CN111585310B - 一种分布式电源出力预测的方法和装置 - Google Patents

Abstract

本发明公开了一种分布式电源出力预测的方法和装置，包括：采集风力发电出力值的风速和影响光伏发电出力值的光照辐射强度；根据威尔逊分布模型和贝塔分布模型分别多次随机抽取风速和光照辐射强度的概率分布，计算实际的风速和光照辐射强度；将概率分布区间进行离散化处理；抽取随机数，判断随机数所处的区间；计算得到风力发电和光伏发电的出力值上下限；形成一定的时序，得到随机模拟的24小时风力发电和光伏发电的出力；多次重复步骤S4‑S6，直至满足蒙特卡洛方法的抽取次数；将预测结果加权叠加，模拟后得到分布式电源日发电出力的预测，用基于随机过程的模拟序列的方法进行风电、光伏发电建模，确定模拟预测该地区24小时的分布式发电电源出力情况。

Description

一种分布式电源出力预测的方法和装置

技术领域

本发明涉及分布式电源技术领域，具体为一种分布式电源出力预测的方法和装置。

背景技术

由于经济发展带来的能源短缺、环境破坏日益严重，全社会对分布式电源技术的呼声越来越高，早在本世纪之初，分布式电源作为一项重要的能源新技术就已受到了关注，成为电力研究的焦点。分布式电源通常指相对较小，呈模块化、对环境有一定兼容能力的独立电源，其发电功率下至数千瓦，上达30MW.与传统发电的主要区别是，分布式电源接入位置灵活，规模不大且靠近用户，既可直接就地消纳负荷，也可根据需求大规模集群生产电能并集中馈入系统。按照一次能源种类的不同，当前分布式电源的主要类型有基于可再生新能源技术的风力发电、光伏发电等，以及基于不可再生能源技术的燃料电池、微型燃气轮机等。

风力发电的过程中，自然界中风速动能将依次转换至风机叶片的动能、风机机组输出的电能。发电时，自然风带动风机叶片转动，具有功率调节功能的风轮机通过变桨距控制、自动对准风向，以保持恒定的输出功率；不具有功率调节功能的风轮机通过定浆距失速控制得到的非恒定功率会先通过电力电子整流电路输出到储能电池中。并网运行是指在风力资源丰富地带，由规模化风力组成的风力发电厂生产电能，并入电网的运行方式，该类运行方式能够发挥风能丰沛地区的优势，实现对风资源的高效经济利用，已经成为当今风力发电的主要运行方式，风电与光伏发电等发电形式相结合，能够减轻传统电网系统对单一风电的依赖性，优化系统电源能量配置，提升可靠性，还可增加蓄电池寿命。

基于这个大背景下，有必要对大容量、分布式电源的出力进行预测研究，目前预测方法无法描述风速序列、光照辐射强度的时序关联，不适合系统进行优化和实时调度，基于随机过程的模拟序列中，先利用Weibul分布生产非独立的风速序列，再考虑风力出力特性，光电转换特性的功率转换关系，生产各风电、光伏发电出力，由于模型中的风速、光照辐射强度均是按照某种概率分布进行模拟，所得的出力与实际仍存在一定的差距，导致预测的准确性和可靠性差，此外由于分布式光伏电源容易受到外界多种因素的干扰，在接入电力系统配电网时，会引起配电网的功率波动，给电网的安全运行带来隐患。同时，当分布式电源广泛接入配电网时，将对配电网的潮流以及输电线路的电能产生巨大的影响，进而影响配电网的网损，从而造成输电线路发热、老化甚至可能会造成配电网短路、大面积瘫痪等灾害的发生。另一方面，输电线路的发热、老化等现象会造成巨大的资源浪费。

基于此，本发明设计了一种分布式电源出力预测的方法和装置，以解决上述提到的问题。

发明内容

本发明的目的在于提供一种分布式电源出力预测的方法和装置，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种分布式电源出力预测的方法，包括

