一种光储电站多时间尺度联合调度方法技术

本发明专利技术提供了一种光储电站多时间尺度联合调度方法

【技术实现步骤摘要】
一种光储电站多时间尺度联合调度方法、系统及电子设备


[0001]本专利技术涉及电网调度领域，特别是涉及一种基于多源气象预报光伏功率预测修正的光储电站多时间尺度联合调度方法
、
系统及电子设备
。

技术介绍

[0002]深入推进能源结构调整
、
加快构建以新能源为主体的新型电力系统已势在必行
。
由于光伏出力的间歇性
、
波动性和随机性等特点，高比例新能源电力系统需具备足够的调节容量以应对可再生能源的强不确定性
。
储能具有响应速度快
、
响应精度高
、
控制灵活等优势，为解决大规模新能源并网带来的电网调峰调频问题提供了重要途径
。
[0003]功率预测既是电网调度机构的硬性要求，更是用来降低考核罚款
、
提升运营收益的重要手段
。
目前光伏发电短期预测通常基于气象预测，多以数值天气预报
(Numerical Weather Prediction
，
NWP)
数据为气象预报源
。NWP
数据中的特征变量包括但不限于辐照强度
、
风速
、
风向以及温度，这些特征变量为光伏发电功率预测系统提供了重要的数据支撑
。
但单一气象预报源存在误报和偏差的问题，且由于气象预测本身的精度限制，光伏预测精度仍有待提高
。
[0004]在光储电站调度方面，传统有功功率调度方法主要采用日前调度和自动发电控制
(Automatic Generation Control
，
AGC)
两个调度时间尺度相结合的调度模式
。
这种调度模式由于日前预测和实际运行之间的时间跨度大，导致日前预测数据与实际需求之间偏差较大，增加了调频机组的调节压力，经常会出现
AGC
可调容量不足的现象
。

