專利名稱：基于歷史數(shù)據(jù)統(tǒng)計(jì)的新能源發(fā)電風(fēng)險(xiǎn)離散化分析方法
技術(shù)領(lǐng)域：
本發(fā)明屬于電網(wǎng)節(jié)能經(jīng)濟(jì)調(diào)度以及計(jì)算機(jī)人工智能應(yīng)用交叉領(lǐng)域，具體涉及ー種基于歷史數(shù)據(jù)統(tǒng)計(jì)的新能源發(fā)電風(fēng)險(xiǎn)離散化分析方法。
背景技術(shù)：
基于歷史數(shù)據(jù)統(tǒng)計(jì)的新能源發(fā)電風(fēng)險(xiǎn)離散化分析方法主要用于對(duì)新能源未來(lái)幾小時(shí)至幾天內(nèi)的出力風(fēng)險(xiǎn)分析。當(dāng)風(fēng)電場(chǎng)作為電源接入到電カ系統(tǒng)后，風(fēng)電本身的不確定性波動(dòng)隨著容量的擴(kuò)大對(duì)電カ系統(tǒng)的沖擊越來(lái)越大。如果不能對(duì)風(fēng)電的短期出力情況進(jìn)行準(zhǔn)確分析，就必須在電カ系統(tǒng)當(dāng)中留有與風(fēng)電容量相當(dāng)?shù)膫溆萌萘?。而?dāng)分析結(jié)果能夠達(dá)到足夠的精度吋，將風(fēng)電出力作為負(fù)的負(fù)荷疊加到負(fù)荷預(yù)測(cè)的曲線上，就可以像傳統(tǒng)的電カ系統(tǒng)調(diào)度方式一祥根據(jù)預(yù)測(cè)的負(fù)荷與風(fēng)電出力安排常規(guī)機(jī)組的發(fā)電計(jì)劃，從而優(yōu)化發(fā)電機(jī)組的開(kāi)機(jī)組合，降低整個(gè)電網(wǎng)運(yùn)行的費(fèi)用。因此，作為新能源調(diào)度的一部分，降低風(fēng)電 接入對(duì)電網(wǎng)調(diào)度的風(fēng)險(xiǎn)及對(duì)備用容量的要求，對(duì)風(fēng)電進(jìn)行短期出力分析顯得十分必要和迫切。下面著重介紹目前在本領(lǐng)域的ー些常用的和比較前沿的分析方法歷史統(tǒng)計(jì)法。歷史統(tǒng)計(jì)法是最早也是最常用于電カ系統(tǒng)運(yùn)行分析的方法之一，尤其是在負(fù)荷預(yù)測(cè)領(lǐng)域的應(yīng)用最多，在當(dāng)前依然有十分強(qiáng)的應(yīng)用基礎(chǔ)，但是歷史統(tǒng)計(jì)法對(duì)歷史數(shù)據(jù)的質(zhì)量要求很高，稍微的誤差可能就會(huì)使結(jié)果和實(shí)際相差很遠(yuǎn)。人工智能算法。目前越來(lái)越多的機(jī)器學(xué)習(xí)方法開(kāi)始逐漸引入到預(yù)測(cè)領(lǐng)域，其中代表性的有人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network, ANN)及支持向量機(jī)(SUPPORTVECTOR MANCH1NE, SVM)算法等。但很難用單純的ー種算法解決所有復(fù)雜的實(shí)際非線性問(wèn)題。組合預(yù)測(cè)技術(shù)。組合預(yù)測(cè)方法(Combination Forecasting)是ー種根據(jù)實(shí)際情況靈活使用多種方法進(jìn)行組合計(jì)算，以解決某一問(wèn)題的技木。它會(huì)根據(jù)不同的實(shí)際情況把不同的算法按照不同的策略有機(jī)地結(jié)合起來(lái)--既可以使用不同的単一算法應(yīng)對(duì)不同任務(wù)，也可以多種算法組合起來(lái)共同完成一個(gè)任務(wù)一從而完成単一算法無(wú)法完成的或者準(zhǔn)確度、效率執(zhí)行不高的任務(wù)。組合預(yù)測(cè)技術(shù)在目前國(guó)內(nèi)風(fēng)電預(yù)測(cè)領(lǐng)域應(yīng)用還是ー個(gè)嶄新的課題。