【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及電力系統(tǒng)風(fēng)險評估領(lǐng)域，具體涉及一種基于光伏出力預(yù)測誤差的配電網(wǎng)風(fēng)險評估方法。
技術(shù)介紹
1、在“雙碳”目標(biāo)的指導(dǎo)下，我國積極推動建設(shè)以新能源為主體的新型電力系統(tǒng)，大力發(fā)展分布式新能源，高比例分布式電源接入配電網(wǎng)已逐漸成為未來電力系統(tǒng)的關(guān)鍵特征。然而，光伏發(fā)電的功率輸出具有明顯的隨機性和波動性，這主要受到天氣條件、日照強度等因素的影響。這種不確定性使得光伏發(fā)電的預(yù)測誤差成為配電網(wǎng)運行中的一個重要挑戰(zhàn)。
2、現(xiàn)有的配電網(wǎng)風(fēng)險評估方法通常基于歷史數(shù)據(jù)和傳統(tǒng)的負(fù)荷預(yù)測模型，未能充分考慮光伏發(fā)電出力預(yù)測誤差對配電網(wǎng)穩(wěn)定性和安全性的影響。因此，在光伏發(fā)電系統(tǒng)逐步增加的背景下，傳統(tǒng)的風(fēng)險評估方法往往難以準(zhǔn)確評估配電網(wǎng)在實際運行中的風(fēng)險情況，導(dǎo)致在光伏發(fā)電波動時配電網(wǎng)可能面臨嚴(yán)重的電力供應(yīng)問題或設(shè)備過載，進而影響電力系統(tǒng)的安全穩(wěn)定運行。此外，現(xiàn)有的光伏發(fā)電預(yù)測技術(shù)雖然已取得一定進展，但依然面臨著預(yù)測精度不高、誤差波動大的問題。這些問題在配電網(wǎng)風(fēng)險評估中尚未得到有效解決，造成了對配電網(wǎng)實際運行風(fēng)險的評估不夠準(zhǔn)確。因此，亟需一種新的方法來綜合考慮光伏發(fā)電出力預(yù)測誤差，以更準(zhǔn)確地評估配電網(wǎng)的風(fēng)險，從而提升配電網(wǎng)的穩(wěn)定性和可靠性。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的在于提供一種基于光伏出力預(yù)測誤差的配電網(wǎng)風(fēng)險評估方法，以保證光伏出力預(yù)測誤差擾動時配電網(wǎng)的電壓風(fēng)險評估精度并盡可能縮短風(fēng)險評估時間。
2、實現(xiàn)本專利技術(shù)目的的技術(shù)解決方案為：一種基于光伏出力預(yù)測誤差的配電網(wǎng)
3、步驟1、構(gòu)建孤立森立算法的孤立樹，對海量分布式光伏出力的歷史數(shù)據(jù)進行融合處理，修正光伏出力的異常值；
4、步驟2、基于光伏出力典型場景，構(gòu)建光伏出力預(yù)測誤差的概率分布模型，其中基于自適應(yīng)k-means聚類算法劃分出配電網(wǎng)光伏典型出力場景，根據(jù)氣象條件采用bilstm對分布式光伏出力進行超短時預(yù)測，得到光伏出力的預(yù)測曲線，采用kde對光伏出力預(yù)測誤差進行建模，得到光伏出力預(yù)測誤差的概率分布曲線；
5、步驟3、結(jié)合半不變量和gram-charher展開級數(shù)的方法，通過概率潮流計算得到配電網(wǎng)各節(jié)點電壓的概率分布，包括節(jié)點電壓概率密度曲線和概率分布曲線，以概率分布的形式來描述系統(tǒng)的不確定性；
6、步驟4、計算配電網(wǎng)的節(jié)點電壓越限概率，對配電網(wǎng)電壓越限風(fēng)險進行評估。
7、進一步的，步驟1中，對海量分布式光伏出力的歷史數(shù)據(jù)進行融合處理，修正光伏出力的異常值進行，具體方法為：
8、步驟1.1，構(gòu)建孤立森立算法的孤立樹，通過逐步分割數(shù)據(jù)點，將光伏出力異常數(shù)據(jù)點孤立出來；
