基于源荷时序耦合的容量配置方法、装置、系统及介质制造方法及图纸

本发明专利技术公开了基于源荷时序耦合的容量配置方法、装置、系统及介质，通过对获取到的日负荷曲线进行时段划分，得到若干个负荷时段；根据采集到的风光联合出力样本计算各个负荷时段的源荷时序耦合特征；基于各个负荷时段的源荷时序耦合特征对风光联合出力样本进行场景分类，得到极端场景集和聚类场景集；在极端场景集和聚类场景集下建立容量配置模型并求取容量配置模型的全局最优解，得到风光电站的最优配置容量。通过考虑不同负荷时段下的源荷时序耦合特征对风光联合出力样本进行场景分类，在不同场景集下建立多场景容量配置模型以描述风光不确定性，将模型的全局最优解作为最优配置容量，使得风光能源在不同场景的影响下依然能实现高的渗透率。然能实现高的渗透率。然能实现高的渗透率。

【技术实现步骤摘要】
基于源荷时序耦合的容量配置方法、装置、系统及介质


[0001]本专利技术涉及新能源
，尤其涉及基于源荷时序耦合的容量配置方法、装置、系统及介质。

技术介绍

[0002]风能和太阳能发电可有效缓解当前化石燃料危机和解决环境污染问题，但风电和太阳能发电都受到自然气象条件的影响，具有间歇性、波动性特点，使风光并网困难。
[0003]目前，通过建立水、风、光联合发电系统，能有效平抑风光出力的波动性，水、风、光联合发电系统中需要针对不同能源之间的容量配置进行优化，以实现更高的能源利用率，然而现有的容量配置中针对不同能源、负荷以及电站运行成本之间的匹配并没有考虑不同场景下的风光不确定性，导致风光能源在不同场景的影响下难以实现高的渗透率，从而对能源利用率造成影响。
[0004]因此，现有技术还有待于改进和发展。

