CN106897940B - 一种电网调峰能力限值的风电功率预测指标评价方法及系统 - Google Patents

一种电网调峰能力限值的风电功率预测指标评价方法及系统 Download PDF

Info

Publication number
CN106897940B
CN106897940B CN201710001777.3A CN201710001777A CN106897940B CN 106897940 B CN106897940 B CN 106897940B CN 201710001777 A CN201710001777 A CN 201710001777A CN 106897940 B CN106897940 B CN 106897940B
Authority
CN
China
Prior art keywords
power
data
peak
limit
lower limit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710001777.3A
Other languages
English (en)
Other versions
CN106897940A (zh
Inventor
蒿峰
王小海
侯佑华
朱长胜
文志刚
陈明炫
吴鸣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING ZHONGKE FURUI ELECTRIC TECHNOLOGY CO LTD
Inner Mongolia Power Group Co ltd
Original Assignee
BEIJING ZHONGKE FURUI ELECTRIC TECHNOLOGY CO LTD
Inner Mongolia Power Group Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BEIJING ZHONGKE FURUI ELECTRIC TECHNOLOGY CO LTD, Inner Mongolia Power Group Co ltd filed Critical BEIJING ZHONGKE FURUI ELECTRIC TECHNOLOGY CO LTD
Priority to CN201710001777.3A priority Critical patent/CN106897940B/zh
Publication of CN106897940A publication Critical patent/CN106897940A/zh
Application granted granted Critical
Publication of CN106897940B publication Critical patent/CN106897940B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种电网调峰能力限值的风电功率预测指标评价方法及系统，该检测方法包括：读取预测风电计算时所需的参数；读取风电有功功率的实际数据、预测数据和调峰能力上下限数据；对数据进行归一化处理；计算越限准确率和预测电量误差；计算加权平均准确率。还涉及一种系统，该系统包括：数据读取模块、数据处理模块、越限准确率计算模块和加权准确率计算模块。通过本发明在峰平谷的不同时段，评价风电功率预测结果的准确性，既能够在更多角度反映其算法准确性，又能够帮助调度员掌握当前预测装置的情况，在制定调度计划时能够结合峰平谷时段和电网调峰能力进行合理的调整，具有很强的实用价值。

