CN114142472B - 基于混合高斯分布概率密度的风光容量配置方法及系统 - Google Patents

基于混合高斯分布概率密度的风光容量配置方法及系统 Download PDF

Info

Publication number
CN114142472B
CN114142472B CN202111481008.0A CN202111481008A CN114142472B CN 114142472 B CN114142472 B CN 114142472B CN 202111481008 A CN202111481008 A CN 202111481008A CN 114142472 B CN114142472 B CN 114142472B
Authority
CN
China
Prior art keywords
data
output
probability density
photovoltaic
wind
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
CN202111481008.0A
Other languages
English (en)
Other versions
CN114142472A (zh
Inventor
孔王莺
王正用
白桦
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.)
Zhejiang Huayun Electric Power Engineering Design Consulting Co
Original Assignee
Zhejiang Huayun Electric Power Engineering Design Consulting Co
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 Zhejiang Huayun Electric Power Engineering Design Consulting Co filed Critical Zhejiang Huayun Electric Power Engineering Design Consulting Co
Priority to CN202111481008.0A priority Critical patent/CN114142472B/zh
Publication of CN114142472A publication Critical patent/CN114142472A/zh
Application granted granted Critical
Publication of CN114142472B publication Critical patent/CN114142472B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • 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
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Landscapes

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

Abstract

本发明公开了一种基于混合高斯分布概率密度的风光容量配置方法及系统，基于对历史数据中的风电、光伏和常规负荷的出力特点的分析，根据源荷的不同特征，确定出不同的混合高斯分布概率密度模型。针对日时序特征明显的光伏出力和负荷功率，采用24小时分时段建模；针对无明显时序性的风速数据，则无需分时段，对全体风速数据建立混合高斯分布概率密度模型。利用不同的混合高斯分布概率密度模型对风电、光伏和常规负荷的出力进行分析，可实现从风电、光伏和常规负荷等不同角度综合考虑风光容量的优化配置。

