一种计及不确定性因素的电网态势预测方法与终端技术

本发明专利技术公开了一种计及不确定性因素的电网态势预测方法与终端，获取历史工程数据，并根据所述历史工程数据进行不确定性集合建模；建立影响因素灵敏度分析模型，确定预选出的影响因素与态势感知参数的映射关系；根据所述不确定性集合以及所述映射关系，建立基于CVaR

【技术实现步骤摘要】
一种计及不确定性因素的电网态势预测方法与终端


[0001]本专利技术涉及电力系统态势感知
，特别涉及一种计及不确定性因素的电网态势预测方法与终端。

技术介绍

[0002]电力数字孪生是电力模型日渐复杂、数据呈现井喷趋势以及数字孪生技术发展完善等多方背景共同作用下的新兴产物。相比于侧重实时操控实体的信息物理系统或经典模型驱动的仿真软件，电力数字孪生能够高效利用数智电网中的大数据特别是时空大数据，充分挖掘时空大数据的深层信息，自适应地解决多元主体建模分析、具有不确定性的环境因素感知分析等难题。
[0003]电力数字孪生通过明确数据驱动、实时交互和闭环反馈三大特点，激发电网中固有的时空大数据福利；基于高维统计分析、人工智能等数据科学，全面、透明、多层次的观测/推演视角建模电网中各功能单元及其交互机制。基于实体系统的数字孪生建模，电力数字孪生以实时态势感知、超实时虚拟推演两种手段实现电网的认知功能，继而辅助其运管调控的决策制定、策略优化等，提升电网运行的稳定性与经济性。另一方面，电力数字孪生也兼容传统的物理机理模型、低维统计模型、专家系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计及不确定性因素的电网态势预测方法，其特征在于，包括步骤：S1、获取历史工程数据，并根据所述历史工程数据进行不确定性集合建模；S2、建立影响因素灵敏度分析模型，确定预选出的影响因素与态势感知参数的映射关系；S3、根据所述不确定性集合以及所述映射关系，建立基于CVaR
‑
IGDT的RIES扩展规划模型，得到电力系统孪生模型；S4、基于所述电力系统孪生模型，采用深度学习以及概率预测的方法进行电网态势预测。2.根据权利要求1所述的一种计及不确定性因素的电网态势预测方法，其特征在于，所述步骤S1包括步骤：S11、获取历史工程数据，并按日划分，将每一日的所述历史工程数据作为一个历史场景；S12、基于高维的闭包椭球算法，求解一个高维的椭球来包围所有的历史场景，即求解优化如下问题：minρdetQ
‑
1/2
；s.t.(w1‑
c)
T
Q(w1‑
c)≤1(w2‑
c)
T
Q(w2‑
c)≤1；...其中，ρ为常数，w1、w2为不确定性因素的历史场景，Q为正定矩阵，代表高维椭球的对称轴相对坐标轴的偏离方向，c为高维椭球的中心点；得到的高维椭球的表达式：E(Q,c)＝{w|(w
‑
c)
T
Q(w
‑
c)≤1}；S13、在得到的高维椭球的基础上，构造一个多面体集合对不确定集合进行描述，采用由高维椭球顶点所围成的多面体方程进行表示：ω＝c+P
‑1ω'；其中，ω'是椭球顶点值，P为变换矩阵；S14、引入放大倍数对该多面体凸包进行放缩，因此最终得到的不确定性集合可以表示为：3.根据权利要求1所述的一种计及不确定性因素的电网态势预测方法，其特征在于，所述步骤S2具体为：建立影响因素灵敏度分析模型，确定影响因素与态势感知参数的映射模型，所述影响因素灵敏度分析模型的输入向量为预筛选出的影响因素，包括天气、温度、光照以及电价，表示为：x＝[x1,x2,...,x
n
]
T
；输出为态势感知参数y，包括运行成本、联络线功率偏差以及峰值负荷量；并构造灵敏度向量α：
不确定性优化的数学模型可以表示为：其中，X为决策变量；根据上述灵敏度的定义，修改目标函数为：minf(X)+α；计及约束条件的鲁棒性，转换约束条件为：其中，为决策者对约束鲁棒性的要求，其值越大则表示决策者对该约束函数鲁棒性要求程度越高；Poss表示约束条件g
i
(X)≤0成立的可能性。4.根据权利要求3所述的一种计及不确定性因素的电网态势预测方法，其特征在于，所述步骤S3具体为：成本优化问题的目标函数为：其中，f是目标函数，x是决策变量，ψ是长期不确定量，Γ是长期不确定量的集合，如下：其中为长期不确定量的预测值，ξ是长期不确定量的偏差系数；上述优化问题的IGDT模型为：ω
t，d
＝{ω
p，t，d
，p＝1，2，...，n
ω
}S
t，d
＝{S
q，t，d
，q＝1，2，...，n
s
}；
其中，Λ0代表目标函数的基准值，通常取不确定量为预测值时的目标函数值；σ为规避系数，代表决策者可接受额外投资的能力；采用蒙特卡洛法模拟第t年、典型日d下的风速以及光照强度场景集ω
t
,
d
＝{ω
p,t,d
,p＝1,2,...,n
ω
}和s
t,d
＝{s
q,t,d
,q＝1,2,...,n
s
}，其中n
ω
和n
s
为相应的场景个数，各场景的概率分别是π(n
ω
)和π(n
s
)，则第t年的总场景数ρ为Dn
s
n
ω
个；计及CVaR的年运行成本函数由两部分组成，第一部分是运行成本的期望值，第二部分是CVaR和权重系数β的乘积，定义w是第ω
p,t,d
个风速场景集，s是第s
p
,
t,d
个光照强度场景，h表示时刻，定义权重系数β为风险偏好系数，β≥0；CVaR模型如下：CVaR模型如下：CVaR模型如下：其中，是计及CVaR的年运行成本，是年运行成本期望值，N
d
是典型日个数，δ是计算CVaR而引入的辅助决策变量，其最优值就是VaR值；α是置信水平，是一个非线性优化问题；引入中间变量：则可定义表达式：5.根据权利要求1所述的一种计及不确定性因素的电网态势预测方法，其特征在于，所述电网态势预测包括可再生能源的发电功率预测和负荷预测。6.一种计及不确定性因素的电网...

【专利技术属性】
技术研发人员：郑洁云，陈卓琳，张章煌，施莹，唐元春，
申请(专利权)人：国网福建省电力有限公司，
类型：发明
国别省市：