一种风电功率爬坡事件概率评估方法技术

本发明专利技术属于电网调度运行领域，尤其涉及一种风电功率爬坡事件概率评估方法，包括以下步骤：S1：构建风电功率爬坡事件预测算法代理模型；S2：构建单个待预测气象数据时间序列样本点概率分布；S3：对单个待预测气象数据时间序列概率分布进行大容量抽样，构建二次样本空间；S4：使用代理模型快速计算二次样本空间样本概率。本发明专利技术所述的风电功率爬坡事件概率评估方法，充分考虑了气象数据预测误差，使用概率值描述风电功率爬坡事件，并且提供了一种风电功率爬坡事件概率评估的新方法，给出风电功率爬坡事件概率值，提高了预测精度，进而提高了对电网调度运行的驾驭能力。了对电网调度运行的驾驭能力。了对电网调度运行的驾驭能力。

【技术实现步骤摘要】
一种风电功率爬坡事件概率评估方法


[0001]本专利技术属于电网调度运行领域，尤其涉及一种风电功率爬坡事件概率评估方法。

技术介绍

[0002]电网企业提出构建以新能源为主体的新型电力系统，高比例渗透率的新能源将成为主流，新能源包括风电系统，但风电系统固有的随机性、波动性可以给电网带来较大影响。风电爬坡事件是指一种短时间尺度下功率的大幅波动，这种功率波动将会使电力系统在短时间内失去大量电源，原有发电负荷平衡被打破，给电力系统带来较大的冲击。
[0003]现有风电功率爬坡事件预测方法主要有小波变换、改进旋转门、突变理论等，算法未考虑气象数据的预测误差，同时计算给出的是确定性的风电功率爬坡事件结论，极端气象条件往往会导致爬坡事件的发生，此时系统发生并发性故障的可能性大幅增加，若爬坡事件和并发性故障同时发生将会给电力系统带来很大的风险，也给电力系统的安全稳定运行带来很大的压力。
[0004]上述的现有风电功率爬坡事件预测方法存在较大局限性：第一，预测精度有待提升，气象数据时间序列对风电功率爬坡事件结果起着关键作用，如未考虑气象数据预测误差，将直接影响预测结果的有效性；第二，直接给出确定性的评估结果过于粗糙，气象信息存在较大的随机性，因此风电功率爬坡事件应具有一定的概率，部分算法未给出风电功率爬坡事件概率值。
[0005]为此，本专利技术提供一种风电功率爬坡事件概率评估方法。