Description

基于混合高斯分布概率密度的风光容量配置方法及系统
技术领域
本发明涉及微电网风光容量配置技术领域，具体而言，涉及一种基于混合高斯分布概率密度的风光容量配置方法及系统。
背景技术
负荷的持续增长、环保问题、能源利用效率瓶颈以及用户对电能质量的高标准要求，已成为世界各国电力工业所面临的严峻挑战。微电网对分布式发电具备有效利用、灵活、智能的控制特点，在解决负荷的持续增长、环保问题、能源利用效率瓶颈以及用户对电能质量的高标准要求等问题方面具有极大优势。微电网是一个能够实现自我控制、保护和管理的自治系统，既可以与外部电网并网运行，也可以独立运行。
《水电能源科学》2016年，34卷11期公开了《基于混合高斯分布的风功率横向时间序列概率密度建模研究》，提出了一种基于混合高斯分布的风功率横向时间序列概率密度建模方法，利用风电运行数据样本，首先构建基于混合高斯分布的风功率横向时间序列的先验模型，然后利用最小二乘法对先验模型的参数进行估计,再利用相关建模精度指标确定混合高斯模型的最优维度。基于实际算例的仿真结果表明，所构建的风功率概率密度模型具有较高的精度和泛化性能。但是，该《基于混合高斯分布的风功率横向时间序列概率密度建模研究》仅针对风功率横向时间序列概率密度建模件了研究，而没有针对光伏资源、常规负荷设备等实现多目标配置优化。
有鉴于此，特提出本申请。
发明内容
本发明所要解决的技术问题是：现有技术中仅针对风功率横向时间序列概率密度建模件了研究，而没有针对光伏资源、常规负荷设备等实现多目标配置优化。目的在于，提供一种基于混合高斯分布概率密度的风光容量配置方法及系统，能够实现充分利用待建微电网所处地域风光等自然资源分布特点，合理配置风电、光伏和常规负荷，达到多目标优化。
本发明通过下述技术方案实现：
一方面，本发明提供了一种基于混合高斯分布概率密度的风光容量配置方法，包括：
步骤1：获取历史数据样本，所述历史数据样本包括多个风电出力数据、多个光伏出力数据和多个常规负荷出力数据；
步骤2：分析所述历史数据样本，得到风电出力特点、光伏出力特点和常规负荷出力特点；
步骤3：根据所述光伏出力特点，采用24小时分时段的方式建立基于混合高斯分布概率密度的光伏出力模型；根据所述常规负荷出力特点，采用24小时分时段的方式建立基于混合高斯分布密度的常规负荷出力模型；
步骤4：根据所述风电出力特点，对所述风电出力数据中的风速数据建立基于混合高斯分布概率密度的风电出力模型；
步骤5：根据所述光伏出力模型获取光伏出力、根据所述常规负荷出力模型获取常规负荷出力，根据所述风电出力模型获取风电出力；
步骤6：利用光伏出力、所述常规负荷出力和所述风电出力对风光容量进行配置。
与现有技术相比，本发明基于对历史数据中的风电、光伏和常规负荷的出力特点的分析，根据源荷的不同特征，确定出不同的混合高斯分布概率密度模型。针对日时序特征明显的光伏出力和负荷功率，采用24小时分时段建模；针对无明显时序性的风速数据，则无需分时段，对全体风速数据建立混合高斯分布概率密度模型。利用不同的混合高斯分布概率密度模型对风电、光伏和常规负荷的出力进行分析，从风电、光伏和常规负荷等不同角度综合考虑风光容量的优化配置。
作为对本发明的进一步描述，在所述步骤3之前，分别针对所述多个光伏出力数据和所述多个常规负荷出力数据，按照以下方式处理：
步骤3.1：对每一个数据进行归一化处理，并从归一化处理后的所有数据中筛选出最大值；
步骤3.2：对归一化处理后的所有数据统一除以所述的最大值，得到标准数据样本；
步骤3.3：将所述标准数据样本按24小时划分，得到24个单独数据样本；
步骤3.4：对每一个单独数据样本进行分组，得到每一个单独数据样本对应的多个数据组；
步骤3.5：针对每一个单独数据样本的多个数据组，获取每一个数据组的概率密度，绘制每一个数据组对应的概率密度直方图；
步骤3.6：针对所有数据组的概率密度，利用高斯函数拟合，得到所有数据组的高斯分布概率密度。
作为对本发明的进一步描述，在所述步骤4之前，针对所述多个风电出力数据中的风速，按照以下方式处理：
步骤4.1：对每一个数据进行归一化处理，并从归一化处理后的所有数据中筛选出最大值；
步骤4.2：对归一化处理后的所有数据统一除以所述的最大值，得到标准数据样本；
步骤4.3：对所述标准数据样本分为多个数据组；
步骤4.4：获取每一个数据组的概率密度，绘制每一个数据组对应的概率密度直方图；
步骤4.5：针对所有数据组的概率密度，利用高斯函数拟合，得到所有数据组的高斯分布概率密度。
作为对本发明的进一步描述，所述基于混合高斯分布概率密度的光伏出力模型为：式中：Psc为光伏标准条件下的额定输出功率；Gsc为标准条件下太阳辐照度；Gc为实际太阳辐照度；k为功率温度系数；Tc为工作点温度；Tsc为标准条件下温度；Npv为光伏阵列单元数量。
作为对本发明的进一步描述，所述建立基于混合高斯分布概率密度的风电出力模型为：式中，k为混合高斯分布模型的维度，ai、bi和ci分别为高斯混合概率模型i分量的系数、均值和方差。
另一方面，本发明提供一种基于混合高斯分布概率密度的风光容量配置系统，包括：
