概率性框架下光伏功率的层级式协调预测方法技术

概率性框架下光伏功率的层级式协调预测方法，解决了如何在电力系统多层次结构中生成高质量且聚合一致的光伏功率预测分布的问题，属于光伏发电技术领域。本发明专利技术包括：S1、生成电力系统各层级且包含预测范围h的基础光伏预测功率矩阵χ；S2、根据χ，计算向前1步的基础光伏预测功率误差，并组成基础光伏预测功率误差矩阵，采用块自举法从基础光伏预测功率误差矩阵中有放回地抽取J个误差块矩阵ε

【技术实现步骤摘要】
概率性框架下光伏功率的层级式协调预测方法


[0001]本专利技术涉及一种概率性框架下光伏功率的层级式协调预测方法，属于光伏发电


技术介绍

[0002]光伏功率预测可以是确定性的也可以是概率性的。前者提供了光伏功率在未来某个时间下的单点估计，后者则通过预测区间或分位数提供了光伏功率大部分甚至全部的预测分布。显然，概率性预测相比于确定性预测能够携带更多的信息。事实上，一旦估计出概率分布，预测者还可根据评分函数对应的统计函数对其进行总结，得到一个比仅使用确定性预测更优的单点光伏功率预测值。不过，概率性预测的好处并未被光伏预测领域的所有学者所认识，也就是说，概率性光伏预测并没有在这一领域受到广泛实践。当将目光放到其在电力系统的应用时，不难发现概率性光伏预测还可以告知系统操作员光伏并网功率位于某个区间这一事件发生的概率。基于此，系统操作员能权衡好风险与成本，避免采用过于保守进而产生难以承受成本的调度方案。从这两方面讲，概率性光伏预测毫无疑问是一个值得推崇的技术，甚至成为这一行业的标准或规范。
[0003]光伏功率注入电网可以建模为一个多层次结构。此时，电力系统较高层级的总光伏功率注入量可以由按照区域或节点等不同特征划分的较低层级的光伏功率注入量累加而得。然而，这一性质并不适用光伏预测功率。具体地，假设现在需要某一区域未来一小时的光伏预测值，这时有两个策略供选择。首先，可以根据该区域的历史光伏出力时间序列直接预测该值。另一方面，也可以简单地将该区域所有光伏厂站提交的光伏预测功率直接累加。考虑到可用的信息集和预测的模型并不相同，这两个预测在多数情况下并不相等。这一现象在层级式预测(hierarchical forecast)中被称之为“聚合不一致性(aggregation inconsistency)”。为解决这一问题，有学者借助于层级式协调预测(hierarchical reconciliation forecast)方法来实现不同时间序列的聚合一致，并已应用于光伏功率。一般而言，使用层级式协调预测方法前后的预测值分别俗称基础光伏预测功率(base PV forecast power)和调和光伏预测功率(reconciled PV forecast power)。此时，层级式协调预测方法亦可以被认为是一种组合和修改不同层级的基础光伏预测功率的后处理技术，从而使最终的预测即调和光伏预测功率是聚合一致的。值得指出的是，具备聚合一致性的不同层级光伏预测能够助力电力系统运行管理的协同决策，且能够充分捕获不同时间序列的时空关系，进而改善个体和整体的预测性能。从这点出发，当获得电力系统不同层级的基础光伏预测功率时，有必要应用层级式协调预测方法产生聚合一致的调和光伏预测功率，以提高系统的整体效益。
[0004]从前述可知，概率性预测和层级式协调预测方法，是近年来太阳能领域相关学者追逐的新课题方向，更遑论两者的结合，即概率性预测协调(probabilistic forecast reconciliation)方法。根据是否提前假定预测分布的类型，概率性预测协调方法可分为参数型和非参数型。一般情况下，实际概率分布并不严格符合某种类型的经典概率分布。此时
采用不受这些假设限制的非参数概率性预测协调应是预测者的第一选择。不过需要注意的是，概率性框架下的聚合一致性指的是每个聚合时间序列的预测分布等于相应分解时间序列的预测分布的卷积。
[0005]在此背景下，需要一种能够描述光伏预测不确定性，且能实现电力系统不同时间序列的光伏预测聚合一致，进而改善光伏预测性能的非参数框架下的概率性预测协调方法。

