本發(fā)明涉及一種含氣象能源的綜合能源系統(tǒng)典型場景集生成方法，屬于電力系統(tǒng)運行與分析技術(shù)領(lǐng)域。
背景技術(shù)：
隨著能源和環(huán)境問題的日益嚴峻，為了提高能源的總體效率和可再生能源的消納能力，對多種能源系統(tǒng)集成和互補融合的需求日益迫切。隨著多種能源系統(tǒng)技術(shù)的發(fā)展，電力系統(tǒng)和供熱供冷系統(tǒng)的耦合度不斷增強，形成冷熱電綜合能源系統(tǒng)。含高滲透率氣象能源的綜合能源系統(tǒng)和傳統(tǒng)電力系統(tǒng)之間有三個的顯著差異：間歇性可再生能源和隨機負荷比例日益提高、多種能源系統(tǒng)的耦合和聯(lián)系日益緊密、天氣變化對系統(tǒng)運行的多重影響越來越大。含高滲透率氣象能源和氣象敏感負荷的綜合能源系統(tǒng)易受到復(fù)雜氣象環(huán)境和地理環(huán)境的影響。例如，降雨對灌溉負荷影響很大；溫度和濕度對降溫負荷影響很大；風(fēng)場的地理位置分布對風(fēng)電出力特性影響很大。傳統(tǒng)的方法采用數(shù)字模擬方法對電力系統(tǒng)的不確定性進行研究，通過抽樣的方式實現(xiàn)不確定性變量的隨機生產(chǎn)模擬。仿真中需要生成大量的隨機變量樣本，不利于場景分析的簡便性并使得分析工作復(fù)雜和繁瑣。需要研究簡單和可行的綜合能源系統(tǒng)典型氣象場景集生成方法，進而準(zhǔn)確分析不同氣象場景下的綜合能源系統(tǒng)狀態(tài)變量相關(guān)關(guān)系特征和運行特性，為運行規(guī)劃提供有價值的信息。
技術(shù)實現(xiàn)要素：
本發(fā)明的目的是提出一種含氣象能源的綜合能源系統(tǒng)典型場景集生成方法，以克服現(xiàn)有電力系統(tǒng)不確定建模理論的不足之處，滿足高滲透率氣象能源的綜合能源系統(tǒng)的分析、運行與控制要求。
本發(fā)明提出的含氣象能源的綜合能源系統(tǒng)典型場景集生成方法，包括以下步驟：
(1)從當(dāng)?shù)貧庀缶肢@取供暖季節(jié)內(nèi)的太陽輻射強度數(shù)據(jù)、環(huán)境溫度數(shù)據(jù)和風(fēng)速數(shù)據(jù)，太陽輻射強度、環(huán)境溫度和風(fēng)速共有m個變量；
(2)根據(jù)上述步驟(1)采集的氣象變量數(shù)據(jù)，采用參數(shù)估計方法，分別計算太陽輻射強度的邊緣累積概率分布函數(shù)、環(huán)境溫度的邊緣累積概率分布函數(shù)和風(fēng)速的邊緣累積概率分布函數(shù)；
(3)采用假設(shè)檢驗方法，分別對上述步驟(2)計算得到的邊緣累積概率分布函數(shù)進行假設(shè)檢驗，若通過假設(shè)檢驗，則進行步驟(4)，若未通過假設(shè)檢驗，則返回步驟(2)；
(4)利用上述步驟(3)檢驗通過的各個氣象變量的邊緣概率分布公式，根據(jù)上述步驟(1)采集的氣象變量數(shù)據(jù)，分別得到與各氣象變量數(shù)據(jù)相對應(yīng)的邊緣累積概率值，利用所有氣象變量的邊緣累積概率值，得到氣象變量的copula函數(shù)，copula函數(shù)的自變量為所有氣象變量的邊緣累積概率分布變量，共m個，因變量為copula函數(shù)的概率累積分布變量，共1個；
(5)設(shè)定連續(xù)采樣數(shù)量n，利用拉丁超立方體抽樣方法，生成一個n×1維的數(shù)據(jù)序列，將該數(shù)據(jù)序列作為上述copula函數(shù)概率累積分布變量的值；
(6)根據(jù)上述步驟(5)的copula函數(shù)概率累積分布變量值和上述步驟(4)的copula函數(shù)，計算得到n×m維的氣象變量的邊緣累積概率值分布矩陣，該邊緣累積概率值分布矩陣的行數(shù)等于各氣象變量的邊緣累積概率值的個數(shù)，邊緣累積概率值分布矩陣的列數(shù)等于上述步驟(1)的氣象變量的個數(shù)；
(7)根據(jù)上述步驟(6)的邊緣累積概率值分布矩陣和上述步驟(3)通過檢驗的各個氣象變量的邊緣概率分布函數(shù)，得到一個n×m維的氣象變量模擬值的分布矩陣，該氣象變量模擬值分布矩陣的行數(shù)等于各氣象變量模擬值的個數(shù)，矩陣的列數(shù)等于上述步驟(1)的氣象變量的個數(shù)；