S1：采集至少一个用于采集所述的风力发电出力值的风速和影响光伏发电出力值的光照辐射强度，并通过服务器上传至出力预测平台进行出力预测；

S2：根据威尔逊分布模型和贝塔分布模型分别多次随机抽取影响风力发电出力值的风速和影响光伏发电出力值的光照辐射强度的概率分布，并计算实际的风速和光照辐射强度；

S3：将概率分布区间进行离散化处理，得到离散分布函数；

S4：在均匀分布区间[0，1]上抽取随机数，判断随机数所处的区间；

S5：由所确定的风速与光照辐射强度区间，在区间边界分别计算得到风力发电和光伏发电的出力值上下限，二者平均后可得到风力发电和光伏发电的平均出力；

S6：每一次风力发电和光伏发电的出力模拟按24小时进行，同时按照自然的变化规律，形成一定的时序，所述时序中，风电出力为无序，光伏发电随着太阳辐射的强弱变化在白天先升后降，下午两点达到峰值，夜间光伏停止发电，最终得到随机模拟的24小时风力发电和光伏发电的出力；

S7：多次重复步骤S4-S6，直至满足蒙特卡洛方法的抽取次数，同时要求相邻两个模拟数据的方差系数小于设定值，将得到的所有风力发电和光伏发电的出力预测结果加权叠加，模拟后得到分布式电源日发电出力的预测；

S8：建立分布式电源出力优化调度的指标评价函数，建立基于多目标决策模型的优化调度算法。

优选的，所述风力发电出力值Pw具体模型为

模型中，

式中，v为自然风速，Vr为风机额定风速，Vci、Vco分别为风机的切入风速、切出风速，A、B和C为风机出力非线性部分的拟合系数。

优选的，所述风力发电概率分布F(v)采用威尔逊分布建模，具体模型为

式中，s、l分别为威尔逊分布份形状参数与尺度参数，

反演式(5)，经过等价变换，得到模拟自然风风速为

v＝-l(lnU)^l/s。 (6)

优选的，所述光伏发电出力值Ps具体出力模型为

Ps＝EDη (7)

式中，E为自然环境下的光照强度，D单块光伏板面积，η光能转换效率。

优选的，所述光伏发电概率分布F(E)采用贝塔分布建模，具体模型为

式中，E_m为光照强度最大值，λ、μ为贝塔分布的形状参数，t为某一时间点，反演式(5)，经过等价变换，得到模拟光照强度为

E＝E_mF^-1(E) (9)

优选的，所述离散分布函数D(x)的模型为

式中，P_i为所抽取的风速与光照辐射强度处于第i个区段的概率。

所述随机数H_i，通过式(11)判断H_i所处的区间

优选的，所述风力发电和光伏发电的出力预测结果加权叠加，具体算法为

式中，

为风力发电出力值Pw和光伏发电出力值Ps的预测加权结果，w₁和w₂为风力发电出力值Pw和光伏发电出力值Ps的权重，/>

为风力发电出力值Pw预测的结果，/>

为光伏发电出力值Ps预测的结果。

优选的，所述步骤S8具体建立步骤为

S8.1：建立日网损评价函数：

日网损评价函数如式(13)所示：

fd_loss＝Σt＝1TPd_loss(D_G1，D_G2，...，D_Gn) (13)

其中，Pd_loss为t时刻第n个光伏节点接入配电网的网损，T为一天内对分布式光伏电源出力优化的总时长；

根据配电网潮流计算可得：

Pdloss＝Σi＝1NΣj＝1NZij×[(Vt，i)2×0.5+(Vt，j)2×0.5-Vt，i×Vt，j×cos(δt，i-δt，j)] (14)

It，ij＝|Yij|×[(Vt，i-Vt，j)2×cos(δt，i-δt，j)]1/2 (15)

其中，Vt，i为t时刻节点i的电压，Vt，j为t时刻节点j的电压，It，ij为t时刻节点i与节点j之间的电流，Zij为节点i与节点j之间的阻抗，Yij为节点i与节点j之间的导纳；

日网损评价函数需满足如下约束条件：

Vmin≤Vt，i≤Vmax (16)

PDGi≤Pmaxi (17)

其中，PDGi为第i个光伏节点的出力，Pmaxi为第i个光伏节点所能允许接入的最大功率；

S8.2：建立发电量评价函数：

fpower＝Σi＝1nPi＝I(Gi，Ti)×U(Gi，Ti) (18)

发电量评价函数需满足如下约束条件：

0≤Pi，t≤Pimax (19)

其中，Pi，t为第i个节点在t时段的输出功率，Pimax位第i个节点的最大输出功率，由其本身特性决定；

S8.3：建立输出功率波动率评价函数：

fvol＝1TΣi＝1nΣt＝1T|Pi-Pav| (20)

