CN111525553B - 一种预测功率优化分段下新能源出力误差可信区间估计法 - Google Patents

一种预测功率优化分段下新能源出力误差可信区间估计法 Download PDF

Info

Publication number
CN111525553B
CN111525553B CN202010321431.3A CN202010321431A CN111525553B CN 111525553 B CN111525553 B CN 111525553B CN 202010321431 A CN202010321431 A CN 202010321431A CN 111525553 B CN111525553 B CN 111525553B
Authority
CN
China
Prior art keywords
prediction
interval
power
confidence
segment
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
CN202010321431.3A
Other languages
English (en)
Other versions
CN111525553A (zh
Inventor
蒋静
高赐威
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN202010321431.3A priority Critical patent/CN111525553B/zh
Publication of CN111525553A publication Critical patent/CN111525553A/zh
Application granted granted Critical
Publication of CN111525553B publication Critical patent/CN111525553B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种预测功率优化分段下新能源出力误差可信区间估计法，属于发电、变电或配电的技术领域。该方式是一种以预测估计偏差越界点占比最小为目标的、充分计及新能源预测误差与预测功率之间的相关性从而实现对新能源出力预测结果的不确定性进行合理估计的方法，通过该方法确定提高新能源出力误差可信区间估计准确性的最佳预测功率分段方式，基于该优化分段方式可对后续新能源的出力开展误差可信区间估计，从而为系统调度的备用安排提供科学依据。

