一种考虑不确定性的时空相关性的日前计划潮流分析方法技术

本发明专利技术提供一种考虑不确定性的时空相关性的日前计划潮流分析方法，包括获取次日24小时96个时段风电场的预测风速；获得次日风电场出力；获得各个风电场次日出力预测误差分布；对具有时空相关性的随机变量进行独立性转换；计算各条线路上潮流的半不变量；确定调度所需要的相关信息。本发明专利技术对具有相关性的预测误差分布进行了工程算法处理，解决了具有相关性的概率分布不能直接应用级数展开法的弊端。采用Gram‑Charlier级数展开法对次日各个时段各条线路的潮流展开分析，应用这种解析法求解概率潮流问题既方便又有效，具有实用价值，将目前常用于中长期概率潮流分析的级数展开法拓展到短期计划潮流分析，为经济调度提供了更多的数据支持。

【技术实现步骤摘要】

本专利技术属于电力系统领域，具体涉及一种考虑不确定性的时空相关性的日前计划潮流分析方法。
技术介绍
近年来，随着风机出力占总发电量中的份额持续提高，对含有风电场的电网如何进行有效的潮流分析一直是研究的热点问题。2014年，全国新增风电机组13121台，新增装机容量23196MW，同比增长44.2％。在这种形势下，日前风电功率预测以及含风电的电力系统潮流分析对于保障次日调度计划的可靠性和经济性具有非常重要的参考价值。然而，我国目前对于含风电系统日前计划(即次日计划)所提供的资料仍然存在着一些不足，预测数据往往只是一个数值序列，而由该数值序列所计算潮流而做出的日前计划往往是不够准确。国内现有的文献主要聚焦于对风电场出力预测、风电场出力预测误差、基于中长期风电出力模型的概率潮流计算、优化调度等方面的研究，在考虑风电场功率预测误差及其相关性的短期电力系统概率潮流等方面的研究尚不充分。多数概率潮流文章都将级数展开法用在基于Weibull分布的中长期概率潮流分析中，利用Weibull分布来模拟计算短期问题时，Weibull分布的功率密度谱分布较广，并不适合对短期内的概率潮流进行分析。概率潮流相关的研究主要分为以下几个方向：其一，基于蒙特卡罗法的研究。蒙特卡罗法是通过大量的重复运算获取变量样本，然后利用统计学的方法进行归纳，从而获得概率潮流结果。在蒙特卡罗法的基础上，也有很多文章对该方法进行改进，比如利用超立方采样来提高采样的精度、利用重要抽样法提高速度等等。然而，在大规模电力系统分析中，蒙特卡罗法的低效注定它不能应用于短期潮流分析。其二，基于级数展开法的研究。现有的大量文献主要利用级数展开法对长期电力系统概率潮流进行分析，比如利用Gram-Charlier级数展开法，Cornish-Fisher级数展开法等等。各种级数展开法有其适用性。然而，受到现有的Weibull模型所限，级数展开法并没有能应用于对短期概率潮流的分析中来。其三，基于概率潮流算法误差的分析。这类研究旨在提高现有的级数展开法的精确度，比如将概率分布离散化，利用Von-Mises级数展开法处理，蒙特卡罗法往往作为参照组来比对结果的精确性。其四，也是日前比较流行的研究方向，即考虑相关性的研究。国内研究主要聚焦在了风电场的空间相关性以及节点相关性等方向，提出的方法也多种多样，比如Cholesky分解法、TPNT点估计法等等。而国外则有更多对于风速的自相关性与互相关性、预测误差分布的相关性等等的研究。其五，对于风速模型的研究，如何建立科学的风速模型是分析整个问题的关键。对于长期概率潮流问题一般提出了Weibull分布、Beta分布等长期风速概率密度分布来仿真，而对于短期问题一般使用时间序列模型来考察相关问题。其六，对于风机出力预测的研究。短期风电研究的基础势必基于一个更加精确的风速预测方法。其七，对于预测误差模型的研究，这也是近年来新兴的研究方向，通过研究预测误差模型可以有效分析预测误差误差分布给风机预测的影响。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供一种考虑不确定性的时空相关性的日前计划潮流分析方法，对具有相关性的预测误差分布进行了工程算法处理，解决了具有相关性的概率分布不能直接应用级数展开法的弊端。采用Gram-Charlier级数展开法对次日各个时段各条线路的潮流展开分析，应用这种解析法求解概率潮流问题既方便又有效，具有实用价值，将目前常用于中长期概率潮流分析的级数展开法拓展到短期计划潮流分析，为经济调度提供了更多的数据支持。为了实现上述专利技术目的，本专利技术采取如下技术方案：本专利技术提供一种考虑不确定性的时空相关性的日前计划潮流分析方法，所述方法包括：获取次日24小时96个时段风电场的预测风速；获得次日风电场出力；获得各个风电场次日出力预测误差分布；对具有时空相关性的随机变量进行独立性转换；计算各条线路上潮流的半不变量；确定调度所需要的相关信息。通过建立日前风电场风速预测时间序列模型，获取次日24小时96个时段风电场的预测风速。所述获取次日24小时96个时段风电场的预测风速包括：基于自回归滑动平均模型建立日前风电场风速预测时间序列模型，有：其中，i和j是序列编号，l为时间序列项数，st为t时刻的风速预测时间序列，st-i为t-i时刻的风速预测时间序列，和θj均为自滑动回归平均系数，αt和αt-j均为符合正态分布的白噪声序列，即αt∈NID(0,σ2)，αt-j∈NID(0,σ2)，其中白噪声序列的平均值为0、方差为σ2；设SWt为t时刻风电场的预测风速，其表示为：SWt＝μt+σtst其中，μt为t时刻风电场风速平均值，σt为t时刻风电场风速标准差；根据SWt＝μt+σtst获取次日24小时96个时段风电场的预测风速。所述通过风电场风功率输出模型获得次日风电场出力包括：1)令时刻t＝K+t0，K和t0分别为t的整数部分和小数部分，利用线性插值法将t时刻的风速预测时间序列st表示为：st＝(1-t0)×sK+t0×sK+1其中，sK表示K时刻的时间序列，sK+1表示K+1时刻的时间序列；且如果其中任意一项的下标超出时间序列项数n，则处理该下标值减去n；2)假设新的风速预测时间序列具有与原有的风速预测时间序列st指定的相关系数，由相关系数和时间曲线获得时移；以某个风电场的风速预测时间序列作为参考序列，考虑另一个风电场时移，建立具有指定的相关系数的多个风电场的风速预测时间序列模型，再生成风电场风功率输出模型，从而获得次日风电场出力。所述获得各个风电场次日出力预测误差分布包括：利用非标准贝塔分布拟合风功率预测误差分布，非标准贝塔分布的概率密度函数表示为：其中，f(x,γ,η,a,b)为非标准贝塔分布的概率密度函数；x为风电场功率预测误差，a、b为x的上下边界值；β表示贝塔分布；γ、η为形状参数，两者分别表示为： γ = ( μ x - a ) 2 ( b - μ x ) - 本文档来自技高网...

