本发明专利技术属于水电调度领域，公开了一种基于情景分析的多小水电群出力不确定性分析方法，针对小水电出力随机性和难以预测性的特点，引入随机规划相关理论，采用情景分析方法构造出力情景集合，提出模糊聚类和聚类综合质量法实现情景缩减，建立当前预测精度条件下小水电预测与实际情景的条件概率分布，将小水电不确定性转变成为有限个确定性条件情景问题。同时，针对有多个小水电群接入电网的情况，考虑到各小水电群发电特性差异，应用数学组合理论确定多小水电群情景组合。以此作为水电计划编制的输入条件，能够提高水电计划准确性和可执行率，尤其对于小水电富集地区的水电调度具有重要实用价值。
【技术实现步骤摘要】
本专利技术属于水电调度
，涉及一种基于情景分析的多小水电群出力不确定性分析方法，可为短期调度计划编制提供更为准确的输入条件。技术背景在丰富的水能资源、优越的开发利用条件、工程自身优越性及国家政策的导向作用下，我国小水电每年以约7.2％的速度快速增长，截至2014年底，全国已建成小水电站超过4.7万座，装机容量和发电量分别达73GW和220TWh，占我国水电装机容量和发电量的24.19％和20.64％，规模化的小水电群是我国重要的电力资源。不同于大中型水电站，由于自然条件限制，小水电群主要分布在水资源丰富的山区，往往跨越不同微气象系统和水文地质区划而呈现多样化的发电特性，受气候变化的影响，其出力呈现较明显的随机性和难以预测性。而传统电力调度是基于可靠电源和准确负荷预测进行的，即假设日前小水电出力预测结果为确定值，而忽略了其预测出力偏差对调度结果的影响，其得到的结果不能很好地反映系统的实际运行状态，水电站群大规模并网后给电网调度运行带来了风险。随机规划方法可较为客观地反映不确定性因素对系统优化调度的影响，已逐渐成为模拟具有含不确定性因素电源并网后调度运行的重要手段，但针对规模化小水电群并网不确定性调度问题目前尚无理论研究和实例应用。因此如何考虑大规模并网小水电群出力的不确定性，对提高电网调度发电计划的准确性至关重要。目前小水电日前发电计划由省调、地调、县调、电厂等熟悉所管辖小水电并具有丰富调度经验的管理人员进行编制，一般根据电站的运行情况，结合气象预测信息安排电站的发电出力。由于小水电调节性能差，其出力不确定性主要是由预测技术限制和自然天气波动的客观原因造成，而非人为主观因素导致，因此可以将其处理为随机变量。情景分析是一种描述随机过程的方法，其目的是用最少的情景最大限度地拟合随机变量的特性，以保证可靠性评估的整体效率。本专利技术成果依托于国家高技术研究发展计划(863计划)(2012AA050205)；国家自然科学重大国际合作项目(51210014)；国家自然科学基金项目(51109024)，以云南小水电群的出力不确定性分析问题为背景，本专利技术采用情景分析技术，建立当前预测精度条件下小水电预测与未来可能实际情景的条件概率分布，为水电发电计划编制提供更为准确的输入条件，降低调度风险，具有很强实用性和广泛性。
技术实现思路