Description

一种电网调峰能力限值的风电功率预测指标评价方法及系统
技术领域
本发明涉及风电技术领域，尤其涉及一种电网调峰能力限值的风电功率预测指标评价方法及系统。
背景技术
随着风电在电网中的比重不断增大，风电的波动性和间歇性为电力系统的安全和稳定带来了严峻的挑战，对风电功率的合理预测，能够辅助电力系统的调度人员制定周密的调度计划，提前调整风电所占比例，风电功率预测模块是风电能源调度系统中的重要组成部分，风电功率预测是否准确，是整个系统运行正确和稳定的重要因素，对风电功率预测的合理评价，既能够反映其算法准确率，进而帮助算法设计师提高预测算法水平，又能够帮助调度员掌握当前预测系统的情况，在制定调度计划时进行合理的调整，具有重要的实用价值，当前对预测系统的评价主要包括：准确率、均方根误差、相关系数等指标，这种评价方法的时间粒度局限在一天，未能精细到每日峰平谷时段，未能从调峰能力的实际运行角度考察预测的准确性，这样会使得预测发生误差。
发明内容
本发明所要解决的技术问题是：目前采用的技术无法长时间使用，时间局限强，另外，不能精细到每日峰平谷时段，不能从调峰能力的实际运行角度考察预测的准确性。
为解决上面的技术问题，本发明提供了一种电网调峰能力限值的风电功率预测指标评价方法，该方法包括如下步骤：
S1,读取预测风电计算时所需的参数；
S1,读取风电有功功率的实际数据、预测数据和调峰能力上下限数据；
S2,对S1中的实际数据、预测数据和调峰能力上下限数据进行归一化处理；
S3，根据S2中归一化后的数据计算越限准确率和预测电量误差；
S4，根据S2中归一化后的数据计算加权平均准确率。
进一步地，所述S1中还包括：读取预测风电计算时所需的参数，所述参数包括：风电场的装机容量、计算加权准确率时的多个权重值。
进一步地，所述S1中还包括：
S11，读取实际的风电功率数据序列；
S12，读取预测的风电功率数据序列；
S13，读取调峰能力上限功率数据序列；
S14，读取调峰能力下限功率数据序列。
进一步地，所述S2中包括：
S21，将S11中的实际风电功率数据序列归一化；
S22，将S12中的预测风电功率数据序列归一化；
S23，将S13中的调峰能力上限功率数据序列归一化；
S24，将S14中的调峰能力下限功率数据序列归一化。
进一步地，所述S3中包括：
S31，初始化越限功率误差变量,并且令越限数据点的总数N＝0，预测电量误差Dev＝0；
S32，遍历S2中归一化后的实际数据、预测数据和调峰能力上下限数据功率序列，对每个功率点，找到与该功率点对应的调峰能力上限功率点和调峰能力下限功率点，进行S33；
S33，对于S32中的每个功率点，若该功率点大于或等于调峰能力下限功率点，同时该功率点小于或等于调峰能力上限功率点，则返回S32；否则进行S34；
S34，根据S32中的每个功率点以及该功率点对应的调峰能力上限功率点和调峰能力下限功率点，累计计算越限功率误差变量，并将计数总数N加1；
S35，根据S32中的每个功率点以及该功率点对应的调峰能力上限功率点和调峰能力下限功率点，累计计算预测电量误差Dev；
S36，若遍历结束，则执行S37；否则返回执行S32继续遍历；
S37，根据S34中累计计算越限功率误差变量来计算越限准确率。
进一步地，所述S4中包括：
S41，初始化加权误差率变量,并且令总权重值NWT＝0；
S42，遍历S2中归一化后的实际数据、预测数据和调峰能力上下限数据功率序列，对每个功率点，找到与该功率点对应的调峰能力上限功率点和调峰能力下限功率点；
S43，根据S42中的每个功率点以及与该功率点对应的调峰能力上限功率点和调峰能力下限功率点，在S1所述参数中找到与该功率点对应的权重；
S44，根据S43中的权重累计计算加权误差率变量；
S45，根据S43中的权重累计计算总权重值NWT；
S46，若遍历结束，则根据S44累计的加权误差率变量和S45累计的总权重值计算最终加权准确率；否则返回执行S42，继续遍历。
本发明的有益效果：在峰平谷的不同时段，结合电网调峰能力限值，评价风电功率预测结果的准确性，既能够在更多角度反映其算法准确性，进而帮助算法设计师提高预测算法水平，又能够帮助调度员掌握当前预测装置的情况，在制定调度计划时能够结合峰平谷时段和电网调峰能力进行合理的调整，具有很强的实用价值。
