一种分布式电源出力预测的方法和装置
技术领域
本申请涉及电力市场技术领域,尤其涉及一种分布式电源出力预测的方法和装置。
背景技术
随着配电网中分布式电源(DER)的不断发展,其接入比例不断提高,而且,由于分布式电源出力具有不确定性,DER对配电网供电能力的影响也越来越大。
随着中国电力改革的不断推进,日前电力市场也在不断推进。日前市场的电力交易是一个连续、实时供需平衡和价格决定的过程。实时交易是将每天分成若干个时段,逐时段的对负荷进行拍卖竞价。参与实时电力市场交易的各方都希望能够及时得到配电网的供电能力信息,以进行针对性的报价,同时,实时的供电能力信息也是电力交易中心校验时的考虑重点,所以准确及时的实时供电能力信息对于建立实时市场有着重要的意义。
目前,主要是根据各节点有功功率和无功功率,以及相应的供电能力模型计算满足满足约束条件下的目标函数值,并将目标函数值作为配电网的供电能力,其中供电能力模型中包括目标函数及相应的约束条件。
然而,由于分布式电源出力的不确定性,即各节点有功功率和无功功率是不确定的,所以使用现有方法计算出的分布式电源出力,来计算配电网的供电能力存在不够准确的问题,不能为配电网的实时运行控制提供决策依据。
发明内容
本申请实施例提供了一种分布式电源出力预测的方法和装置,能够在分布式电源出力的不确定性的情况下,较准确地预测分布式电源出力,使得计算配电网的供电能力较准确,为配电网的实时运行控制提供决策依据。
有鉴于此,本申请第一方面提供了一种分布式电源出力预测的方法,包括:
获取分布式电源的总出力预测值;
根据信息间隙决策理论中不确定参数的波动公式确定所述分布式电源的出力下限,所述出力下限由所述总出力预测值和偏差系数构成,其中所述偏差系数未知且大于等于零;
根据预置的供电能力模型和所述总出力预测值计算原始供电能力;
根据所述初始供电能力和预设第一偏差因子确定在供电能力下限;
将供电能力的负值作为所述风险规避模型的目标函数,根据所述出力下限和所述供电能力模型确定,当所述目标函数的负值不大于所述供电能力下限的负值时的偏差系数最大值,并记为第一偏差系数;
根据所述第一偏差系数和所述波动公式确定在风险规避模型下所述分布式电源的出力范围。
优选地,
所述分布式电源包括多种,且每种分布式电源对应一个出力预测值;
根据所述第一偏差系数和所述波动公式确定在风险规避模型下所述分布式电源的出力范围具体包括:
获取每种分布式电源出力预测值与所述分布式电源总出力预测值的比值并作为权重;
对于一种分布式电源,获取权重与所述第一偏差系数的乘积作为第二偏差系数;
根据所述第二偏差系数和所述波动公式确定在风险规避模型下每种分布式电源的出力范围。
优选地,
所述分布式电源包括风电电源;
在获取分布式电源的总出力预测值之前,还包括:
对于预测日,获取多个预设时间点的预测风速构成第一风速特征向量;
对于每个历史日,获取所述多个预设时间点的实际风速构成第二风速特征向量;
获取每个第二风速特征向量与第一风速特征向量的相似度,并将相似度最大的历史日的风电出力实际值作为所述预测日的风电出力预测值。
优选地,
所述分布式电源包括光伏发电电源;
在获取分布式电源的总出力预测值之前,还包括:
对于预测日,获取多个温度参数值构成第三特征向量;
对于每个历史日,获取所述多个温度参数值构成第四特征向量;
获取每个第四特征向量与第三特征向量的相似度,并将相似度最大的历史日的光伏发电出力实际值作为所述预测日的光伏发电出力预测值。
优选地,
在根据所述第一偏差系数和所述波动公式确定在风险规避模型下所述分布式电源的出力范围之后,还包括:
获取在预测日的预设时间段内每种分布式电源的出力实际值;
根据分布式电源的出力实际值判断每种分布式电源的出力预测值是否满足预设精度;
当不满足预设精度时,根据所述预设时间段内的实际气象情况修正每种分布式电源的出力预测值。