数据输入模块，用于输入获得的风电历史出力数据、光伏历史出力数据和常规负荷历史出力数据；
数据分析模块，用于分别对所述风电历史出力数据、所述光伏历史出力数据和所述常规负荷历史出力数据进行数据分析，得到风电出力特点、光伏出力特点和常规负荷出力特点；
模型建立模块，用于建立基于高斯分布概率密度的光伏出力模型、基于高斯分布密度的常规负荷出力模型和基于高斯分布概率密度的风电出力模型；
模型解算模块，用于根据所述光伏出力模型获取光伏出力、根据所述常规负荷出力模型获取常规负荷出力，根据所述风电出力模型获取风电出力；
风光容量配置模块，利用光伏出力、所述常规负荷出力和所述风电出力对风光容量进行配置；
数据输出模块，用于输出将风光容量配置结果。
作为对本发明的进一步描述，风光容量配置系统还包括：数据处理模块，所述数据处理模块包括：
归一化处理单元，用于对数据进行归一化处理；
数值筛选单元，用于从归一化处理后的所有数据中筛选出最大值；
标准化处理单元，用于对归一化处理后的所有数据统一除以所述的最大值，得到标准数据样本；
数据划分单元，用于将所述标准数据样本按24小时划分，得到24个单独数据样本；
数据分组单元，用于将数据划分为多个数据组；
概率密度计算单元，用于计算获得每一个数据组的概率密度；
高斯拟合单元，用于针对所有数据组的概率密度，利用高斯函数拟合，得到所有数据组的高斯分布概率密度；
图形绘制单元，用于针对所有数据组的高斯分布概率密度，绘制每一个数据组对应的概率密度直方图。
作为对本发明的进一步描述，所述模型建立模块包括：光伏出力模型建立单元、常规负荷出力模型建立单元和风电出力模型建立单元。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明实施例提供的一种基于混合高斯分布概率密度的风光容量配置方法及系统，充分利用待建微电网所处地域风光等自然资源分布特点，利用不同的混合高斯分布概率密度模型对风电、光伏和常规负荷的出力进行分析，从不同角度综合考虑风光容量的优化配置，实现了多目标优化。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例1提供的基于混合高斯分布概率密度的风光容量配置方法的方法流程图；
图2为本发明实施例1提供的风速折线图；
图3为本发明实施例1提供的年光伏出力分布图；
图4为本发明实施例1提供的年负荷分布图；
图5为本发明实施例1提供的光伏出力第6小时的概率密度直方图；
图6为本发明实施例1提供的光伏出力的三阶高斯拟合曲线图；
图7为本发明实施例1提供的风速概率密度直方图；
图8为本发明实施例1提供的去归一化后的三阶高斯拟合曲线图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
在以下描述中，为了提供对本发明的透彻理解阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实施例中，为了避免混淆本发明，未具体描述公知的结构、电路、材料或方法。
在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此，在整个说明书的各个地方出现的短语“一个实施例”、“实施例”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的示图都是为了说明的目的，并且示图不一定是按比例绘制的。这里使用的术语“和/或”包括一个或多个相关列出的项目的任何和所有组合。
在本发明的描述中，术语“前”、“后”、“左”、“右”、“上”、“下”、“竖直”、“水平”、“高”、“低”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。
实施例1
本实施例针对并网型微电网，该系统中有风力发电系统、光伏发电系统、柴油发电机、蓄电池和超级电容器组成的复合储能系统以及常规负荷，并通过联络线与外部大电网相连接。以南昌某一独立微电网为例，提供了一种基于混合高斯分布概率密度的风光容量配置方法，基于对历史数据中的风电、光伏和常规负荷的出力特点的分析，从风电、光伏和常规负荷等不同角度综合考虑风光容量的优化配置，该风光容量配置方法的方法流程如图1所示，包括以下步骤：
步骤1：获取历史数据样本，所述历史数据样本包括多个风电出力数据、多个光伏出力数据和多个常规负荷出力数据。
本实例获取了南昌某一独立微电网所在地的月风速数据，并绘制了相应的风速折线图。其中，风速数据时间步长为10分钟，如图2所示；获取了南昌某一独立微电网所在地的历史年光伏出力数据，并绘制了相应的年光伏出力分布图，其中额定功率为50kw，辐照度以及温度取当地的历史数据，如图3所示；获取了南昌某一独立微电网所在地的历史年负荷数据，并绘制了相应的年负荷分布图，如图4所示。
步骤2：分析所述历史数据样本，得到风电出力特点、光伏出力特点和常规负荷出力特点。