Description

一种预测功率优化分段下新能源出力误差可信区间估计法
技术领域
本发明涉及电力系统及其自动化术，具体涉及一种预测功率优化分段下新能源出力误差可信区间估计法，属于发电、变电或配电的技术领域。
背景技术
新能源发电接入的不断增加及外来电力容量的大规模接入使得电网调峰压力巨大，这主要反映在新能源发电出力波动剧烈、区外清洁能源电力调峰不足等，新能源的接入造成调峰困难且存在弃风弃光的隐患，电网因此面临着调度安排上的巨大困难。此外，目前新能源发电的备用及调峰安排依据经验开展，存在较大的不确定性，对备用及调峰容量大小的确定也缺乏数理依据。因此，通过对新能源发电预测结果进行量化评估进而为预测数据在调度计划中做合理应用是一项具有现实意义的迫切任务。
现有的新能源预测误差的研究主要集中在分布特性上，且对新能源预测结果的误差可信区间估计的研究不多。本申请旨在通过优化预测功率分段区间实现新能源出力误差可信区间的估计。
发明内容
本发明的发明目的是针对上述背景技术的不足，提供了一种预测功率优化分段下新能源出力误差可信区间估计法，以预测估计偏差越界点占比最小为目标，充分计及新能源预测误差与预测功率之间的相关性，实现了对新能源出力预测结果的不确定性进行合理估计的方法，解决了现有新能源预测误差研究鲜有估计误差可信区间的技术问题。
本发明为实现上述发明目的采用如下技术方案：
一种预测功率优化分段下新能源出力误差可信区间估计法，对预测功率数据序列进行分割，初始化预测功率分段区间，依据功率预测数据所属分段映射的预测误差分段区间初始化预测误差分段区间，估计给定置信度下各预测误差分段区间的可信区间，根据各预测误差分段区间的可信区间拟合预测功率曲线的可信上限曲线和可信下限曲线，建立以预测估计偏差越界点占比最小为目标的最佳可信区间估计模型，以表征分割点是否为预测功率分段点的决策变量为最佳可信区间估计模型的控制变量优化预测估计偏差越界点集合。
进一步地，一种预测功率优化分段下新能源出力误差可信区间估计法，估计给定置信度下各预测误差分段区间的可信区间的方法为：采用核密度估计法对各预测误差分段区间进行概率分布特性估计，依据各预测误差分段区间的概率分布特性构建获得可信区间的最小概率区间模型，最小概率区间模型以可信区间长度最短为目标并在给定置信度下优化可信区间上下限。
进一步地，一种预测功率优化分段下新能源出力误差可信区间估计法，根据各预测误差分段区间的可信区间拟合预测功率曲线的可信上限曲线和可信下限曲线的方法为：对于满足w·τk-1＜pj＜w·τk的第j个预测功率数据pj，在给定置信度下的预测功率可信区间上限
Figure BDA0002461567130000021
和下限
Figure BDA0002461567130000022
为
Figure BDA0002461567130000023
w为分割预测功率数据序列的步长，τk-1、τk为第k-1个预测功率数据和第k个预测功率数据，
Figure BDA0002461567130000024
为第k个预测误差分段区间可信区间的上下限，pcap为被预测新能源所在电厂的装机容量。
进一步地，一种预测功率优化分段下新能源出力误差可信区间估计法，最佳可信区间估计模型为：
Figure BDA0002461567130000025
out_spot为预测估计偏差越界点占比，
Figure BDA0002461567130000026
为判断根据第j个功率实测值得到的预测估偏差是否越界的指示函数，
Figure BDA0002461567130000027
Figure BDA0002461567130000028
受控制变量的约束，
Figure BDA0002461567130000029
为预测估计偏差越界点集合，S(C_divide(k))为第k个预测误差分段区间的样本容量，Vset为样本容量设定值，N为功率预测数据个数，m为预测误差分段区间的总数。
进一步地，一种预测功率优化分段下新能源出力误差可信区间估计法，表征分割点是否为预测功率分段点的决策变量记为λi，i为分割点序号，
Figure BDA00024615671300000210
进一步地，一种预测功率优化分段下新能源出力误差可信区间估计法，在对预测功率数据序列进行分割之前，对预测功率数据和预测估计偏差数据进行标准化处理。
本发明采用上述技术方案，具有以下有益效果：
(1)本申请提出的基于预测功率优化分段的新能源出力误差可信区间估计方法，充分计及新能源预测误差与预测功率之间的相关性，建立以预测估计偏差越界点占比最小目标并考虑了预测误差映射分段区间样本容量要求的最佳可信区间估计模型，通过优化表征分割点是否为预测功率分段点的决策变量实现预测功率分段区间的调整，可以在预测估计偏差越界点占比最小的场景下确定对新能源出力误差可信区间准确估计的最佳预测功率分段方式，极大地提高了新能源出力预测结果不确定性估计的准确度，而且以预测功率大小为分段依据，具有较好的普适性，均能实现对风电出力及光伏出力结果的不确定性估计。
(2)本申请所提出的模型以集群新能源电场为建模对象，使结果更符合实际情况，还采用了最小区间法，在不失精度的情况下能使估计的可信区间带宽变窄。
附图说明
图1为本发明方法的流程图。
具体实施方式
下面结合附图对发明的技术方案进行详细说明。
考虑到新能源预测误差分布特性在不同预测功率情况下存在较大差异的问题，本申请基于已获得的新能源功率预测结果，提出了基于预测功率优化分段的新能源出力误差最佳可信区间估计方法如图1所示，该方法包括下述5个步骤。
步骤1)采用如下公式分别对预测功率数据和预测误差数据进行标准化处理。
