【技術實現步驟摘要】
本專利技術涉及一種基于氣象因素的多新能源電場聯合出力場景生成方法，屬于新能源電場。
技術介紹
1、由于環境問題的日益嚴重和化石燃料的逐漸稀缺，近年來可再生能源發電技術，如風能和太陽能得到了快速發展，同時在“雙碳”背景下，風電、光伏綠色清潔能源呈現爆發式增長的趨勢，隨著風電光伏發電的快速發展和裝機容量的日益增加，具有波動性、隨機性和不確定性等特征的新能源發電在新型電力系統中占據越來越高比例。在大規模新能源場并網的情況下，將給電力系統的安全穩定運行和經濟調度帶來巨大挑戰。
2、為了充分利用可再生能源并降低其對電力系統安全穩定運行的潛在威脅，對新能源出力開展不確定性預測是一個關鍵的方法。目前，關于新能源出力的不確定性預測有區間預測、概率預測以及場景預測，其中場景預測方法更為直觀具體，因此成為當前的研究重點。研究人員主要通過概率建模方法，建立符合隨機發電出力特性的數學模型，然后對歷史出力數據的分析，再通過抽樣方法產生場景，然而，在考慮氣象因素與出力誤差的前提下進行場景生成的方法較為有限，現有多個新能源電場的聯合出力場景預測未在考慮氣象因素與出力誤差的前提下進行場景生成，無法反映真實的多個新能源電場的聯合出力預測場景。
技術實現思路
1、本專利技術為了解決現有技術中存在的問題，提供一種兼顧氣象因素和出力誤差的多個新能源電場的場景生成方法。
2、為了達到上述目的，本專利技術提出的技術方案為：一種基于氣象因素的多新能源電場聯合出力場景生成方法，獲取歷史實測氣象數據、歷史預
3、步驟1、根據風電場歷史實際出力和風電場歷史預測出力計算風電場歷史出力誤差；
4、根據光伏電場歷史實際出力和光伏電場歷史預測出力計算光伏電場歷史出力誤差；
5、步驟2、按照風速、輻照度和時間劃分若干區間；
6、步驟3、將風電場歷史出力誤差和光伏電場歷史出力誤差根據對應的風速、輻照度和時間劃分至若干區間，形成若干誤差樣本集合；
7、步驟4、對每個誤差樣本集合內的風電出力和光伏出力誤差樣本分別使用核密度估計法得到概率密度函數，進而得到誤差概率分布；
8、步驟5、將每個誤差樣本內多風電場、光伏電場出力誤差概率分布聯合起來，形成整體聯合概率分布的copula密度函數；
9、步驟6、對未來風電場以及光伏電場預測出力數據根據步驟2的規則劃分區間，對不同區間對應的copula函數進行逆變換抽樣，得到若干條未來風光出力誤差時序曲線；
10、步驟7、將得到的若干條未來風光出力誤差時序曲線進行聚類，得到典型的出力誤差時序曲線，將典型的出力誤差時序曲線和預測出力時序曲線疊加可得到典型場景。
11、對上述技術方案的進一步設計為：所述步驟1中，對有nw個風電場和ns個光伏電場的風電光伏集群中第i個風電場的風力出力和j個光伏電場的光伏出力建模，則風電場和光伏電場的歷史出力誤差為：
12、δpi，w(t)＝pi，w，r(t)-pi，w，f(t)
13、δpj，s(t)＝pj，s，r(t)-pj，s，f(t)
14、其中，pi，w，r，(t)、pj，s，r(t)分別表示歸一化的風電場和光伏電場歷史實際出力，pi，w，f(t)、pj，s，f(t)分別表示歸一化的風電場和光伏電場歷史預測出力，t為時間段內某個時次，t∈[1，2，...，t]，i表示nw個風電場里的某個風電場，i∈[1，2，...，nw]，j表示ns個光伏電場里的某個光伏電場，j∈[1，2，...，ns]，δpi，w(t)、δpj，s(t)分別表示風電場和光伏電場歷史出力誤差。
15、所述步驟2中，根據風速的大小、光伏輻照度大小、預測時間長短三個維度對數據進行劃分區間，每個維度分別分為三個分段，共形成27個區間。
16、所述步驟2中，依據風速從低到高等間距劃分為三個分段，輻照度從最小輻照度0至最大輻照度smax按前10％、10％-80％和80％-100％進行劃分，時間按照一天中前6小時、6至18時以及18-24時進行劃分。
17、所述步驟4中，對每個誤差樣本集ek內的誤差樣本δpi，w(t)和δpj，s(t)進行概率分布計算，首先設誤差樣本集ek內風電場誤差樣本為x′i，k，1，x′i，k，2，...，x′i，k，m，光伏電場誤差樣本為y′j，k，1，y′j，k，2，...，y′j，k，n，則對應的概率密度函數φi，k(x′)、φj，k(y′)的核密度估計為：
18、
19、式中m、n為樣本容量；h為帶寬；k(·)為核函數。對應的概率分布函數為φi，k(x)、φj，k(y)：
20、
21、
22、所述核函數為均勻核函數、三角核函數或高斯核函數。
23、所述步驟5具體包括以下步驟：
24、s1：在第k個誤差樣本集合ek中第i個風電場和第j個光伏電場出力誤差變量xi和yj的概率分布函數分別為φi，k(x)、φj，k(y)，xi的定義域為[0，xi,max]、yj的定義域為[0，yj,max]；設離散化間隔為δp，則離散化后的概率性序列xi，k(a)、yj，k(b)為：
25、
26、式中，ni,x＝[xi,max/δp]為序列xi，k(a)的長度，ni,y＝[yi,max/δp]為序列yi，k(b)的長度，[x]表示對x的取整；
27、s2：第i+1個風電場和第j+1個光伏電場出力誤差變量xi+1、yj+1的概率分布函數為φi+1，k(xi+1)、φj+1，k(yj+1)，概率性序列為xi+1，k(a)、yj+1，k(b)，長度為ni+1，x、nj+1，y；
28、s3：相鄰兩風電場、相鄰兩光伏電場的總體出力變量zxi，i+1＝xi+xi+1、zyj，j+1＝yj+yj+1的概率分布為：
29、
30、即為相依概率性序列xi，k(a)與xi+1，k(a)之間的copula序列，ci，i+1(·)為相鄰兩風電場的出力變量xi和xi+1間的copula密度函數；即為相依概率性序列yj，k(b)與yj+1，k(b)之間的copula序列，cj，j+1(·)為相鄰兩光伏電場的出力變量yj和yj+1間的copula密度函數；
31、s4：如果i+1<nw、j+1<ns，則重復s2至s3，得到第i+2個風電場出力誤差變量xi+2的概率分布函數為φi+2，k(xi+2)，概率性序列為xi+2,k(a)，長度為ni+2,x，得到第j+2個光伏電場出力誤差變量yj+2的概率分布函數為φj+2，k(yj+2)，概率性序列為yj+2，k(a)，長度為nj+2，y，并繼續s5；
32、如果i+1＝nw、j+1＝ns，則得到全部nw個風電場的聯合出力誤差概率分布以及ns個光伏電場的聯合出力本文檔來自技高網...
