一种基于MCMC方法预测的微电网评价反馈调度方法技术

本发明专利技术公开了一种基于MCMC方法预测的微电网评价反馈调度方法，属于微电网调度技术领域，以解决微电网的相关机械预测方法的结果输出专注于单一时序且忽略比较大的波动，应用效果不佳的问题。方法包括基于FCM的多参数聚类模拟方法、聚类典型功率出力与总功率的处理、基于MCMC方法的风力发电、光伏组件出力预测模拟、建立微电网可靠性评估体系、构建MIN

【技术实现步骤摘要】
一种基于MCMC方法预测的微电网评价反馈调度方法


[0001]本专利技术属于微电网调度
，具体涉及一种基于MCMC方法预测的微电网评价反馈调度方法。

技术介绍

[0002]风力发电、光伏发电以及水力发电的电能生产过程的无碳排放，近年来发展迅速。分布式发电基站契合了我国能源分布不均匀且高质量能源地区琐碎的特点，是我国目前最主流的能源基站规划模式。微电网则在分布式发电基站的基础上融合了综合能源系统和能源互联网的基本理论，实现了当地基站为基础的小规模能源互联体系。
[0003]在于微电网的相关调度方法中，当前国内外主流的方法之一是利用机械学习的方式对模型进行训练，再通过有限数据得到短时预测。虽然此方法在精度上比较精确，输出的功率时序曲线平滑且总体收敛，但此方法得到的预测结果往往输出比较专注于单一时序且忽略比较大的波动，最终得到的结果是忽略了现实不确定性因素的，应用效果不佳。恰恰在我国，粗壮乃大量的微电网，亟需科学的调度方法。
[0004]所以目前亟需解决的问题在于：需要将风光出力的不确定性导致的短时功率预测比较模糊以及水力发电的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MCMC方法预测的微电网评价反馈调度方法，其特征在于：该方法为以下步骤：S1、基于FCM的多参数聚类模拟方法：利用模糊C均值算法对整体数据进行聚类处理，以用于简化计算流程；设定聚类中一共包含N个样本数据，数据样本为N＝{x1,x2,x3
…
,xN}；c设定为聚类簇的数目，其包含的聚类簇用A表示可以将c表示为c＝{A1,A2,A3
…
,Ac}；v表示聚类中心则等于v＝{v1,v2,v3
…
,vc}；U表示c个聚类簇中的元素的相似分类矩阵；μk(xi)表示元素xi对于对于聚类簇Ak的隶属度；此时聚类函数的目标函数可以表示为：式中：d
ik
表示欧几里得距离，以用于衡量第i个样本x
i
与第k个聚类簇中心之间的距离；m表示样本的特征数；b表示加权参数其取值范围是1≤b≤∞；模糊C均值聚类算法可以通过改变加权系数b来使得不同参数参与聚类的参与度占比，从而在得到目标函数J
b
最小值的同时取得不同比例的聚类；欧氏距离可以由下式表示：并且同时引出各个样本数据相较于其聚类簇中心的隶属度μ
j
(x
i
)可以表示为：样本数据x
i
对于聚类簇A
k
的隶属度可以表示为：在计算样本数据与聚类中心欧氏距离以得到样本最有聚类的同时，聚类簇中心也会随着隶属度的变化实时更新，其更新公式可以表示为：用式(4)和式(5)反复修改聚类中心、数据隶属度和进行分类，当算法收敛时，理论上就得到了各类的聚类中心以及各个样本对于各模式类的隶属度，从而完成了模糊聚类划分；S2、聚类典型功率出力与总功率的处理：将聚类后得到的风力发电机组、光伏发电序列组视为整体分析；考虑将水力发电、风光联合电力输出统一分析调配，将两者的电力输出叠加处理进行潮流分析；
P
total
＝P
wind
+P
pv
+P
hydro (6)式中：P
total
表示可调度的总电力功率；P
wind
、P
pv
、P
hydro