本申请第二方面提供了一种分布式电源出力预测的装置,包括:
第一获取单元,用于获取分布式电源的总出力预测值;
第一确定单元,用于根据信息间隙决策理论中不确定参数的波动公式确定所述分布式电源的出力下限,所述出力下限由所述总出力预测值和偏差系数构成,其中所述偏差系数未知且大于等于零;
第一计算单元,用于根据预置的供电能力模型和所述总出力预测值计算原始供电能力;
第二确定单元,用于根据所述初始供电能力和预设第一偏差因子确定在供电能力下限;
第三确定单元,用于将供电能力的负值作为所述风险规避模型的目标函数,根据所述出力下限和所述供电能力模型确定,当所述目标函数的负值不大于所述供电能力下限的负值时的偏差系数最大值,并记为第一偏差系数;
第四确定单元,用于根据所述第一偏差系数和所述波动公式确定在风险规避模型下所述分布式电源的出力范围。
本申请第三方面提供了一种分布式电源出力预测的方法,包括:
获取分布式电源的总出力预测值;
根据信息间隙决策理论中不确定参数的波动公式确定所述分布式电源的出力上限,所述出力上限由所述总出力预测值和预置偏差系数构成,其中所述偏差系数未知且大于等于零;
根据预置的供电能力模型和所述总出力预测值计算原始供电能力;
根据所述初始供电能力和预设第二偏差因子确定在供电能力上限;
将供电能力作为所述风险规避模型的目标函数,根据所述出力上限和所述供电能力模型确定,当所述目标函数不大于所述供电能力上限时的偏差系数最小值,并记为第二偏差系数;
根据所述第二偏差系数和所述波动公式确定在风险规避模型下所述分布式电源的出力范围。
优选地,
所述分布式电源包括多种,且每种分布式电源对应一个出力预测值;
根据所述第一偏差系数和所述波动公式确定在风险规避模型下所述分布式电源的出力范围具体包括:
获取每种分布式电源出力预测值与所述分布式电源总出力预测值的比值并作为权重;
对于一种分布式电源,获取权重与所述第一偏差系数的乘积作为第二偏差系数;
根据所述第二偏差系数和所述波动公式确定在风险规避模型下每种分布式电源的出力范围。
优选地,
所述分布式电源包括风电电源;
在获取分布式电源的总出力预测值之前,还包括:
对于预测日,获取多个预设时间点的预测风速构成第一风速特征向量;
对于每个历史日,获取所述多个预设时间点的实际风速构成第二风速特征向量;
获取每个第二风速特征向量与第一风速特征向量的相似度,并将相似度最大的历史日的风电出力实际值作为所述预测日的风电出力预测值。
优选地,
所述分布式电源包括光伏发电电源;
在获取分布式电源的总出力预测值之前,还包括:
对于预测日,获取多个温度参数值构成第三特征向量;
对于每个历史日,获取所述多个温度参数值构成第四特征向量;
获取每个第四特征向量与第三特征向量的相似度,并将相似度最大的历史日的光伏发电出力实际值作为所述预测日的光伏发电出力预测值。
优选地,
在根据所述第一偏差系数和所述波动公式确定在风险规避模型下所述分布式电源的出力范围之后,还包括:
获取在预测日的预设时间段内每种分布式电源的出力实际值;
根据分布式电源的出力实际值判断每种分布式电源的出力预测值是否满足预设精度;
当不满足预设精度时,根据所述预设时间段内的实际气象情况修正每种分布式电源的出力预测值。
本申请第四方面提供了一种分布式电源出力预测的装置,包括:
第二获取单元,用于获取分布式电源的总出力预测值;
第五确定单元,用于根据信息间隙决策理论中不确定参数的波动公式确定所述分布式电源的出力上限,所述出力上限由所述总出力预测值和预置偏差系数构成,其中所述偏差系数未知且大于等于零;
第二计算单元,用于根据预置的供电能力模型和所述总出力预测值计算原始供电能力;
第六确定单元,用于根据所述初始供电能力和预设第二偏差因子确定在供电能力上限;
第七确定单元,用于将供电能力作为所述风险规避模型的目标函数,根据所述出力上限和所述供电能力模型确定,当所述目标函数不大于所述供电能力上限时的偏差系数最小值,并记为第二偏差系数;
