CN111144447B - 一种新能源出力引起的反调峰风险的电网峰谷时段划分方法 - Google Patents

Abstract

一种基于新能源出力所引起反调峰风险的电网峰谷时段划分方法，首先利用半梯形隶属度函数得出负荷曲线上各点的峰、谷隶属度指标，通过对新能源出力特性的分析得到反调峰风险指标，利用平移—标准差变化的方法对指标矩阵数据进行标准化处理，采用模糊传递闭包法进行聚类并求取λ—截距阵。最后通过建立统计量F，反映类内与类间差异，以F最大为目标得出最佳阈值λ，最佳阈值λ所对应的分类即为划分的峰谷时段。本发明充分考虑了新能源出力特性所引起的反调峰风险，可以为有新能源并网的调峰和抑制反调峰提供可靠的依据。

Description

一种新能源出力引起的反调峰风险的电网峰谷时段划分方法

技术领域

本发明涉及一种电网峰谷时段划分方法。

背景技术

国内能源需求的急剧增长，使化石能源的消耗急剧增加，但我国化石能源的产量相对不足。而且大量使用化石能源导致了非常严重的环境问题。所以大力发展可再生的新能源成为应对能源不足问题的主要途径。但是持续增加的新能源负荷峰谷差，间歇性和大波动性，使电网出现反调峰现象增多，其可预测性降低。这使新能源消纳难，并网难，并引起大量的弃风弃光现象。为了能够大量消纳新能源，必须抑制反调峰现象的发生。反调峰现象多发生在峰荷区和谷荷区，因此对峰荷区和谷荷区进行合理的划分对抑制反调峰的发生有重要意义。

目前对峰荷区和谷荷区的划分都是为了适应计算分时电价的需要，利用需求侧实现“削峰填谷”的目的。但这种划分方式并没有考虑到新能源出力特性，没有从源头上解决反调峰现象的发生。

发明内容

针对现有技术以上存在的问题，本发明提出一种基于新能源出力所引起反调峰风险的电网峰谷时段划分方法。本发明以新能源出力所引起的反调峰风险为标准对峰谷时段进行合理的划分，通过对新能源出力特性的分析以抑制反调峰现象的发生，减少弃风弃光现象的发生，从电源端实现“削峰填谷”的目的。

本发明的技术方案为：

步骤1：利用模糊半梯形隶属度函数法确定负荷曲线上各点的峰、谷隶属度。

1.1利用新疆电网典型负荷日的负荷数据，把一天24小时按15分钟为一个时间段，共划分为96个时间段。时段集合为T＝{t₁t₂,...,t₉₆}，对应的负荷集合为

绘制负荷曲线图。其中，集合T中的元素表示每个时间段的起点时刻；集合Q中的元素为对应时刻的负荷值。

1.2一天的负荷曲线中必有一个最低谷点a，和一个最高峰点b，采用以下两个原则，并根据最高点和最低点进行峰谷时段划分：

①最低谷点a在谷时段的概率为100％，在峰时段的概率为0；

②最高峰点b在谷时段的概率为0，在峰时段的概率为100％。

1.3用半梯形隶属度函数确定负荷曲线上其余各点处于峰时段和谷时段的可能性，由于该方法只需确定负荷曲线上其余各点相对于最高峰点与最低谷点的距离大小，与具体数值无关，因此可以只采用隶属度函数的线性部分。采用偏大型半梯形隶属度函数计算时点t_i的峰隶属度