分别表示风力发电机组出力、光伏组件出力、水电站群出力；S3、基于MCMC方法的风力发电、光伏组件出力预测模拟：S3.1、建立基于FCM聚类簇典型出力的马尔可夫链；S3.2生成状态转移矩阵；在马尔科夫分析中，引入状态转移这个概念；状态转移是指客观事物由一种状态转移到另一种状态的概率；在功率时序序列中，表征t时刻数据向着t+1时刻变化的概率和变化数值组成的矩阵，可用于对下一时刻的功率出力预测；S3.3Gibbs采样数据参与维度比较高的情况下，使用Gibbs采样可以显著提升算法运行效率，通过搜寻状态转移矩阵使接受度α趋近于1，以达到自动搜寻最优状态转移矩阵并且避免陷入局部最优解的目的；经过反复迭代计算后得到的状态转移矩阵每一列元素总体呈现出细致平稳的特征，并且其转移概率可以被分解为基转移的组合，即：B1,B2…
B
K
第k维的基转移可表示为：B
k
(z',z)＝q
k
(z|z')＝p(z
k
|z
′
\k
)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(15)式中：z'
\k
表示第k维分量后剩余的分量集合；从系统总集合上分析基转移组合可以表示为：如果一个概率分布关于每个基转移都是不变的，则这个概率分布关于组合后的基转移也是不变的；S3.4、生成模拟预测的风力发电、光伏组件出力时间序列；基于逆正态分布的状态持续时间拟合方法生成大量一维状态数据，再通过时间序列上的排列还原预测的出力功率表，在此平稳的功率输出曲线上再叠加不确定性导致的波动分量，模拟自然条件下的可再生电力输出曲线；S3.5、生成模拟预测的水力发电站、负荷群功率时间序列；选取同一季节跨度进行预测，产生春夏秋冬四种季节场景或枯水期、平水期、丰水期三种水期场景，再通过分场景单独与风
‑
光
‑
储系统联合分析；鉴于水电站群输出功率的波动幅度极小，沿用水电站群的历史功率数据，利用表征箱式图筛选部分数据，并分别计算枯水期、平水期、丰水期三个阶段的平均出力来得到水电站群的输出功率预测时序表；S4、建立微电网可靠性评估体系；S5、构建MIN
‑
MIN双目标鲁棒模型并求解；S5.1、搭建以日运行总成本、风险系数最优为目标的双目标模型；计算模型中计及不确定性变量，允许出力与负荷的最大波动偏差；
S5.2、利用列约束生成算法(C&CG)计算两阶段鲁棒模型。2.如权利要求1所述的一种基于MCMC方法预测的微电网评价反馈调度方法，其特征在于：S3.1中建立基于FCM聚类簇典型出力的马尔可夫链为：设第k个聚类中第n
k
的二维数据为Z(WP(n
k
)，PVP(n
k
))，则二维数据的状态划分公式如下：下：下：下：式中：WP(n
k
)、PVP(n
k
)分别为k个聚类中第n
k
个数据的净风力发电输出电功率、净光伏组件输出电功率；M
WP
、M
PV
分别为风力发电机组、光伏发电机组的状态数；ΔWP
k
、ΔPVP
k
分别为风力发电机组、净光伏组件的状态间隔；WP
M
(n
k
)、PVP
M
(n
k
)分别为第n
k
个数据的净风力发电输出功率、净光伏组件输出功率的状态编号；ceil为向上取整计算。3.如权利要求1所述的一种基于MCMC方法预测的微电网评价反馈调度方法，其特征在于：S3.1中以光伏组件的输出电功率为例；在光伏组件的输出功率时间线序列中其输出功率为PVP＝{PVP1,PVP2…
,PVP
n
},此时选取其中t时刻光伏组件的输出功率PVP
t
，此时对于t+1时刻的输出功率PVP
t+1
来说其功率与根据无记忆的马尔科夫属性PVP
t
的相关性可以由变化至功率PVP
t+1
的概率矩阵p
t
表征；单个状态转移矩阵可以表示...

【专利技术属性】
技术研发人员：茹秋实，宋志刚，张全娥，熊利锋，江盼，韩欢，向敏，彭举，卢家良，
申请(专利权)人：国网甘肃省电力公司陇南供电公司，
类型：发明
国别省市：