考虑日周期性影响的光伏功率爬坡事件非精确概率预测方法及系统技术方案

本发明专利技术公开了一种考虑日周期性影响的光伏功率爬坡事件非精确概率预测方法及系统，包括：获取光伏电站输出功率数据与光伏电站所在位置的气象数据，作为样本数据；构建信度网络节点变量集与各节点变量的状态集；利用贪婪搜索算法构造样本数据下光伏发电爬坡预测的最优信度网络结构；统计历史数据中不同爬坡状态的先验概率，利用IDM估计各信度网络节点关联的非精确条件概率，构造条件信度集；进行光伏发电爬坡的信度网络概率推理，得到给定气象条件下的光伏功率爬坡概率的非精确预测结果。本发明专利技术可有效避免爬坡事件样本不足而导致的概率预测误差，为电网运行调度提供更为全面的决策信息。

【技术实现步骤摘要】
考虑日周期性影响的光伏功率爬坡事件非精确概率预测方法及系统
本专利技术涉及光伏功率爬坡事件
，尤其涉及一种考虑日周期性影响的光伏功率爬坡事件非精确概率预测方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。近年来可再生能源发电快速发展，在电网中的渗透率不断提高，在有效缓解环境污染与资源危机的同时，因其固有的随机性与波动性，也对电网的安全稳定运行提出了挑战。特别是光伏电站的功率爬坡事件，即输出功率短时间内的大幅度波动，可能导致电网功率平衡的破坏，引发系统频率波动，甚至造成严重的停电事故。为此，提高对光伏发电爬坡事件的预测能力将为电网及时有效地制定调度与控制决策、维持电网稳定运行创造条件，是保证光伏高渗透率电网频率稳定的必备措施。目前，对于光伏功率爬坡事件的研究尚处于起步阶段，对于其定义也尚未达成共识。现有研究多将光伏爬坡特征量超过设定阈值定义为光伏爬坡事件，该特征量可以是一定时间段内开始与结束时刻的功率之差，也可以是一定时间内光伏输出最大功率与最小功率之差，或是多个时段的累积功率变化量。这些定义方法描述爬坡事件时普遍存在忽视光伏发电日趋势性变化的问题，即没有考虑光伏发电所具有的明显的日周期性。因此，若阈值设定不当，这些爬坡定义方法将有可能导致不必要的连续爬坡警报。专利技术人发现，现有的光伏发电爬坡事件预测方法可大致分为间接预测法和直接预测法两类。间接预测法首先进行发电功率的预测，随后在功率序列中利用设定的标准，进行爬坡事件的识别。但是，此类预测方法在进行功率序列预测时，为了降低整体预测误差，往往会忽略极端样本，忽视功率的突变，从而导致爬坡信息的损失，引发爬坡事件的漏报。与之相比，直接预测法则不进行功率预测，而是直接在相关因素与爬坡事件之间建立起映射关系，具有较好的爬坡事件捕捉与识别能力。从预测原理上看，爬坡事件的研究既可以从机理分析入手，也可以基于数据统计。机理建模抓住了爬坡发生的根本原因，却常忽略实际发电过程中的多种因素的影响，不仅分析过程复杂且结果常与实际不符。将机理建模与数据驱动有效结合将在提供物理依据的同时，提高预测方法的适用性。样本充足(即大数定理成立)的前提下，爬坡事件可以得到可靠的概率分布，以精确概率来预测。而事实上，受气象因素影响的爬坡事件发生几率相对较低，某些气象条件很少发生，导致相关样本较少，不可避免的在概率预测中引入误差。
技术实现思路
针对现有光伏发电功率爬坡事件预测存在不当警报的问题，本专利技术提出了一种考虑日周期性影响的光伏功率爬坡事件非精确概率预测方法及系统，可有效避免爬坡事件样本不足而导致的概率预测误差，为电网运行调度提供更为全面的决策信息。为了实现上述目的，本专利技术采用如下技术方案：在一个或多个实施方式中，公开了一种考虑日周期性影响的光伏功率爬坡事件非精确概率预测方法，包括：获取光伏电站输出功率数据与光伏电站所在位置的气象数据，作为样本数据；定义光伏功率相对爬坡率，对样本数据进行预处理，构建信度网络节点变量集与各节点变量的状态集；利用贪婪搜索算法构造样本数据下光伏发电爬坡预测的最优信度网络结构；统计历史数据中不同爬坡状态的先验概率，利用IDM估计各信度网络节点关联的非精确条件概率，构造条件信度集；进行光伏发电爬坡的信度网络概率推理，得到给定气象条件下的光伏功率爬坡概率的非精确预测结果。