Figure BDA0002461567130000031
Figure BDA0002461567130000032
式(1)、式(2)中，p表示新能源预测功率的标准值，X表示新能源预测功率偏差的标准值，其中，pforecast为新能源功率的预测值，pcap为被预测新能源所在电厂的装机容量，ppractice为新能源功率的实测值。
步骤2)将预测功率数据序列以w为步长进行分割，则存在n个分隔点，引入状态变量λi作为决策变量，表征在最佳可信区间估计模型中第i个分隔点是否为预测功率分段点：
Figure BDA0002461567130000041
若在n个分隔点中出现m个分段点，则预测功率被分为m个分段区间，其中第k个预测功率分段区间为[τk-1,τk]，预测功率需满足式(4)所示约束：
w·τk-1＜p＜w·τk (4)。
对于每一个预测点(p,e)，若其预测功率p满足上述第k个预测功率分段区间要求，则其预测误差e属于该预测功率分段区间所对应的预测误差分段区间C_divide(k)，即e∈C_divide(k)。由此，共可得m个预测误差分段区间C_divide(k),k＝1,2,...,m。
步骤3)采用核密度估计法对上述m个预测误差分段区间分别进行概率分布特性的估计，设X1,X2,...,Xs是新能源预测误差序列样本，预测误差的概率密度函数为f(x)，则在任意预测误差点x处的核密度估计定义为：
Figure BDA0002461567130000042
其中，s为建模样本容量，h为窗宽，K(u)为核函数，满足式(6)：
Figure BDA0002461567130000043
由此，分别可得这m个预测误差分段区间相应的概率密度函数fk(x),k＝1,2,...,m，建立各预测误差分段区间的概率密度函数的样本容量根据落入各预测误差分段区间的新能源预测误差样本总数确定。
采用最小区间法分别对给定置信度下不同预测误差分段区间的可信区间范围进行估计。根据核密度估计法所确定的概率密度函数f(x)可得其相应的累积分布函数F(x)：
Figure BDA0002461567130000044
由此可得预测误差随机变量X在区间[x1,x2]上发生的概率P(x2＜X＜x1)为：
P(x2＜X＜x1)＝F(x1)-F(x2) (8)。
由于电力系统的运行费用随着备用容量的增加而增加，因此在给定置信度下，采用最小区间法，构建最小概率区间模型确定最短区间长度，从而最大限度的降低运行费用：
Figure BDA0002461567130000051
式(9)中，1-α是给定的置信度，L＝x1-x2表示在给定置信度下的区间长度。
基于此，可确定在1-α置信度下所估计出的预测误差可信区间范围[ldown,lup]。
由此，分别可得m个预测误差分段区间在1-α置信度下的可信区间范围
Figure BDA0002461567130000052
步骤4)现有新能源预测功率曲线p与实测功率曲线g如下：
Figure BDA0002461567130000053
式(10)中，N为测试样本容量。
对该新能源预测功率曲线上的每一个点判断其匹配的预测功率分段区间，并分别采用该分段区间相应的预测误差可信区间范围对该功率预测点开展出力误差可信区间估计，从而完成新能源预测功率曲线的整体可信区间估计。
即，若第j个功率预测点其预测功率pj满足：
w·τk-1＜pj＜w·τk (11)，
则该功率预测点在1-α置信度下的预测功率可信区间上下限为：
Figure BDA0002461567130000054
式(12)中，
Figure BDA0002461567130000055
为1-α置信度下第k个预测功率分段区间相对应的预测误差可信区间。
由此可得新能源预测功率曲线的整体可信区间上下限为：
Figure BDA0002461567130000056
其中，pup为预测功率曲线的可信上限曲线，pdown为预测功率曲线的可信下限曲线。
步骤5)对于新能源实测功率曲线g上的每一个功率实测点gj，若满足如下条件，则称其为预测估计偏差越界点：
Figure BDA0002461567130000061
以预测估计偏差越界点占比最小为优化目标，得到基于预测功率优化分段的最佳可信区间估计模型如下：
Figure BDA0002461567130000062
式(15)中：
out_spot表示功率曲线上N个功率预测估计点中预测估计偏差越界点的占比；1表示指示函数，其定义如下：
Figure BDA0002461567130000063
其中，
Figure BDA0002461567130000064
表示所有预测估计偏差越界点的集合：
Figure BDA0002461567130000065
由此可知，优化目标预测估计偏差越界点个数与控制变量λi的取值结果相关，即：
Figure BDA0002461567130000066
约束函数S(C_divide(k))≥Vset，表示对于任意的预测误差映射分段区间C_divide(k)，其分段区间样本容量不低于Vset。
通过该模型可获得控制变量λi的取值结果，从而可确定预测功率最佳分段方式，基于该优化分段方式可对后续新能源的出力开展误差可信区间估计，从而为系统调度的备用安排提供科学依据。
总之，本发明是一种基于预测功率优化分段的、以预测估计偏差越界点占比最小为目标的、充分计及新能源预测误差与预测功率之间的相关性的新能源出力误差可信区间估计方法，该方法可以确定提高新能源出力误差可信区间估计准确性的最佳预测功率分段方式，基于该优化分段方式可对后续新能源的出力开展误差可信区间估计，从而为系统调度的备用安排提供科学依据。