技术实现思路

[0005]本专利技术的目的是提供一种光储电站多时间尺度联合调度方法
、
系统及电子设备，可提高储能调度策略的精度，实时跟踪光储系统出力
。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种光储电站多时间尺度联合调度方法，包括：
[0008]获取光伏电站历史数据
、
预测日的数值天气预报数据
、
预测日的公共气象天气预报类型
、
预测日的实测总辐照度序列及日前光伏功率实际值；
[0009]根据所述光伏电站历史数据
、
预测日的数值天气预报数据
、
预测日的公共气象天气预报类型及预测日的实测总辐照度序列，确定总辐照度修正序列；
[0010]根据所述总辐照度修正序列，采用遗传算法及
BP
神经网络对日前光伏功率进行预测，得到日前光伏功率预测数据；
[0011]根据所述日前光伏功率实际值，采用多元正态
Copula
模型，确定多个日前光伏功率预测的场景及各场景的概率，并对所述日前光伏功率预测数据进行修正，得到修正后的光伏功率预测数据；
[0012]基于多个日前光伏功率预测的场景
、
各场景的概率及修正后的光伏功率预测数据，以光储系统调度成本最小为目标，建立日前随机优化模型，并对所述日前随机优化模型
求解，得到日前调度策略；所述日前调度策略包括日前计划中储能系统的充电功率及放电功率；
[0013]基于所述日前调度策略，以功率变化量最小为目标，建立日内滚动优化模型，并对所述日内滚动优化模型求解，得到日内滚动调度策略；所述日内滚动调度策略包括日内储能系统的充电功率及放电功率；
[0014]获取当前时刻的光伏实际功率及储能系统荷电状态；
[0015]根据当前时刻的光伏实际功率
、
储能系统荷电状态及所述日内滚动调度策略，确定储能放电功率及储能充电功率，以对储能系统进行实时调度
。
[0016]为实现上述目的，本专利技术还提供了如下方案：
[0017]一种光储电站多时间尺度联合调度系统，包括：
[0018]数据获取模块，用于获取光伏电站历史数据
、
预测日的数值天气预报数据
、
预测日的公共气象天气预报类型
、
预测日的实测总辐照度序列及日前光伏功率实际值；
[0019]总辐照度修正模块，与所述数据获取模块连接，用于根据所述光伏电站历史数据
、
预测日的数值天气预报数据
、
预测日的公共气象天气预报类型及预测日的实测总辐照度序列，确定总辐照度修正序列；
[0020]光伏功率预测模块，与所述总辐照度修正模块连接，用于根据所述总辐照度修正序列，采用遗传算法及
BP
神经网络对日前光伏功率进行预测，得到日前光伏功率预测数据；
[0021]光伏功率修正模块，与所述光伏功率预测模块连接，用于根据所述日前光伏功率实际值，采用多元正态
Copula
模型，确定多个日前光伏功率预测的场景及各场景的概率，并对所述日前光伏功率预测数据进行修正，得到修正后的光伏功率预测数据；
[0022]日前调度模块，与所述光伏功率修正模块连接，用于基于多个日前光伏功率预测的场景
、
各场景的概率及修正后的光伏功率预测数据，以光储系统调度成本最小为目标，建立日前随机优化模型，并对所述日前随机优化模型求解，得到日前调度策略；所述日前调度策略包括日前计划中储能系统的充电功率及放电功率；
[0023]日内调度模块，与所述日前调度模块连接，用于基于所述日前调度策略，以功率变化量最小为目标，建立日内滚动优化模型，并对所述日内滚动优化模型求解，得到日内滚动调度策略；所述日内滚动调度策略包括日内储能系统的充电功率及放电功率；
[0024]实时调度模块，与所述日内调度模块连接，用于获取当前时刻的光伏实际功率及储能系统荷电状态，并根据当前时刻的光伏实际功率
、
储能系统荷电状态及所述日内滚动调度策略，确定储能放电功率及储能充电功率，以对储能系统进行实时调度
。
[0025]为实现上述目的，本专利技术还提供了如下方案：
[0026]一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的光储电站多时间尺度联合调度方法
。
[0027]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术通过数值天气预报数据及公共气象天气预报类型对总辐照度进行修正，并采用多元正态
Copula
模型，计及光伏预测误差的条件相关性和时间相关性，提高了光伏功率预测的精度，进而提高了储能调度策略的精度，通过日前
+本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种光储电站多时间尺度联合调度方法，其特征在于，所述光储电站多时间尺度联合调度方法包括：获取光伏电站历史数据
、
预测日的数值天气预报数据
、
预测日的公共气象天气预报类型
、
预测日的实测总辐照度序列及日前光伏功率实际值；根据所述光伏电站历史数据
、
预测日的数值天气预报数据
、
预测日的公共气象天气预报类型及预测日的实测总辐照度序列，确定总辐照度修正序列；根据所述总辐照度修正序列，采用遗传算法及
BP
神经网络对日前光伏功率进行预测，得到日前光伏功率预测数据；根据所述日前光伏功率实际值，采用多元正态
Copula
模型，确定多个日前光伏功率预测的场景及各场景的概率，并对所述日前光伏功率预测数据进行修正，得到修正后的光伏功率预测数据；基于多个日前光伏功率预测的场景
、
各场景的概率及修正后的光伏功率预测数据，以光储系统调度成本最小为目标，建立日前随机优化模型，并对所述日前随机优化模型求解，得到日前调度策略；所述日前调度策略包括日前计划中储能系统的充电功率及放电功率；基于所述日前调度策略，以功率变化量最小为目标，建立日内滚动优化模型，并对所述日内滚动优化模型求解，得到日内滚动调度策略；所述日内滚动调度策略包括日内储能系统的充电功率及放电功率；获取当前时刻的光伏实际功率及储能系统荷电状态；根据当前时刻的光伏实际功率
、
储能系统荷电状态及所述日内滚动调度策略，确定储能放电功率及储能充电功率，以对储能系统进行实时调度
。2.
根据权利要求1所述的光储电站多时间尺度联合调度方法，其特征在于，预测日的数值天气预报数据包括预测日的直射辐照度序列及预测总辐照度序列；根据所述光伏电站历史数据
、
预测日的数值天气预报数据
、
预测日的公共气象天气预报类型及预测日的实测总辐照度序列，确定总辐照度修正序列，具体包括：根据所述光伏电站历史数据，确定光伏功率幅值特征及光伏功率波动特征；采用
SOM
神经网络，对所述光伏功率幅值特征及光伏功率波动特征进行聚类，以将所述光伏电站历史数据划分为多类广义天气类型，并确定各广义天气类型的占比；针对任一广义天气类型，对所述广义天气类型进行总辐照度等级划分，得到所述广义天气类型的多个总辐照度等级及各总辐照度等级对应的总辐照度序列；根据所述广义天气类型的各总辐照度等级对应的总辐照度序列，确定所述广义天气类型的分位数值时间序列；根据各广义天气类型的分位数值时间序列，确定广义天气类型之间各总辐照度等级的折算系数序列；根据预测日的直射辐照度序列
、
预测总辐照度序列及各广义天气类型的占比，确定预测日的广义天气类型；根据预测日的实测总辐照度序列及预测总辐照度序列，确定总辐照度系统误差；根据预测日前
D
天的广义天气类型
、
预测日的广义天气类型及预测日的公共气象天气预报类型，采用树增强型贝叶斯算法，计算预测日各广义天气类型的转移概率；根据预测日的广义天气类型
、
预测日的公共气象天气预报类型
、
所述总辐照度系统误
差
、
预测日各广义天气类型的转移概率
、
广义天气类型之间各总辐照度等级的折算系数序列，对预测日的预测总辐照度序列进行修正，得到总辐照度修正序列
。3.
根据权利要求2所述的光储电站多时间尺度联合调度方法，其特征在于，根据预测日的直射辐照度序列
、
预测总辐照度序列及各广义天气类型的占比，确定预测日的广义天气类型，具体包括：根据预测日的直射辐照度序列及预测总辐照度序列，确定预测日的日均直总辐照度比；根据预测日的日均直总辐照度比及各广义天气类型的占比，确定预测日的广义天气类型
。4.
根据权利要求2所述的光储电站多时间尺度联合调度方法，其特征在于，根据预测日的广义天气类型
、
预测日的公共气象天气预报类型
、
所述总辐照度系统误差
、
预测日各广义天气类型的转移概率
、
广义天气类型之间各总辐照度等级的折算系数序列，对预测日的预测总辐照度序列进行修正，得到总辐照度修正序列，具体包括：若预测日的广义天气类型与预测日的公共气象天气预报类型相同，则根据所述总辐照度系统误差对预测日的预测总辐照度序列进行修正，得到总辐照度修正序列；若预测日的广义天气类型与预测日的公共气象天气预报类型不同，则根据所述总辐照度系统误差
、
预测日各广义天气类型的转移概率及广义天气类型之间各总辐照度等级的折算系数序列，对预测日的预测总辐照度序列进行修正，得到总辐照度修正序列
。5.
根据权利要求1所述的光储电站多时间尺度联合调度方法，其特征在于，根据所述日前光伏功率实际值，采用多元正态
Copula
模型，确定多个日前光伏功率预测的场景及各场景的概率，并对所述日前光伏功率预测数据进行修正，得到修正后的光伏功率预测数据，具体包括：根据所述日前光伏功率实际值及所述日前光伏功率预测数据，确定边缘分布；根据所述边缘分布确定相关性矩阵；根据所述日前光伏功率预测数据及所述边缘分布，确定
...

【专利技术属性】
技术研发人员：刘敬宇，薛志勋，尹晓冬，刘威君，张海明，汤文杰，刘自发，姚雨森，李昆阳，房明星，
申请(专利权)人：大庆黄和光储实证研究有限公司华北电力大学，
类型：发明
国别省市：