本专利技术要解决的技术问题是提供一种情景分析的多小水电群出力不确定性分析方法，基于随机规划理论，采用情景分析技术描述规模化小水电群出力的不确定性，建立小水电群预测与实际出力情景的概率分布，能够为水电发电计划编制提供更为准确的输入条件，降低调度风险。本专利技术的技术方案为：本专利技术揭示了一种基于情景分析的多小水电群出力不确定性分析方法，包括情景描述、情景缩减、条件概率分布确定、多小水电群情景组合四个部分，按照下述步骤(1)-(7)完成小水电出力不确定性的分析：(1)小水电出力情景描述，将小水电在T个时段运行状态的时间序列用情景来表示，分别建立历史小水电预测与实际出力的情景集合。描述的主要原理为：规模化小水电群出力具有不确定性，可以将其处理为随机变量。情景分析是一种描述随机过程的方法，其目的是用最少的情景最大限度地拟合随机变量的特性，以保证可靠性评估的整体效率。小水电历史运行状态的时间序列是其随机性的一种具体表现，采用情景描述作为分析样本，是后续分析的基础。(2)进行出力情景聚类分析，采用模糊聚类方法对情景样本进行聚类分析，具体操作时，给定情景聚类类别，并通过式(1)-(2)的循环迭代来实现。Ukj=1/Σl=1C[Σi=1m((αij-αijmin)(αijmax-αijmin)-vik)2Σi=1m((αij-αijmin)(αijmax-αijmin)-vil)2]---(1)]]>vik=Σj=1nUkj2(αij-αijmin)(αijmax-αijmin)/Σj=1nUkj2---(2)]]>式中：Ukj表示样本j隶属于类别k的相对隶属度，且满足C表示聚类总数；l、k为类别编号；m表示指标特征值的个数；n表示情景总数；分别表示情景集中第i个指标特征值的最大、最小值；αij表示第j个情景的第i个特征值；vik表示类别k指标特征值i的聚类特征规格化数，0≤vik≤1。(3)采用聚类综合质量法确定最佳情景类别，在给定聚类类别下，采用式(3)计算聚类密集性，采用式(4)计算聚类邻近性，通过式(5)聚类密集性与聚类邻近性的线性组合计算各指标聚类综合质量，从而可以确定各指标的平均聚类综合质量。具体操作时，分别计算不同给定情景类别下的平均聚类综合质量，绘制平均聚类综合质量与聚类类别数目曲线，通过曲线拐点确定最佳情景类别数目。Den=1CΣj=1C[var(cj)var(X)]---(3)]]>Pro=1[C(C-1)]Σj=1CΣk=1,k≠jCexp[-(scj-sck)2(2δ2)]---(4)]]>Com＝1-[ξ×Den+(1-ξ)Pro](5)式中：Den为聚类密集性；C为类别总数；var(cj)是在cj类别的内方差；var(X)为样本X的方差；Pro为聚类邻近性；表示在cj类的聚类中心；δ为高斯常数，为简化计算，取2δ2＝1；Com为聚类综合质量；ξ∈[0,1]是平衡聚类密集性与聚类邻近性的权值，本文采用等权重方式，取ξ＝0.5。(4)进行预测情景分析，采用步骤(1)-(3)进行历史预测出力情景分析。(5)进行预测情景下的实际情景分析，在第k种预测情景下，将历史同期对应的小水电实际情景组成新的聚类样本集合，采用步骤(1)-(3)进行预测情景下实际情景分析。(6)计算概率分布，并确定各类别典型情景，采用式(6)计算各类别实际情景概率，从而确定概率分布。通过类别内部情景的期望确定各类别典型情景，实现情景缩减效果。Pr[Sk,j*|Sk]=gG×100%---(6)]]>式中：表示第k种预测情景下第j种实际情景出现的概率；表示第k种预测情景下第j种实际情景的集合，g表示中第j种实际情景个数，Sk表示第k种预测情景集合，G表示Sk情景集对应情景总数。(7)多小水电群情景组合，针对有多个小水电群接入电网的情况，本文档来自技高网...