NWP技術(shù)。NWP (數(shù)值型天氣預(yù)報(bào)，Numeral Weather Prediction)是一種精確數(shù)值化的天氣預(yù)報(bào)模式，NWP根據(jù)實(shí)時(shí)大氣情況，在一定的初值和邊值條件下，通過(guò)大型計(jì)算機(jī)作數(shù)值計(jì)算，求解天氣演變過(guò)程的流體力學(xué)和熱力學(xué)方程組，預(yù)測(cè)未來(lái)一定時(shí)段的大氣運(yùn)動(dòng)狀態(tài)和天氣現(xiàn)象的方法。由于風(fēng)電對(duì)天氣情況的敏感性，使用高精度NWP數(shù)據(jù)對(duì)風(fēng)電功率出力建模是短期風(fēng)電出力分析的最有效途徑。影響NWP精度的最大因素是NWP的分辨率，高分辨率下的NWP能夠精確地預(yù)報(bào)某一點(diǎn)(如每臺(tái)風(fēng)機(jī)處)的天氣(風(fēng)速、風(fēng)向等)，但由于NWP主要是靠高性能的大型電子計(jì)算機(jī)計(jì)算，精度與計(jì)算量成平方次增長(zhǎng)，因此高分辨率的NWP計(jì)算成本很高。當(dāng)前的NWP精度一般能從數(shù)十平方公里(如60km2、30km2或20km2)至Ij Ikm2 或 2km2。

發(fā)明內(nèi)容
為克服上述缺陷，本發(fā)明提供了一種基于歷史數(shù)據(jù)統(tǒng)計(jì)的新能源發(fā)電風(fēng)險(xiǎn)離散化分析方法，針對(duì)目前普遍使用的短期風(fēng)電出力分析系統(tǒng)精確性不高的問(wèn)題，通過(guò)大量的歷史觀測(cè)數(shù)據(jù)統(tǒng)計(jì)構(gòu)建帶權(quán)重的尋路網(wǎng)絡(luò)模型，然后再根據(jù)權(quán)重和NWP來(lái)匹配未來(lái)最可能出現(xiàn)的實(shí)際情況，從而完成出力風(fēng)險(xiǎn)分析。為實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于歷史數(shù)據(jù)統(tǒng)計(jì)的新能源發(fā)電風(fēng)險(xiǎn)離散化分析方法，其改進(jìn)之處在于，所述方法包括如下步驟(I).分析處理實(shí)測(cè)數(shù)據(jù)；
(2).分類并離散化數(shù)據(jù)；(3).初始化構(gòu)建模型的數(shù)據(jù)；(4).離散化樣本數(shù)據(jù)并構(gòu)建模型網(wǎng)絡(luò)；(5).對(duì)步驟4進(jìn)行迭代操作，得到完整的帶權(quán)網(wǎng)絡(luò)模型；(6).對(duì)未來(lái)風(fēng)電出力進(jìn)行風(fēng)險(xiǎn)分析。本發(fā)明提供的優(yōu)選技術(shù)方案中，在所述步驟I中，實(shí)測(cè)數(shù)據(jù)包括歷史統(tǒng)計(jì)的風(fēng)電出力和歷史觀測(cè)氣象數(shù)據(jù)。本發(fā)明提供的第二優(yōu)選技術(shù)方案中，氣象數(shù)據(jù)采用折算到風(fēng)機(jī)轉(zhuǎn)子高度的數(shù)據(jù)。本發(fā)明提供的第三優(yōu)選技術(shù)方案中，在所述步驟I中，對(duì)實(shí)測(cè)數(shù)據(jù)的處理包括剔除和修正以上數(shù)據(jù)中明顯的異常點(diǎn)；異常點(diǎn)包括空值、負(fù)值和明顯越界的數(shù)值。本發(fā)明提供的第四優(yōu)選技術(shù)方案中，在所述步驟2中，將數(shù)據(jù)分類為風(fēng)速、風(fēng)向、溫度、濕度和出力，之后分別進(jìn)行離散化處理。