第八确定单元,用于根据所述第二偏差系数和所述波动公式确定在风险规避模型下所述分布式电源的出力范围。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请实施例中,提供了一种分布式电源出力预测的方法和装置,包括:获取分布式电源的总出力预测值;根据信息间隙决策理论中不确定参数的波动公式确定分布式电源的出力下限,出力下限由总出力预测值和偏差系数构成,其中偏差系数未知且大于等于零;根据预置的供电能力模型和总出力预测值计算原始供电能力;根据初始供电能力和预设第一偏差因子确定在供电能力下限;将供电能力的负值作为风险规避模型的目标函数,根据出力下限和供电能力模型确定,当目标函数的负值不大于供电能力下限的负值时的偏差系数最大值,并记为第一偏差系数;根据第一偏差系数和波动公式确定在风险规避模型下分布式电源的出力范围。
所以,本申请实施例中,对于给定的供电能力的第一偏差因子,基于信息间隙决策理论,能够在分布式电源出力的不确定性的情况下,较准确地计算出在风险规避模型下分布式电源的出力范围,从而可以较准确地计算配电网的供电能力,为配电网的实时运行控制提供决策依据。
附图说明
图1为本申请实施例中分布式电源出力预测的方法的第一实施例的流程示意图;
图2为本申请实施例中出力范围计算的流程示意图;
图3为本申请实施例中风电出力预测的流程示意图;
图4为申请实施例中光伏发电出力预测的流程示意图;
图5为本申请实施例中分布式电源出力预测的装置的第一实施例的结构示意图;
图6为本申请实施例中分布式电源出力预测的方法的第二实施例的流程示意图;
图7为本申请实施例中分布式电源出力预测的装置的第二实施例的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参阅图1,本申请实施例中分布式电源出力预测的方法的第一实施例的流程示意图。
本申请实施例提供了一种分布式电源出力预测的方法的第一实施例,包括:
步骤101,获取分布式电源的总出力预测值。
需要说明的是,可以通过很多方法对分布式电源的总出力进行预测,然而由于分布式电源出力的不确定性,分布式电源的总出力是波动的,所以总出力预测值是不准确的。
步骤102,根据信息间隙决策理论中不确定参数的波动公式确定分布式电源的出力下限,出力下限由总出力预测值和偏差系数构成,其中偏差系数未知且大于等于零。
需要说明的是,在信息间隙决策理论中,不确定参数会围绕预测值进行波动,波动公式可以为其中α表示不确定参数的波动幅度,α>=0;表示不确定参数X偏离预测值的范围不超过
根据波动公式可以确定分布式电源的出力范围为其中P表示分布式电源的出力,表示总出力预测值。
而在风险规避模式下,要保证所有可能的出力值都能能使配电网供电能力不低于某一下限,所以本申请实施例选用分布式电源的出力下限进行计算。
步骤103,根据预置的供电能力模型和总出力预测值计算原始供电能力。
在本申请实施例中,供电能力模型可以包括目标函数其中PL为配电网能够供应的最大有功负荷;N为负荷点数;PLi为负荷点i处的有功负荷,还可以包括约束条件 和PGi、PDERi和PLi分别为节点i处发电机、DER和负荷的有功功率;QGi、QDERi、和QLi分别为节点i处发电机、DER和负荷的无功功率;Gij和Bij分别为支路i-j的电导和电纳;θij为节点i和节点j之间的功率角;Ui、Umax i和Umin i分别为节点i处的电压及其上下限;Il和Imax l分别为线路l的电流及其上限。
步骤104,根据初始供电能力和预设第一偏差因子确定在供电能力下限。
需要说明的是,在信息间隙决策理论的风险规避模式下,供电能力下限可以通过(1+βc)f0确定,其中βc为预设第一偏差因子,该第一偏差因子可以根据司机需要进行调整。