Claims (5)

1.一种预测功率优化分段下新能源出力误差可信区间估计法，其特征在于，对预测功率数据序列进行分割，初始化预测功率分段区间，依据功率预测数据所属分段映射的预测误差分段区间初始化预测误差分段区间，估计给定置信度下各预测误差分段区间的可信区间，根据各预测误差分段区间的可信区间拟合预测功率曲线的可信上限曲线和可信下限曲线，建立以预测估计偏差越界点占比最小为目标的最佳可信区间估计模型，以表征分割点是否为预测功率分段点的决策变量为最佳可信区间估计模型的控制变量优化预测估计偏差越界点集合，其中，
所述最佳可信区间估计模型为：
Figure FDA0003158368030000011
out_spot为预测估计偏差越界点占比，
Figure FDA0003158368030000012
为判断根据第j个功率实测值得到的预测估计偏差是否越界的指示函数，
Figure FDA0003158368030000013
受控制变量的约束，
Figure FDA0003158368030000014
为预测估计偏差越界点集合，S(C_divide(k))为第k个预测误差分段区间的样本容量，Vset为样本容量设定值，N为功率预测数据个数，m为预测误差分段区间的总数。
2.根据权利要求1所述一种预测功率优化分段下新能源出力误差可信区间估计法，其特征在于，估计给定置信度下各预测误差分段区间的可信区间的方法为：采用核密度估计法对各预测误差分段区间进行概率分布特性估计，依据各预测误差分段区间的概率分布特性构建获得可信区间的最小概率区间模型，所述最小概率区间模型以可信区间长度最短为目标并在给定置信度下优化可信区间上下限。
3.根据权利要求1所述一种预测功率优化分段下新能源出力误差可信区间估计法，其特征在于，根据各预测误差分段区间的可信区间拟合预测功率曲线的可信上限曲线和可信下限曲线的方法为：对于满足w·τk-1＜pj＜w·τk的第j个预测功率数据pj，在给定置信度下的预测功率可信区间上限
Figure FDA0003158368030000015
和下限
Figure FDA0003158368030000016
为
Figure FDA0003158368030000017
w为分割预测功率数据序列的步长，τk-1、τk为第k-1个预测功率数据和第k个预测功率数据，
Figure FDA0003158368030000021
为第k个预测误差分段区间可信区间的上下限，pcap为被预测新能源所在电厂的装机容量。
4.根据权利要求1所述一种预测功率优化分段下新能源出力误差可信区间估计法，其特征在于，表征分割点是否为预测功率分段点的决策变量记为λi，i为分割点序号，
Figure FDA0003158368030000022
5.根据权利要求1所述一种预测功率优化分段下新能源出力误差可信区间估计法，其特征在于，在对预测功率数据序列进行分割之前，对预测功率数据和预测估计偏差数据进行标准化处理。
CN202010321431.3A 2020-04-22 2020-04-22 一种预测功率优化分段下新能源出力误差可信区间估计法 Active CN111525553B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010321431.3A CN111525553B (zh) 2020-04-22 2020-04-22 一种预测功率优化分段下新能源出力误差可信区间估计法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010321431.3A CN111525553B (zh) 2020-04-22 2020-04-22 一种预测功率优化分段下新能源出力误差可信区间估计法