本发明还涉及一种电网调峰能力限值的风电功率预测指标评价系统，该系统包括：数据读取模块、数据处理模块、越限准确率计算模块和加权准确率计算模块；
所述数据读取模块，用于获取预测风电评价所需参数以及读取风电有功功率实际数据、预测数据和调峰能力上下限数据；
所述数据处理模块，用于将风电有功功率的实际数据、预测数据和调峰能力上下限数据归一化；
所述越限准确率计算模块，用于根据数据处理模块归一化后的数据计算越限准确率和预测电量误差；
所述加权准确率计算模块，用于根据数据处理模块归一化后的数据采用误差加权平均算法，计算加权平均准确率。
进一步地，所述越限准确率计算模块，用于根据数据处理模块归一化后的数据中超出调峰能力上限或下限的时段，计算预测准确率和预测电量误差。
进一步地，所述加权准确率计算模块，用于根据数据处理模块归一化后的数据采用误差加权平均算法，对超出调峰能力上限或下限的时段按峰、平、谷不同时段进行计算加权平均准确率。
本发明的有益效果：在峰平谷的不同时段，结合电网调峰能力限值，评价风电功率预测结果的准确性，既能够在更多角度反映其算法准确性，进而帮助算法设计师提高预测算法水平，又能够帮助调度员掌握当前预测装置的情况，在制定调度计划时能够结合峰平谷时段和电网调峰能力进行合理的调整，具有很强的实用价值。
附图说明
图1为本发明的一种电网调峰能力限值的风电功率预测指标评价方法流程图。
图2为本发明的一种电网调峰能力限值的风电功率预测指标评价系统示意图；
图3为本发明的归一化数据处理流程图；
图4为本发明的计算越限准确率和预测电量误差流程图；
图5为本发明的计算加权平均准确率流程图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，一种电网调峰能力限值的风电功率预测指标评价方法，该检测方法包括如下步骤：
S1,读取风电有功功率的实际数据、预测数据和调峰能力上下限数据其中包括：读取预测风电计算时所需的参数，所述参数包括：风电场的装机容量、计算加权准确率时的多个权重值以及还包括；
S11，读取实际的风电功率数据序列；
S12，读取预测的风电功率数据序列；
S13，读取调峰能力上限功率数据序列；
S14，读取调峰能力下限功率数据序列。
S2,对S1中的实际数据、预测数据和调峰能力上下限数据进行归一化处理，其中具体为S21，将S11中的实际风电功率数据序列归一化；
S22，将S12中的预测风电功率数据序列归一化；
S23，将S13中的调峰能力上限功率数据序列归一化；
S24，将S14中的调峰能力下限功率数据序列归一化。
S3，根据S2中归一化后的数据计算越限准确率和预测电量误差，其中的步骤具体为：
S31，初始化越限功率误差变量,并且令越限数据点的总数N＝0，预测电量误差Dev＝0；
S32，遍历S2中归一化后的实际数据、预测数据和调峰能力上下限数据功率序列，对每个功率点，找到与该功率点对应的调峰能力上限功率点和调峰能力下限功率点，进行S33；
S33，对于S32中的每个功率点，若该功率点大于或等于调峰能力下限功率点，同时该功率点小于或等于调峰能力上限功率点，则返回S32；否则进行S34；
S34，根据S32中的每个功率点以及该功率点对应的调峰能力上限功率点和调峰能力下限功率点，累计计算越限功率误差变量，并将计数总数N加1；
S35，根据S32中的每个功率点以及该功率点对应的调峰能力上限功率点和调峰能力下限功率点，累计计算预测电量误差Dev；
S36，若遍历结束，则执行S37；否则返回执行S32继续遍历；
S37，根据S34中累计计算越限功率误差变量来计算越限准确率。
S4，根据S2中归一化后的数据计算加权平均准确率，其中的具体步骤包括：
S41，初始化加权误差率变量,并且令总权重值NWT＝0；
S42，遍历S2中归一化后的实际数据、预测数据和调峰能力上下限数据功率序列，对每个功率点，找到与该功率点对应的调峰能力上限功率点和调峰能力下限功率点；
S43，根据S42中的每个功率点以及与该功率点对应的调峰能力上限功率点和调峰能力下限功率点，在S1所述参数中找到与该功率点对应的权重；
S44，根据S43中的权重累计计算加权误差率变量；
S45，根据S43中的权重累计计算总权重值NWT；
S46，若遍历结束，则根据S44累计的加权误差率变量和S45累计的总权重值计算最终加权准确率；否则返回执行S42，继续遍历。