Pav＝1TΣi＝1nΣt＝1TPi，t (21)

其中，Pav为一个周期内分布式光伏电源的输出功率平均值。

S8.4：根据灰色系统中成本型指标和效益型指标的定义，将分布式光伏电源出力的优化调度决策模型定义如下：

min(Σi＝1nωd×fdloss+ωv×fvol)+maxΣi＝1nωp×fpower (22)

其中，ωd、ωv、ωp分别为日网损、发电量、输出功率波动率在决策模型中所占的权重，且有ωd+ωv+ωp＝1。

一种分布式电源出力预测的装置，包括数据采集装置、服务器、信息接收装置、出力预测平台、储存装置和显示装置，所述数据采集装置包括传感器组、控制单元、断路器和通信接口，所述传感器组包括至少一个用于采集所述的风力发电出力值的风速和影响光伏发电出力值的光照辐射强度，通过控制单元将参数数据转换为电信号，然后控制单元控制通信接口发送参数数据的电信号至服务器，所述断路器用于阻止异常的分布式电源接入电网，信息接收装置通过服务器接收数据采集装置传输的至少一个用于采集所述的风力发电出力值的风速和影响光伏发电出力值的光照辐射强度数据，出力预测平台与信息接收装置连接，用于将数据采集装置采集的数据进行出力预测，所述出力预测平台还连接储存装置和显示装置，用于储存和显示出力预测平台发送的输出数据；

所述出力预测平台的硬件设备包括处理器槽和两组关于处理器槽左右对称设置的电机槽，且处理器槽和电机槽均位于出力预测平台安装机房的地面下方，所述处理器槽的底部开设有排气槽，所述排气槽的右侧排气口连通有排气通道，所述出力预测平台安装机房的地面上方右侧设置有排气扇，且排气扇的进气端与排气通道的排气端相连通，所述处理器槽的内腔底部设置有升降底座，所述升降底座的顶部固定安装有处理主机，所述处理器槽的左右两侧对称开设有升降槽，所述升降槽的内腔垂直设置有螺纹杆，且螺纹杆的上下两端均通过轴承与升降槽转动连接，所述螺纹杆的外壁底部螺接有螺纹套，且螺纹套与升降底座之间通过支撑架固定连接，所述螺纹杆的外壁顶部固定安装有从动齿轮，所述电机槽的内腔远离处理器槽的一侧固定安装有驱动电机，所述驱动电机的底部驱动端固定套接有主动齿轮，所述主动齿轮与从动齿轮之间连接有链条，所述处理器槽的内腔顶部设置有密封顶板，所述密封顶板的内腔开设有导流腔，所述密封顶板的底部等间距的设置有与导流腔连通的导气管，所述密封顶板的顶部左侧设置有制冷机，且制冷机的排气端与导流腔相连通，所述制冷机为进气端设置有隔尘机构制冷机，所述密封顶板的顶部中心处设置有平台外机。