另外,风险规避模型的其中一个约束条件是目标函数的值不高于预设值,而在配电网中,要求供电能力不小于预设值,所以在本申请实施例中,f0为供电能力下限的负值,即约束条件变成目标函数的负值不大于供电能力下限的负值。
步骤105,将供电能力的负值作为风险规避模型的目标函数,根据出力下限和供电能力模型确定,当目标函数的负值不大于供电能力下限的负值时的偏差系数最大值,并记为第一偏差系数。
在本申请实施例中,风险规避模型可以表示成
需要说明的是,在本申请实施例中,可以通过粒子群寻优算法进行第一偏差系数的计算。
步骤106,根据第一偏差系数和波动公式确定在风险规避模型下分布式电源的出力范围。
可以理解的是,当第一偏差系数确定后,在风险规避模型下分布式电源的出力范围则为
进一步地,
在本申请实施例中,分布式电源可以包括多种,且每种分布式电源对应一个出力预测值。
例如,分布式电源可以包括风电、光伏发电以及潮汐发电等。
这种情况下,因为信息间隙决策理论是以单个不确定量的偏差系数为目标函数,所以第一偏差系数是总出力预测值对应的偏差系数,所以需要计算每种分布式电源的出力范围时,便先要计算每种分布式电源对应的偏差系数。
请参阅图2,本申请实施例中出力范围计算的流程示意图。
根据第一偏差系数和波动公式确定在风险规避模型下分布式电源的出力范围可以具体包括:
步骤201,获取每种分布式电源出力预测值与分布式电源总出力预测值的比值并作为权重。
需要说明的是,由于分布式电源出力越大,对配电网的供电能力影响越大,因此本申请实施例将每种分布式电源出力预测值与分布式电源总出力预测值的比值作为偏差系数的权重。
步骤202,对于一种分布式电源,获取权重与第一偏差系数的乘积作为第二偏差系数。
可以理解的是,假设第一偏差系数为α,那么风电出力的偏差系数便可以通过计算,光伏发电的偏差系数便可以通过计算,其中和分别为风电和光伏发电出力的偏差系数,kw,t和ks,t分别为风电和光伏发电偏差系数对应的权重。
如果分布式电源只有风电和光伏发电,那么便可以通过计算,其中和分别为风电和光伏发电的出力预测值。
步骤203,根据第二偏差系数和波动公式确定在风险规避模型下每种分布式电源的出力范围。
进一步地,
当分布式电源包括风电电源时,在获取分布式电源的总出力预测值之前,可以对对风电出力进行预测,请参阅图3,本申请实施例中风电出力预测的流程示意图。
步骤301,对于预测日,获取多个预设时间点的预测风速构成第一风速特征向量。
在本申请实施例中,以三个小时为间隔,选取每天8个时间点的预测风速构成第一风速特征向量。
可以理解的是,因为预测时预测日还未来到,所以采用预测风速构建第一风速特征向量。
步骤302,对于每个历史日,获取多个预设时间点的实际风速构成第二风速特征向量。
可以理解的是,预测日和历史日选择风速的时间点应当相同。
步骤303,获取每个第二风速特征向量与第一风速特征向量的相似度,并将相似度最大的历史日的风电出力实际值作为预测日的风电出力预测值。
在本申请实施例中,可以通过计算相似度,其中Wsim(i)为相似度,pi(j)为第i个历史日第j个风速归一化后的数值,ε是误差值,αj为系数,p0(j)为预测日第j个风速归一化后的数值。
进一步地,当分布式电源包括光伏发电电源时,在获取分布式电源的总出力预测值之前,可以对光伏发电的出力进行预测,请参阅图4,申请实施例中光伏发电出力预测的流程示意图。
步骤401,对于预测日,获取多个温度参数值构成第三特征向量。
需要说明的是,在本申请实施例中,温度参数可以包括最高温度、最低温度、最大光照强度和最小光照强度,则第三特征向量可以表示为si=[thi,tli,lhi,lli],其中thi为第i日最高温度,tli为第i日最低温度,lhi为第i日最大光照强度,lli为第i日最小光照强度。
步骤402,对于每个历史日,获取多个温度参数值构成第四特征向量。