Publications (2)

Publication Number Publication Date
CN111525553A CN111525553A (zh) 2020-08-11
CN111525553B true CN111525553B (zh) 2021-09-07

Family

ID=71904372

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010321431.3A Active CN111525553B (zh) 2020-04-22 2020-04-22 一种预测功率优化分段下新能源出力误差可信区间估计法

Country Status (1)

Country Link
CN (1) CN111525553B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103545832B (zh) * 2013-09-22 2015-10-28 国家电网公司 一种基于发电预测误差的光伏系统储能容量配置方法
CN103530527A (zh) * 2013-10-30 2014-01-22 国家电网公司 基于数值天气预报集合预报结果的风电功率概率预测方法
JP2015167439A (ja) * 2014-03-03 2015-09-24 国立大学法人岐阜大学 太陽光発電装置の発電量予測システム及び発電量予測方法
US10103548B2 (en) * 2015-10-23 2018-10-16 Fujitsu Limited Operating a solar power generating system
JP2017093275A (ja) * 2015-11-10 2017-05-25 育雄 久保 太陽光発電装置の実績データーをベースとした劣化や異常検知システム
CN105303266A (zh) * 2015-11-23 2016-02-03 国网山东省电力公司经济技术研究院 一种准确估计风电功率预测误差区间的方法
CN110414734B (zh) * 2019-07-29 2022-03-22 河北工业大学 一种计及风资源利用率预测评估的方法

Also Published As

Publication number Publication date
CN111525553A (zh) 2020-08-11

Similar Documents

Publication Publication Date Title
CN108846517B (zh) 一种分位数概率性短期电力负荷预测集成方法
CN107591844B (zh) 考虑节点注入功率不确定性的主动配电网鲁棒重构方法
CN113572206B (zh) 一种风电出力区间预测方法
CN110110912B (zh) 一种光伏功率多模型区间预测方法
CN109558975B (zh) 一种电力负荷概率密度多种预测结果的集成方法
CN111353652B (zh) 一种风电出力短期区间预测方法
CN112801342A (zh) 一种基于降雨径流相似性的自适应径流预报方法
CN110378504B (zh) 一种基于高维Copula技术的光伏发电爬坡事件概率预测方法
CN113592165B (zh) 基于旬倾向和物理模态建模的次季节气候预测方法与系统
CN115374995A (zh) 一种分布式光伏、小风电场站功率预测方法
CN113221439B (zh) 一种基于bp神经网络的排水系统实时率定与动态预测方法
CN112101669A (zh) 一种基于改进极限学习机与分位数回归的光伏功率区间预测方法
CN110781458A (zh) 一种基于混合回归模型预测地表太阳辐照度的方法
CN113991711B (zh) 一种光伏电站储能系统容量配置方法
CN110969306A (zh) 基于深度学习的配电低压台区负荷预测方法及装置
CN114970341B (zh) 基于机器学习的低轨卫星轨道预报精度提升模型建立方法
CN112084461A (zh) 一种基于历史洪水学习的knn实时校正方法
CN116404647A (zh) 计及动态汇聚特性的分布式光伏短期功率预测方法及系统
CN110084403B (zh) 架空导线载流量的多时段联合概率密度预测方法及系统
CN109523077B (zh) 一种风电功率预测方法
CN111525553B (zh) 一种预测功率优化分段下新能源出力误差可信区间估计法
CN116485036A (zh) 一种基于多任务学习机制的多能流碳排放短期预测方法
CN117526274A (zh) 极端气候下新能源功率预测方法、电子设备和存储介质
CN116187506A (zh) 考虑气象分类的短期风电功率组合概率预测方法及系统
CN116777027A (zh) 一种非正常日的负荷预测方法及系统

Legal Events

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