一种新能源高渗透率电力系统供电能力预测方法及系统技术方案

本发明专利技术公开了一种新能源高渗透率电力系统供电能力预测方法及系统包括：获取电力系统的参数信息，通过误差分析分别对风电功率

【技术实现步骤摘要】
一种新能源高渗透率电力系统供电能力预测方法及系统


[0001]本专利技术涉及电力系统
，具体为一种新能源高渗透率电力系统供电能力预测方法及系统
。

技术介绍

[0002]着电网规模的不断扩大，负荷增长和风能
、
太阳能等可再生能源的大规模并网带来的不确定性增加了电力系统的随机性，而充足的负荷供应能力是保证电力系统安全运行的基础
。
因此，准确计算电力系统的有效负荷供应能力至关重要
。
供电能力评估可以量化电力系统负荷增长的灵活性和安全裕度
。
在现有的供电能力概率评估研究中，负荷
、
风力发电机组和光伏发电机组等不确定性源的概率分布均为主观人为预设，一方面既不符合电力系统工程实际情况，另一方面也难以对未来电网的运行状况进行准确评估
。

技术实现思路

[0003]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例
。
在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分
、
说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围
。
[0004]鉴于上述存在的问题，提出了本专利技术
。
[0005]因此，本专利技术解决的技术问题是：现有的新能源高渗透率电力系统供电能力预测方法存在人力评估使得评估结果不准确的优化问题
。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：一种新能源高渗透率电力系统供电能力预测方法，包括：获取电力系统的参数信息，通过误差分析分别对风电功率
、
光伏功率
、
负荷功率的三种功率预测选取基础学习器；利用所选取的基础学习器和固定的元学习器，采用集成学习模型对风电
、
光伏和负荷功率进行预测；利用最优拉丁超立方抽样方法对预测分布进行采样；将采样值输入到包含两阶段功率分配的重复潮流中，计算供电能力概率预测结果
。
[0007]作为本专利技术所述的新能源高渗透率电力系统供电能力预测方法的一种优选方案，其中：所述基础学习器算法包括，支持向量回归
、
极致梯度提升
、K
近邻
、
岭回归
。
[0008]作为本专利技术所述的新能源高渗透率电力系统供电能力预测方法的一种优选方案，其中：所述误差分析方法包括，采用均方误差对风电功率
、
光伏功率
、
负荷功率的三种功率预测结果进行评价，淘汰每一种预测结果中均方误差最大的学习器，并将余下三个学习器作为集成学习的基础学习器
。
[0009]作为本专利技术所述的新能源高渗透率电力系统供电能力预测方法的一种优选方案，其中：所述固定的元学习器包括，采用线性回归方程作为元学习器，一般表达式：
[0010]y
＝
W
T
X+
ε
[0011]其中，
W
＝
[
β0,
β1,...,
β
k
]T
是回归系数矩阵；
X
＝
[1,x1,x2,...,x
k
]T
是自变量矩阵；
y
表示因变量；
ε
为白噪声，
T
为转置，
x
为元学习器的自变量，
β
为回归系数，
k
是自变量的总个
数；
[0012]用最小二乘法求得
W
的解：
[0013]W
＝
(X
T
X)
‑1X
T
y
[0014]其中，
W
＝
[
β0,
β1,...,
β
k
]T
是回归系数矩阵；
X
＝
[1,x1,x2,...,x
k
]T
是自变量矩阵；
y
表示因变量，
‑1表示矩阵逆
。
[0015]作为本专利技术所述的新能源高渗透率电力系统供电能力预测方法的一种优选方案，其中：所述集成学习包括，对于风电
、
光伏和负荷三种功率预测，均采用集成学习模型的方法进行；
[0016]集成学习模型有两层结构，第一层为基学习层，使用由误差分析得到的3个基学习器进行预测，得到3组预测值；
[0017]第二层为元学习层，将基学习层的三个基础学习器输出的计算结果作为输入，进行计算最终得到供电能力预测结果
。
[0018]作为本专利技术所述的新能源高渗透率电力系统供电能力预测方法的一种优选方案，其中：对所述预测结果的预测分布进行采样包括，首先，将待采样区间划分为
N
个非等距的不重叠子区间；然后在每个子区间中随机选取
M
个值，传统拉丁超立方采用值可由下式得到：
[0019][0020]其中，为逆累积分布函数；
Rand
表示从0到1变化的随机数；
[0021]将
X
M
的
N
个样本值组织成一个向量
[x
k1
，
x
k2
，
…
，
x
kN
]，
N
个子区间的向量可以形成一个
M
×
N
初始采样矩阵；针对所述初始采样矩阵，以采样点间特征距离
d
最大为目标，对初始采样矩阵进行重新排列，所得到的新矩阵为最优拉丁超立方采样结果，采样点间特征距离
d
计算方法及优化方法如下：
[0022][0023]其中，