采用偏小型隶属度函数计算时点t_i的谷隶属度

式中：

为t_i时刻的负荷值，b为负荷值中的最大值，a为负荷值中的最小值。

时点的隶属度属性通常指的是该时点至下一时点之间的峰、谷隶属度属性问题，即“以点盖段”。

步骤2：利用半梯形隶属度函数得出负荷曲线上各点的峰、谷隶属度，通过对新能源出力特性的分析得到反调峰风险指标。

该反调峰指标由负荷与新能源和传统能源合成出力之差

以及负荷波动率与合成出力波动率之差

确定。设典型负荷日当天的新能源和传统能源合成出力集合为：

则

式中，

为i时点的负荷值，

为i时点的新能源和传统能源合成出力，

表示i时点的反调峰风险指标；

表示负荷与新能源和传统能源合成出力的差值；

表示i时点的前一个时点的负荷与新能源和传统能源合成出力的差值；

为负荷波动率与合成出力波动率的差值，i＝1,2,…,95，上式中

的值采用

的值表示。

步骤3：对时点进行模糊聚类，确定各时点所在的时段。

3.1以各时刻负荷数据为分类对象，各时刻的峰、谷隶属度和反调峰风险为统计指标：

则可得到日负荷曲线上各时点组成的时刻点集合的特征指标矩阵X：

该特征指标矩阵中，

分别为i时点的峰、谷隶属度指标，i＝1,2,…,96；

表示i时点的反调峰风险指标,i＝1,2,…,96。

式中，x_i为i时点的统计指标向量；X表示日负荷曲线上各时点组成的时刻点集合的特征指标矩阵X；

和

分别表示i时点的峰、谷隶属度；

表示i时刻的负荷与新能源和传统能源合成出力之差；

表示i时刻负荷波动率与合成出力波动率之差。

3.2一般不同的数据有不同的量纲，为了使不同量纲的量也能进行比较，需要对数据作适当的变换。采用平移—标准差变化的方法对矩阵X进行处理，具体方法如下：

式中，x_i表示i时点的统计指标向量，

为统计向量x_i的均值，S为统计向量x_i的均方根值；x′_i表示数据变换后i时点的统计指标向量。

3.3依照传统聚类方法中的绝对值减数法确定相似系数，建立模糊相似矩阵

来表示x′_i和x'_j之间的关系。

式中，i＝1,2,...,96，j＝1,2,...,96，r_ij表示模糊相似矩阵中的元素；x′_ik和x'_jk分别表示经数据变换后i时点与j时点的第k个指标，其中i时点与j时点表示两个不相同的时点；c为约束r_ij的约束变量；k表示指标的序号。

为了保证r_ij∈[0,1]，在聚类过程中将c作为约束变量得到模糊相似矩阵R。

3.4采用模糊传递闭包法进行聚类，对于模糊相似矩阵R，依次求其二次方，即R²,R⁴,R⁶,...,R²ⁱ,...，直到第一次出现R²ⁿ＝Rⁿ*Rⁿ＝Rⁿ时，Rⁿ便为一个传递闭包t(R)。在传统闭包t(R)＝t_ij中，0≤t_ij≤1,i,j＝1,2,…,96。从高到低依次给定传递闭包的阈值λ，求取t(R)的λ—截矩阵R_λ：

式中，R_λ为λ—截矩阵，t_ij(λ)为截矩阵中的元素；t_ij为传统闭包中的元素。

将R_λ看成由行向量组成的矩阵，即

y_i是由时点i的指标组成的行向量，只有y_i＝y_j(i≠j),(i,j＝1,2,...,96)时，y_i与y_j才为一类，与峰隶属度为1的时点构成的一类为峰时段，与谷隶属度为1的时点构成的一类为谷时段，其余的各类归为各个平时段。随着λ大小变化便可得到动态聚类，λ越大分类数目就越多，各类中的元素较少即表示峰谷时段持续时间短；λ越小分类数目就越少，各类中的元素较多即表示峰谷时段的持续时间长，因此λ的大小可以反映峰谷时段的持续时间。由于分类时考虑了新能源出力引起反调峰风险和负荷的峰谷隶属度指标，因此对最佳阈值λ的大小可以用类内与类间中这三个指标的距离来确定。因为峰谷时段持续时间的大小充分考虑了反调峰风险，所以划分后的峰谷时段其反调峰风险也是相近的，这为抑制反调峰的研究提供了帮助。

步骤4：构建统计量F表示类间距离与类内距离的比值，由统计量F确定最佳阈值λ，取统计量F最大时的λ值所对应的分类为最佳分类，即为划分的峰谷时段。

设

其中

为所有时点第k个指标的中心向量组成的行向量，

为所有时点的中心向量。对应λ的分类数为r，第i类样本记为：

第i类的聚类中心向量为

其中

为第i类第k个特征的平均值，即：

建立统计量F，

其中，

式中，x为行向量组成矩阵R_λ中的元素，

表示第i类样本中的第k个特征，

为第i类样本中第j个样本向量，

表示第i类中第j个样本的第k个特征；F为构建的统计量；n_i表示第i类中含有的时点数；n为时点总数，n＝96；r为分类数；

其中

为总体样本第k个指标的中心向量。

F统计量是服从自由度为r-1，n-r的F分布，其分子表征类与类之间的距离，按照聚类思想，类与类之间的差异越大越好，所以分子要尽量大；分母表征类内各元素之间的距离，按照聚类思想类内各元素差异越小越好，所以分母要尽量小。因此统计量F越大，表示类与类之间的差异就越明显，分类效果就越好。若F＞F_α(r-1,n-r),(α＝0.05)，其中α为F分布上分位点，则根据方差显著性理论知道类与类之间的差异是显著的，说明分类合理。

