[发明专利]一种基于预测箱的风电出力场景生成方法及系统

说明书

本公开提供了一种风电出力场景生成方法及系统，包括获取风电出力实际值和预测值的历史数据；构建预设数量的基于某日预测值的预测箱，并基于实际值确定各预测箱的累计经验分布函数；构建协方差矩阵，生成服从多元标准正态分布的随机变量；将所述随机变量逆变换为单位风电出力值，进而生成风电出力场景。所提方法根据风电在不同时间不同预测功率下误差范围内的概率分布与大量多元标准正态分布随机变量的累积概率值进行等概率逆变换，生成大量具有时间相关性的场景，有效模拟了基于预测的风电出力趋势及波动特性，不仅以预测功率为基础同时考虑了预测误差范围，解决了日前调度中短期预测带来的误差较大问题，避免了直接采用确定性建模的准确性不高问题。

技术领域

本公开涉及风电技术领域，尤其涉及一种基于预测箱的风电出力场景生成方法及系统。

背景技术

与常规能源相比，风力和光伏电站的输出功率随风能和太阳辐射变化，受天气、季节、区域等变量影响具有较强的随机性、波动性和间歇性的特征。当可再生能源大规模接入电网时，给电力系统的规划、运行以及优化调度都带来了困难。简化不确定性的表达虽可以有效控制计算量，保证求解的可行性，但却难以体现可再生能源的波动特征，无法真实准确的反映随机性波动的影响。但是过于精细的不确定性表达给模型求解带来巨大挑战。利用场景法分析可再生能源出力场景的不确定性并建立模型生成典型场景，可以有效的将不确定性优化问题转换为确定性问题来研究，对电力系统安全经济运行具有十分重要的价值与意义。

场景法包括场景生成和场景缩减。场景生成根据研究对象的统计特征，采用一定方法对其抽样来描述不确定性特征场景。场景缩减将大量场景缩减为少数有代表性的场景，主要目的是简化应用过程中的计算量。场景生成的关键在于是否能够真实反映风电和光伏的不确定性，是否能够涵盖风电和光伏的特征以及历史范围。目前应用较多的方法主要是以下三种：一、依据风力发电预测功率的统计特性对他们的概率分布特征抽样；二、直接对风力发电的概率分布特征抽样；三、建立风力发电统计特征的数学模型再进行抽样。

发明人发现，采用直接或间接的方法对风电功率的概率分布函数进行抽样以生成风电出力场景虽然可以从概率测度的角度逼近原始风电功率出力值的概率分布情况，但是目前生成的场景广泛作为超前电力时序场景来解决电力系统优化问题，且关于风力发电的预测技术已经被广泛应用于电力系统的日前调度中以确定常规机组的启停状态以及发电计划，所以研究基于风电预测功率的场景生成方法具有重要意义；同时，依据风电功率预测值的统计特性确定预测功率的大小，虽然能够将不确定性问题合理地转化为确定性问题，但现有的风电预测技术不可避免的与实际出力存在着一定误差，并且很难直接判断预测误差服从的概率分布函数。此外，现有的场景生成方法并未考虑不同时刻的场景之间时间上的相关性，生成的场景波动过大，与真实情况不符。

发明内容

本公开为了解决现有技术存在的问题，提供了一种基于预测箱并考虑时间相关性的风电出力场景生成方法及系统，基于风电出力历史数据，通过研究不同时段各自预测误差范围内的累积经验分布以及不同时段风电的时间性关系，有效模拟实际风电出力的波动特性与变化趋势，解决了日前调度中短期预测带来的精度较差和误差较大问题，避免了直接采用确定性建模的准确性不高问题。

根据本公开实施例的第一个方面，提供了一种基于预测箱的风电出力场景生成方法，包括：

获取风电出力实际值和预测值的历史数据；

构建预设数量的基于某日预测值的预测箱，并基于实际值确定各预测箱的累计经验分布函数；

构建协方差矩阵，生成服从多元标准正态分布的随机变量；

将所述随机变量逆变换为单位风电出力值，进而生成风电出力场景。

进一步的，所述构建预设数量的基于某日预测值的预测箱的具体步骤为：设定时间间隔，根据预设时间间隔将一天划分为若干时段，每个时段对应一个预测箱。