如图2所示，一种电网调峰能力限值的风电功率预测指标评价系统，该系统包括：数据读取模块、数据处理模块、越限准确率计算模块和加权准确率计算模块；
所述数据读取模块，用于获取预测风电评价所需参数以及读取风电有功功率实际数据、预测数据和调峰能力上下限数据；
所述数据处理模块，用于将风电有功功率的实际数据、预测数据和调峰能力上下限数据归一化；
所述越限准确率计算模块，用于根据数据处理模块归一化后的数据中超出调峰能力上限或下限的时段，计算预测准确率和预测电量误差。
所述加权准确率计算模块，用于根据数据处理模块归一化后的数据采用误差加权平均算法，对超出调峰能力上限或下限的时段按峰、平、谷不同时段进行计算加权平均准确率。
具体实施例
一种电网调峰能力限值的风电功率预测指标评价，该检测方法包括如下步骤：
S1,读取预测风电计算时所需的参数，计算参数包括风电场的装机容量，计算加权准确率时的若干权重值。权重值的设置分三个维度，第一个维度以电网运行峰、平、谷段为时间划分，第二个维度以实际值越上限、不越限、越下限划分，第三个维度以预测值越上限、不越限、越下限划分，共2*2*2＝17种情况，每种情况对应不同的权重值，可由经验丰富的调度人员提前设置；
S2,读取风电有功功率的实际数据、预测数据和调峰能力上下限数据，其中具体步骤如下：
S21，读取实际的风电功率数值序列{(T0,P0),(T1,P1),...,(Tn,Pn)},式中Ti(0≤i≤n)是第i个点的时间，单位为秒，Pi(0≤i≤n)是第i个点的实际功率；
S22，读取预测的风电功率数值序列{(T0,Q0),(T1,Q1),...,(Tn,Qn)},式中Ti(0≤i≤n)是第i个点的时间，单位为秒，Qi(0≤i≤n)是第i个点的预测功率；
S23，读取调峰能力上限功率数值序列{(T0,A0),(T1,A1),...,(Tn,An)},式中Ti(0≤i≤n)是第i个点的时间，单位为秒，Ai(0≤i≤n)是第i个点的调峰能力上限功率；
S24，读取调峰能力下限功率数值序列{(T0,B0),(T1,B1),...,(Tn,Bn)},式中Ti(0≤i≤n)是第i个点的时间，单位为秒，Bi(0≤i≤n)是第i个点的调峰能力下限功率。
如图3所示，S3,对S2中的实际数据、预测数据和调峰能力上下限数据进行归一化处理，其具体的步骤如下：
S31，将实际功率序列归一化，计算公式为：
Pi'＝Pi/PCap
式中，Pi'为归一化后的实际功率、Pi为第i点的实际功率、PCap为风电场装机容量；
S32，将预测功率序列归一化，计算公式为：
Qi'＝Qi/PCap
式中，Qi'为归一化后的预测功率、Qi为第i点的预测功率、PCap为风电场装机容量；
S33，将调峰能力上限功率序列归一化，计算公式为：
Ai'＝Ai/PCap
式中，Ai'为归一化后的调峰能力上限功率、Ai为第i点的调峰能力上限功率、PCap为风电场装机容量；
S34，将调峰能力下限功率序列归一化，计算公式为：
Bi'＝Bi/PCap
式中，Bi'为归一化后的调峰能力下限功率、Bi为第i点的调峰能力下限功率、PCap为风电场装机容量。
如图4所示，S4，根据S3中归一化后的数据计算越限准确率和预测电量误差，其中具体的步骤如下：
S41，初始化准确率变量accuracy＝0,计算总数N＝0，预测误差Dev＝0；
S42，遍历S3中归一化后的实际数据、预测数据和调峰能力上下限数据功率序列，对每个功率点(Ti,Qi')，找到其对应的调峰能力上限功率点(Ti,Ai')和调峰能力下限功率点(Ti,Bi')，进行S42；
S43，如果Bi'≤Qi'≤Ai'，则返回S41；否则进行S44；
S44，累计计算准确率变量，并将计数总数N加1。准确率变量计算公式为：
accuracy＝accuracy+(Pi'-Qi')*(Pi'-Qi')
S45，累计计算预测误差，计算公式为：
Dev＝Dev+Pi'-Qi'
S46，若遍历未结束，则返回S42继续遍历；否则转到S46；
S47，计算越限准确率，计算公式如下：
Figure GDA0002725824490000091
如图5所示，S5，根据S3中归一化后的数据计算加权平均准确率，其具体的步骤如下：S51，初始化加权准确率变量wt_accuracy＝0,总权重值NWT＝0；
