[發明專利]一種含新能源機組的電網備用容量概率化動態評估方法、系統、終端及可讀存儲介質

在審

• 申請號: 202110763793.2
• 申請日: 2021-07-06
• 公開（公告）號: CN113468811A
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 李立;王康;遲方德;喬彥君;張青蕾;彭書濤;鄧俊;夏楠;紀君奇;況理;彭佳盛;文云峰
• 申請（專利權）人: 國網陜西省電力公司;國網陜西省電力公司電力科學研究院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06Q10/04;G06Q50/06;H02J3/00;G06F111/08;G06F113/04
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 姚瑤

1.一種含新能源機組的電網備用容量概率化動態評估方法，其特征在于：包括以下步驟：

S1：獲取含新能源機組的電網中歷史周期內的發電歷史數據和負荷歷史數據，并將基于所述發電歷史數據和負荷歷史數據計算出的新能源發電預測誤差和負荷預測誤差作為樣本；

S2：將歷史周期內對應的新能源發電預測誤差和負荷預測誤差進行分類；

S3：基于對應類別的新能源發電預測誤差樣本和負荷預測誤差樣本分別構建對應類別的新能源發電預測誤差概率密度模型和負荷預測誤差概率密度模型；

S4：基于所述新能源發電預測誤差概率密度模型和負荷預測誤差概率密度模型計算得到每個類別的等效備用的概率分布；

其中，等效備用為負荷預測誤差與新能源發電預測誤差之差，并由新能源發電預測誤差概率密度模型和負荷預測誤差概率密度模型的各自類別確定等效備用的類別；

S5：選取置信度，并基于選取的置信度和所屬類別的等效備用的概率分布得到備用容量。

2.根據權利要求1所述的方法，其特征在于：步驟S2中將歷史周期內對應的新能源發電預測誤差進行分類時，包括：依據兩個或兩個以上的時段長度為單元分別進行分類；或同時包括以預測功率數據量為標準進行分類和依據兩個或兩個以上的時段長度為單元分別進行分類：

其中，以預測功率數據量為標準進行分類的過程為：

按照歷史周期內的發電歷史數據中發電預測功率值大小將新能源發電預測誤差樣本進行排序；

再根據樣本數據量將新能源發電預測誤差樣本進行等量均分；

依據兩個或兩個以上的時段長度為單元分別進行分類時，均采用聚類算法進行分類。

3.根據權利要求2所述的方法，其特征在于：所述依據兩個或兩個以上的時段長度為單元分別進行分類時，選擇的時段長度分別為tmin和1個月，tmin為發電歷史數據和負荷歷史數據的采樣間隔；

其中，采用模糊C均值聚類進行分類，并平均絕對誤差、標準差、平均相對誤差值和平均誤差值作為聚類指標，以某一時段長度為單元對將歷史周期內對應的新能源發電預測誤差進行分類的過程如下：

S2.2.1：提取同一時段的數據的聚類指標，并利用所述聚類指標構建聚類指標樣本集E＝{e₁,e₂,...，e_j,...，e_n1}，n1為時段數，任意第j個時段樣本e_j由p個聚類指標構成的一維向量；

S2.2.2：設置迭代次數的上限值S、類別數c(2≤c≤n1)、迭代終止的最小值ε、加權指數m；

S2.2.3：初始化聚類中心C＝{c₁,c₂,...,c_i,...,c_c}，c_i是第i組的聚類中心；

S2.2.4：按照下述隸屬度公式以及聚類中心更新公式更新隸屬度矩陣U＝(u_ij)_c×n1和聚類中心C直至滿足迭代的終止條件；

式中，u_ij為第j個指標e_j對應第i組的聚類中心c_i的隸屬度；

將迭代終止后隸屬度矩陣中樣本對應的隸屬度中最大隸屬度的類作為所述樣本所屬的類。

4.根據權利要求1所述的方法，其特征在于：所述發電歷史數據包括歷史周期內每tmin內的日前發電預測功率值P_WFt(MW)、實際發電測量值P_WMt(MW)和裝機容量P_it(MW)；所述負荷歷史數據包括歷史周期內每tmin的負荷預測功率值P_LFt(MW)、實際負荷測量值P_LMt(MW)；

所述新能源發電預測誤差和所述負荷預測誤差的公式如下：

e_Lt＝P_LMt-P_LFt

式中，e_Wtpu、e_Lt分別表示tmin的新能源發電預測誤差和負荷預測誤差。