步骤403,获取每个第四特征向量与第三特征向量的相似度,并将相似度最大的历史日的光伏发电出力实际值作为预测日的光伏发电出力预测值。
在本申请实施例中,以s0表示待预测日,则s0与第i个历史日si的相似度为,
其中βj为系数,ε是误差值。
需要说明的是,不管是风电还是光伏发电,出力预测值和出力实际值都会存在误差,可以通过表示出力预测值的精度,其中δwi为配电网中第i个预测节点的相对误差,Pwf,,i和Pwa,i为第i个预测节点的预测值与实际值。
对于预测值和实际值之间的误差,在实际应用中,通常会通过补偿值进行补偿,而为了提高补偿值的精确度,本申请实施例采用系统抽样法对历史日的补偿值进行抽样,利用正态分布对补偿值进行分析。
而在信息间隙决策理论中,还可以通过波动性分析对补偿值进行进一步修正。
在波动性分析中,选取n个长期相对误差作为近期相对误差分析的衡量标准。定义长期方差水平与拟合直线斜率绝对值的临界值kl,其中k1和k2分别为由拟合模型和置信水平确定的单侧置信区间上下临界值。
具体地,在预测日当天,可以选取前三个出力预测值和出力实际值的相对误差作为近期相对误差的样本值,计算方差与拟合直线斜率绝对值ks,结合二者便可近似分析近期预测相对误差的波动性,可得预测点相对误差的估计值。
进一步地,在根据第一偏差系数和波动公式确定在风险规避模型下分布式电源的出力范围之后,还可以包括:
先获取在预测日的预设时间段内每种分布式电源的出力实际值。
可以理解的是,预设时间段可以为预测日的前五分钟。
然后根据分布式电源的出力实际值判断每种分布式电源的出力预测值是否满足预设精度。
当不满足预设精度时,根据预设时间段内的实际气象情况修正每种分布式电源的出力预测值。
可以理解的是,起初,出力预测值是根据天气预测值进行预测的,而当天气预测值出现波动时,也会造成出力预测值出现误差,所以当不满预设精度时,可以根据实际气象情况进行修正,例如根据预设时间段内的风速、温度等进行修正。
另外,需要说明的是,在本申请实施例中,还可以对分布式电源的出力范围进行置信度评估,以对结果进行量化评价,为决策者提供更加具体有力的信息,具体步骤如下:
利用本申请实施例在出力预测值进行的相似日预测误差的统计,建立出预测误差概率密度函数;
通过求解信息间隙决策理论模型,计算出第一偏差因子对应的DER出力的波动幅度;
计算出分布式电源的出力范围对应的置信度。
请参阅图5,本申请实施例中分布式电源出力预测的装置的第一实施例的结构示意图。
本申请实施例提供了一种分布式电源出力预测的装置的第一实施例,包括:
第一获取单元501,用于获取分布式电源的总出力预测值;
第一确定单元502,用于根据信息间隙决策理论中不确定参数的波动公式确定分布式电源的出力下限,出力下限由总出力预测值和偏差系数构成,其中偏差系数未知且大于等于零;
第一计算单元503,用于根据预置的供电能力模型和总出力预测值计算原始供电能力;
第二确定单元504,用于根据初始供电能力和预设第一偏差因子确定在供电能力下限;
第三确定单元505,用于将供电能力的负值作为风险规避模型的目标函数,根据出力下限和供电能力模型确定,当目标函数的负值不大于供电能力下限的负值时的偏差系数最大值,并记为第一偏差系数;
第四确定单元506,用于根据第一偏差系数和波动公式确定在风险规避模型下分布式电源的出力范围。
请参阅图6,本申请实施例中分布式电源出力预测的方法的第二实施例的流程示意图。
本申请实施例提供了一种分布式电源出力预测的方法的第二实施例,包括:
步骤601,获取分布式电源的总出力预测值。
步骤602,根据信息间隙决策理论中不确定参数的波动公式确定分布式电源的出力上限,出力上限由总出力预测值和预置偏差系数构成,其中偏差系数未知且大于等于零。
与本申请第一实施例相同的是,本申请根据波动公式可以确定分布式电源的出力范围为其中P表示分布式电源的出力,表示总出力预测值。