本發(fā)明提供的第五優(yōu)選技術(shù)方案中，在所述步驟3中，將構(gòu)建模型的分類離散化的數(shù)據(jù)進(jìn)行初始化；其中，風(fēng)速、風(fēng)向、溫度、濕度四個(gè)數(shù)據(jù)類作為輸入量，風(fēng)功率出力作為輸出量；4個(gè)輸入量根據(jù)對(duì)輸出影響的大小和作用的不同按照優(yōu)先級(jí)從高到低進(jìn)行排序。本發(fā)明提供的第六優(yōu)選技術(shù)方案中，在所述步驟4中，將步驟I中得到的實(shí)際風(fēng)速、風(fēng)向、溫度、濕度和功率出力按照步驟3的格式進(jìn)行離散化處理，井根據(jù)得到的結(jié)果構(gòu)成曾經(jīng)發(fā)生的場(chǎng)景。本發(fā)明提供的第七優(yōu)選技術(shù)方案中，對(duì)數(shù)據(jù)采取舍入方式進(jìn)行離散化處理。本發(fā)明提供的第八優(yōu)選技術(shù)方案中，在所述步驟5中，在構(gòu)建帶權(quán)網(wǎng)絡(luò)模型的過(guò)程中，得到各個(gè)路徑和路徑權(quán)值。本發(fā)明提供的第九優(yōu)選技術(shù)方案中，所述步驟6包括如下步驟(6-1).將NWP數(shù)據(jù)進(jìn)行離散處理，然后作為輸入分析樣本；(6-2).根據(jù)輸入分析樣本，對(duì)未來(lái)風(fēng)電出力進(jìn)行風(fēng)險(xiǎn)分析。本發(fā)明提供的第十優(yōu)選技術(shù)方案中，在所述步驟6-2中，采取以下方式進(jìn)行風(fēng)險(xiǎn)分析(A).取單ー輸出作為目標(biāo)值；⑶.加權(quán)平均法。本發(fā)明提供的較優(yōu)選技術(shù)方案中，所述方式A為直接使用權(quán)值最大的輸出作為未來(lái)可能的目標(biāo)值。
本發(fā)明提供的第二較優(yōu)選技術(shù)方案中，所述方式B為當(dāng)存在多個(gè)權(quán)值相差不大或難于選擇單ー某一個(gè)輸出作為目標(biāo)的時(shí)候，利用公式I來(lái)計(jì)算目標(biāo)值
權(quán)利要求
1.一種基于歷史數(shù)據(jù)統(tǒng)計(jì)的新能源發(fā)電風(fēng)險(xiǎn)離散化分析方法，其特征在于，所述方法包括如下步驟 (1).分析處理實(shí)測(cè)數(shù)據(jù)； (2).分類并離散化數(shù)據(jù)； (3).初始化構(gòu)建模型的數(shù)據(jù)； (4).離散化樣本數(shù)據(jù)并構(gòu)建模型網(wǎng)絡(luò)； (5).對(duì)步驟4進(jìn)行迭代操作，得到完整的帶權(quán)網(wǎng)絡(luò)模型； (6).對(duì)未來(lái)風(fēng)電出力進(jìn)行風(fēng)險(xiǎn)分析。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，在所述步驟I中，實(shí)測(cè)數(shù)據(jù)包括歷史統(tǒng)計(jì)的風(fēng)電出力和歷史觀測(cè)氣象數(shù)據(jù)。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，氣象數(shù)據(jù)采用折算到風(fēng)機(jī)轉(zhuǎn)子高度的數(shù)據(jù)。
4.根據(jù)權(quán)利要求I所述的方法，其特征在于，在所述步驟I中，對(duì)實(shí)測(cè)數(shù)據(jù)的處理包括剔除和修正以上數(shù)據(jù)中明顯的異常點(diǎn)；異常點(diǎn)包括空值、負(fù)值和明顯越界的數(shù)值。
5.根據(jù)權(quán)利要求I所述的方法，其特征在于，在所述步驟2中，將數(shù)據(jù)分類為風(fēng)速、風(fēng)向、溫度、濕度和出力，之后分別進(jìn)行離散化處理。