进一步地，构建信度网络节点变量集与各节点变量的状态，具体为：信度网络的根节点变量为光伏爬坡状态，选取影响光伏功率爬坡的光照幅度爬坡状态、光照幅度、环境温度、气压和相对湿度构成信度网络节点证据变量集；根据光伏功率相对爬坡率划分光伏爬坡状态，根据光照幅度相对爬坡率划分光照幅度爬坡状态，根据光照幅度值、环境温度值、气压值和相对湿度值分别作为信度网络节点证据变量光照幅度、环境温度、气压和相对湿度的划分依据。进一步地，所述光伏功率相对爬坡率具体为：光伏发电功率在相邻时段间的变化幅度与由晴空模型估计得到的光伏发电功率在相邻时段间的变化幅度之差，与相邻时间段的时间间隔的比值。进一步地，利用贪婪搜索算法构造样本数据下光伏发电爬坡预测的最优信度网络结构，具体为：设定初始信度网络结构；搜索算子根据DAG原理对当前结构进行局部更新；以评分函数评估所有候选结构和当前结构；如果最优候选结构优于当前结构，以最优候选结构替代当前结构，重新对当前结构进行局部更新；否则，输出当前结构为最优结构。进一步地，利用IDM估计各爬坡证据节点关联的非精确条件概率，具体为：采用先验概率密度函数的集合来进行估计，该集合由给定s条件下所有的Dirichlet分布构成，即在固定s值后，使r遍历整个[0,1]区间；根据贝叶斯原理，将θ的先验概率密度函数集合更新为后验概率密度函数集合，从而，获得概率θ的取值区间。进一步地，概率θ的取值区间具体为：其中，s为设定参数表征为对新信息的慎重程度，r为超参数，θ为随机变量；M＝{m1,m2,…,mn}为样本观测；mi表示随机变量状态i的出现次数；M＝m1+m2+…+mn为样本总数；s为设定参数表征为对新信息的慎重程度。进一步地，进行光伏发电爬坡的信度网络概率推理，得到给定气象条件下的光伏功率爬坡概率的非精确预测结果，具体为：对于具有N个节点的光伏爬坡信度网络，x＝(x1,x2,…,xN)是N维随机变量X＝{X1,X2,…,XN}的一组状态；利用贝叶斯网络推理手段，遍历信度集顶点组合成的联合概率质量函数完成对信度网络的精确推理；计算根节点变量R的状态Ri在气象证据变量E的观察值xe下出现概率P(Ri|xe)的最大、最小边界值。进一步地，根节点变量R的状态Ri在气象证据变量E的观察值xe下出现概率P(Ri|xe)的最大、最小边界值，具体为：其中，K(X)为条件信度集；P(X)∈ext[K(X)]表明P(X)应从随机变量条件信度集顶点对应的概率质量函数上取值；XM1为节点变量集合X\{R,E}；XM2为节点变量集合X\E；∑XM表示对节点变量集合XM的全概率运算，Pj(xi|πi)为条件质量函数集。在一个或多个实施方式中公开的一种考虑日周期性影响的光伏功率爬坡事件非精确概率预测系统，包括服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1-8任一项所述的方法。在一个或多个实施方式中公开的一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行上述的方法。与现有技术相比，本专利技术的有益效果是：采用新提出的光伏发电功率爬坡特征量，完成对由于受到特殊气象变动影响而造成的意外功率变动的有效捕捉，同时充分考虑光伏发电爬坡事件预测时可能存在的样本不足问题，提出了基于信度网络和非精确狄利克雷模型的光伏发电爬坡事件的非精确概率预测方法。从而，利用所构建的模型，依据数值天气预报，可实现对光伏发电爬坡事件发生概率的区间预测。仿真分析表明，本专利技术方法可有效避免爬坡事件样本不足而导致的概率预测误差，为电网运行调度提供更为全面的决策信息。附图说明构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。图1为实施例一中相对爬坡率示意图；本文档来自技高网...