(8)利用光伏發(fā)電系統(tǒng)的數(shù)學(xué)模型，根據(jù)上述步驟(7)的氣象變量模擬值的分布矩陣中太陽輻射強度和環(huán)境溫度，計算得到綜合能源系統(tǒng)中的光伏發(fā)電功率；利用建筑物供暖熱負荷的數(shù)學(xué)模型，根據(jù)上述步驟(7)的氣象變量模擬值分布矩陣中的太陽輻射強度、環(huán)境溫度和風(fēng)速，計算得到綜合能源系統(tǒng)中的建筑物供暖熱負荷功率；
(9)利用熱電聯(lián)產(chǎn)系統(tǒng)的數(shù)學(xué)模型，根據(jù)上述步驟(8)的建筑物供暖熱負荷功率，計算綜合能源系統(tǒng)中的熱電聯(lián)產(chǎn)系統(tǒng)的發(fā)電功率；
(10)利用電力系統(tǒng)潮流計算方法，根據(jù)上述步驟(8)的光伏發(fā)電功率以及步驟(9)的熱電聯(lián)產(chǎn)系統(tǒng)的發(fā)電功率，分別計算得到與n組綜合能源系統(tǒng)發(fā)電功率相對應(yīng)的綜合能源系統(tǒng)潮流計算結(jié)果；
(11)利用瓦瑟斯坦距離分位點方法，對上述步驟(10)的潮流計算結(jié)果中的任一連續(xù)變量進行離散化處理，得到綜合能源系統(tǒng)的典型場景集，典型場景集包括多個非極端場景值和兩個極端場景值，兩個極端場景值的計算公式如下：
其中，z0為任一連續(xù)變量的最小值，zq+1為任一連續(xù)變量的最大值，p0d為z0的離散概率值，pq+1d為zq+1的離散概率值，z1為任一連續(xù)變量的第1個分位點，zq為任一連續(xù)變量的第q個分位點，pc(.)是任一連續(xù)變量的概率密度分布函數(shù)。
本發(fā)明提出的本發(fā)明提出的含氣象能源的綜合能源系統(tǒng)典型場景集生成方法，其特點和效果是：本發(fā)明方法基于copula函數(shù)理論和拉丁超立方體抽樣理論對氣象相關(guān)性進行建模，充分考慮了氣象變量之間的相關(guān)性，本發(fā)明方法可以顯著提高氣象變量隨機生產(chǎn)模擬的準(zhǔn)確性。采用基于瓦瑟斯坦(wasserstein)距離的最優(yōu)分位點理論對隨機模擬的連續(xù)變量離散化，得到了數(shù)量較少的綜合能源系統(tǒng)典型場景集合。相比傳統(tǒng)離散化理論，最優(yōu)分位點理論可以生成極端場景，并大幅提升了計算精度。最優(yōu)分位點理論采用離散變量，而不是采用連續(xù)變量抽樣技術(shù)(如蒙特卡羅模擬)，使本發(fā)明有別于其他已經(jīng)有的研究成果。生成的典型場景集可以幫助運營商分析不確定性對綜合能源系統(tǒng)運行和規(guī)劃帶來的問題，典型場景的分析結(jié)果可以為系統(tǒng)安全穩(wěn)定運行提供支持。
具體實施方式
本發(fā)明提出的含氣象能源的綜合能源系統(tǒng)典型場景集生成方法，包括以下步驟：
(1)從當(dāng)?shù)貧庀缶肢@取供暖季節(jié)內(nèi)的太陽輻射強度數(shù)據(jù)、環(huán)境溫度數(shù)據(jù)和風(fēng)速數(shù)據(jù)，太陽輻射強度、環(huán)境溫度和風(fēng)速共有m個變量；
(2)根據(jù)上述步驟(1)采集的氣象變量數(shù)據(jù)，采用參數(shù)估計方法，分別計算太陽輻射強度的邊緣累積概率分布函數(shù)、環(huán)境溫度的邊緣累積概率分布函數(shù)和風(fēng)速的邊緣累積概率分布函數(shù)；
(3)采用假設(shè)檢驗方法，分別對上述步驟(2)計算得到的邊緣累積概率分布函數(shù)進行假設(shè)檢驗，假設(shè)檢驗的方法可以有多種，當(dāng)邊緣累積概率分布函數(shù)是正態(tài)分布時，可以采用柯爾莫可洛夫-斯米洛夫檢驗(kolmogorov–smirnovtest)方法檢驗；邊緣累積概率分布函數(shù)是非正態(tài)分布時，采用貝葉斯理論進行假設(shè)檢驗(參考文獻姜培華,范國良.幾種非正態(tài)總體未知參數(shù)的貝葉斯假設(shè)檢驗問題[j].南通大學(xué)學(xué)報(自然科學(xué)版),2013,(01):82-86.)。若通過假設(shè)檢驗，則進行步驟(4)，若未通過假設(shè)檢驗，則返回步驟(2)；