从图2可分析得出，该地风速的时序性是极差的，波动性大且无明显规律；从图3可分析得出，该地的光伏出力时序性强，夜间出力为0，白天出力为明显的“峰”形，受季节影响；从图4可分析得出，该地的年负荷日时序性很强，一天内，早上十点以及晚上八点有明显峰形，凌晨五点左右为负荷低谷时段。
步骤3：分别针对所述多个光伏出力数据和所述多个常规负荷出力数据，按照以下方式处理：
S11：对每一个数据进行归一化处理，并从归一化处理后的所有数据中筛选出最大值；
S12：对归一化处理后的所有数据统一除以所述的最大值，得到标准数据样本；
S13：将所述标准数据样本按24小时划分，每个时段的数据为一组单独数据样本，可得到24个单独数据样本；
S14：依据样本的数据量对每一个单独数据样本进行分组，得到每一个单独数据样本对应的多个数据组；
S15：针对每一个单独数据样本的多个数据组，利用countif函数求出每一个数据组的频数、频率和概率密度，并绘制每一个数据组对应的概率密度直方图；本实施例绘制了光伏出力第6小时的概率密度直方图，如图5所示，以横坐标为区间重点，纵坐标为概率密度；常规负荷出力的概率密度直方图绘制方法类似。
S16：针对所有数据组的概率密度，去归一化，利用高斯函数拟合，得到所有数据组的高斯分布概率密度。本实施例以三阶高斯拟合为例，绘制了光伏出力的三阶高斯拟合曲线图，如图6所示。
步骤4：针对日时序特征明显的光伏出力和负荷功率，根据所述光伏出力特点，采用24小时分时段的方式建立基于混合高斯分布概率密度的光伏出力模型；根据所述常规负荷出力特点，采用24小时分时段的方式建立基于高斯分布密度的常规负荷出力模型。其中，基于混合高斯分布概率密度的光伏出力模型为：式中：Psc为光伏标准条件下的额定输出功率；Gsc为标准条件下太阳辐照度；Gc为实际太阳辐照度；k为功率温度系数；Tc为工作点温度；Tsc为标准条件下温度；Npv为光伏阵列单元数量。
步骤5：针对所述多个风电出力数据中的风速，按照以下方式处理：
S21：对每一个数据进行归一化处理，并从归一化处理后的所有数据中筛选出最大值；
S22：对归一化处理后的所有数据统一除以所述的最大值，得到标准数据样本；
S23：对所述标准数据样本分为多个数据组；
S24：获取每一个数据组的概率密度，绘制每一个数据组对应的风速概率密度直方图；本实例绘制了风速概率密度直方图，以横坐标为区间重点，纵坐标为概率密度，如图7所示
S25：针对所有数据组的概率密度，去归一化，利用高斯函数拟合，得到所有数据组的高斯分布概率密度。去归一化后的三阶高斯拟合曲线图如图8所示。
步骤6：针对无明显时序性的风速数据，根据所述风电出力特点，对所述风电出力数据中的风速数据建立基于混合高斯分布概率密度的风电出力模型。其中，基于混合高斯分布概率密度的风电出力模型为：式中，k为混合高斯分布模型的维度，ai、bi和ci分别为高斯混合概率模型i分量的系数、均值和方差。
步骤7：根据所述光伏出力模型获取光伏出力、根据所述常规负荷出力模型获取常规负荷出力，根据所述风电出力模型获取风电出力。
步骤8：利用光伏出力、所述常规负荷出力和所述风电出力对风光容量进行配置。
实施例2
一种基于混合高斯分布概率密度的风光容量配置系统，包括：
数据输入模块，用于输入获得的风电历史出力数据、光伏历史出力数据和常规负荷历史出力数据；
数据分析模块，用于分别对所述风电历史出力数据、所述光伏历史出力数据和所述常规负荷历史出力数据进行数据分析，得到风电出力特点、光伏出力特点和常规负荷出力特点；
模型建立模块，用于建立基于高斯分布概率密度的光伏出力模型、基于高斯分布密度的常规负荷出力模型和基于高斯分布概率密度的风电出力模型；
模型解算模块，用于根据所述光伏出力模型获取光伏出力、根据所述常规负荷出力模型获取常规负荷出力，根据所述风电出力模型获取风电出力；
风光容量配置模块，利用光伏出力、所述常规负荷出力和所述风电出力对风光容量进行配置；
数据输出模块，用于输出将风光容量配置结果。
其中，
风光容量配置系统还包括：数据处理模块，所述数据处理模块包括：
归一化处理单元，用于对数据进行归一化处理；
数值筛选单元，用于从归一化处理后的所有数据中筛选出最大值；
标准化处理单元，用于对归一化处理后的所有数据统一除以所述的最大值，得到标准数据样本；
数据划分单元，用于将所述标准数据样本按24小时划分，得到24个单独数据样本；
数据分组单元，用于将数据划分为多个数据组；
概率密度计算单元，用于计算获得每一个数据组的概率密度；
高斯拟合单元，用于针对所有数据组的概率密度，利用高斯函数拟合，得到所有数据组的高斯分布概率密度；
图形绘制单元，用于针对所有数据组的高斯分布概率密度，绘制每一个数据组对应的概率密度直方图。
所述模型建立模块包括：光伏出力模型建立单元、常规负荷出力模型建立单元和风电出力模型建立单元。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于混合高斯分布概率密度的风光容量配置方法，其特征在于，包括：
步骤1：获取历史数据样本，所述历史数据样本包括多个风电出力数据、多个光伏出力数据和多个常规负荷出力数据；
步骤2：分析所述历史数据样本，得到风电出力特点、光伏出力特点和常规负荷出力特点；