优选的，所述的出力预测平台的系统部分包括

模型建立单元，用于建立威尔逊分布模型和贝塔分布模型；

第一抽取单元，用于随机抽取影响风力发电出力值的风速和影响光伏发电出力值的光照辐射强度的概率分布；

第一计算单元，用于计算实际的风速和光照辐射强度；

离散处理单元，用于将概率分布区间进行离散化处理，得到离散分布函数；

第二抽取单元，用于在均匀分布区间[0，1]上抽取随机数；

判断单元，用于判断随机数所处的区间；

第二计算单元，用于根据所确定的风速与光照辐射强度区间，在区间边界分别计算得到风力发电和光伏发电的出力值上下限；

第三计算单元，用于将风力发电和光伏发电的出力值上下限平均后可得到风力发电和光伏发电的平均出力；

时序模拟单元，用于形成一定的时序，按24小时进行模拟风力发电和光伏发电的出力，得到随机模拟的24小时风力发电和光伏发电的出力；

时钟单元，用于重复第二抽取单元至时序模拟单元。至满足蒙特卡洛方法的抽取次数要求；

对比单元，用于将相邻两个模拟数据的方差系数与设定值进行对比；

第一输出单元，用于输出经时序模拟单元模拟的出力值；

第四计算单元，用于得到的所有风力发电和光伏发电的出力预测结果加权叠加；

第二输出单元，用于输出模拟后得到分布式电源日发电出力的预测；

第一建立单元，用于建立分布式电源出力优化调度的指标评价函数；

第二建立单元，用于建立基于多目标决策模型的优化调度算法。

与现有技术相比，本发明的有益效果是：

1、选用基于随机过程的模拟序列的方法进行风电、光伏发电建模，采用蒙特卡洛方法多次重复抽取风、光自然条件的概率分布模型，得到分布式发电电源出力的能量源参数，进而结合其与分布式发电电源出力的关系，得到分布式发电电源出力的情况，重复多次后，基于地区自然条件下的历史数据对多次模拟结果进行出力，准确模拟预测该地区24小时的分布式发电电源出力情况；

2、并通过预测算法对分布式电源的用电负荷、输出功率等进行预测，同时建立分布式电源出力优化调度的指标评价函数和多目标决策模型的优化调度算法进行优化调度，从而有效地避免分布式光伏电源广泛接入配电网时引起的网损及功率波动等现象，提高区域电网运行的可靠性和有效性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明方法流程图；

图2为本发明装置结构示意图；

图3为本发明出力预测平台系统结构示意图；

图4为本发明风速概率分布区间统计图；

图5为本发明照辐射强度概率分布区间统计图结构示意图；

图6为本发明分布式电源日发电出力图；

图7为本发明出力预测平台结构示意图。

附图中，各标号所代表的部件列表如下：

1、数据采集装置；101、传感器组；102、控制单元；103、断路器；104、通信接口；2、服务器；3、信息接收装置；4、出力预测平台；401、处理器槽；402、排气槽；403、排气通道；404、排气扇；405、升降底座；406、处理主机；407、升降槽；408、螺纹杆；409、螺纹套；410、从动齿轮；411、电机槽；412、驱动电机；413、主动齿轮；414、链条；415、密封顶板；416、导流腔；417、导气管；418、制冷机、419、平台外机；420、模型建立单元；421、第一抽取单元；422、第一计算单元；423、离散处理单元；424、第二抽取单元；425、第二计算单元；426、第三计算单元；427、时序模拟单元；428、时钟单元；429、对比单元；430、第一输出单元；431、第四计算单元；432、第二输出单元；433、第一建立单元；434、第二建立单元；5、储存装置；6、显示装置。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1-3，本发明提供一种技术方案：一种分布式电源出力预测的方法，包括

S1：采集至少一个用于采集所述的风力发电出力值的风速和影响光伏发电出力值的光照辐射强度，并通过服务器2上传至出力预测平台4进行出力预测；

S2：根据威尔逊分布模型和贝塔分布模型分别多次随机抽取影响风力发电出力值的风速和影响光伏发电出力值的光照辐射强度的概率分布并计算实际的风速和光照辐射强度，所形成的概率分布区间的统计情况如图4和5所示；

S3：将图4和5所示中的概率分布区间进行离散化处理，得到离散分布函数；

所述离散分布函数D(x)的模型为

式中，P_i为所抽取的风速与光照辐射强度处于第i个区段的概率。

S4：在均匀分布区间[0，1]上抽取随机数，判断随机数所处的区间；

所述随机数H_i，通过式(11)判断H_i所处的区间

S5：由所确定的风速与光照辐射强度区间，在区间边界分别计算得到风力发电和光伏发电的出力值上下限，二者平均后可得到风力发电和光伏发电的平均出力；

S6：每一次风力发电和光伏发电的出力模拟按24小时进行，同时按照自然的变化规律，形成一定的时序，其中，风电出力为无序，光伏发电随着太阳辐射的强弱变化在白天先升后降，下午两点达到峰值，夜间光伏停止发电，最终得到随机模拟的24小时风力发电和光伏发电的出力；

S7：多次重复步骤S4-S6，直至满足蒙特卡洛方法的抽取次数，同时要求相邻两个模拟数据的方差系数小于设定值，将得到的所有风力发电和光伏发电的出力预测结果加权叠加，模拟后得到分布式电源日发电出力的预测；

