【技術實現步驟摘要】
本專利技術屬于多能耦合互補調度領域，具體涉及一種流域水風光一體化系統動態適應性聚合分解調度規則編制方法。
技術介紹
1、可再生能源的開發和利用是保障能源安全、實現雙碳目標的重要舉措。以水風光為主的可再生能源一體化發展，在空間上將流域豐富的水電資源與其周邊富集的風光資源整合開發，通過一體化、規模化開發實現優勢互補，提高可再生能源消納和存儲能力，是新時期可再生能源高質量躍升發展的必由之路。因此，如何安全高效地利用流域水、風、光資源，是全球能源領域尋求突破的共識性難題。
2、然而，變化環境下流域內水、風、光資源呈現非一致性特征，具體表現在統計特征(如均值與方差)或概率分布型式發生改變，導致原有的使用歷史數據推求的基于固定參數的靜態調度規則將不再適用。一方面，氣候變化影響流域氣象水文要素從而導致水、風、光資源變化，如降雨和蒸發影響徑流。不斷加劇的人類活動對下墊面的改變進一步影響其生成和發展，如土地利用類型變化改變地表反照率及粗糙度，從而影響輻射量與地表風速；另一方面，流域水風光一體化系統內資源間的時空互補性復雜、電站間水力和電力聯系密切、多重調控目標難以兼顧，各打捆子系統電站間調度運行模式相互牽制，從而導致認知流域層面多能互補調度機制、實施高效精準的適應性管理更加困難。
3、在現有的技術中存在如下問題：(1)流域水風光一體化系統使用歷史水風光序列數據、逐一地對每個水風光打捆子系統推導出靜態調度規則(即調度規則參數為固定值)來指導調度運行。然而，在變化環境下，資源呈現非一致性特征，若依舊使用靜態調度規則，所做出的調
技術實現思路
1、本專利技術的目的在于提供一種非一致性條件下流域水風光一體化系統動態適應性聚合分解調度規則編制方法，該方法充分考慮了變化環境下水、風、光序列的非一致性情形；綜合考慮新能源并網及流域水資源綜合利用要求，構建多目標互補優化調度模型，解析一體化系統的調度函數基本型式，揭示流域層面多能互補調度機制；辨識非一致性條件下流域水風光一體化系統的適應性調度規則，獲取時變調度函數參數序列，制定隨著資源變異而動態調整的適應性調度方式，從而為變化環境下流域水風光一體化系統的安全高效運行提供科學依據和技術支撐。
2、為實現上述目的，本專利技術提供如下技術方案：一種流域水風光動態適應性聚合分解調度規則編制方法，其方法包括以下步驟：
3、s1：構建多變量聯合隨機模擬模型，聯合重構水風光非一致性組合場景；
4、s2：構建互補優化調度模型，采用逐次逼近動態規劃方法求解最優調度軌跡；
5、s3：基于聚合分解理論，針對聚合系統(一體化系統)和分解系統(一體化系統內部的水風光打捆子系統)分別甄選出合適的自變量因子及調度決策因子，凝練出基于固定參數的靜態調度規則函數；
6、s4：基于非一致性條件下水風光場景，將靜態調度函數參數作為初始值，運用數據同化和機器學習耦合模型，采用機器學習方法遴選最優觀測變量，通過數據同化算法同化最優觀測變量，從而對調度規則的參數進行更新，識別出各打捆子系統電站調度函數的時變參數序列，形成基于時變參數的動態適應性調度規則；
7、s5：將流域水風光非一致性場景組合作為模型的輸入，基于步驟s3中確定的靜態調度函數型式，運用s4中的enkf-knn過程，識別出非一致性條件下流域水風光一體化系統的調度過程，對比基于靜態調度函數和動態適應性調度函數下的調度效益，以論證動態適應性調度規則的優越性。
8、優選的，所述步驟s1中，非一致性條件下流域水風光場景聯合模擬，①分析水風光資源序列(徑流、風電出力、光電出力)的概率統計特征，并甄選最優分布概型；②診斷不同變量間的相關性，變量獨立則選擇自回歸模型進行隨機模擬，若變量間存在相關性，則利用copula函數推導聯合概率分布函數；
9、
10、式中：{x(t)}表示變量的時間序列；p表示自回歸階數；aj表示自回歸系數；ε(t)表示隨機擾動項(白噪音)。
11、f(x1,x2)＝c(u,v；θ)
12、式中：θ表示copula函數中的參數，描述了兩變量間的相依性；f(x1,x2)表示兩變量copula聯合分布函數，一個變量的邊緣分布為u＝f1(x1)，另一個變量的邊緣分布為v＝f2(x2)。
13、③引入變化因子調整統計特征參數，生成水風光非一致性場景。包括3類非一致性情景(均值變異、cv變異、季節性變異)。
14、對于均值變異，在保證其他參數不變的情況下，將模擬值在變化變幅水平(假定為5％)上進行放大和縮小：
15、
16、對于cv變異，通過將模擬值和平均值乘以變化因子得到：
17、
18、對于季節性變異，引入季節性因子并對其進行時間尺度上的變異：
19、
20、
21、
22、式中，和表示非一致性場景、模擬值、序列的均值；k表示變化因子；tdfj(t)表示累積分布函數；y表示整體的模擬年數；表示非一致性場景的累積分布函數；和表示非一致性變化前后的累積分布函數。
23、優選的，所述在步驟s2中：流域水風光一體化系統優化調度模型的構建及求解。①系統總結水、風、光電特征以及多重調度需求，構建多目標互補優化調度模型，明確目標函數、約束條件及決策變量。
24、(1)目標函數
25、
26、式中：e、f和g分別表示流域水風光一體化系統的總發電量、缺水率和總蓄能；r和r表示水電站總個數和序號；t和t表示調度時段數和時段序號；δtt表示時段內小時數；和分別表示第t時段，第r個水、風和光電站的水電、風電和光伏出力；wr(t)和qr(t)分別表示水庫群下游需水量和出庫流量；kr表示第r個水電站的綜合出力系數；ir(t)表示第t時段，第r個水電站的入庫徑流；hj(t)表示水電站的發電水頭；n和d表示各水電站的出力矩陣和發電流量矩陣，均為決策變量。
27、(3)約束條件
28、s(t)＝s(t-1)+[i(t)-q(t)-qe(t)-qlose(t)]′dtt
29、
30、
31、
32、
33、
34、
35、
36、式中：s(t-1)和s(t)表示第t時段水庫的初始庫容和末庫容；i(t)和q(t)表示第t時段水庫的入庫徑流和出庫流量；qe(t)和qlose(t)本文檔來自技高網...