x
ik
和
x
jk
为采样矩阵中各个采样点；
x
i
x
j
为每个区间中的采样点；
M
为每个区间中采样值总数；
i
和
j
分别代表母线序号，
1≤i
，
j≤N
，
i≠j
；
k
＝1，2，
…
，
M
均是为了遍历矩阵中所有采样值对；
[0024]所述待采样区间包括，利用所选取的基础学习器和固定的元学习器，采用集成学习模型对风电
、
光伏和负荷功率进行预测从而得到的预测结果
。
[0025]作为本专利技术所述的新能源高渗透率电力系统供电能力预测方法的一种优选方案，其中：所述两阶段功率分配的重复潮流包括，根据各电源在不同平衡节点上的剩余容量的比例进行分配，第一阶段功率分配，针对功率预测误差进行的功率重本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种新能源高渗透率电力系统供电能力预测方法，其特征在于，包括：获取电力系统的参数信息，通过误差分析分别对风电功率
、
光伏功率
、
负荷功率的三种功率预测选取基础学习器；利用所选取的基础学习器和固定的元学习器，采用集成学习模型对风电
、
光伏和负荷功率进行预测；利用最优拉丁超立方抽样方法对预测分布进行采样；将采样值输入到包含两阶段功率分配的重复潮流中，计算供电能力概率预测结果
。2.
如权利要求1所述的新能源高渗透率电力系统供电能力预测方法，其特征在于：所述基础学习器算法包括，支持向量回归
、
极致梯度提升
、K
近邻
、
岭回归
。3.
如权利要求2所述的新能源高渗透率电力系统供电能力预测方法，其特征在于：所述误差分析方法包括，采用均方误差对风电功率
、
光伏功率
、
负荷功率的三种功率预测结果进行评价，淘汰每一种预测结果中均方误差最大的学习器，并将余下三个学习器作为集成学习的基础学习器
。4.
如权利要求3所述的新能源高渗透率电力系统供电能力预测方法，其特征在于：所述固定的元学习器包括，采用线性回归方程作为元学习器，一般表达式：
y
＝
W
T
X+
ε
其中，
W
＝
[
β0,
β1,...,
β
k
]
T
是回归系数矩阵；
X
＝
[1,x1,x2,...,x
k
]
T
是自变量矩阵；
y
表示因变量；
ε
为白噪声，
T
为转置，
x
为元学习器的自变量，
β
为回归系数，
k
是自变量的总个数；用最小二乘法求得
W
的解：
W
＝
(X
T
X)
‑1X
T
y
其中，
W
＝
[
β0,
β1,...,
β
k
]
T
是回归系数矩阵；
X
＝
[1,x1,x2,...,x
k
]
T
是自变量矩阵；
y
表示因变量，
‑1表示矩阵逆
。5.
如权利要求4所述的新能源高渗透率电力系统供电能力预测方法，其特征在于：所述集成学习包括，对于风电
、
光伏和负荷三种功率预测，均采用集成学习模型的方法进行；集成学习模型有两层结构，第一层为基学习层，使用由误差分析得到的3个基学习器进行预测，得到3组预测值；第二层为元学习层，将基学习层的三个基础学习器输出的计算结果作为输入，进行计算最终得到供电能力预测结果
。6.
如权利要求5所述的新能源高渗透率电力系统供电能力预测方法，其特征在于：对所述预测结果的预测分布进行采样包括，首先，将待采样区间划分为
N
个非等距的不重叠子区间；然后在每个子区间中随机选取
M
个值，传统拉丁超立方采用值可由下式得到：其中，为逆累积分布函数；
Rand
表示从0到1变化的随机数；将
X
M
的
N
个样本值组织成一个向量
[x
k1
，
x
k2
，
…
，
x
kN
]
，
N
个子区间的向量可以形成一个
M
×
N
初始采样矩阵；针对所述初始采样矩阵，以采样点间特征距离
d
最大为目标，对初始采样矩阵进行重新排列，所得到的新矩阵为最优拉丁超立方采样结果，采样点间特征距离
d
计算方法及优化方法如下：
其中，
x
ik
和
x
jk
为采样矩阵中各个采样点；
x
i
x
j
为每个区间中的采样点；
M
为每个区间中采样值总数；
i
和
j
分别代表母线序号，
1≤i
，
j≤N
，
i≠j
；
k
＝1，2，
…
，
M
均是为了遍历矩阵中所有采样值对；所述待采样区间包括，利用所选取的基础学习器和固定的元学习器，采用集成学习模型对风电
、
光伏和负荷功率进行预测从而得到的预测结果
。7.
如权利要求6所述的新能源高渗透率电力系统供电能力预测方法，其特征在于：所述两阶段功率分配的重复潮流包括，根据各电源在不同平衡节点上的剩余容量的比例进行分配，第一阶段功率分配，针对功率预测误差进行的功率重新分配；第二阶段功率分配针对负载功率的增长进行的功率重新分配；重复潮流计算流程为：在所有随机输入变量的平均值下进行潮流计算，得到系统损耗的参考值；其中，
N
为母线数量；
P
Gi
为母线
i
处的发电机有功功率；
P
Di
...

【专利技术属性】
技术研发人员：刘双全，邵其专，唐俊杰，谢一工，吴洋，池源，朱欣春，张琳波，邹尧，张杰，李家鹏，许晓龙，陈凯，赵栩，
申请(专利权)人：云南电网有限责任公司，
类型：发明
国别省市：