技术实现思路

[0005]鉴于上述现有技术的不足，本专利技术的目的在于提供基于源荷时序耦合的容量配置方法、装置、系统及介质，旨在提高多场景下的风光发电的渗透率。
[0006]本专利技术的技术方案如下：一种基于源荷时序耦合的容量配置方法，其包括如下步骤：对获取到的日负荷曲线进行时段划分，得到若干个负荷时段；根据采集到的风光联合出力样本计算各个负荷时段的源荷时序耦合特征；基于各个负荷时段的源荷时序耦合特征对所述风光联合出力样本进行场景分类，得到极端场景集和聚类场景集；在所述极端场景集和所述聚类场景集下建立容量配置模型并求取所述容量配置模型的全局最优解，得到风光电站的最优配置容量。<br/>[0007]在一个实施例中，所述对获取到的日负荷曲线进行时段划分，得到若干个负荷时段，包括：获取日负荷曲线以及预设的用于时段划分的界定系数；根据所述界定系数和公式、、和对所述日负荷曲线进行时段划分，分别计算得到负荷高峰时段、负荷低谷时段、负荷上升时段和负荷下降时段，其中、、和为所述界定系数，为所述日负荷曲线t时刻的负荷值，
为所述日负荷曲线t+ΔT时刻的负荷值，为所述日负荷曲线的最大负荷值，为所述日负荷曲线的最小负荷值，t为时间，为时间间隔。
[0008]在一个实施例中，所述根据采集到的风光联合出力样本计算各个负荷时段的源荷时序耦合特征，包括：分别获取若干个风电站的风光出力和若干个光伏电站的光伏出力，并通过加法器得到若干个风光联合出力样本；根据各个风光联合出力样本和日负荷曲线的时段划分结果，分别按公式计算负荷高峰时段的风光联合最大出力，计算负荷低谷时段的风光联合最小出力，计算负荷高峰时段和负荷低谷时段的风光联合出力中位数差，计算负荷上升时段的风光联合出力变化率平均值，计算负荷下降时段的风光联合出力变化率平均值，得到各个负荷时段的所述源荷时序耦合特征；其中，为t时刻的风光联合出力，为t+Δt时刻的风光联合出力，为负荷高峰时段的风光联合出力中位数，为负荷低谷时段的风光联合出力中位数，为负荷上升时段的时段数，为负荷下降时段的时段数，为单位时间间隔。
[0009]在一个实施例中，所述基于各个负荷时段的源荷时序耦合特征对所述风光联合出力样本进行场景分类，得到极端场景集和聚类场景集，包括：按预设极端条件对所述风光联合出力样本进行筛选，将所述风光联合出力样本中
所述源荷时序耦合特征符合所述预设极端条件的风光联合出力曲线构成所述极端场景集；对所述风光联合出力样本中除去所述极端场景集的剩余样本进行聚类处理，得到所述聚类场景集。
[0010]在一个实施例中，所述按预设极端条件对所述风光联合出力样本进行筛选，将所述风光联合出力样本中所述源荷时序耦合特征符合所述预设极端条件的风光联合出力曲线构成所述极端场景集，包括：获取筛选参数，所述筛选参数包括第一置信度、第二置信度、第三置信度、第四置信度、出力上限值、出力下限值、出力变化率上限值和出力变化率下限值；按公式对所述风光联合出力样本进行筛选，得到符合第一预设极端条件的极端调峰场景集，其中，为符合所述第一预设极端条件的第一风光联合出力曲线，为第一风光联合出力曲线构成的集合，为场景发生的概率；按公式对所述风光联合出力样本进行筛选，得到符合第二预设极端条件的极端爬坡场景集，其中，为符合所述第二预设极端条件的第二风光联合出力曲线，为第二风光联合出力曲线构成的集合，为场景发生的概率。
[0011]在一个实施例中，所述对所述风光联合出力样本中除去所述极端场景集的剩余样本进行聚类处理，得到所述聚类场景集，包括：将所述剩余样本中每个样本曲线的源荷时序耦合特征作为聚类特征，通过密度峰值聚类算法对所述剩余样本进行聚类处理，得到所述聚类场景集。
[0012]在一个实施例中，所述在所述极端场景集和所述聚类场景集下建立容量配置模型并求取所述容量配置模型的全局最优解，得到风光电站的最优配置容量，包括：在所述极端场景集和所述聚类场景集下建立容量配置模型，其中所述容量配置模型包括上层模型和下层模型；对所述上层模型的上层目标函数在上层约束集的约束下计算得到风光电站的配置容量、机组运行功率以及可控负荷调节功率，并将所述机组运行功率以及可控负荷调节功率传递至所述下层模型；对所述下层模型的下层目标函数在下层约束集的约束下对所述机组运行功率和可控负荷调节功率进行优化，得到新的机组运行功率和可控负荷调节功率并反馈至上层模型进行迭代计算；所述上层模型和下层模型迭代循环若干次，直到找到全局最优解则停止迭代并输
出风光电站的最优配置容量。