步骤3：根据所述光伏出力特点，采用24小时分时段的方式建立基于混合高斯分布概率密度的光伏出力模型；根据所述常规负荷出力特点，采用24小时分时段的方式建立基于混合高斯分布密度的常规负荷出力模型；
步骤4：根据所述风电出力特点，对所述风电出力数据中的风速数据建立基于混合高斯分布概率密度的风电出力模型；
步骤5：根据所述光伏出力模型获取光伏出力、根据所述常规负荷出力模型获取常规负荷出力，根据所述风电出力模型获取风电出力；
步骤6：利用光伏出力、所述常规负荷出力和所述风电出力对风光容量进行配置；
其中，在所述步骤3之前，分别针对所述多个光伏出力数据和所述多个常规负荷出力数据，按照以下方式处理：
步骤3.1：对每一个数据进行归一化处理，并从归一化处理后的所有数据中筛选出最大值；
步骤3.2：对归一化处理后的所有数据统一除以所述的最大值，得到标准数据样本；
步骤3.3：将所述标准数据样本按24小时划分，得到24个单独数据样本；
步骤3.4：对每一个单独数据样本进行分组，得到每一个单独数据样本对应的多个数据组；
步骤3.5：针对每一个单独数据样本的多个数据组，获取每一个数据组的概率密度，并绘制每一个数据组对应的概率密度直方图；
步骤3.6：针对所有数据组的概率密度，利用高斯函数拟合，得到所有数据组的高斯分布概率密度；
其中，在所述步骤4之前，针对所述多个风电出力数据中的风速，按照以下方式处理：
步骤4.1：对每一个数据进行归一化处理，并从归一化处理后的所有数据中筛选出最大值；
步骤4.2：对归一化处理后的所有数据统一除以所述的最大值，得到标准数据样本；
步骤4.3：对所述标准数据样本分为多个数据组；
步骤4.4：获取每一个数据组的概率密度，并绘制每一个数据组对应的概率密度直方图；
步骤4.5：针对所有数据组的概率密度，利用高斯函数拟合，得到所有数据组的高斯分布概率密度；
其中，所述基于混合高斯分布概率密度的光伏出力模型为：
，式中：Psc为光伏标准条件下的额定输出功率；Gsc为标准条件下太阳辐照度；Gc为实际太阳辐照度；k为功率温度系数；Tc为工作点温度；Tsc为标准条件下温度；Npv为光伏阵列单元数量。
2.根据权利要求1所述的一种基于混合高斯分布概率密度的风光容量配置方法，其特征在于，所述建立基于混合高斯分布概率密度的风电出力模型为：
，式中，k为混合高斯分布模型的维度，ai、bi和ci分别为高斯混合概率模型i分量的系数、均值和方差。
3.一种基于权利要求1-2中任一项所述的基于混合高斯分布概率密度的风光容量配置方法的配置系统，其特征在于，包括：
数据输入模块，用于输入获得的风电历史出力数据、光伏历史出力数据和常规负荷历史出力数据；
数据分析模块，用于分别对所述风电历史出力数据、所述光伏历史出力数据和所述常规负荷历史出力数据进行数据分析，得到风电出力特点、光伏出力特点和常规负荷出力特点；
模型建立模块，用于建立基于混合高斯分布概率密度的光伏出力模型、基于混合高斯分布密度的常规负荷出力模型和基于混合高斯分布概率密度的风电出力模型；
模型解算模块，用于根据所述光伏出力模型获取光伏出力、根据所述常规负荷出力模型获取常规负荷出力，根据所述风电出力模型获取风电出力；
风光容量配置模块，利用光伏出力、所述常规负荷出力和所述风电出力对风光容量进行配置；
数据输出模块，用于输出将风光容量配置结果。
4.根据权利要求3所述的配置系统，其特征在于，包括：数据处理模块，所述数据处理模块包括：
归一化处理单元，用于对数据进行归一化处理；
数值筛选单元，用于从归一化处理后的所有数据中筛选出最大值；
标准化处理单元，用于对归一化处理后的所有数据统一除以所述的最大值，得到标准数据样本；
数据划分单元，用于将所述标准数据样本按24小时划分，得到24个单独数据样本；
数据分组单元，用于将数据划分为多个数据组；
概率密度计算单元，用于计算获得每一个数据组的概率密度；
高斯拟合单元，用于针对所有数据组的概率密度，利用高斯函数拟合，得到所有数据组的高斯分布概率密度；
图形绘制单元，用于针对所有数据组的高斯分布概率密度，绘制每一个数据组对应的概率密度直方图。
5.根据权利要求3所述的配置系统，其特征在于，所述模型建立模块包括：光伏出力模型建立单元、常规负荷出力模型建立单元和风电出力模型建立单元。
CN202111481008.0A 2021-12-06 2021-12-06 基于混合高斯分布概率密度的风光容量配置方法及系统 Active CN114142472B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111481008.0A CN114142472B (zh) 2021-12-06 2021-12-06 基于混合高斯分布概率密度的风光容量配置方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111481008.0A CN114142472B (zh) 2021-12-06 2021-12-06 基于混合高斯分布概率密度的风光容量配置方法及系统