9、首先從海量光伏出力數(shù)據(jù)中隨機選擇n個樣本數(shù)據(jù)點作為子采樣集，并構(gòu)造一棵初始itree，將子采樣集放入樹的根節(jié)點；然后從數(shù)據(jù)的多個維度中隨機指定一個屬性維度q，在當(dāng)前節(jié)點數(shù)據(jù)中隨機產(chǎn)生一個切割點p；隨后在此切割點生成一個超平面，將當(dāng)前節(jié)點的數(shù)據(jù)空間劃分為兩個子空間，把指定q屬性值小于p的數(shù)據(jù)項放入當(dāng)前節(jié)點的左子空間中；反之，放入右子空間中；不斷遞歸調(diào)用上述步驟，直至子空間無法繼續(xù)切割或該itree已達到限定高度；
10、步驟1.2，計算每個出力數(shù)據(jù)點在孤立森林中的孤立路徑長度，并得到相對應(yīng)的異常分?jǐn)?shù)，檢測異常數(shù)據(jù)點；
11、對于測試數(shù)據(jù)x，將其代入森林中的每一棵itree，計算其落在每棵樹的深度h(x)，計算所有h(x)的平均值為e(h(x))結(jié)合標(biāo)準(zhǔn)平均搜索長度l(n)和調(diào)和數(shù)h(x)，計算待測數(shù)據(jù)的異常評分；
12、設(shè)置標(biāo)準(zhǔn)平均搜索長度l(n)和調(diào)和數(shù)h(x)為：
13、l(n)＝2h(n-1)-[2(n-1)/n]????????????????????????????(1)
14、h(i)＝ln(i)+0.5772????????????????????????????(2)
15、則待測數(shù)據(jù)的異常評分為：
16、
17、若u(x,n)接近1，則認(rèn)為該數(shù)據(jù)為異常數(shù)據(jù)；對于異常數(shù)據(jù)，采用最近鄰插補方法進行修正，對異常的光伏出力數(shù)據(jù)點進行修正后，光伏出力數(shù)據(jù)中的異常值將被修正值替換，得到可用于光伏出力典型場景劃分和預(yù)測誤差建模的良好的光伏出力數(shù)據(jù)集。
18、進一步的，步驟2中，基于光伏出力典型場景，構(gòu)建光伏出力預(yù)測誤差的概率分布模型，具體方法為：
19、步驟2.1，基于自適應(yīng)k-means聚類算法劃分出配電網(wǎng)光伏典型出力場景，得到分布式光伏典型出力曲線，
20、k-means算法采用歐氏距離來評價兩個樣本的相似程度，隨機選取光伏出力數(shù)據(jù)中的k個點作為初始聚類中心，通過計算各個時刻的光伏出力值到該中心的歐式距離不斷地更新聚類中心，直至誤差函數(shù)到達并穩(wěn)定在最小值；
21、樣本中光伏出力值xi與xj之間的歐式距離計算公式如式(4)所示：
22、
23、以平方準(zhǔn)則誤差函數(shù)的大小來判斷聚類中心是否達到穩(wěn)定，當(dāng)誤差函數(shù)到達并穩(wěn)定在最小值時說明光伏出力的聚類中心已經(jīng)不再變化，平方準(zhǔn)則誤差函數(shù)的計算公式如式(5)所示：
24、
25、式中，k為聚類的個數(shù)；ti為第i類中樣本的個數(shù)；ni是第i類樣本的均值；
26、利用輪廓系數(shù)的大小衡量光伏出力典型場景聚類效果是否良好，其計算包括內(nèi)聚度和分離度，輪廓系數(shù)計算公式為：
27、
28、式中，a(i)為簇內(nèi)凝聚度，定義為同類間數(shù)據(jù)點的平均距離；b(i)為簇間分離度，定義為樣本點與相鄰簇中數(shù)據(jù)點的平均距離，由式(6)看到，輪廓系數(shù)的最大值為1，最小值為0，輪廓系數(shù)越接近于1，說明兩個簇之間分離得越遠(yuǎn)，簇內(nèi)分布越密集，聚類效果越好；
29、步驟2.2，根據(jù)氣象條件采用bilstm對分布式光伏出力進行超短時預(yù)測，得到光伏出力的預(yù)測曲線，將預(yù)測值與典型出力場景的實際值進行對比計算形成預(yù)測誤差的分布圖；
30、bilstm由雙層lstm構(gòu)成，根據(jù)bilstm神經(jīng)網(wǎng)絡(luò)模型，得到光伏出力的短期預(yù)測結(jié)果；
31、為評價神經(jīng)網(wǎng)絡(luò)的的訓(xùn)練結(jié)果，采用均方根誤差rmse、均方誤差mae作為神經(jīng)網(wǎng)絡(luò)對光伏出力預(yù)測的評價指標(biāo)，rmse與mae的表達式如下：