附图说明

图1是本发明实施基于新能源出力特性所引起反调峰风险的峰谷时段划分方法的流程图；

图2是偏小型半梯形隶属度函数图；

图3是偏大型半梯形隶属度函数图。

具体实施方式

以下结合附图及具体实施方式进一步说明本发明。

如图1所示，本发明新能源出力引起的电网反调峰风险的峰谷时段划分方法的流程如下：

1、利用模糊半梯形隶属度函数法确定负荷曲线上各点的峰、谷隶属度指标。

峰、谷隶属度指标分别由半梯形偏大型隶属度函数和半梯形偏小型隶属度函数得出，图2和图3为其函数图像。

2、利用半梯形隶属度函数得出负荷曲线上各点的峰、谷隶属度，通过对新能源出力特性的分析。得到反调峰风险指标，该反调峰风险指标通过式(3)，(4)确定。

3、以各时段负荷数据为分类对象，把各时刻的峰、谷隶属度和反调峰风险作为统计指标，利用模糊传递闭包法进行聚类。

一般不同的数据有不同的量纲，为了使不同量纲的量也能进行比较，需要对数据作适当的变换。而且模糊聚类要求数据在[0，1]区间内，采用平移—标准差变化的方法对指标矩阵X进行处理即将数据代入到式(7)和式(8)中，得到符合聚类要求的数据。然后通过式(9)和式(10)所示的传统聚类方法确定相似系数r_ij，得到模糊相似矩阵R；

对于模糊相似矩阵R，依次求其二次方，即R²,R⁴,R⁶,...,R²ⁱ,...，直到第一次出现R²ⁿ＝Rⁿ*Rⁿ＝Rⁿ时，Rⁿ便为一个传递闭包t(R)。得出传递闭包后需要确定阈值λ来得到t(R)的λ—截距阵R_λ，由式(11)可以得到R_λ，将R_λ看成由行向量组成的矩阵，即：

只有y_i＝y_j(i≠j)，i,j＝1,2,...,96时，y_i与y_j才为一类。与峰隶属度为1的时点构成的一类为峰时段，与谷隶属度为1的时点构成的一类为谷时段，其余的各类归为各个平时段。随着最佳阈值λ大小变化就可以得到动态聚类。

4、不同的λ值对应不同的分类，构建统计量F来确定最佳阈值λ。由式(12)和式(13)确定的统计量F，其分子表征类与类之间的距离，按照聚类思想，类与类之间的差异越大越好，所以分子要尽量大；分母表征类内各元素之间的距离，按照聚类思想类内各元素差异越小越好，所以分母要尽量小。因此统计量F越大，表示类与类之间的差异就越明显，分类效果就越好。由于λ∈[0，1]，可以从高到低给定多个λ值，然后分别计算出统计量F的值，以统计量F最大为目标来确定最佳阈值λ，由此得到最合理的分类。

本发明在划分峰荷区和谷荷区时加入对新能源出力特性的考虑，并对新能源所引起的反调峰风险进行计算，得出更为合理的峰谷时段划分方法。

Claims (3)