【技術保護點】
1.一種流域水風光動態適應性聚合分解調度規則編制方法，其特征在于：其方法包括以下步驟：
2.根據權利要求1所述的一種流域水風光動態適應性聚合分解調度規則編制方法，其特征在于：所述步驟S1中，非一致性條件下流域水風光場景聯合模擬，①分析水風光資源序列(徑流、風電出力、光電出力)的概率統計特征，并甄選最優分布概型；②診斷不同變量間的相關性，變量獨立則選擇自回歸模型進行隨機模擬，若變量間存在相關性，則利用copula函數推導聯合概率分布函數；
3.根據權利要求1所述的一種流域水風光動態適應性聚合分解調度規則編制方法，其特征在于：所述在步驟S2中：流域水風光一體化系統優化調度模型的構建及求解。①系統總結水、風、光電特征以及多重調度需求，構建多目標互補優化調度模型，明確目標函數、約束條件及決策變量。
4.根據權利要求1所述的一種流域水風光動態適應性聚合分解調度規則編制方法，其特征在于：所述在步驟S3中：基于聚合分解理論，針對聚合系統(流域水風光一體化系統)和分解系統(流域水風光一體化系統內部各個子互補系統)分別甄選出合適的自變量因子及調度決策因子，凝練出
5.根據權利要求1所述的一種流域水風光動態適應性聚合分解調度規則編制方法，其特征在于：所述在步驟S4中：基于EnKF-KNN的流域水風光一體化系統動態適應性調度規則的制定，這里，EnKF-KNN方法被用來更新靜態調度規則的參數，使得調度規則由靜變動。
6.根據權利要求1所述的一種流域水風光動態適應性聚合分解調度規則編制方法，其特征在于：所述在步驟S5中：將步驟1中模擬的流域水風光非一致性場景組合作為調度模型的輸入，基于步驟S3中確定的靜態調度函數形式，運用步驟S4中的EnKF-KNN過程，識別非一致性條件下流域水風光一體化系統動態適應性聚合分解調度規則的時變參數，從而獲取非一致性條件下流域水風光一體化系統的調度過程，并與靜態調度規則下的調度結果進行對比，以論證動態適應性調度規則的優越性。
...【技術特征摘要】
1.一種流域水風光動態適應性聚合分解調度規則編制方法，其特征在于：其方法包括以下步驟：
2.根據權利要求1所述的一種流域水風光動態適應性聚合分解調度規則編制方法，其特征在于：所述步驟s1中，非一致性條件下流域水風光場景聯合模擬，①分析水風光資源序列(徑流、風電出力、光電出力)的概率統計特征，并甄選最優分布概型；②診斷不同變量間的相關性，變量獨立則選擇自回歸模型進行隨機模擬，若變量間存在相關性，則利用copula函數推導聯合概率分布函數；
3.根據權利要求1所述的一種流域水風光動態適應性聚合分解調度規則編制方法，其特征在于：所述在步驟s2中：流域水風光一體化系統優化調度模型的構建及求解。①系統總結水、風、光電特征以及多重調度需求，構建多目標互補優化調度模型，明確目標函數、約束條件及決策變量。
4.根據權利要求1所述的一種流域水風光動態適應性聚合分解調度規則編制方法，其特征在于：所述在步驟s3中：基于聚合分解理論，針對聚合系統(流域水風光一體化系統)和分解系統(流域水風光一體化系統內部各個子互補系統)分...
【專利技術屬性】
技術研發人員：李赫，趙玉翔，趙樂偉，程龍，胡虎，林宏志，袁鑫雨，
申請(專利權)人：鄭州大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。