[发明专利]应对新能源不确定性的水库群多能互补调度方法与系统

权利要求书

1.应对新能源不确定性的水库群多能互补调度方法，其特征在于，包括如下步骤：

S1、获取新能源历史预测出力场景集合以及与其一一对应的历史实际出力场景集合，然后进行相减，得到误差出力场景集合；

S2、利用主成分分析方法将步骤S1得到的误差出力场景集合进行降维，然后采用聚类算法生成若干个新能源典型误差出力场景集合；

S3、将新能源预测序列分别输入至各个新能源典型误差出力场景集合中，得到对应的实际出力场景集合，然后根据不同实际出力场景的发生概率得到未来实际出力期望场景；

S4、根据未来实际出力期望场景，并结合决策变量、目标函数、等式约束、不等式约束构建耦合梯级水电站与新能源出力情景的调度模型；

S5、基于水电站水情信息及实际出力场景集合求解调度模型，得到目标多能互补调度方案。

2.根据权利要求1所述的应对新能源不确定性的水库群多能互补调度方法，其特征在于，步骤S1包括如下子步骤：

S101、获取某日新能源历史预测出力场景集合：

其中，k₀表示日期编号，T表示出力时段；

K₀天的预测出力构成历史预测出力场景集合记为：

其中，表示新能源在第k₀天的预测出力场景；表示新能源在第k₀天第t时段的预测出力值；

S102、获取与已知的新能源历史预测出力场景集合一一对应的历史实际预测出力场景集合：

其中，表示新能源在第k₀天的实际出力场景；表示新能源在第k₀天第t时段的实际出力值；

S103、将历史预测出力场景集合和历史实际出力场景集合按照日期编号一一对应，如下式：

按如下公式计算误差出力场景集合S^error：

3.根据权利要求2所述的应对新能源不确定性的水库群多能互补调度方法，其特征在于，步骤S2包括以下子步骤：

S201、采用主成分分析方法提取误差出力场景集合累计方差贡献率符合要求的前p个主成分，p≤T，将S^error经线性变换转化到新的p维空间S'^error；

S202、采用无监督聚类算法对S'^error进行聚类，计算不同聚类数目下的轮廓系数SC，如下式：

其中，I表示聚类结果中的样本数量；a(i)表示第i个样本到彼此间不相似程度的平均值；b(i)代表第i个样本到其他簇的平均不相似程度的最小值；

S203、选定最小轮廓系数对应的聚类数目R为最终聚类类别数，得到R个典型误差出力场景集合：如下式：

S204、计算典型误差出力场景集合在T个时段的出力均值，得到新能源典型误差出力场景及其发生概率α_s,1,...,α_s,r,...,α_s,R，如下式：

4.根据权利要求3所述的应对新能源不确定性的水库群多能互补调度方法，其特征在于，步骤S3中包括如下子步骤：

S301、输入待预测出力序列至各个新能源典型误差出力场景集合中，由S^error＝S^fore-S^real得到在典型误差出力场景r下对应未来实际出力期望场景，如下式：

S302、生成R个可能实际出力场景集合且各情景的发生概率为α_s,r，如下式：

其中，表示新能源在第r个典型误差场景下第t时段的未来实际出力值。