[发明专利]考虑时空相关性的多可再生能源电站功率场景生成方法

说明书

本发明涉及可再生能源技术，具体涉及考虑时空相关性的多可再生能源电站功率场景生成方法，包括步骤1、确定假设条件和近似概率分布函数；步骤2、建立联合分布Copula模型；步骤3、基于吉布斯采样的时空相关性生成场景；步骤4、去除采样点尚未全部进入收敛域之前的burn‑in过程中未收敛的场景，留下收敛域中的可再生能源电站功率场景。该方法采用了截断通用分布来表征可再生能源电站实际功率的条件分布，能得到最为相似的近似概率分布模型，更好地表征功率的概率分布特性。采用了吉布斯采样技术，大大减小采样所需的存储空间与采样时间。同时考虑了风电和光伏的相关性，相较于只考虑单一种类可再生能源电站的采样方法更为全面。

技术领域

本发明属于可再生能源技术领域，尤其涉及考虑时空相关性的多可再生能源电站功率场景生成方法。

背景技术

随着全球化石燃料的枯竭和温室效应的加剧，世界各国不得不考虑从传统的火力发电向可再生能源发电方向转型，推动国家经济的绿色低碳转型。因此，全球各国都广泛关注多可再生能源电站大规模接入电网的问题，发展含多可再生能源电站的电力系统形态势在必行。可再生能源主要包括风力发电(下简称风电)与光伏发电(下简称光伏)两种。近几年来，风电和光伏在全球范围内的发展态势迅猛，在可再生能源的发展当中占据着越来越重要的地位。在可再生能源产业发展越来越迅猛的现在，一个系统内往往有多个可再生能源电站，可再生能源电站功率的随机性同时也带来了相关性问题。由于影响可再生能源功率最重要的条件是气象条件，如风速、辐照度和温度等等。在同一区域内，如无明显限制和地理阻隔，各可再生能源电站所处的气象环境往往极为相似，因此各可再生能源电站功率间也存在明显的相关性。当我们通过随机采样得到某可再生能源电站的功率时，就会对我们对同一区域内其他可再生能源电站的功率的采样范围做出限制。以可再生能源电站中的风电场为例，如果不考虑风电场间的相关性，就可能会在采样时出现同一区域内风速相差无几的情况下，风电场A功率高发，风电场B功率低发这种违背物理常识的情况。因此可再生能源电站功率的相关性也是研究人员不得不考虑的问题；另一方面，在进行场景生成采样时也不得不考虑单可再生能源电站本身的波动性，即本文所指的时间相关性。

现有技术方案是只考虑单一种类可再生能源电站的场景生成方法。具体方法步骤为：1.根据历史数据建立基于预测值的功率实际值条件分布；2.建立基于Copula函数的多风电场(光伏电站)预测功率与实测功率的联合分布模型；3.直接建立一个包含可再生能源电站数量乘以调度周期个数(即J*T)的维度的联合分布模型来考虑可再生能源电站功率之间的时空相关性，以此作为场景生成的手段。

目前，在考虑多可再生能源电站功率空间相关性的经济调度中，通常需要从联合分布模型中得到可再生能源电站功率场景，很多方法均未考虑时间相关性，而若不考虑时间相关性，会使产生的功率场景与可再生能源电站的实际功率波动严重不符，在实际调度工作中产生巨大的误差。也有方法通过直接建模一个包含风电场数量乘以调度周期个数(即J*T)的维度的联合分布模型来考虑风电场之间的时空相关性，但是此法需要大量的数据存储空间和采样时间。同时，以上方法都只考虑了单一种类的可再生能源电站，没有同时考虑不同可再生能源电站之间的功率相关性

发明内容

本发明的目的是提供了同时考虑风电场和光伏电站两种可再生能源电站形式，基于改进吉布斯采样的多可再生能源电场功率场景生成法。

为实现上述目的，本发明采用的技术方案是：考虑时空相关性的多可再生能源电站功率场景生成方法，包括以下步骤：

步骤1、确定假设条件和近似概率分布函数；

步骤1.1、确定假设条件：

(1)历史数据库中含有足够多的预测值历史数据和实际值历史数据；

(2)可再生能源实际功率达到分布为服从于同一调度周期预测值的条件分布；

步骤1.2、利用分箱方法，对每个预测箱中的实际功率分布进行拟合，所采用函数为截断通用分布函数，其形式如下：