S8：建立分布式电源出力优化调度的指标评价函数，建立基于多目标决策模型的优化调度算法。

在步骤S6中，所述风力发电和光伏发电的出力预测结果加权叠加，具体算法为：

式中，

为风力发电出力值Pw和光伏发电出力值Ps的预测加权结果，w₁和w₂为风力发电出力值Pw和光伏发电出力值Ps的权重，/>

为风力发电出力值Pw预测的结果，/>

为光伏发电出力值Ps预测的结果。

在步骤S8中，具体建立步骤为

S8.1：建立日网损评价函数：

日网损评价函数如式(13)所示：

fd_loss＝Σt＝1TPd_loss(D_G1，D_G2，...，D_Gn) (13)

其中，Pd_loss为t时刻第n个光伏节点接入配电网的网损，T为一天内对分布式光伏电源出力优化的总时长；

根据配电网潮流计算可得：

Pdloss＝Σi＝1NΣj＝1NZij×[(Vt，i)2×0.5+(Vt，j)2×0.5-Vt，i×Vt，j×cos(δt，i-δt，j)] (14)

It，ij＝|Yij|×[(Vt，i-Vt，j)2×cos(δt，i-δt，j)]1/2 (15)

其中，Vt，i为t时刻节点i的电压，Vt，j为t时刻节点j的电压，It，ij为t时刻节点i与节点j之间的电流，Zij为节点i与节点j之间的阻抗，Yij为节点i与节点j之间的导纳；

日网损评价函数需满足如下约束条件：

Vmin≤Vt，i≤Vmax (16)

PDGi≤Pmaxi (17)

其中，PDGi为第i个光伏节点的出力，Pmaxi为第i个光伏节点所能允许接入的最大功率；

S8.2：建立发电量评价函数：

fpower＝Σi＝1nPi＝I(Gi，Ti)×U(Gi，Ti) (18)

发电量评价函数需满足如下约束条件：

0≤Pi，t≤Pimax (19)

其中，Pi，t为第i个节点在t时段的输出功率，Pimax位第i个节点的最大输出功率，由其本身特性决定；

S8.3：建立输出功率波动率评价函数：

fvol＝1TΣi＝1nΣt＝1T|Pi-Pav| (20)

Pav＝1TΣi＝1nΣt＝1TPi，t (21)

其中，Pav为一个周期内分布式光伏电源的输出功率平均值。

S8.4：根据灰色系统中成本型指标和效益型指标的定义，将分布式光伏电源出力的优化调度决策模型定义如下：

min(Σi＝1nωd×fdloss+ωv×fvol)+maxΣi＝1nωp×fpower (22)

其中，ωd、ωv、ωp分别为日网损、发电量、输出功率波动率在决策模型中所占的权重，且有ωd+ωv+ωp＝1。

其中，所述风力发电出力值Pw具体模型为

模型中，

式中，v为自然风速，Vr为风机额定风速，Vci、Vco分别为风机的切入风速、切出风速，A、B和C为风机出力非线性部分的拟合系数。

所述风力发电概率分布F(v)采用威尔逊分布建模，具体模型为

式中，s、l分别为威尔逊分布份形状参数与尺度参数，

反演式(5)，经过等价变换，得到模拟自然风风速为

v＝-l(lnU)^l/s。 (6)

其中，所述光伏发电出力值Ps具体出力模型为

Ps＝EDη (7)

式中，E为自然环境下的光照强度，D单块光伏板面积，η光能转换效率。

所述光伏发电概率分布F(E)采用贝塔分布建模，具体模型为

式中，E_m为光照强度最大值，λ、μ为贝塔分布的形状参数，t为某一时间点，反演式(5)，经过等价变换，得到模拟光照强度为

E＝E_mF^-1(E) (9)

一种分布式电源出力预测的装置，包括数据采集装置1、服务器2、信息接收装置3、出力预测平台4、储存装置5和显示装置6，所述数据采集装置1包括传感器组101、控制单元102、断路器103和通信接口104，所述传感器组101包括至少一个用于采集所述的风力发电出力值的风速和影响光伏发电出力值的光照辐射强度，其中传感器组101可为风速传感器及光照传感器，利用传感器组101的特性对风力发电出力值的风速和影响光伏发电出力值的光照辐射强度进行实时采集，并可以将采集的数据传送至于传感器组101连接的控制单元102处，通过控制单元102将参数数据转换为电信号，然后控制单元102控制通信接口104发送参数数据的电信号至服务器2，所述断路器103用于阻止异常的分布式电源接入电网，信息接收装置3通过服务器2接收数据采集装置1传输的至少一个用于采集所述的风力发电出力值的风速和影响光伏发电出力值的光照辐射强度数据，出力预测平台4与信息接收装置3连接，用于将数据采集装置1采集的数据进行出力预测，所述出力预测平台4还连接储存装置5和显示装置6，用于储存和显示出力预测平台4发送的输出数据。通过储存装置5和显示装置6可将出力预测平台4预测的经时序模拟单元408模拟的出力值、分布式电源日发电出力的预测及优化调度等数据进行储存和显示。