技术实现思路

[0006]针对如何在电力系统多层次结构中生成高质量且聚合一致的光伏功率预测分布的问题，本专利技术提供一种概率性框架下光伏功率的层级式协调预测方法。
[0007]本专利技术的一种概率性框架下光伏功率的层级式协调预测方法，包括：
[0008]S1、生成电力系统各层级且包含预测范围h的基础光伏预测功率矩阵预测范围h∈{1,...,H}，H表示最大预测范围，m表示矩阵中所有基础光伏预测功率时间序列的数量；
[0009]S2、根据基础光伏预测功率矩阵计算向前1步的基础光伏预测功率误差，并组成基础光伏预测功率误差矩阵，采用块自举法从基础光伏预测功率误差矩阵中有放回地抽取J个误差块矩阵ε
(j)
，j∈{1,
…
,J}，并将J个误差块矩阵ε
(j)
叠加至基础光伏预测功率矩阵，得到矩阵
[0010]S3、在每个矩阵中提取第h列向量，并将提取的所有列向量重新排列成一个m
×
J阶的新基础光伏预测功率矩阵共得到新基础光伏预测功率矩阵：根据新基础光伏预测功率矩阵获得电力系统各层级的调和光伏预测功率
[0011]作为优选，电力系统各层级的调和光伏预测功率为：
[0012][0013]其中，S为m
×
m
b
阶求和矩阵，m
b
为最底层光伏测量功率时间序列数，m＝1+m1+
···
+m
b
，1、m1…
m
b
分别为电力系统b级层次结构从上至下聚合程度由高到低的l0级、l1级
···
和最底层l
b
级所含光伏测量功率时间序列的数量；求和矩阵中，某条光伏测量功率时间序列对应求和矩阵的某行，包含最底层的第i条光伏测量功率时间序列时，该行的第i个值为1，否则为0，i＝1,
···
,m
b
，P为最优协调矩阵。
[0014]作为优选，最优协调矩阵的求取方法包括：
[0015]获取电力系统各个层级的参与者对应同一时间分辨率和预测范围的光伏测量功率时间序列Y
t+h
和基础光伏预测功率时间序列
[0016]根据获取的光伏测量功率时间序列Y
t+h
和基础光伏预测功率时间序列计算最优协调矩阵P，最优协调矩阵P使所有功率时间序列向前h步调和光伏预测功率误差的方差总和最小化。
[0017]并给出五种计算最优协调矩阵P的方法，第一种方法，最优协调矩阵P为：
[0018]P＝P
OLS
＝(S
T
S)
‑1S
T
。
[0019]第二种方法，最优协调矩阵P为：
[0020][0021]其中，为由各层级所有功率时间序列向前1步基础光伏预测功率误差的样本内方差估计值组成的对角矩阵。
[0022]第三种方法，最优协调矩阵P为：
[0023]P＝P
HLS
＝(S
T
Λ
‑1S)
‑1S
T
Λ
‑1，
[0024]其中，其中为一个长度为m
b
且元素全为1的列向量。
[0025]第四种方法，最优协调矩阵P为：
[0026][0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.概率性框架下光伏功率的层级式协调预测方法，其特征在于，所述方法包括：S1、生成电力系统各层级且包含预测范围h的基础光伏预测功率矩阵预测范围h∈{1,...,H}，H表示最大预测范围，m表示矩阵中所有基础光伏预测功率时间序列的数量；S2、根据基础光伏预测功率矩阵计算向前1步的基础光伏预测功率误差，并组成基础光伏预测功率误差矩阵，采用块自举法从基础光伏预测功率误差矩阵中有放回地抽取J个误差块矩阵ε
(j)
，j∈{1,
…
,J}，并将J个误差块矩阵ε
(j)
叠加至基础光伏预测功率矩阵中，得到矩阵S3、在每个矩阵中提取第h列向量，并将提取的所有列向量重新排列成一个m
×
J阶的新基础光伏预测功率矩阵共得到新基础光伏预测功率矩阵：根据新基础光伏预测功率矩阵获得电力系统各层级的调和光伏预测功率2.根据权利要求1所述的概率性框架下光伏功率的层级式协调预测方法，其特征在于，电力系统各层级的调和光伏预测功率为：其中，S为m
×
m
b
阶求和矩阵，m
b
为最底层光伏测量功率时间序列数，m＝1+m1+
···
+m
b
，1、m1…
m
b
分别为电力系统b级层次结构从上至下聚合程度由高到低的l0级、l1级
···
和最底层l
b
级所含光伏测量功率时间序列的数量；求和矩阵中，某条光伏测量功率时间序列对应求和矩阵的某行，包含最底层的第i条光伏测量功率时间序列时，该行的第i个值为1，否则为0，i＝1,
···
,m
b
，P为最优协调矩阵。3.根据权利要求2所述的概率性框架下光伏功率的层级式协调预测方法，其特征在于，最优协调矩阵的求取方法包括：获取电力系统各个层级的参与者对应同一时间分辨率和预测范围的光伏测量功率时间序列Y
t+h
和基础光伏预测功率时间序列根据获取的光伏测量功率时间序列Y
t+h
和基础光伏预测功率时间序列计算最优协调矩阵P，最优协调矩阵P使所有功率时间序列向前h步调和光伏预测功率误差的...

【专利技术属性】
技术研发人员：杨大智，杨国铭，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：