Publications (2)

Publication Number Publication Date
CN114142472A CN114142472A (zh) 2022-03-04
CN114142472B true CN114142472B (zh) 2023-08-08

Family

ID=80384616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111481008.0A Active CN114142472B (zh) 2021-12-06 2021-12-06 基于混合高斯分布概率密度的风光容量配置方法及系统

Country Status (1)

Country Link
CN (1) CN114142472B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105429129A (zh) * 2015-10-14 2016-03-23 中国电力科学研究院 一种考虑网络约束的间歇性能源发电容量置信度评估方法
CN106558878A (zh) * 2015-09-30 2017-04-05 中国电力科学研究院 一种分析光伏出力波动性的方法
CN108767906A (zh) * 2018-06-01 2018-11-06 深圳供电局有限公司 一种考虑集群电动汽车的风光一次调频备用容量确定方法
CN109193771A (zh) * 2018-09-27 2019-01-11 河北工业大学 一种配电网端风电光伏容量配比优化方法
CN109753763A (zh) * 2019-03-06 2019-05-14 国网江苏省电力有限公司 一种风光联合出力概率建模方法
KR101993649B1 (ko) * 2018-02-28 2019-06-27 아주대학교산학협력단 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치
CN110350527A (zh) * 2019-07-15 2019-10-18 国网冀北电力有限公司唐山供电公司 一种含分布式电源的增量配电网双层优化配置方法
CN112583003A (zh) * 2019-09-29 2021-03-30 华北电力大学（保定） 一种基于演化博弈理论的多能源电力系统电源规划方法
CN112865187A (zh) * 2021-04-12 2021-05-28 华北电力大学 风电场功率调度方法、装置及电子设备
CN113131482A (zh) * 2019-12-30 2021-07-16 东北电力大学 一种考虑光伏出力特性的概率最优潮流计算方法和系统
CN113496316A (zh) * 2021-09-09 2021-10-12 广东电网有限责任公司惠州供电局 基于源荷时序耦合的容量配置方法、装置、系统及介质
WO2021213192A1 (zh) * 2020-04-22 2021-10-28 国网江苏省电力有限公司苏州供电分公司 一种基于通用分布的负荷预测方法及负荷预测系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150160373A1 (en) * 2013-12-07 2015-06-11 Cardinal Wind, Inc. Computer-implemented data analysis methods and systems for wind energy assessments