6.根據(jù)權(quán)利要求I所述的方法，其特征在于，在所述步驟3中，將構(gòu)建模型的分類離散化的數(shù)據(jù)進(jìn)行初始化；其中，風(fēng)速、風(fēng)向、溫度、濕度四個(gè)數(shù)據(jù)類作為輸入量，風(fēng)功率出力作為輸出量；4個(gè)輸入量根據(jù)對(duì)輸出影響的大小和作用的不同按照優(yōu)先級(jí)從高到低進(jìn)行排序。
7.根據(jù)權(quán)利要求I所述的方法，其特征在于，在所述步驟4中，將步驟I中得到的實(shí)際風(fēng)速、風(fēng)向、溫度、濕度和功率出力按照步驟3的格式進(jìn)行離散化處理，井根據(jù)得到的結(jié)果構(gòu)成曾經(jīng)發(fā)生的場(chǎng)景。
8.根據(jù)權(quán)利要求7所述的方法，其特征在干，對(duì)數(shù)據(jù)采取舍入方式進(jìn)行離散化處理。
9.根據(jù)權(quán)利要求I所述的方法，其特征在于，在所述步驟5中，在構(gòu)建帶權(quán)網(wǎng)絡(luò)模型的過(guò)程中，得到各個(gè)路徑和路徑權(quán)值。
10.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述步驟6包括如下步驟 (6-1).將NWP數(shù)據(jù)進(jìn)行離散處理，然后作為輸入分析樣本； (6-2).根據(jù)輸入分析樣本，對(duì)未來(lái)風(fēng)電出力進(jìn)行風(fēng)險(xiǎn)分析。
11.根據(jù)權(quán)利要求10所述的方法，其特征在于，在所述步驟6-2中，采取以下方式進(jìn)行風(fēng)險(xiǎn)分析 (A).取單ー輸出作為目標(biāo)值；(B).加權(quán)平均法。
12.根據(jù)權(quán)利要求11所述的方法，其特征在于，所述方式A為直接使用權(quán)值最大的輸出作為未來(lái)可能的目標(biāo)值。
13.根據(jù)權(quán)利要求11所述的方法，其特征在于，所述方式B為當(dāng)存在多個(gè)權(quán)值相差不大或難于選擇単一某一個(gè)輸出作為目標(biāo)的時(shí)候，利用公式I來(lái)計(jì)算目標(biāo)值
全文摘要
本發(fā)明提供了一種基于歷史數(shù)據(jù)統(tǒng)計(jì)的新能源發(fā)電風(fēng)險(xiǎn)離散化分析方法，包括如下步驟(1)分析處理實(shí)測(cè)數(shù)據(jù)；(2)分類并離散化數(shù)據(jù)；(3)初始化構(gòu)建模型的數(shù)據(jù)；(4)離散化樣本數(shù)據(jù)并構(gòu)建模型網(wǎng)絡(luò)；(5)對(duì)步驟4進(jìn)行迭代操作，得到完整的帶權(quán)網(wǎng)絡(luò)模型；(6)對(duì)未來(lái)風(fēng)電出力進(jìn)行風(fēng)險(xiǎn)分析。本發(fā)明提供的基于歷史數(shù)據(jù)統(tǒng)計(jì)的新能源發(fā)電風(fēng)險(xiǎn)離散化分析方法，針對(duì)目前普遍使用的短期風(fēng)電出力分析系統(tǒng)精確性不高的問(wèn)題，通過(guò)大量的歷史觀測(cè)數(shù)據(jù)統(tǒng)計(jì)構(gòu)建帶權(quán)重的尋路網(wǎng)絡(luò)模型，然后再根據(jù)權(quán)重和NWP來(lái)匹配未來(lái)最可能出現(xiàn)的實(shí)際情況，從而完成出力風(fēng)險(xiǎn)分析。
文檔編號(hào)G06F17/30GK102867032SQ201210310329
公開(kāi)日2013年1月9日 申請(qǐng)日期2012年8月28日 優(yōu)先權(quán)日2012年8月28日
發(fā)明者劉克文, 周海明 申請(qǐng)人:中國(guó)電力科學(xué)研究院, 國(guó)家電網(wǎng)公司