【技术保护点】
一种基于情景分析的多小水电群出力不确定性分析方法，其特征包括如下步骤：(1)小水电出力情景描述将小水电在T个时段运行状态的时间序列用情景来表示，分别建立历史小水电预测与实际出力的情景集合；小水电历史运行状态的时间序列是其随机性的一种具体表现，采用情景描述作为分析样本，是后续分析的基础；(2)进行出力情景聚类分析，采用模糊聚类方法对情景样本进行聚类分析，具体操作时，给定情景聚类类别，并通过式(1)‑(2)的循环迭代来实现；Ukj=1/Σl=1C[Σi=1m((αij-αijmin)(αijmax-αijmin)-vik)2Σi=1m((αij-αijmin)(αijmax-αijmin)-vil)2]---(1)]]>vik=Σj=1nUkj2(αij-αijmin)(αijmax-αijmin)/Σj=1nUkj2---(2)]]>式中：Ukj表示样本j隶属于类别k的相对隶属度，且满足C表示聚类总数；l、k为类别编号；m表示指标特征值的个数；n表示情景总数；分别表示情景集中第i个指标特征值的最大、最小值；αij表示第j个情景的第i个特征值；vik表示类别k指标特征值i的聚类特征规格化数，0≤vik≤1；(3)采用聚类综合质量法确定最佳情景类别，在给定聚类类别下，采用式(3)计算聚类密集性，采用式(4)计算聚类邻近性，通过式(5)聚类密集性与聚类邻近性的线性组合计算各指标聚类综合质量，从而确定各指标的平均聚类综合质量；具体操作时，分别计算不同给定情景类别下的平均聚类综合质量，绘制平均聚类综合质量与聚类类别数目曲线，通过曲线拐点确定最佳情景类别数目；Den=1CΣj=1C[var(cj)var(X)]---(3)]]>Pro=1[C(C-1)]Σj=1CΣk=1,k≠jCexp[-(scj-sck)2(2δ2)]---(4)]]>Com＝1‑[ξ×Den+(1‑ξ)Pro] (5)式中：Den为聚类密集性；C为类别总数；var(cj)是在cj类别的内方差；var(X)为样本X的方差；Pro为聚类邻近性；表示在cj类的聚类中心；δ为高斯常数，为简化计算，取2δ2＝1；Com为聚类综合质量；ξ∈[0,1]是平衡聚类密集性与聚类邻近性的权值，采用等权重方式，取ξ＝0.5；(4)进行预测情景分析，采用步骤(1)‑(3)进行历史预测出力情景分析；(5)进行预测情景下的实际情景分析，在第k种预测情景下，将历史同期对应的小水电实际情景组成新的聚类样本集合，采用步骤(1)‑(3)进行预测情景下实际情景分析；(6)计算概率分布，并确定各类别典型情景，采用式(6)计算各类别实际情景概率，从而确定概率分布；通过类别内部情景的期望确定各类别典型情景，实现情景缩减效果；Pr[Sk,j*|Sk]=gG×100%---(6)]]>式中：表示第k种预测情景下第j种实际情景出现的概率；表示第k种预测情景下第j种实际情景的集合，g表示中第j种实际情景个数，Sk表示第k种预测情景集合，G表示Sk情景集对应情景总数；(7)多小水电群情景组合，针对有多个小水电群接入电网的情况，考虑到各小水电群发电特性差异，具有相对独立性，应用数学组合理论，整个系统的情景由各小水电群情景组合得到，概率为构成该组合情景的各小水电群情景条件概率的乘积，出力值为构成该组合情景的各小水电群情景出力之和。...
【技术特征摘要】
1.一种基于情景分析的多小水电群出力不确定性分析方法，其特征包括如下步骤：
(1)小水电出力情景描述
将小水电在T个时段运行状态的时间序列用情景来表示，分别建立历史小水电预测与
实际出力的情景集合；小水电历史运行状态的时间序列是其随机性的一种具体表现，采用
情景描述作为分析样本，是后续分析的基础；
(2)进行出力情景聚类分析，采用模糊聚类方法对情景样本进行聚类分析，具体操作
时，给定情景聚类类别，并通过式(1)-(2)的循环迭代来实现；
Ukj=1/Σl=1C[Σi=1m((αij-αijmin)(αijmax-αijmin)-vik)2Σi=1m((αij-αijmin)(αijmax-αijmin)-vil)2]---(1)]]>vik=Σj=1nUkj2(αij-αijmin)(αijmax-αijmin)/Σj=1nUkj2---(2)]]>式中：Ukj表示样本j隶属于类别k的相对隶属度，且满足C表示聚类总数；l、k为类别编号；m表示指标特征值的个数；n表示情景总数；分别
表示情景集中第i个指标特征值的最大、最小值；αij表示第j个情景的第i个特征值；vik表示
类别k指标特征值i的聚类特征规格化数，0≤vik≤1；
(3)采用聚类综合质量法确定最佳情景类别，在给定聚类类别下，采用式(3)计算聚类
密集性，采用式(4)计算聚类邻近性，通过式(5)聚类密集性与聚类邻近性的线性组合计算
各指标聚类综合质量，从而确定各指标的平均聚类综合质量；具体操作时，分别计算不同给
定情景类别下的平均聚类综合质量，绘制平均聚类综合质量与聚类类别数目曲线，通过曲
线拐点确定最佳情景类别数目；...
【专利技术属性】
技术研发人员：程春田，吴慧军，武新宇，李秀峰，蔡华祥，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。