[0013]一种基于源荷时序耦合的容量配置装置，包括：时段划分模块，用于对获取到的日负荷曲线进行时段划分，得到若干个负荷时段；特征计算模块，用于根据采集到的风光联合出力样本计算各个负荷时段的源荷时序耦合特征；场景分类模块，用于基于各个负荷时段的源荷时序耦合特征对所述风光联合出力样本进行场景分类，得到极端场景集和聚类场景集；容量配置模块，用于在所述极端场景集和所述聚类场景集下建立容量配置模型并求取所述容量配置模型的全局最优解，得到风光电站的最优配置容量。
[0014]本专利技术又一实施例还提供了一种基于源荷时序耦合的容量配置系统，所述系统包括至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述基于源荷时序耦合的容量配置方法。
[0015]本专利技术的另一实施例还提供了一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行上述的基于源荷时序耦合的容量配置方法。
[0016]有益效果：本专利技术公开了基于源荷时序耦合的容量配置方法、装置、系统及介质，相比于现有技术，本专利技术实施例通过考虑不同负荷时段下的源荷时序耦合特征对风光联合出力样本进行场景分类，在不同场景集下建立多场景容量配置模型以描述风光不确定性，将模型的全局最优解作为最优配置容量，使得风光能源在不同场景的影响下依然能实现高的渗透率。
附图说明
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于源荷时序耦合的容量配置方法，其特征在于，包括：对获取到的日负荷曲线进行时段划分，得到若干个负荷时段；根据采集到的风光联合出力样本计算各个负荷时段的源荷时序耦合特征；基于各个负荷时段的源荷时序耦合特征对所述风光联合出力样本进行场景分类，得到极端场景集和聚类场景集；在所述极端场景集和所述聚类场景集下建立容量配置模型并求取所述容量配置模型的全局最优解，得到风光电站的最优配置容量。2.根据权利要求1所述的基于源荷时序耦合的容量配置方法，其特征在于，所述对获取到的日负荷曲线进行时段划分，得到若干个负荷时段，包括：获取日负荷曲线以及预设的用于时段划分的界定系数；根据所述界定系数和公式、、和对所述日负荷曲线进行时段划分，分别计算得到负荷高峰时段、负荷低谷时段、负荷上升时段和负荷下降时段，其中、、和为所述界定系数，为所述日负荷曲线t时刻的负荷值，为所述日负荷曲线t+ΔT时刻的负荷值，为所述日负荷曲线的最大负荷值，为所述日负荷曲线的最小负荷值，t为时间，为时间间隔。3.根据权利要求2所述的基于源荷时序耦合的容量配置方法，其特征在于，所述根据采集到的风光联合出力样本计算各个负荷时段的源荷时序耦合特征，包括：分别获取若干个风电站的风光出力和若干个光伏电站的光伏出力，并通过加法器得到若干个风光联合出力样本；根据各个风光联合出力样本和日负荷曲线的时段划分结果，分别按公式计算负荷高峰时段的风光联合最大出力，计算负荷低谷时段的风光联合最小出力，计算负荷高峰时段和负荷低谷时段的风光联合出力中位数差，计算负荷上升时段的风光联合出力变化率平均值，
计算负荷下降时段的风光联合出力变化率平均值，得到各个负荷时段的所述源荷时序耦合特征；其中，为t时刻的风光联合出力，为t+Δt时刻的风光联合出力，为负荷高峰时段的风光联合出力中位数，为负荷低谷时段的风光联合出力中位数，为负荷上升时段的时段数，为负荷下降时段的时段数，为单位时间间隔。4.根据权利要求3所述的基于源荷时序耦合的容量配置方法，其特征在于，所述基于各个负荷时段的源荷时序耦合特征对所述风光联合出力样本进行场景分类，得到极端场景集和聚类场景集，包括：按预设极端条件对所述风光联合出力样本进行筛选，将所述风光联合出力样本中所述源荷时序耦合特征符合所述预设极端条件的风光联合出力曲线构成所述极端场景集；对所述风光联合出力样本中除去所述极端场景集的剩余样本进行聚类处理，得到所述聚类场景集。5.根据权利要求4所述的基于源荷时序耦合的容量配置方法，其特征在于，所述按预设极端条件对所述风光联合出力样本进行筛选，将所述风光联合出力样本中所述源荷时序耦合特征符合所述预设极端条件的风光联合出力曲线构成所述极端场景集，包括：获取筛选参数，所述筛选参数包括第一置信度、第二置信度、第三置信度、第四置信度、出力上限值、出力下限值、出力变化率上限值和出力变化率下限值；按公式对所述风光联合出力样本进...

【专利技术属性】
技术研发人员：廖圣桃，黄日光，谢志斌，曾仕沛，刘康，吕槠炫，陈惠聪，吴梓威，曾广贤，
申请(专利权)人：惠州市鸿业电力信息科技有限公司，
类型：发明
国别省市：