所述出力预测平台4的硬件设备包括处理器槽401和两组关于处理器槽401左右对称设置的电机槽411，且处理器槽401和电机槽411均位于出力预测平台4安装机房的地面下方，所述处理器槽401的底部开设有排气槽402，所述排气槽402的右侧排气口连通有排气通道403，所述出力预测平台4安装机房的地面上方右侧设置有排气扇404，且排气扇404的进气端与排气通道403的排气端相连通，所述处理器槽401的内腔底部设置有升降底座405，所述升降底座405的顶部固定安装有处理主机406，所述处理器槽401的左右两侧对称开设有升降槽407，所述升降槽407的内腔垂直设置有螺纹杆408，且螺纹杆408的上下两端均通过轴承与升降槽407转动连接，所述螺纹杆408的外壁底部螺接有螺纹套409，且螺纹套409与升降底座405之间通过支撑架固定连接，所述螺纹杆408的外壁顶部固定安装有从动齿轮410，所述电机槽411的内腔远离处理器槽401的一侧固定安装有驱动电机412，所述驱动电机412的底部驱动端固定套接有主动齿轮413，所述主动齿轮413与从动齿轮410之间连接有链条414，所述处理器槽401的内腔顶部设置有密封顶板415，所述密封顶板415的内腔开设有导流腔416，所述密封顶板415的底部等间距的设置有与导流腔416连通的导气管417，所述密封顶板415的顶部左侧设置有制冷机418，且制冷机418的排气端与导流腔416相连通，所述制冷机418为进气端设置有隔尘机构制冷机，所述密封顶板415的顶部中心处设置有平台外机419，由于出力预测平台4所需要的处理服务器的体积较大，需要单独设立机房，这样导致机房的空间可利用率较低，本发明将处理主机406设置于出力预测平台4安装机房的地面下方的处理器槽401中，可以未机房节约空间，同时将处理主机406设置一个较为狭小封闭的空间，可以减少外部人为活动产生的灰尘对其造成的影响，且本发明可以通过驱动电机412带动主动齿轮413转动，而主动齿轮413通过链条414带动从动齿轮410转动，进而使得螺纹杆408可以实现转动，最后可以实现通过螺纹套409带动升降底座405进行升降，使得处理主机406可以伸出处理器槽401的顶部，进而可以便于维护，通过制冷机418制造的冷气通过导流腔416和导流管417均匀的从密封顶板415的底部输送到处理器槽401的内腔，最后通过排气槽402和排气通道403输送到排气扇404，排气扇404可以加快气流的流动，通过上述动作可以便于对处理主机406实现降温，而平台外机419用于与外部设备进行交互连接和操作人员的操控(参看说明书附图7)。

