一种基于概率分布的风电功率场景生成方法及系统技术方案

本公开提出了一种基于概率分布的风电功率场景生成方法及系统，包括：获取风电功率的预测值与实测值的历史数据，提取风电功率的预测值与实测值的差值，即预测误差；选取对风电呈直接影响的风速、风向及拟合误差，分别拟合出三者影响下预测误差的分布；将三类影响因素下的预测误差分布按照相应的权重参数进行组合，以概率密度函数与分布直方图的残差平方和最小为目标函数，求权重的最优解，得到的预测误差概率密度函数；将上述概率密度函数离散化，得到大量的随机场景并选出典型场景。采用混合分布，通过给不同影响因素下的误差分布设定权重，综合考虑了各影响因素对误差分布的影响，得到的拟合结果相比于单一误差分布更准确。

【技术实现步骤摘要】
一种基于概率分布的风电功率场景生成方法及系统
本公开属于风力发电
，尤其涉及一种基于概率分布的风电功率场景生成方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。风能作为一种大规模、无污染的可再生能源，取之不尽用之不竭；且风电场建设周期短，装机规模灵活运行成本低，基于此风力发电技术受到广泛青睐。然而，风速具有间歇性的特点，使得风力发电具有很强的随机性、不稳定性，从而导致了发电电能质量、并网可靠性降低，这给风力发电技术带来了巨大挑战。针对风电波动随机性带来的影响，风电功率预测技术使得风电场对未来一段时间风电功率的情况有了预估，便于安排调度，以成为当前风力发电领域的主流技术。但风电功率受到多种自然、技术因素的影响，在时间尺度上呈现较强的无规律性，在当前技术水平下大幅度提高单点预测精度来直接描述波动性极为困难，而对预测误差的概率分析可以弥补风电功率预测的不足，根据概率分布生成风电功率场景是处理风力发电中波动性问题的重要方法。风电场景生成技术主要包含以下两个部分，波动性概率分析与代表性场景生成。波动性概率分析是基于统计学方法，对风电功率日前预测所产生的误差值进行统计，并根据统计得到的误差分布直方图进行拟合，最终得到误差分布的概率密度函数。根据误差的概率分布，结合日前预测可以得到未来时刻风电功率各个时刻的概率分布情况，基于此可生成各时刻功率值随机数，从而得到多条风电功率曲线即场景集。专利技术人在研究中发现，现有的风电场景生成技术存在以下问题。概率拟合中往往选用单一的分布函数对各时刻风电预测误差拟合，如正态分布，单一的分布函数很难表现出风电预测误差分布的“尖峰后尾”特性，以及各个时刻误差分布的差异性。以往的拟合过程仅考虑了风速对预测误差的影响，未综合考虑其他自然、技术因素的影响，从而导致拟合结果不准确。此外，场景生成过程中会生成大量的风电功率曲线，导致风电场调度优化的效率降低，如何快速的选出有代表性的典型场景涵待研究。
技术实现思路
为克服上述现有技术的不足，本公开提供了一种基于概率分布的风电功率场景生成方法，解决现有研究中对风电预测误差概率分析不准确、生成场景数量过多以及生成场景不具代表性等问题。为实现上述目的，本公开的一个或多个实施例提供了如下技术方案：第一方面，公开了一种基于概率分布的风电功率场景生成方法，包括：获取风电功率的预测值与实测值的历史数据，提取风电功率的预测值与实测值的差值，即预测误差；选取对风电呈直接影响的风速、风向及拟合误差，分别拟合出三者影响下预测误差的分布；将三类影响因素下的预测误差分布按照相应的权重参数进行组合，以概率密度函数与分布直方图的残差平方和最小为目标函数，求权重的最优解，得到的预测误差概率密度函数；将上述概率密度函数离散化，得到大量的随机场景并选出典型场景。第二方面，公开了一种基于概率分布的风电功率场景生成系统，包括：预测误差获取模块，被配置为：获取风电功率的预测值与实测值的历史数据，提取风电功率的预测值与实测值的差值，即预测误差；预测误差概率密度函数获取模块，被配置为：选取对风电呈直接影响的风速、风向及拟合误差，分别拟合出三者影响下预测误差的分布；将三类影响因素下的预测误差分布按照相应的权重参数进行组合，以概率密度函数与分布直方图的残差平方和最小为目标函数，求权重的最优解，得到的预测误差概率密度函数；典型场景获取模块，被配置为：将上述概率密度函数离散化，得到大量的随机场景并选出典型场景。以上一个或多个技术方案存在以下有益效果：针对现有研究多根据风速对误差分布的影响进行统计，采用的分布过于单一，本公开技术方案考虑风向、拟合误差等因素，同时采用非参数估计表示风向影响下误差分布的不标准性。本公开技术方案采用混合分布，通过给不同影响因素下的误差分布设定权重，综合考虑了各影响因素对误差分布的影响，得到的拟合结果相比于单一误差分布更准确。本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。图1为本公开实施例各风速区段统计预测误差后的结果图；图2为本公开实施例各风速段下的误差分布进行拟合图；图3为本公开实施例四个季节的风电功率预测误差分布图；图4为本公开实施例功率拟合误差下的预测误差分布图；图5为本公开实施例以春季风速6～7m/s为例，拟合风电预测误差的混合分布图；图6为本公开实施例矩阵对应的风电功率场景集图；图7为本公开实施例风电功率曲线聚类过程中相对熵指标与误差平方和指标的变化曲线图；图8为本公开实施例聚类后的风电功率曲线场景集图。具体实施方式应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。本实施例公开了一种基于概率分布的风电功率场景生成方法，包括：步骤一：根据历史数据确定预测误差；步骤二：拟合多种影响因素下预测误差的分布函数；步骤三：建立风电功率预测误差混合分布模型；步骤四：根据概率分布，应用蒙特卡洛模拟法生产风电场景；步骤五：改进k-means聚类分析选出典型场景。具体的，步骤一：根据历史数据确定预测误差。本申请是基于对历史数据的概率分析，从而找出一定的概率特征，从概率角度来更精确的预测未来数据。得到的典型场景用于含风电的能源系统的日前能量调度中，具体应用:传统的能量调度是根据风电功率预测值，以及能源系统其它出力设备及多元负荷的日前预测值，进行设备出力的计划；然而预测数据跟实时数据是有一定差值的，这点在风电方面体现的更明显，因为风力发电受多种自然、技术因素影响。而通过对历史的预测、实时数据概率分析，可以得到差值的概率分布，根据分布生成的典型场景相当于把这个不确定的差值表现出来，因此相比于预测值，典型场景更接近于实时数据。其中，历史数据包括历史时刻风电功率的预测值与实测值，在日前风电功率预测中，风电功率预测值通过风速预测值代入风机出力曲线得到。根据一年的风机附近测风塔风速实测值，参考单机功率与切入风速、额定风速的关系，拟合出风机出力特性曲线。计算出各个时刻风电功率预测值与当地实测本文档来自技高网...