1.一种新能源出力所引起的电网反调峰风险的电网峰谷时段划分方法，其特征在于，所述的划分方法步骤如下：

步骤1：利用模糊半梯形隶属度函数法确定负荷曲线上各点的峰、谷隶属度；

步骤2：利用步骤1得到的负荷曲线上各点的峰、谷隶属度指标，通过对新能源出力特性的分析得到反调峰风险指标；

步骤3：对时点进行模糊聚类，确定各时点所在的时段；具体如下：

以各时刻负荷数据为分类对象，以各时刻的峰、谷隶属度和反调峰风险为统计指标：

式中，x_i为i时点的统计指标向量；

则可得到日负荷曲线上各时点组成的时刻点集合的特征指标矩阵X：

该特征指标矩阵中，

分别为i时点的峰、谷隶属度指标，i＝1,2,…,96；

表示i时刻的负荷与新能源和传统能源合成出力之差；

表示i时刻负荷波动率与合成出力波动率之差，i＝1,2,…,96；

分别为i时点的峰、谷隶属度指标，i＝1,2,…,96；

将x_i分别看作为

得到相应的x_i'，进而得出数据处理后的特征指标矩阵X'；

式中，x_i'为i时点经标准化后的统计指标向量，

分别为i时点的峰、谷隶属度指标，

表示i时点的反调峰风险指标,i＝1,2,…,96；

和S分别为统计指标向量x_i的平均值和均方根值；

然后依照传统聚类方法中的绝对值减数法确定相似系数，建立模糊相似矩阵

来表示x′_i和x′_j之间的关系；

式中，i＝1,2,...,96，j＝1,2,...,96，r_ij表示模糊相似矩阵中的元素；x′_ik和x′_jk分别表示经数据变换后i时点与j时点的第k个指标；

为了保证r_ij∈[0,1]，在聚类过程中将c作为约束变量得到模糊相似矩阵R；

采用模糊传递闭包法进行聚类，对于标定的模糊函数R，依次求其二次方，即R²,R⁴,R⁶,...,R²ⁱ,...，直到第一次出现R²ⁿ＝Rⁿ*Rⁿ＝Rⁿ时，Rⁿ便为一个传统闭包t(R)；在传统闭包t(R)＝t_ij中，0≤t_ij≤1,(i,j＝1,2,...,96)；从高到低依次给定阈值λ，求取t(R)的λ—截矩阵R_λ：

式中，R_λ为λ—截矩阵，t_ij(λ)为截矩阵中的元素；t_ij为传统闭包中的元素；

将R_λ看成由行向量组成的矩阵，即

只有y_i＝y_j(i≠j),(i,j＝1,2,...,96)时，y_i与y_j才为一类，与峰隶属度为1的时点构成的一类为峰时段，与谷隶属度为1的时点构成的一类为谷时段，其余的各类归为各个平时段；随着λ大小变化能够得到动态聚类，λ越大分类数目就越多，各类中的元素较少即表示峰谷时段持续时间短；λ越小分类数目就越少，各类中的元素较多即表示峰谷时段的持续时间长，因此λ的大小能够反映峰谷时段的持续时间；对最佳λ的大小用类内与类间中这三个指标的距离来确定；

步骤4：构建统计量F表示类间距离与类内距离的比值，由统计量F确定最佳阈值λ，取统计量F最大时的λ值所对应的分类为最佳分类，即为划分的峰谷时段，建立统计量F的方法如下：

设

为总体样本的中心向量，对应λ的分类数为r，第i类样本记为：

第i类的聚类中心向量为

其中

为第i类第k个特征的平均值，即：

建立统计量F，

其中，

F统计量是服从自由度为r-1，n-1的F分布，统计量F越大，表示类与类之间的差异就越明显，分类效果越好；

式中，x为R_λ中的元素，用

表示第i类样本中的第k个特征，

为第i类中第j个样本向量，

表示第i类中第j个样本的第k个特征；F为构建的统计量；n_i表示第i类中含有的时点数；n为时点总数，n＝96；r为分类数；

为总体样本的中心向量。

2.根据权利要求1所述的电网峰谷时段划分方法，其特征在于，所述步骤1中，采用偏大型半梯形隶属度函数计算时点t_i的峰隶属度

采用偏小型隶属度函数计算时点t_i的谷隶属度

式中，i＝1,2,...,96，

为t_i时刻的负荷值，b为负荷值中的最大值，a为负荷值中的最小值。

3.根据权利要求1所述的电网峰谷时段划分方法，其特征在于，所述的步骤2通过对新能源出力特性的分析得到反调峰风险指标的方法如下：

新能源出力特性所引起的反调峰风险指标由负荷与新能源和传统能源合成出力之差

以及负荷波动率与合成出力波动率之差

确定；

设典型负荷日当天的新能源和传统能源合成出力集合为

则：

式中，

为i时点的负荷值，

为i时点的新能源和传统能源合成出力，

表示i时点的反调峰风险指标；

表示负荷与新能源和传统能源合成出力的差值；

表示i时点的前一个时点的负荷与新能源和传统能源合成出力的差值；

为负荷波动率与合成出力波动率的差值，i＝1,2,…,95，上式中的

的值采用

的值表示。

Images