而与本申请第一实施例不同的是,在风险投机模式下,只要存在一个出力值能使配电网供电能力不低于某一下限即可,所以本申请实施例选用分布式电源的出力上限进行计算。
步骤603,根据预置的供电能力模型和总出力预测值计算原始供电能力。
步骤604,根据初始供电能力和预设第二偏差因子确定在供电能力上限。
不同模式下的偏差因子可以不同,所以第二偏差因子可以与第一偏差因子不同。
需要说明的是,与本申请第一实施例不同的是,在信息间隙决策理论的风险投机模式下,供电能力下限可以通过(1-βo)f0确定,其中βo为预设第二偏差因子,该第二偏差因子可以根据司机需要进行调整。
步骤605,将供电能力作为风险规避模型的目标函数,根据出力上限和供电能力模型确定,当目标函数不大于供电能力上限时的偏差系数最小值,并记为第二偏差系数。
需要说明的是,与本申请第一实施例不同的是,在信息间隙决策理论的风险投机模式下,第二偏差系数为目标函数不大于供电能力上限时的偏差系数最小值。
步骤606,根据第二偏差系数和波动公式确定在风险规避模型下分布式电源的出力范围。
需要说明的是,与本申请第一实施例相比,除以上所述的不同外,其余均与第一实施例相同,次数不做赘述。
进一步地,分布式电源可以包括多种,且每种分布式电源对应一个出力预测值;
根据第一偏差系数和波动公式确定在风险规避模型下分布式电源的出力范围具体包括:
获取每种分布式电源出力预测值与分布式电源总出力预测值的比值并作为权重;
对于一种分布式电源,获取权重与第一偏差系数的乘积作为第二偏差系数;
根据第二偏差系数和波动公式确定在风险规避模型下每种分布式电源的出力范围。
进一步地,当分布式电源包括风电电源时,在获取分布式电源的总出力预测值之前,还可以包括:
对于预测日,获取多个预设时间点的预测风速构成第一风速特征向量;
对于每个历史日,获取多个预设时间点的实际风速构成第二风速特征向量;
获取每个第二风速特征向量与第一风速特征向量的相似度,并将相似度最大的历史日的风电出力实际值作为预测日的风电出力预测值。
进一步地,当分布式电源包括光伏发电电源时,在获取分布式电源的总出力预测值之前,还可以包括:
对于预测日,获取多个温度参数值构成第三特征向量;
对于每个历史日,获取多个温度参数值构成第四特征向量;
获取每个第四特征向量与第三特征向量的相似度,并将相似度最大的历史日的光伏发电出力实际值作为预测日的光伏发电出力预测值。
进一步地,在根据第一偏差系数和波动公式确定在风险规避模型下分布式电源的出力范围之后,还可以包括:
获取在预测日的预设时间段内每种分布式电源的出力实际值;
根据分布式电源的出力实际值判断每种分布式电源的出力预测值是否满足预设精度;
当不满足预设精度时,根据预设时间段内的实际气象情况修正每种分布式电源的出力预测值。
请参阅图7,本申请实施例中分布式电源出力预测的装置的第二实施例的结构示意图。
本申请实施例提供了一种分布式电源出力预测的装置的第二实施例,包括:
第二获取单元701,用于获取分布式电源的总出力预测值;
第五确定单元702,用于根据信息间隙决策理论中不确定参数的波动公式确定分布式电源的出力上限,出力上限由总出力预测值和预置偏差系数构成,其中偏差系数未知且大于等于零;
第二计算单元703,用于根据预置的供电能力模型和总出力预测值计算原始供电能力;
第六确定单元704,用于根据初始供电能力和预设第二偏差因子确定在供电能力上限;
第七确定单元705,用于将供电能力作为风险规避模型的目标函数,根据出力上限和供电能力模型确定,当目标函数不大于供电能力上限时的偏差系数最小值,并记为第二偏差系数;
第八确定单元706,用于根据第二偏差系数和波动公式确定在风险规避模型下分布式电源的出力范围。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。