【技术保护点】
一种考虑不确定性的时空相关性的日前计划潮流分析方法，其特征在于：所述方法包括：获取次日24小时96个时段风电场的预测风速；获得次日风电场出力；获得各个风电场次日出力预测误差分布；对具有时空相关性的随机变量进行独立性转换；计算各条线路上潮流的半不变量；确定调度所需要的相关信息。

【技术特征摘要】
1.一种考虑不确定性的时空相关性的日前计划潮流分析方法，其特征在于：所述方法包括：获取次日24小时96个时段风电场的预测风速；获得次日风电场出力；获得各个风电场次日出力预测误差分布；对具有时空相关性的随机变量进行独立性转换；计算各条线路上潮流的半不变量；确定调度所需要的相关信息。2.根据权利要求1所述的考虑不确定性的时空相关性的日前计划潮流分析方法，其特征在于：通过建立日前风电场风速预测时间序列模型，获取次日24小时96个时段风电场的预测风速。3.根据权利要求2所述的考虑不确定性的时空相关性的日前计划潮流分析方法，其特征在于：所述获取次日24小时96个时段风电场的预测风速包括：基于自回归滑动平均模型建立日前风电场风速预测时间序列模型，有：其中，i和j是序列编号，l为时间序列项数，st为t时刻的风速预测时间序列，st-i为t-i时刻的风速预测时间序列，和θj均为自滑动回归平均系数，αt和αt-j均为符合正态分布的白噪声序列，即αt∈NID(0,σ2)，αt-j∈NID(0,σ2)，其中白噪声序列的平均值为0、方差为σ2；设SWt为t时刻风电场的预测风速，其表示为：SWt＝μt+σtst其中，μt为t时刻风电场风速平均值，σt为t时刻风电场风速标准差；根据SWt＝μt+σtst获取次日24小时96个时段风电场的预测风速。4.根据权利要求1所述的考虑不确定性的时空相关性的日前计划潮流分析方法，其特征在于：所述通过风电场风功率输出模型获得次日风电场出力包括：1)令时刻t＝K+t0，K和t0分别为t的整数部分和小数部分，利用线性插值法将t时刻的风速预测时间序列st表示为：st＝(1-t0)×sK+t0×sK+1其中，sK表示K时刻的时间序列，sK+1表示K+1时刻的时间序列；且如果其中任意一项的下标超出时间序列项数n，则处理该下标值减去n；2)假设新的风速预测时间序列具有与原有的风速预测时间序列st指定的相关系数，由相关系数和时间曲线获得时移；以某个风电场的风速预测时间序列作为参考序列，考虑另一个风电场时移，建立具有指定的相关系数的多个风电场的风速预测时间序列模型，再生成风电场风功率输出模型，从而获得次日风电场出力。5.根据权利要求1所述的考虑不确定性的时空相关性的日前计划潮流分析方法，其特征在于：所述获得各个风电场次日出力预测误差分布包括：利用非标准贝塔分布拟合风功率预测误差分布，非标准贝塔分布的概率密度函数表示为：其中，f(x,γ,η,a,b)为非标准贝塔分布的概率密度函数；x为风电场功率预测误差，a、b为x的上下边界值；β表示贝塔分布；γ、η为形状参数，两者分别表示为： γ = ( μ x - a ) 2 ( b - μ x ) - σ x 2 ( μ x - a ) σ x 2 ( b - a ) η = ( μ x - a ) ( b - μ x ) 2 - σ x 2 ( b ...

【专利技术属性】
技术研发人员：丁强，翟成玮，周京阳，许丹，潘毅，戴赛，张传成，董炜，崔晖，李强，黄国栋，韩彬，蔡帜，胡晨旭，朱泽磊，李晓磊，李培军，张加力，李博，刘芳，门德月，闫翠会，燕京华，李伟刚，刘鹏，孙振，
申请(专利权)人：中国电力科学研究院，国家电网公司，国网浙江省电力公司，
类型：发明
国别省市：北京;11