出力预测平台4的系统部分包括

模型建立单元420，用于建立威尔逊分布模型和贝塔分布模型；

第一抽取单元421，用于随机抽取影响风力发电出力值的风速和影响光伏发电出力值的光照辐射强度的概率分布；

第一计算单元422，用于计算实际的风速和光照辐射强度；

离散处理单元423，用于将概率分布区间进行离散化处理，得到离散分布函数；

第二抽取单元424，用于在均匀分布区间[0，1]上抽取随机数；

判断单元，用于判断随机数所处的区间；

第二计算单元425，用于根据所确定的风速与光照辐射强度区间，在区间边界分别计算得到风力发电和光伏发电的出力值上下限；

第三计算单元426，用于将风力发电和光伏发电的出力值上下限平均后可得到风力发电和光伏发电的平均出力；

时序模拟单元427，用于形成一定的时序，按24小时进行模拟风力发电和光伏发电的出力，得到随机模拟的24小时风力发电和光伏发电的出力；

时钟单元428，用于重复第二抽取单元424至时序模拟单元427。至满足蒙特卡洛方法的抽取次数要求；

对比单元429，用于将相邻两个模拟数据的方差系数与设定值进行对比；

第一输出单元430，用于输出经时序模拟单元408模拟的出力值；

第四计算单元431，用于得到的所有风力发电和光伏发电的出力预测结果加权叠加；

第二输出单元432，用于输出最终分布式电源日发电出力的预测；

第一建立单元433，用于建立分布式电源出力优化调度的指标评价函数；

第二建立单元434，用于建立基于多目标决策模型的优化调度算法。

实施例

本文采用蒙特卡洛方法，结合风速、光照辐射的概率特征对分布式发电进行模拟。模拟时，对风速进行抽取的参数设置如下:额定风速为14m/s，切入风速为4m/s，切出风速为25m/s，风机的额定输出为20kW.功率因数为0.85。威尔逊分布的形状参数为2.1，尺度参数为8。对光照辐射强度进行抽取时的参数设定如下：单块光伏板的面积为19.81m²，最大光照辐射强度为1000W/m²，光能转换效率为0.15。贝塔分布的形状参数为0.95，尺度参数为0.95。蒙特卡洛的抽取次数为1000，方差系数最大值为0.05％。

通过上述参数进行模拟，模拟后得到的分布式电源日发电出力见图6所示。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指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何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (7)

1.一种分布式电源出力预测的方法，其特征在于：包括

S1：采集至少一个风力发电出力值的风速和影响光伏发电出力值的光照辐射强度，并通过服务器上传至出力预测平台进行出力预测；

S2：根据威尔逊分布模型和贝塔分布模型分别多次随机抽取影响风力发电出力值的风速和影响光伏发电出力值的光照辐射强度的概率分布，并计算实际的风速和光照辐射强度；

S3：将概率分布区间进行离散化处理，得到离散分布函数；

所述离散分布函数D(x)的模型为

式中，P_i为所抽取的风速与光照辐射强度处于第i个区段的概率；

S4：在均匀分布区间[0，1]上抽取随机数，判断随机数所处的区间；

所述随机数H_i，通过式(11)判断H_i所处的区间

S5：由所确定的风速与光照辐射强度区间，在区间边界分别计算得到风力发电和光伏发电的出力值上下限，二者平均后可得到风力发电和光伏发电的平均出力；

S6：每一次风力发电和光伏发电的出力模拟按24小时进行，同时按照自然的变化规律，形成一定的时序，时序中，风电出力为无序，光伏发电随着太阳辐射的强弱变化在白天先升后降，下午两点达到峰值，夜间光伏停止发电，最终得到随机模拟的24小时风力发电和光伏发电的出力；

S7：多次重复步骤S4-S6，直至满足蒙特卡洛方法的抽取次数，同时要求相邻两个模拟数据的方差系数小于设定值，将得到的所有风力发电和光伏发电的出力预测结果加权叠加，模拟后得到分布式电源日发电出力的预测；

S8：建立分布式电源出力优化调度的指标评价函数，建立基于多目标决策模型的优化调度算法；

所述风力发电和光伏发电的出力预测结果加权叠加，具体算法为

式中，

为风力发电出力值Pw和光伏发电出力值Ps的预测加权结果，w₁和w₂为风力发电出力值Pw和光伏发电出力值Ps的权重，/>

为风力发电出力值Pw预测的结果，/>

为光伏发电出力值Ps预测的结果。

2.根据权利要求1所述的一种分布式电源出力预测的方法，其特征在于：所述风力发电出力值Pw具体模型为

模型中，

式中，v为自然风速，Vr为风机额定风速，Vci、Vco分别为风机的切入风速、切出风速，A、B和C为风机出力非线性部分的拟合系数。

3.根据权利要求1所述的一种分布式电源出力预测的方法，其特征在于：所述风力发电概率分布F(v)采用威尔逊分布建模，具体模型为

式中，s、l分别为威尔逊分布份形状参数与尺度参数，

反演式(5)，经过等价变换，得到模拟自然风风速为

v＝-l(lnU)^l/s(6)。

4.根据权利要求1所述的一种分布式电源出力预测的方法，其特征在于：所述光伏发电出力值Ps具体出力模型为

Ps＝EDη(7)