S52，遍历S3中归一化后的实际数据、预测数据和调峰能力上下限数据功率序列，对每个功率点(Ti,Qi')，找到其对应的调峰能力上限功率点(Ti,Ai')和调峰能力下限功率点(Ti,Bi')，转到S53；
S53，根据(Ti,Qi')、(Ti,Ai')和(Ti,Bi')，在S1所述参数中找到其对应的权重Wi；
S54，累计计算加权准确率变量，计算公式为：
wt_accuracy＝wt_accuracy+Wi*(Pi'-Qi')*(Pi'-Qi')
S55，累计计算总权重值，计算公式为：
NWT＝NWT+Wi
S56，若遍历未结束，则跳到S52，继续遍历；否则计算最终加权准确率，计算公式为：
Figure GDA0002725824490000101
如图2所示，一种电网调峰能力限值的风电功率预测指标评价系统，该系统包括：数据读取模块、数据处理模块、越限准确率计算模块和加权准确率计算模块；
所述数据读取模块，用于获取预测风电评价所需参数以及读取风电有功功率实际数据、预测数据和调峰能力上下限数据；
所述数据处理模块，用于将风电有功功率的实际数据、预测数据和调峰能力上下限数据归一化；
所述越限准确率计算模块，其用于根据风电功率预测结果中超出调峰能力上限或下限的时段计算预测准确率和预测电量误差；
所述加权准确率计算模块，其用于根据风电功率预测结果采用误差加权平均算法，对超出调峰能力上限或下限的时段按峰、平、谷不同时段给予不同的惩罚权重，计算加权平均准确率。
在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种电网调峰能力限值的风电功率预测指标评价方法，其特征在于,该风电功率预测指标评价方法包括如下步骤：
S1, 读取风电有功功率的实际数据、预测数据和调峰能力上下限数据;
S2, 对S1中的实际数据、预测数据和调峰能力上下限数据进行归一化处理；
S3，根据S2中归一化后的数据中超出调峰能力上限或下限的时段，计算越限准确率和预测电量误差；
S4，根据S2中归一化后的数据采用误差加权平均算法，对超出调峰能力上限或下限的时段按峰、平、谷不同时段进行计算加权平均准确率;
其中，所述S3具体包括：S31，初始化越限功率误差变量,并且令越限数据点的总数
Figure 707028DEST_PATH_IMAGE002
，预测电量误差
Figure 296272DEST_PATH_IMAGE004
;
S32，遍历S2中归一化后的实际数据、预测数据和调峰能力上下限数据功率序列，对每个功率点，找到与该功率点对应的调峰能力上限功率点和调峰能力下限功率点，进行S33；
S33，对于S32中的每个功率点，若该功率点大于或等于调峰能力下限功率点，同时该功率点小于或等于调峰能力上限功率点，则返回S32；否则进行S34;
S34，根据S32中的每个功率点以及该功率点对应的调峰能力上限功率点和调峰能力下限功率点，累计计算越限功率误差变量，并将计数总数N加1；
S35，根据S32中的每个功率点以及该功率点对应的调峰能力上限功率点和调峰能力下 限功率点，累计计算预测电量误差
Figure 794118DEST_PATH_IMAGE006
；
S36，若遍历结束，则执行S37；否则返回执行S32继续遍历；
S37，根据S34中累计计算的越限功率误差变量来计算越限准确率；
所述S4具体包括：
S41，初始化加权误差率变量,并且令总权重值
Figure 658169DEST_PATH_IMAGE008
；
S42，遍历S2中归一化后的实际数据、预测数据和调峰能力上下限数据功率序列，对每个功率点，找到与该功率点对应的调峰能力上限功率点和调峰能力下限功率点；
S43，根据S42中的每个功率点以及与该功率点对应的调峰能力上限功率点和调峰能力下限功率点，在S1所述实际数据、所述预测数据和所述调峰能力上下限数据中找到与该功率点对应的权重；
S44，根据S43中的权重累计计算加权误差率变量；
S45，根据S43中的权重累计计算总权重值
Figure 206962DEST_PATH_IMAGE010
；
S46，若遍历结束，则根据S44累计的加权误差率变量和S45累计的总权重值
Figure 498266DEST_PATH_IMAGE010
计算 最终的加权平均准确率；否则返回执行S42，继续遍历。