32、
33、
34、式中，n表示數(shù)據(jù)點總數(shù)；表示光伏出力的預(yù)測值；fi表示光伏出力的實際值；
35、
36、將一天按照每15min劃分為一個時刻，則一天共96個時刻，將每個時刻的預(yù)測值與當(dāng)天的典型出力場景的實際值進行對比計算形成預(yù)測誤差的分布圖；
37、步驟2.3：基于預(yù)測誤差的分布圖，采用kde對光伏出力預(yù)測誤差進行建模，得到光伏出力預(yù)測誤差的概率分布曲線；
38、核密度估計值函數(shù)的表達式如下：
39、
40、式中，n表示數(shù)據(jù)點總數(shù)；h表示核密度函數(shù)的本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于光伏出力預(yù)測誤差的配電網(wǎng)風(fēng)險評估方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述一種基于光伏出力預(yù)測誤差的配電網(wǎng)風(fēng)險評估方法，其特征在于，步驟1中，對海量分布式光伏出力的歷史數(shù)據(jù)進行融合處理，修正光伏出力的異常值進行，具體方法為：
3.如權(quán)利要求1所述一種基于光伏出力預(yù)測誤差的配電網(wǎng)風(fēng)險評估方法，其特征在于，步驟2中，基于光伏出力典型場景，構(gòu)建光伏出力預(yù)測誤差的概率分布模型，具體方法為：
4.如權(quán)利要求1所述一種基于光伏出力預(yù)測誤差的配電網(wǎng)風(fēng)險評估方法，其特征在于，步驟3中，結(jié)合半不變量和Gram-Charher展開級數(shù)的方法，計算配電網(wǎng)的概率潮流，具體方法為：
5.如權(quán)利要求1所述一種基于光伏出力預(yù)測誤差的配電網(wǎng)風(fēng)險評估方法，其特征在于，步驟4中，計算配電網(wǎng)的節(jié)點電壓越限概率，對配電網(wǎng)電壓越限風(fēng)險進行評估具體方法為：
6.一種基于光伏出力預(yù)測誤差的配電網(wǎng)風(fēng)險評估系統(tǒng)，其特征在于，實施權(quán)利要求1-5任一項所述的基于光伏出力預(yù)測誤差的配電網(wǎng)風(fēng)險評估方法，實現(xiàn)基于光伏出力預(yù)測誤差的配電網(wǎng)風(fēng)險評估。
<...【技術(shù)特征摘要】
1.一種基于光伏出力預(yù)測誤差的配電網(wǎng)風(fēng)險評估方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述一種基于光伏出力預(yù)測誤差的配電網(wǎng)風(fēng)險評估方法，其特征在于，步驟1中，對海量分布式光伏出力的歷史數(shù)據(jù)進行融合處理，修正光伏出力的異常值進行，具體方法為：
3.如權(quán)利要求1所述一種基于光伏出力預(yù)測誤差的配電網(wǎng)風(fēng)險評估方法，其特征在于，步驟2中，基于光伏出力典型場景，構(gòu)建光伏出力預(yù)測誤差的概率分布模型，具體方法為：
4.如權(quán)利要求1所述一種基于光伏出力預(yù)測誤差的配電網(wǎng)風(fēng)險評估方法，其特征在于，步驟3中，結(jié)合半不變量和gram-charher展開級數(shù)的方法，計算配電網(wǎng)的概率潮流，具體方法為：
5.如權(quán)利要求1所述一種基于光伏出力預(yù)測誤差的配電網(wǎng)風(fēng)險評估方法，其特征在于，步驟4中，計算配電網(wǎng)的節(jié)點電...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：郎金齊，張俊芳，何聰，孫瑜，況川，李延濤，李壯壯，
申請(專利權(quán))人：南京理工大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。