【技术保护点】
1.一种考虑日周期性影响的光伏功率爬坡事件非精确概率预测方法，其特征在于，包括：获取光伏电站输出功率数据与光伏电站所在位置的气象数据，作为样本数据；定义光伏功率相对爬坡率，对样本数据进行预处理，构建信度网络节点变量集与各节点变量的状态集；利用贪婪搜索算法构造样本数据下光伏发电爬坡预测的最优信度网络结构；统计历史数据中不同爬坡状态的先验概率，利用IDM估计各信度网络节点关联的非精确条件概率，构造条件信度集；进行光伏发电爬坡的信度网络概率推理，得到给定气象条件下的光伏功率爬坡概率的非精确预测结果。

【技术特征摘要】
1.一种考虑日周期性影响的光伏功率爬坡事件非精确概率预测方法，其特征在于，包括：获取光伏电站输出功率数据与光伏电站所在位置的气象数据，作为样本数据；定义光伏功率相对爬坡率，对样本数据进行预处理，构建信度网络节点变量集与各节点变量的状态集；利用贪婪搜索算法构造样本数据下光伏发电爬坡预测的最优信度网络结构；统计历史数据中不同爬坡状态的先验概率，利用IDM估计各信度网络节点关联的非精确条件概率，构造条件信度集；进行光伏发电爬坡的信度网络概率推理，得到给定气象条件下的光伏功率爬坡概率的非精确预测结果。2.如权利要求1所述的一种考虑日周期性影响的光伏功率爬坡事件非精确概率预测方法，其特征在于，构建信度网络节点变量集与各节点变量的状态，具体为：信度网络的根节点变量为光伏爬坡状态，选取影响光伏功率爬坡的光照幅度爬坡状态、光照幅度、环境温度、气压和相对湿度构成信度网络节点证据变量集；根据光伏功率相对爬坡率划分光伏爬坡状态，根据光照幅度相对爬坡率划分光照幅度爬坡状态，根据光照幅度值、环境温度值、气压值和相对湿度值分别作为信度网络节点证据变量光照幅度、环境温度、气压和相对湿度的划分依据。3.如权利要求1所述的一种考虑日周期性影响的光伏功率爬坡事件非精确概率预测方法，其特征在于，所述光伏功率相对爬坡率具体为：光伏发电功率在相邻时段间的变化幅度与由晴空模型估计得到的光伏发电功率在相邻时段间的变化幅度之差，与相邻时间段的时间间隔的比值。4.如权利要求1所述的一种考虑日周期性影响的光伏功率爬坡事件非精确概率预测方法，其特征在于，利用贪婪搜索算法构造样本数据下光伏发电爬坡预测的最优信度网络结构，具体为：设定初始信度网络结构；搜索算子根据DAG原理对当前结构进行局部更新；以评分函数评估所有候选结构和当前结构；如果最优候选结构优于当前结构，以最优候选结构替代当前结构，重新对当前结构进行局部更新；否则，输出当前结构为最优结构。5.如权利要求1所述的一种考虑日周期性影响的光伏功率爬坡事件非精确概率预测方法，其特征在于，利用IDM估计各爬坡证据节点关联的非精确条件概率，具体为：采用先验概率密度函数的集合来进行估计，该集合由给...

【专利技术属性】
技术研发人员：杨明，朱文立，张利，王勃，
申请(专利权)人：中国电力科学研究院有限公司，山东大学，
类型：发明
国别省市：北京,11