2.根据权利要求1所述的一种电网调峰能力限值的风电功率预测指标评价方法,所述S1中还包括：读取预测风电计算时所需的参数，所述参数包括：风电场的装机容量、计算加权平均准确率时的多个权重值。
3.根据权利要求2所述的一种电网调峰能力限值的风电功率预测指标评价方法，其特征在于，所述S1中包括：
S11，读取实际风电功率数据序列
Figure DEST_PATH_IMAGE012
,式中
Figure DEST_PATH_IMAGE014
是第
Figure DEST_PATH_IMAGE016
个 点的时间，单位为秒，
Figure DEST_PATH_IMAGE018
是第
Figure 578349DEST_PATH_IMAGE016
个点的实际功率；
S12，读取预测风电功率数据序列
Figure DEST_PATH_IMAGE020
,式中
Figure 668927DEST_PATH_IMAGE014
是第
Figure 72226DEST_PATH_IMAGE016
个 点的时间，单位为秒，
Figure 534432DEST_PATH_IMAGE022
是第
Figure 210132DEST_PATH_IMAGE016
个点的预测功率；
S13，读取调峰能力上限功率数据序列
Figure DEST_PATH_IMAGE024
,式中
Figure 150407DEST_PATH_IMAGE014
是 第
Figure DEST_PATH_IMAGE025
个点的时间，单位为秒，
Figure DEST_PATH_IMAGE027
是第
Figure 34311DEST_PATH_IMAGE016
个点的调峰能力上限功率；
S14，读取调峰能力下限功率数据序列
Figure 932997DEST_PATH_IMAGE029
,式中
Figure 158311DEST_PATH_IMAGE014
是第
Figure 902276DEST_PATH_IMAGE025
个点的时间，单位为秒，
Figure DEST_PATH_IMAGE031
是第
Figure 483430DEST_PATH_IMAGE016
个点的调峰能力下限功率。
4.根据权利要求3所述的一种电网调峰能力限值的风电功率预测指标评价方法，其特征在于，所述S2中包括：
S21，将S11中的实际风电功率数据序列归一化，其中实际风电功率数据序列归一化计算公式为：
Figure 235573DEST_PATH_IMAGE033
式中，
Figure DEST_PATH_IMAGE035
为归一化后的实际功率、
Figure DEST_PATH_IMAGE037
为第
Figure 885866DEST_PATH_IMAGE016
点的实际功率、
Figure DEST_PATH_IMAGE039
为风电场装机容量；
S22，将S12中的预测风电功率数据序列归一化，其中，预测风电功率数据序列归一化，计算公式为：
Figure DEST_PATH_IMAGE041
式中，
Figure 325200DEST_PATH_IMAGE043
为归一化后的预测功率、
Figure 557599DEST_PATH_IMAGE045
为第
Figure 798087DEST_PATH_IMAGE016
点的预测功率、
Figure 670097DEST_PATH_IMAGE039
为风电场装机容量；
S23，将S13中的调峰能力上限功率数据序列归一化，其中，调峰能力上限功率数据序列归一化，计算公式为：
Figure 21444DEST_PATH_IMAGE047
式中，
Figure DEST_PATH_IMAGE049
为归一化后的调峰能力上限功率、
Figure DEST_PATH_IMAGE051
为第
Figure 796764DEST_PATH_IMAGE016
点的调峰能力上限功率、
Figure 411416DEST_PATH_IMAGE039
为风 电场装机容量；
S24，将S14中的调峰能力下限功率数据序列归一化，其中，调峰能力下限功率数据序列归一化，计算公式为：
Figure DEST_PATH_IMAGE053
式中，
Figure DEST_PATH_IMAGE055
为归一化后的调峰能力下限功率、
Figure DEST_PATH_IMAGE057
为第
Figure 239564DEST_PATH_IMAGE016
点的调峰能力下限功率、