式中，E为自然环境下的光照强度，D单块光伏板面积，η光能转换效率。

5.根据权利要求1所述的一种分布式电源出力预测的方法，其特征在于：所述光伏发电概率分布F(E)采用贝塔分布建模，具体模型为

式中，E_m为光照强度最大值，λ、μ为贝塔分布的形状参数，t为某一时间点，反演式(5)，经过等价变换，得到模拟光照强度为

E＝E_mF^-1(E)(9)。

6.根据权利要求1-5任一项所述的一种分布式电源出力预测的方法的一种分布式电源出力预测的装置，其特征在于：所述的出力预测平台的系统部分包括

模型建立单元，用于建立威尔逊分布模型和贝塔分布模型；

第一抽取单元，用于随机抽取影响风力发电出力值的风速和影响光伏发电出力值的光照辐射强度的概率分布；

第一计算单元，用于计算实际的风速和光照辐射强度；

离散处理单元，用于将概率分布区间进行离散化处理，得到离散分布函数；

第二抽取单元，用于在均匀分布区间[0，1]上抽取随机数；

判断单元，用于判断随机数所处的区间；

第二计算单元，用于根据所确定的风速与光照辐射强度区间，在区间边界分别计算得到风力发电和光伏发电的出力值上下限；

第三计算单元，用于将风力发电和光伏发电的出力值上下限平均后可得到风力发电和光伏发电的平均出力；

时序模拟单元，用于形成一定的时序，按24小时进行模拟风力发电和光伏发电的出力，得到随机模拟的24小时风力发电和光伏发电的出力；

时钟单元，用于重复第二抽取单元至时序模拟单元，至满足蒙特卡洛方法的抽取次数要求；

对比单元，用于将相邻两个模拟数据的方差系数与设定值进行对比；

第一输出单元，用于输出经时序模拟单元模拟的出力值；

第四计算单元，用于得到的所有风力发电和光伏发电的出力预测结果加权叠加；

第二输出单元，用于输出模拟后得到分布式电源日发电出力的预测；

第一建立单元，用于建立分布式电源出力优化调度的指标评价函数；

第二建立单元，用于建立基于多目标决策模型的优化调度算法。

7.根据权利要求6所述的一种分布式电源出力预测的装置，其特征在于：包括数据采集装置、服务器、信息接收装置、出力预测平台、储存装置和显示装置，所述数据采集装置包括传感器组、控制单元、断路器和通信接口，所述传感器组包括至少一个风力发电出力值的风速和影响光伏发电出力值的光照辐射强度，通过控制单元将参数数据转换为电信号，然后控制单元控制通信接口发送参数数据的电信号至服务器，所述断路器用于阻止异常的分布式电源接入电网，信息接收装置通过服务器接收数据采集装置传输的至少一个风力发电出力值的风速和影响光伏发电出力值的光照辐射强度数据，出力预测平台与信息接收装置连接，用于将数据采集装置采集的数据进行出力预测，所述出力预测平台还连接储存装置和显示装置，用于储存和显示出力预测平台发送的输出数据；

所述出力预测平台的硬件设备包括处理器槽和两组关于处理器槽左右对称设置的电机槽，且处理器槽和电机槽均位于出力预测平台安装机房的地面下方，所述处理器槽的底部开设有排气槽，所述排气槽的右侧排气口连通有排气通道，所述出力预测平台安装机房的地面上方右侧设置有排气扇，且排气扇的进气端与排气通道的排气端相连通，所述处理器槽的内腔底部设置有升降底座，所述升降底座的顶部固定安装有处理主机，所述处理器槽的左右两侧对称开设有升降槽，所述升降槽的内腔垂直设置有螺纹杆，且螺纹杆的上下两端均通过轴承与升降槽转动连接，所述螺纹杆的外壁底部螺接有螺纹套，且螺纹套与升降底座之间通过支撑架固定连接，所述螺纹杆的外壁顶部固定安装有从动齿轮，所述电机槽的内腔远离处理器槽的一侧固定安装有驱动电机，所述驱动电机的底部驱动端固定套接有主动齿轮，所述主动齿轮与从动齿轮之间连接有链条，所述处理器槽的内腔顶部设置有密封顶板，所述密封顶板的内腔开设有导流腔，所述密封顶板的底部等间距的设置有与导流腔连通的导气管，所述密封顶板的顶部左侧设置有制冷机，且制冷机的排气端与导流腔相连通，所述制冷机为进气端设置有隔尘机构制冷机，所述密封顶板的顶部中心处设置有平台外机。

Images