技术实现思路

[0006]为了解决或者改善上述问题，本专利技术提供了一种风电功率爬坡事件概率评估方法，具体技术方案如下：
[0007]本专利技术提供一种风电功率爬坡事件概率评估方法，包括以下步骤：
[0008]S1：构建风电功率爬坡事件预测算法代理模型；
[0009]S2：构建单个待预测气象数据时间序列样本点概率分布；
[0010]S3：对单个待预测气象数据时间序列概率分布进行大容量抽样，构建二次样本空间；
[0011]S4：使用代理模型快速计算二次样本空间样本概率。
[0012]优选的，所述S1中，构建风电功率爬坡事件预测算法代理模型具体包括：构建以气象数据时间序列为输入、风电功率爬坡事件为输出的代理模型，实现单个气象数据时间序列样本点风电功率爬坡事件的快速评估。
[0013]优选的，实现单个气象数据时间序列样本点风电功率爬坡事件的快速评估的具体方式如下：
[0014]S101、根据气象数据和风功率历史数据构建数据集，并将数据集分为训练集和测试集；
[0015]S102、计算训练集历史风功率的爬坡事件；
[0016]S103、定义爬坡事件数预测指标衡量时间窗口和爬坡率参数的有效性；
[0017]S104、构建风电功率爬坡计算代理模型。建立气象、风功率等数据与风电功率爬坡事件映射关系的代理模型，使用训练集数据求取代理模型参数。
[0018]优选的，建立气象、风功率等数据与风电功率爬坡事件映射关系的代理模型采用克里金法。
[0019]优选的，所述S2中，构建单个待预测气象数据时间序列样本点概率分布具体包括：统计历史气象数据的预测误差，选取预测误差的概率分布函数并计算其具体参数，将所述单个待预测气象数据时间序列转换为对应的概率分布函数。
[0020]优选的，气象数据主要有风速、风向、温度、湿度、气压等参数，其中以风速最为关键，专利技术取风速作为风电功率爬坡预测的自变量，风速按统计时段最大风速进行归一化。
[0021]优选的，所述S4中，使用代理模型快速计算二次样本空间样本概率具体包括：使用步骤S1所得到的所述代理模型，分别计算步骤S3所得的所述二次样本空间样本点，根据各样本点计算所得结果，统计得到风电功率爬坡事件的概率值。
[0022]本专利技术的有益效果为：本专利技术所述的风电功率爬坡事件概率评估方法，充分考虑了气象数据预测误差，使用概率值描述风电功率爬坡事件，并且提供了一种风电功率爬坡事件概率评估的新方法，给出风电功率爬坡事件概率值，提高了预测精度，进而提高了对电网调度运行的驾驭能力。
附图说明
[0023]图1为考虑气象预测历史误差的风电功率爬坡事件概率评估方法的步骤流程示意图；
[0024]图2为考虑气象预测历史误差的风电功率爬坡事件概率评估方法的另一步骤流程示意图；
[0025]图3为爬坡事件预测指标曲线图；
[0026]图4为风速预测误差正太分布拟合散点图。
具体实施方式
[0027]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0029]还应当理解，在本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0030]还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是
指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0031]为了提高现有风电功率爬坡事件预测的预测精度，解决气象信息存在较大的随机性的问题，参阅图1
‑
图4，本专利技术提供一种考虑气象预测误差的风电功率爬坡事件概率评估方法，包括以下步骤：
[0032]S1：构建风电功率爬坡事件预测算法代理模型；
[0033]S2：构建单个待预测气象数据时间序列样本点概率分布；
[0034]S3：对单个待预测气象数据时间序列概率分布进行大容量抽样，构建二次样本空间；
[0035]S4：使用代理模型快速计算二次样本空间样本概率
[0036]作为本专利技术的具体实施方式，S1中，构建风电功率爬坡事件预测算法代理模型具体包括：构建以气象数据时间序列为输入、风电功率爬坡事件为输出的代理模型，实现单个气象数据时间序列样本点风电功率爬坡事件的快速评估。具体方式如下：
[0037]S101、根据气象数据和风功率历史数据构建数据集，构建以风速、风向、历史风功率等数据为主的数据集，并将数据集分为训练集D
train
和测试集D
test
。
[0038]S102、计算训练集D
train
历史风功率的爬坡事件。明确风电功率爬坡标准，并明确爬坡表征的参数时间间隔Δt和功率变化阈值R
val
。
[0039]S103、定义爬坡事件数预测指标V衡量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电功率爬坡事件概率评估方法，其特征在于，包括以下步骤：S1：构建风电功率爬坡事件预测算法代理模型；S2：构建单个待预测气象数据时间序列样本点概率分布；S3：对单个待预测气象数据时间序列概率分布进行大容量抽样，构建二次样本空间；S4：使用代理模型快速计算二次样本空间样本概率。2.根据权利要求1所述的一种风电功率爬坡事件概率评估方法，其特征在于：所述S1中，构建风电功率爬坡事件预测算法代理模型具体包括：构建以气象数据时间序列为输入、风电功率爬坡事件为输出的代理模型，实现单个气象数据时间序列样本点风电功率爬坡事件的快速评估。3.根据权利要求2所述的一种风电功率爬坡事件概率评估方法，其特征在于：实现单个气象数据时间序列样本点风电功率爬坡事件的快速评估的具体方式如下：S101、根据气象数据和风功率历史数据构建数据集，并将数据集分为训练集和测试集；S102、计算训练集历史风功率的爬坡事件；S103、定义爬坡事件数预测指标衡量时间窗口和爬坡率参数的有效性；S104、构建风电功率爬坡计算代理模型。建立气象、风功率等数据与风电功率爬坡事件映射关系...

【专利技术属性】
技术研发人员：杨有慧，董申颂，韦志炜，凌武能，陈明媛，梁阳豆，覃芳璐，谢代钰，陈涛，
申请(专利权)人：广西电网有限责任公司，
类型：发明
国别省市：