Figure DEST_PATH_IMAGE058
为风 电场装机容量。
5.一种使用权利要求1-4任一项所述的风电功率预测指标评价方法的电网调峰能力限值的风电功率预测指标评价系统，其特征在于，该系统包括：数据读取模块、数据处理模块、越限准确率计算模块和加权准确率计算模块；
所述数据读取模块，用于获取预测风电评价所需参数以及读取风电有功功率实际数据、预测数据和调峰能力上下限数据；
所述数据处理模块，用于将风电有功功率的实际数据、预测数据和调峰能力上下限数据归一化；
所述越限准确率计算模块，用于根据数据处理模块归一化后的数据计算越限准确率和预测电量误差；
所述越限准确率计算模块，具体用于初始化越限功率误差变量,并且令越限数据点的 总数
Figure 348596DEST_PATH_IMAGE002
，预测电量误差
Figure 493270DEST_PATH_IMAGE004
;遍历所述数据处理模块归一化后的实际数据、预测数据 和调峰能力上下限数据功率序列，对每个功率点，找到与该功率点对应的调峰能力上限功 率点和调峰能力下限功率点，每个所述功率点，若该功率点大于或等于调峰能力下限功率 点，同时该功率点小于或等于调峰能力上限功率点，则返回继续遍历归一化后的实际数据、 预测数据和调峰能力上下限数据功率序列；否则根据每个所述功率点以及该功率点对应的 调峰能力上限功率点和调峰能力下限功率点，累计计算越限功率误差变量，并将计数总数N 加1；每个所述功率点以及该功率点对应的调峰能力上限功率点和调峰能力下限功率点，累 计计算预测电量误差
Figure 75561DEST_PATH_IMAGE006
；若遍历结束，则根据累计计算的越限功率误差变量来计算越限 准确率；否则返回继续遍历归一化后的实际数据、预测数据和调峰能力上下限数据功率序 列；
所述加权准确率计算模块，用于根据数据处理模块归一化后的数据采用误差加权平均算法，计算加权平均准确率；
所述加权准确率计算模块，具体用于初始化加权误差率变量,并且令总权重值
Figure DEST_PATH_IMAGE059
；
遍历归一化后的实际数据、预测数据和调峰能力上下限数据功率序列，对每个功率点，找到与该功率点对应的调峰能力上限功率点和调峰能力下限功率点；
根据每个功率点以及与该功率点对应的调峰能力上限功率点和调峰能力下限功率点，在所述实际数据、所述预测数据和所述调峰能力上下限数据中找到与该功率点对应的权重；
根据所述功率点对应的权重累计计算加权误差率变量；
根据所述功率点对应的权重累计计算总权重值
Figure 453322DEST_PATH_IMAGE010
；
若遍历结束，则根据上述累计的加权误差率变量和累计的总权重值
Figure 146471DEST_PATH_IMAGE010
计算最终的 加权平均准确率；否则返回继续遍历归一化后的实际数据、预测数据和调峰能力上下限数 据功率序列，对每个功率点，找到与该功率点对应的调峰能力上限功率点和调峰能力下限 功率点。
6.根据权利要求5所述的一种电网调峰能力限值的风电功率预测指标评价系统，其特征在于，所述越限准确率计算模块，用于根据数据处理模块归一化后的数据中超出调峰能力上限或下限的时段，计算越限准确率和预测电量误差。
7.根据权利要求6所述的一种电网调峰能力限值的风电功率预测指标评价系统，其特征在于，所述加权准确率计算模块，用于根据数据处理模块归一化后的数据采用误差加权平均算法，对超出调峰能力上限或下限的时段按峰、平、谷不同时段进行计算加权平均准确率。
CN201710001777.3A 2017-01-03 2017-01-03 一种电网调峰能力限值的风电功率预测指标评价方法及系统 Active CN106897940B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710001777.3A CN106897940B (zh) 2017-01-03 2017-01-03 一种电网调峰能力限值的风电功率预测指标评价方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710001777.3A CN106897940B (zh) 2017-01-03 2017-01-03 一种电网调峰能力限值的风电功率预测指标评价方法及系统

