[发明专利]用于中长期优化调度的风电光伏典型周出力场景生成方法

摘要

本发明属于多能源电力系统互补优化调度技术领域，涉及一种用于中长期优化调度的风电光伏典型周出力场景生成方法。本发明针对含风电、光伏发电的电力系统中多能源跨季互补中长期优化调度的问题，提出使用基于改进的双尺度AP聚类与马尔科夫链的聚合方法生成用于时序仿真计算的周场景，对风/光不确定性电源的出力时间序列进行压缩，得到压缩后的新出力时间序列，可以较为精确地反映出原出力时间序列的概率特性，从而达到解决由于中长期优化计算时间断面多、难以快速求解的问题，同时也为系统优化调度上的中长期电量计划做指导。

主权项

1.一种用于中长期优化调度的风电光伏典型周出力场景生成方法，其特征在于，包括以下步骤：S1、首先，利用长时间尺度风电或光伏出力时间序列建模方法，得到风电场或光伏电站的年或月出力时间序列X＝{x1,x2,...,xm}，其中m为风电场或光伏电站的年或月出力时间序列的数据个数；再对风电场或光伏电站的年或月出力时间序列X＝{x1,x2,...,xm}进行小波滤波处理，获得年或月出力时间序列X′＝{x′1,x′2,...,x′m}；然后，对小波滤波处理后的年或月出力时间序列X′＝{x′1,x′2,...,x′m}进行等尺度划分，划分出时间尺度一致的n个日出力场景Nk＝{x’(km‑m+n)/n,...,x'km/n}，1≤k≤n，将Nk记为Nk＝{x′k(1),x′k(2),...,x′k(m/n)}，则n个日出力场景构成出力场景矩阵N，如式(1)所示，S2、计算每两个日出力场景之间的巴氏距离与欧式距离，构成日出力场景的巴氏距离矩阵DBh(Nk,Nq)与日出力场景的欧式距离矩阵DEu(Nk,Nq)，其中1≤q≤n；S3、将巴氏距离矩阵DBh(Nk,Nq)与欧式距离矩阵DEu(Nk,Nq)通过系数α与β构成双尺度相似度矩阵S(Nk,Nq)，如式(2)所示，S(Nk,Nq)＝‑[αDBh(Nk,Nq)+βDEu(Nk,Nq)]       (2)所述双尺度相似度矩阵S(N_k,N_q)作为近邻传播聚类算法的输入，通过设置参考度值的大小自动生成最优的k'个聚类结果；通过近邻传播聚类算法不断迭代运算至稳定，获得输出的k'个典型日出力场景，构成典型日出力场景矩阵N”，其中，N”如式(3)所示，S4、通过步骤S3获得的k'个典型日出力场景矩阵N”，并结合步骤S1中所述n个日出力场景的转换过程，获得任意两个典型日出力场景之间的状态转移概率，并通过马尔科夫随机过程模拟七天的典型日出力场景的转换过程，初步确定风电光伏典型周出力场景，具体步骤如下：首先，根据式(3)得到：I＝{N″1,N″2,...,N″k′}，表示所有可能的典型日出力场景所组成的非空的状态集；再根据公式(4)，计算出由典型日出力场景N″p转变为N″j的状态转移概率P{Nt+1＝N″j|Nt＝N″p}，其中，N″j,N″p∈I,t∈[1,n‑1]，n′jp∈[0,n‑1]，n′jp为：在步骤S1中所述n个日出力场景的转换过程中，由典型日出力场景N″p转变为N″j的次数；由公式(4)依次获得状态集I中任意两个典型日出力场景之间的状态转移概率；最后，基于马尔科夫随机过程，当T>1时，得到式(5)P{XT＝N″j|X1＝N″j‑6,X2＝N″j‑5,...,XT‑1＝N″j‑1}＝P{XT＝N″j|XT‑1＝N″j‑1}   (5)其中，N″j‑6,N″j‑5,...,Nj‑1均为状态集I中的典型日出力场景，T∈[1,7]，参数集T为离散的时间集合，XT表示风电光伏典型周出力场景内第T天所对应的典型日出力场景，为从I＝{N″1,N″2,...,N″k’}中随机抽样出的典型日出力场景之一；基于马尔科夫随机过程模拟七天的典型日出力场景的转换过程，获得风电光伏典型周出力场景的排列顺序{XT}＝{X1,X2,...,Xt1,...,X7}，其中1≤t1≤7；S5、通过马尔科夫随机过程模拟风电光伏典型周出力场景{XT}＝{X1,X2,...,Xt1,...,X7}中典型日出力场景的转换顺序，进而获得风电光伏典型周出力场景当首尾相连的两个典型日出力场景的首尾连接点之间差值小于等于阈值ε时，直接将两个典型日出力场景按次序首尾连接在一起；当首尾相连的两个典型日出力场景的首尾连接点之间差值大于阈值ε时，对首尾相连的部分数据采用中值滤波算法进行平滑处理，直到首尾连接点之间差值小于等于阈值ε，然后再将两个典型日出力场景按次序首尾连接在一起；最终，获得风电光伏典型周出力场景N″′＝{X′1,X′2,...,X′t1,...,X′7}＝{x″′1,x″′2,...,x″′ti(m/n),...,x″′7(m/n)‑1,x″′7(m/n)}。