【技術保護點】
1.一種基于氣象因素的多新能源電場聯合出力場景生成方法，獲取歷史實測氣象數據、歷史預測氣象數據、風電場和光伏電場歷史實際出力、風電場和光伏電場歷史預測出力：其特征在于，包括如下步驟：
2.根據權利要求1所述基于氣象因素的多新能源電場聯合出力場景生成方法，其特征在于：所述步驟1中，對有Nw個風電場和Ns個光伏電場的風電光伏集群中第i個風電場的風力出力和j個光伏電場的光伏出力建模，則風電場和光伏電場的歷史出力誤差為：
3.根據權利要求1所述基于氣象因素的多新能源電場聯合出力場景生成方法，其特征在于：所述步驟2中，根據風速的大小、光伏輻照度大小、預測時間長短三個維度對數據進行劃分區間，每個維度分別分為三個分段，共形成27個區間。
4.根據權利要求3所述基于氣象因素的多新能源電場聯合出力場景生成方法，其特征在于：所述步驟2中，依據風速從低到高等間距劃分為三個分段，輻照度從最小輻照度0至最大輻照度Smax按前10％、10％-80％和80％-100％進行劃分，時間按照一天中前6小時、6至18時以及18-24時進行劃分。
5.根據權利要求1所述基
6.根據權利要求5所述基于氣象因素的多新能源電場聯合出力場景生成方法，其特征在于：所述核函數為均勻核函數、三角核函數或高斯核函數。
7.根據權利要求6所述基于氣象因素的多新能源電場聯合出力場景生成方法，其特征在于：所述步驟5具體包括以下步驟：
8.根據權利要求7所述基于氣象因素的多新能源電場聯合出力場景生成方法，其特征在于：所述步驟6具體包括以下步驟：
9.根據權利要求7所述基于氣象因素的多新能源電場聯合出力場景生成方法，其特征在于：所述步驟7中基于k-means理論將若干條未來風光出力誤差時序曲線進行聚類，得到典型的出力誤差時序曲線。
10.一種基于氣象因素的多新能源電場聯合出力場景生成裝置，其特征在于，包括存儲器、處理器以及計算機程序，所述計算機程序存儲于所述存儲器中，并被配置為由所述處理器執行以實現如權利要求1至9任一項所述的基于氣象因素的多新能源電場聯合出力場景生成方法。
...【技術特征摘要】
1.一種基于氣象因素的多新能源電場聯合出力場景生成方法，獲取歷史實測氣象數據、歷史預測氣象數據、風電場和光伏電場歷史實際出力、風電場和光伏電場歷史預測出力：其特征在于，包括如下步驟：
2.根據權利要求1所述基于氣象因素的多新能源電場聯合出力場景生成方法，其特征在于：所述步驟1中，對有nw個風電場和ns個光伏電場的風電光伏集群中第i個風電場的風力出力和j個光伏電場的光伏出力建模，則風電場和光伏電場的歷史出力誤差為：
3.根據權利要求1所述基于氣象因素的多新能源電場聯合出力場景生成方法，其特征在于：所述步驟2中，根據風速的大小、光伏輻照度大小、預測時間長短三個維度對數據進行劃分區間，每個維度分別分為三個分段，共形成27個區間。
4.根據權利要求3所述基于氣象因素的多新能源電場聯合出力場景生成方法，其特征在于：所述步驟2中，依據風速從低到高等間距劃分為三個分段，輻照度從最小輻照度0至最大輻照度smax按前10％、10％-80％和80％-100％進行劃分，時間按照一天中前6小時、6至18時以及18-24時進行劃分。
5.根據權利要求1所述基于氣象因素的多新能源電場聯合出力場景生成方法，其特征在于：所述步驟4中，對每個誤差樣本集ek內的誤差樣本δpi，w(t)和δ...
【專利技術屬性】
技術研發人員：李澤森，程亮，史靜，李海波，汪惟源，李霞，許偲軒，秦建茹，張文嘉，李辰，諸曉駿，
申請(專利權)人：國網江蘇省電力有限公司，
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。