示意图。附图4为本专利技术实施例2在0.95置信水平下系统成本曲线对比示意图。附图5为本专利技术实施例2在0.95置信水平下是否考虑温度时系统成本差的示意图。具体实施方式本专利技术不受下述实施例的限制，可根据本专利技术的技术方案与实际情况来确定具体的实施方式。下面结合实施例及附图对本专利技术作进一步描述：实施例1：如附图1所示，一种基于大数据处理含光伏发电的电力系统经济调度分析方法，包括以下步骤：第一步，收集目标地区的光照、负荷的历史数据，通过分区间统计模拟出各自基本模糊变量；第二步，在t-1时段采集光照、负荷、温度的实测值，根据模糊变量分别求出各自的模糊期望；第三步，通过将t-1时段实测值与对应的t-1时段模糊变量的期望值作商，得到t时段模糊预测量的修正系数；第四步，采用t时段模糊预测量的修正系数修正t时段的基本模糊变量，将t-1时段采集到温度实测值与t时段光照的预测模糊变量结合，建立t时段光伏出力、负荷的预测模糊变量模型；第五步，在应用阶段，基于第四步建立的光伏出力、负荷的预测模糊变量模型，建立功率平衡、正负旋转备用容量的可信性约束；第六步，对第五步的可信性约束通过清晰等价类转化得到确定性约束；第七步，采用改进的简化粒子群优化算法求解含环境污染惩罚成本在内的目标函数最优值。本专利技术通过收集目标地区的光照、负荷的历史数据，并进行数据的预处理，建立光照、负荷的基本模糊变量；在上一时段采集光照、负荷、温度的数值，利用光照、负荷与各自的基本模糊变量得到修正系数；借助修正系数得到该时段各自的修正模糊变量；结合温度数据，通过光照的预测模糊变量建立光伏出力的预测模糊变量模型；在目标函数中纳入环境惩罚成本，在约束条件中建立了同时考虑正负旋转备用容量的可信性约束，采用清晰等价类将模糊约束清晰化，用改进的简化粒子群优化算法求解最优值。本专利技术作为一种电能分配的处理方法，通过数据收集与分析，更好地服务于能源互联网背景下电力系统的经济调度，通过针对光伏出力和负荷在不同时段下的不确定性进行模糊建模，实现电力系统在运行约束条件下对火电机组出力的合理分配，使目标模型取得最优值，为能源互联背景下电力系统的经济运行提供方法借鉴。可根据实际需要，对上述基于大数据处理含光伏发电的电力系统本文档来自技高网...

【技术保护点】
一种基于大数据处理含光伏发电的电力系统经济调度分析方法，其特征在于包括以下步骤：第一步，收集目标地区的光照、负荷的历史数据，通过分区间统计模拟出各自基本模糊变量；第二步，在t‑1时段采集光照、负荷、温度的实测值，根据模糊变量分别求出各自的模糊期望；第三步，通过将t‑1时段实测值与对应的t‑1时段模糊变量的期望值作商，得到t时段模糊预测量的修正系数；第四步，采用t时段模糊预测量的修正系数修正t时段的基本模糊变量，将t‑1时段采集到温度实测值与t时段光照的预测模糊变量结合，建立t时段光伏出力、负荷的预测模糊变量模型；第五步，在应用阶段，基于第四步建立的光伏出力、负荷的预测模糊变量模型，建立功率平衡、正负旋转备用容量的可信性约束；第六步，对第五步的可信性约束通过清晰等价类转化得到确定性约束；第七步，采用改进的简化粒子群优化算法求解含环境污染惩罚成本在内的目标函数最优值。

【技术特征摘要】
1.一种基于大数据处理含光伏发电的电力系统经济调度分析方法，其特征在于包括以下步骤：第一步，收集目标地区的光照、负荷的历史数据，通过分区间统计模拟出各自基本模糊变量；第二步，在t-1时段采集光照、负荷、温度的实测值，根据模糊变量分别求出各自的模糊期望；第三步，通过将t-1时段实测值与对应的t-1时段模糊变量的期望值作商，得到t时段模糊预测量的修正系数；第四步，采用t时段模糊预测量的修正系数修正t时段的基本模糊变量，将t-1时段采集到温度实测值与t时段光照的预测模糊变量结合，建立t时段光伏出力、负荷的预测模糊变量模型；第五步，在应用阶段，基于第四步建立的光伏出力、负荷的预测模糊变量模型，建立功率平衡、正负旋转备用容量的可信性约束；第六步，对第五步的可信性约束通过清晰等价类转化得到确定性约束；第七步，采用改进的简化粒子群优化算法求解含环境污染惩罚成本在内的目标函数最优值。2.根据权利要求1所述的基于大数据处理含光伏发电的电力系统经济调度分析方法，其特征在于第一步中，对历史数据的基本模糊变量的选取，包括如下步骤：①收集目标地区多次采样的历年光照、负荷数据，光照选取大跨度的历史数据，负荷选取最近4年的数据；②对统计出的数据进行分析、预处理，剔除不良数据库。3.根据权利要求1或2所述的基于大数据处理含光伏发电的电力系统经济调度分析方法，其特征在于第四步中，建立对应修正后t时段的预测模糊变量包括以下步骤：①模拟出t时段光照、负荷的基本模糊变量：其中，和分别为光照和负荷的基本梯形模糊变量的参数；②采集t-1时段的光照、负荷实测数据，将t-1时段的光照、负荷实测数据与t-1时段的基本模糊变量的期望值作商算出修正系数，最终得到t时段的预测模糊变量，公式如下所示：其中K1(t)、K2(t)为t时段光照和负荷的模糊变量的修正系数，分别为t时段光照强度和负荷的预测模糊变量；③求取t时段光伏出力的预测模糊变量，公式如下：Tc＝Ta+ζ·Srea(t-1)(10)其中为光伏出力t时段的预测模糊变量；Srea(t-1)为t-1时段实际光照强度,Sref为标准光照强度；η为光伏发电系统的光电转换效率；k是峰值功率温度系数取值；Tc为光伏电池的实际工作温度,Tref是标准电池温度，Ta为环境温度；ζ为光照温度系数；为光照强度的模糊预测值。4.根据权利要求1或2所述的基于大数据处理含光伏发电的电力系统经济调度分析方法，其特征在于第五步中，基于光伏出力和负荷的预测模糊模型，从功率平衡方程和正负旋转备用容量方面建立约束条件，具体步骤如下：①建立含环境惩罚成本的目标函数:②建立模糊变量下可信性约束条件：5.根据权利要求3所述的基于大数据处理含光伏发电的电力系统经济调度分析方法，其特征在于第五步中，基于光伏出力和负荷的预测模糊模型，从功率平衡方程和正负旋转备用容量等方面建立约束条件：①建立含环境惩罚成本的目标函数:②建立模糊变量下可信性约束条件：

【专利技术属性】
技术研发人员：李德存，于永军，刘大贵，孙谊媊，祁晓笑，张龙，韩华玲，陈宁，张磊，
申请(专利权)人：国网新疆电力公司电力科学研究院，中国电力科学研究院，国家电网公司，
类型：发明
国别省市：新疆,65