【技术保护点】
1.一种基于概率分布的风电功率场景生成方法，其特征是，包括：/n获取风电功率的预测值与实测值的历史数据，提取风电功率的预测值与实测值的差值，即预测误差；/n选取对风电呈直接影响的风速、风向及拟合误差，分别拟合出三者影响下预测误差的分布；/n将三类影响因素下的预测误差分布按照相应的权重参数进行组合，以概率密度函数与分布直方图的残差平方和最小为目标函数，求权重的最优解，得到的预测误差概率密度函数；/n将上述概率密度函数离散化，得到大量的随机场景并选出典型场景。/n

【技术特征摘要】
1.一种基于概率分布的风电功率场景生成方法，其特征是，包括：
获取风电功率的预测值与实测值的历史数据，提取风电功率的预测值与实测值的差值，即预测误差；
选取对风电呈直接影响的风速、风向及拟合误差，分别拟合出三者影响下预测误差的分布；
将三类影响因素下的预测误差分布按照相应的权重参数进行组合，以概率密度函数与分布直方图的残差平方和最小为目标函数，求权重的最优解，得到的预测误差概率密度函数；
将上述概率密度函数离散化，得到大量的随机场景并选出典型场景。


2.如权利要求1所述的一种基于概率分布的风电功率场景生成方法，其特征是，在日前风电功率预测中，风电功率的预测值通过风速预测值代入风机出力曲线得到。


3.如权利要求1所述的一种基于概率分布的风电功率场景生成方法，其特征是，拟合风速影响下预测误差的分布：对各风速段下的误差分布进行拟合，其中忽略风速首尾误差波动较小的两区段。


4.如权利要求1所述的一种基于概率分布的风电功率场景生成方法，其特征是，拟合风向影响下预测误差的分布：应用非参数估计中的K近邻法，无需假定概率密度的形式，直接估计所选样本点的概率密度。


5.如权利要求1所述的一种基于概率分布的风电功率场景生成方法，其特征是，拟合误差影响下预测误差的分布：
通过对实测风速下的预测误差分布得到拟合风机出力曲线的过程存在功率特性拟合误差，通过极值分布，表现出功率拟合误差下的预测误差分布。


6.如权利要求1所述的一种基于概率分布的风电功率场景生成方法，其特征是，拟合得到预测误差概率...

【专利技术属性】
技术研发人员：李珂，王鲁泮，张承慧，王海洋，杨帆，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37