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106558878A (zh) * 2015-09-30 2017-04-05 中国电力科学研究院 一种分析光伏出力波动性的方法
CN105429129A (zh) * 2015-10-14 2016-03-23 中国电力科学研究院 一种考虑网络约束的间歇性能源发电容量置信度评估方法
KR101993649B1 (ko) * 2018-02-28 2019-06-27 아주대학교산학협력단 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치
CN108767906A (zh) * 2018-06-01 2018-11-06 深圳供电局有限公司 一种考虑集群电动汽车的风光一次调频备用容量确定方法
CN109193771A (zh) * 2018-09-27 2019-01-11 河北工业大学 一种配电网端风电光伏容量配比优化方法
CN109753763A (zh) * 2019-03-06 2019-05-14 国网江苏省电力有限公司 一种风光联合出力概率建模方法
CN110350527A (zh) * 2019-07-15 2019-10-18 国网冀北电力有限公司唐山供电公司 一种含分布式电源的增量配电网双层优化配置方法
CN112583003A (zh) * 2019-09-29 2021-03-30 华北电力大学（保定） 一种基于演化博弈理论的多能源电力系统电源规划方法
CN113131482A (zh) * 2019-12-30 2021-07-16 东北电力大学 一种考虑光伏出力特性的概率最优潮流计算方法和系统
WO2021213192A1 (zh) * 2020-04-22 2021-10-28 国网江苏省电力有限公司苏州供电分公司 一种基于通用分布的负荷预测方法及负荷预测系统
CN112865187A (zh) * 2021-04-12 2021-05-28 华北电力大学 风电场功率调度方法、装置及电子设备
CN113496316A (zh) * 2021-09-09 2021-10-12 广东电网有限责任公司惠州供电局 基于源荷时序耦合的容量配置方法、装置、系统及介质

Also Published As

Publication number Publication date
CN114142472A (zh) 2022-03-04

Similar Documents

Publication Publication Date Title
Huang et al. Forecasting hourly solar irradiance using hybrid wavelet transformation and Elman model in smart grid
CN110334870B (zh) 基于门控循环单元网络的光伏电站短期功率预测方法
CN111598330A (zh) 一种基于负荷识别技术的居民用电负荷预测方法
CN113496311A (zh) 光伏电站发电功率预测方法及系统
CN110119888A (zh) 一种基于分布式电源接入的有源网格化规划方法
CN108110790B (zh) 基于多源数据阶梯式的主动配电网运行状态评估方法
CN106529731A (zh) 一种区域电网光伏电站集群划分方法
CN102013701A (zh) 一种高海拔地区电网光伏发电接纳能力计算方法
CN107069814A (zh) 配网分布式电源容量布点的模糊机会约束规划方法与系统
CN103730910A (zh) 一种大规模光伏电站并网的动态等值方法
CN111738773A (zh) 一种基于新能源与负荷的净负荷峰谷时段划分方法及系统
CN114861539A (zh) 一种5g城市综合能源互联网数字孪生系统建模与实现方法
Saranchimeg et al. A novel framework for integration analysis of large-scale photovoltaic plants into weak grids
CN109726416B (zh) 一种基于新能源集群预测及潮流计算的调度决策方法
CN114142472B (zh) 基于混合高斯分布概率密度的风光容量配置方法及系统
CN113609699A (zh) 辐射状配电网交流潮流模型的计算方法和系统
CN117332963A (zh) 一种源网荷储协同的虚拟电厂动态优化调度方法及系统
CN105528517B (zh) 基于神经网络、小波分解光伏电站功率预测方法、系统
CN116826726A (zh) 一种微电网发电量预测方法、装置及存储介质
CN105354761B (zh) 一种风电接入电网的安全与效能评估方法及系统
CN110571862A (zh) 一种光伏电站与电力负荷的时序匹配度分析方法及系统
Monteiro et al. Evaluation of the performance of a photovoltaic power plant installed in a building in the north of Portugal
CN108803769A (zh) 太阳能光伏阵列的最大功率输出控制方法和系统
CN108233373B (zh) 考虑天气场景的分布式光伏接入配电网的概率谐波分析方法
Hu et al. Calculating the shading reduction coefficient of photovoltaic system efficiency using the anisotropic sky scattering model

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