(4)利用上述步驟(3)檢驗通過的各個氣象變量的邊緣概率分布公式，根據(jù)上述步驟(1)采集的氣象變量數(shù)據(jù)，分別得到與各氣象變量數(shù)據(jù)相對應(yīng)的邊緣累積概率值，利用所有氣象變量的邊緣累積概率值，得到氣象變量的copula函數(shù)，copula函數(shù)的自變量為所有氣象變量的邊緣累積概率分布變量，共m個，因變量為copula函數(shù)的概率累積分布變量，共1個；
(5)設(shè)定連續(xù)采樣數(shù)量n，利用拉丁超立方體抽樣方法，生成一個n×1維的數(shù)據(jù)序列，將該數(shù)據(jù)序列作為上述copula函數(shù)概率累積分布變量的值；
(6)根據(jù)上述步驟(5)的copula函數(shù)概率累積分布變量值和上述步驟(4)的copula函數(shù)，計算得到n×m維的氣象變量的邊緣累積概率值分布矩陣，該邊緣累積概率值分布矩陣的行數(shù)等于各氣象變量的邊緣累積概率值的個數(shù)，邊緣累積概率值分布矩陣的列數(shù)等于上述步驟(1)的氣象變量的個數(shù)；
(7)根據(jù)上述步驟(6)的邊緣累積概率值分布矩陣和上述步驟(3)通過檢驗的各個氣象變量的邊緣概率分布函數(shù)，得到一個n×m維的氣象變量模擬值的分布矩陣，該氣象變量模擬值分布矩陣的行數(shù)等于各氣象變量模擬值的個數(shù)，矩陣的列數(shù)等于上述步驟(1)的氣象變量的個數(shù)；
(8)利用光伏發(fā)電系統(tǒng)的數(shù)學(xué)模型(光伏發(fā)電系統(tǒng)數(shù)學(xué)模型可以使用美國國家可再生能源實驗室(nrel)研發(fā)的homer軟件中的光伏發(fā)電系統(tǒng)數(shù)學(xué)模型)，根據(jù)上述步驟(7)的氣象變量模擬值的分布矩陣中太陽輻射強度和環(huán)境溫度，計算得到綜合能源系統(tǒng)中的光伏發(fā)電功率；利用建筑物供暖熱負荷的數(shù)學(xué)模型(建筑物供暖熱負荷的數(shù)學(xué)模型使用中華人民共和國國家標(biāo)準(zhǔn)《采暖通風(fēng)與空調(diào)調(diào)節(jié)設(shè)計規(guī)范(gb50019-2003)》)，根據(jù)上述步驟(7)的氣象變量模擬值分布矩陣中的太陽輻射強度、環(huán)境溫度和風(fēng)速，計算得到綜合能源系統(tǒng)中的建筑物供暖熱負荷功率；
(9)利用熱電聯(lián)產(chǎn)系統(tǒng)的數(shù)學(xué)模型，(熱電聯(lián)產(chǎn)系統(tǒng)設(shè)備的生產(chǎn)廠家會提供具體的數(shù)學(xué)模型及運行參數(shù))，根據(jù)上述步驟(8)的建筑物供暖熱負荷功率，計算綜合能源系統(tǒng)中的熱電聯(lián)產(chǎn)系統(tǒng)的發(fā)電功率；
(10)利用電力系統(tǒng)潮流計算方法，(本發(fā)明的一個實施例中，使用了電力系統(tǒng)分析綜合程序psasp進行電力系統(tǒng)的潮流計算)根據(jù)上述步驟(8)的光伏發(fā)電功率以及步驟(9)的熱電聯(lián)產(chǎn)系統(tǒng)的發(fā)電功率，分別計算得到與n組綜合能源系統(tǒng)發(fā)電功率相對應(yīng)的綜合能源系統(tǒng)潮流計算結(jié)果，綜合能源系統(tǒng)潮流計算結(jié)果為多個連續(xù)變量，如多個功率變量和多個電壓變量)，其中n為潮流計算結(jié)果中的任一連續(xù)變量的值的個數(shù)；
(11)利用瓦瑟斯坦(wasserstein)距離分位點方法，對上述步驟(10)的潮流計算結(jié)果中的任一連續(xù)變量進行離散化處理，得到綜合能源系統(tǒng)的典型場景集，典型場景集包括多個非極端場景值和兩個極端場景值，本發(fā)明的一個實施例中利用以下文獻公開的內(nèi)容：黎靜華,韋化,莫東.含風(fēng)電場最優(yōu)潮流的wait-and-see模型與最優(yōu)漸近場景分析[j].中國電機工程學(xué)報,2012,(22):15-24.，計算得到非極端場景值，兩個極端場景值的計算公式如下：
其中，z0為任一連續(xù)變量的最小值，zq+1為任一連續(xù)變量的最大值，p0d為z0的離散概率值，pq+1d為zq+1的離散概率值，z1為任一連續(xù)變量的第1個分位點，zq為任一連續(xù)變量的第q個分位點，pc(.)是任一連續(xù)變量的概率密度分布函數(shù)。