Publications (2)

Publication Number Publication Date
CN106897940A CN106897940A (zh) 2017-06-27
CN106897940B true CN106897940B (zh) 2021-04-13

Family

ID=59199146

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710001777.3A Active CN106897940B (zh) 2017-01-03 2017-01-03 一种电网调峰能力限值的风电功率预测指标评价方法及系统

Country Status (1)

Country Link
CN (1) CN106897940B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107862446B (zh) * 2017-10-30 2019-05-24 郑州力通水务有限公司 基于物联网的供水管网综合管理分析系统
CN108985379B (zh) * 2018-07-25 2021-04-30 北京京东尚科信息技术有限公司 分类器的性能评估方法、装置和计算机可读存储介质
CN110601223B (zh) * 2019-09-30 2021-08-10 西安特锐德领充新能源科技有限公司 功率调节方法、装置、电子设备及存储介质
CN116402240B (zh) * 2023-06-08 2023-08-18 北京中科伏瑞电气技术有限公司 面向调度侧区域风电功率预测的模型输入构造方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102570505B (zh) * 2012-02-01 2014-08-06 中国电力科学研究院 用于风电“部分削峰填谷”的电池储能系统控制方法
CN102831475B (zh) * 2012-08-01 2014-10-29 华北电力大学 用于风电场功率预测模型的正弦归一化方法
CN103679298A (zh) * 2013-12-27 2014-03-26 中能电力科技开发有限公司 风电场短期功率预测精度的评价方法
US20150278405A1 (en) * 2014-03-31 2015-10-01 Vestas Wind Systems A/S Method for evaluating a performance prediction for a wind farm
KR20150118699A (ko) * 2014-04-15 2015-10-23 (주)진우소프트이노베이션 Gis 기반 실시간 기상정보를 활용한 풍력 예측 발전량 시각화 방법
CN104933489A (zh) * 2015-06-29 2015-09-23 东北电力大学 基于自适应神经模糊推理系统的风电功率实时高精度预测方法
CN105243436A (zh) * 2015-09-19 2016-01-13 东北电力大学 基于秩次集对分析的风电功率实时预测方法

Also Published As

Publication number Publication date
CN106897940A (zh) 2017-06-27

Similar Documents

Publication Publication Date Title
CN106897940B (zh) 一种电网调峰能力限值的风电功率预测指标评价方法及系统
US11326579B2 (en) Adaptive dynamic planning control method and system for energy storage station, and storage medium
CN103580041B (zh) 一种平抑风电功率波动的混合储能系统容量配置方法
CN111160617B (zh) 一种电力日负荷预测方法及装置
US9722282B2 (en) Method and device for setting a maximum depth of discharge of an energy store for a time period
CN111080477A (zh) 一种家庭电力负荷预测方法及系统
CN107579528B (zh) 基于能量变化的暂态频率安全紧急控制决策方法
CN114296867A (zh) 一种云平台的容器运行方法、系统及相关装置
WO2017045698A1 (en) Power plant ramp rate control
CN110348695A (zh) 电力系统的灵活性评估方法、装置、设备及存储介质
CN112100024A (zh) 一种资源负载异常检测方法、装置及设备
CN115759317A (zh) 一种电力负荷调控方法、装置、电子设备及存储介质
CN116244069A (zh) 一种扩缩容方法、装置、电子设备和可读存储介质
JP2015156195A (ja) 蓄電池制御装置およびその方法
CN113743452B (zh) 电能质量评估方法及装置
CN109816165A (zh) 风电超短期功率预测方法及系统
CN113964853A (zh) 一种5g宏基站群优化调度方法、装置、介质及终端设备
Liu et al. Refined ramp event characterisation for wind power ramp control using energy storage system
CN112651560A (zh) 一种超短期风功率预测方法、装置及设备
CN107947206A (zh) 基于改进的nsga‑ii算法的三相配电网多目标优化方法
CN117172569A (zh) 一种考虑电力系统供需匹配的灵活性评估方法
CN114330938B (zh) 一种配电网分布式储能规划方法及系统
CN112865187B (zh) 风电场功率调度方法、装置及电子设备
CN116228011A (zh) 一种应用于多端柔性直流电网的运行效能评估方法及装置
CN115983477A (zh) 基于K-means聚类与卷积神经网络模型的负荷预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant