[發(fā)明專利]基于非參數(shù)統(tǒng)計的自適應(yīng)分布魯棒機(jī)組組合方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010832301.6
• 申請日: 2020-08-18
• 公開（公告）號: CN112054554B
• 公開（公告）日: 2022-10-28
• 發(fā)明（設(shè)計）人: 吳曉賓;亓富軍;馮德品;牟軍;王軍;趙中華;陳筱陸;路長祿;姬帥;邢文濤;馬健;張興堂;耿家健
• 申請（專利權(quán)）人: 國網(wǎng)山東省電力公司臨沂供電公司;國家電網(wǎng)有限公司
• 主分類號: H02J3/38
• 分類號: H02J3/38;G06Q50/06
• 代理公司: 濟(jì)南圣達(dá)知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 祖之強(qiáng)

本公開提供了一種基于非參數(shù)統(tǒng)計的自適應(yīng)分布魯棒機(jī)組組合方法及系統(tǒng)，屬于風(fēng)力發(fā)電技術(shù)領(lǐng)域，所述方法包括以下步驟：獲取風(fēng)力發(fā)電系統(tǒng)的運行狀態(tài)數(shù)據(jù)；根據(jù)獲取的數(shù)據(jù)，采用非參數(shù)統(tǒng)計方法構(gòu)建風(fēng)電概率分布的模糊集；對模糊集進(jìn)行預(yù)處理得到出力上下界，確定系統(tǒng)可消納風(fēng)電范圍，將模糊集轉(zhuǎn)化為從區(qū)間和時間兩個維度構(gòu)造的多面體不確定集；基于構(gòu)造的多面體不確定集、獲取的運行狀態(tài)數(shù)據(jù)和預(yù)設(shè)的機(jī)組組合模型，輸出風(fēng)電機(jī)組的組合方案；本公開通過引入模糊集描述不確定變量的不確定性，可以更加細(xì)致的表示變量的概率分布，提高了解的有效性和精確度，降低模型的保守性。

技術(shù)領(lǐng)域

本公開涉及風(fēng)力發(fā)電技術(shù)領(lǐng)域，特別涉及一種基于非參數(shù)統(tǒng)計的自適應(yīng)分布魯棒機(jī)組組合方法及系統(tǒng)。

背景技術(shù)

本部分的陳述僅僅是提供了與本公開相關(guān)的背景技術(shù)，并不必然構(gòu)成現(xiàn)有技術(shù)。

近年來，隨著大規(guī)模可再生能源如風(fēng)電、光伏的不斷并網(wǎng)，系統(tǒng)的不確定性不斷增強(qiáng)，傳統(tǒng)電網(wǎng)的運行正遭受著巨大的挑戰(zhàn)。傳統(tǒng)調(diào)度理論在處理風(fēng)電不確定性時通常假設(shè)出力為某一特定常數(shù)而忽略了概率分布特征，難以得到?jīng)Q策的最優(yōu)解。因此，如何在電網(wǎng)調(diào)度中合理考慮風(fēng)電的不確性與間歇性，在最大限度發(fā)揮風(fēng)能經(jīng)濟(jì)效益的同時，確保風(fēng)電并網(wǎng)后電力系統(tǒng)的可靠性，是當(dāng)今的熱門話題，對提高電力系統(tǒng)運行的安全性有著重要的意義。

魯棒優(yōu)化是一類基于區(qū)間擾動信息的不確定性決策方法，其目標(biāo)在于實現(xiàn)不確定參量最劣情況下的的最優(yōu)決策，計算效率高，然而，這個決策過程并未體現(xiàn)不確定參量背后的統(tǒng)計學(xué)規(guī)律，不能保證結(jié)果的有效性，且決策過程僅考慮了極端邊界信息，具有不可避免的保守性。正因如此，結(jié)合隨機(jī)規(guī)劃與魯棒優(yōu)化的分布魯棒優(yōu)化方法得到了迅速的發(fā)展。

分布魯棒優(yōu)化(DRO)的目標(biāo)是在模糊集內(nèi)尋求最惡場景下的函數(shù)最值問題。模糊集合為一類滿足給定條件的、所有可能概率分布的集合，不同的描述角度對于模型的轉(zhuǎn)化和解的魯棒性產(chǎn)生重大影響。目前，模糊集的構(gòu)造方法主要有三種，一是利用不確定參量的統(tǒng)計矩信息構(gòu)造的模糊集，如一階矩和二階矩，即期望或協(xié)方差。有研究人員提出了計及一般性矩不確定問題的分布魯棒實時調(diào)度模型，將原問題等價轉(zhuǎn)換為確定性二次約束二次規(guī)劃(Quadratically Constrained Quadratic Programming，QCQP)問題，具有高效性。二是基于概率分布之間“距離”的構(gòu)造模糊集，在DRO體系中經(jīng)常用-散度來刻畫兩個分布間的距離，常見的散度函數(shù)包括Kullback–Leibler，卡方-散度，Hellinger散度和wasserstein距離函數(shù)等。有研究人員用KL散度提出了一種新的基于距離的分布魯棒機(jī)組組合(DB-DRUC)模型。有研究人員通過Wasserstein度量成功地將具有分布模糊性的風(fēng)險規(guī)避兩階段隨機(jī)優(yōu)化問題轉(zhuǎn)化為傳統(tǒng)的兩階段魯棒優(yōu)化問題。三是依據(jù)概率密度函數(shù)構(gòu)造模糊集，這個方法并不是很常見。通常是依據(jù)歷史樣本信息，可以采用非參數(shù)估計方法或擬合優(yōu)度檢驗，得到“理論”上的概率分布函數(shù)，構(gòu)造包含所有可能分布的置信帶。有研究人員采用不精確狄利克雷模型(IDM)來構(gòu)造包含所有可能的風(fēng)電概率分布的模糊集，從而根據(jù)自適應(yīng)魯棒優(yōu)化的思想，提出了一種分布魯棒機(jī)組組合優(yōu)化模型。有研究人員提出了一種數(shù)據(jù)驅(qū)動的近似可調(diào)分布魯棒方法，該方法考慮了不確定負(fù)荷和可再生能源發(fā)電預(yù)測誤差，同時保證了系統(tǒng)的安全性。

但是，本公開發(fā)明人發(fā)現(xiàn)，上述方法均沒有考慮不確定量的概率分布的不確定性，從而無法反映真實的概率分布，而且在樣本足夠多時，決策的保守性較高。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)的不足，本公開提供了一種基于非參數(shù)統(tǒng)計的自適應(yīng)分布魯棒機(jī)組組合方法及系統(tǒng)，通過引入模糊集描述不確定變量的不確定性，可以更加細(xì)致的表示變量的概率分布，提高了解的有效性和精確度，降低模型的保守性。

為了實現(xiàn)上述目的，本公開采用如下技術(shù)方案：

本公開第一方面提供了一種基于非參數(shù)統(tǒng)計的自適應(yīng)分布魯棒機(jī)組組合方法。

一種基于非參數(shù)統(tǒng)計的自適應(yīng)分布魯棒機(jī)組組合方法，包括以下步驟：