CN109378857A - 一种负荷尖峰时刻风电预测可信度风险计算方法 - Google Patents

Abstract

本发明属于电网技术领域，尤其涉及一种负荷尖峰时刻风电预测可信度风险计算方法，在当前大量风电不断并网的电力系统中，进行风电预测可信度风险计算，对风电预测结果进行风险评估。本发明首先进行数据采集，对电网调度系统面临不确定电网风电功率预测结果，日前调度时风电企业以概率向电网提供出力预测可信度；日中调度时，风电企业以比率提供实际出力；在调度周期结束时，对于未满足电网负荷需求的部分电网调度功率；超出预测出力的部分成为电网弃风率。使电网调度面对的问题转化为在日前调度周期开始前确定风电出力预测的最优可信度使其期望风电消纳最大化。本发明合理进行机组组合，减少备用发电机组的投入，同时又能保证电网供电的安全可靠。

Description

一种负荷尖峰时刻风电预测可信度风险计算方法

技术领域

本发明属于电网技术领域，尤其涉及一种负荷尖峰时刻风电预测可信度风险计算方法，在当前大量风电不断并网的电力系统中，进行风电预测可信度风险计算，对风电预测结果进行风险评估。

背景技术

在当前大量风电并网的电力系统中，由于风电出力的不确定性，对风电出力进行预测的过程中会产生一定的误差，甚至在对天气数据采集的过程中，由于数据的误差较大，甚至对风电预测产生错误。在根据风电预测可信度作出发电计划同时，由于对风电预测的可信度也存在小概率的较大误差，所以需要对风电预测可信度进行风险计算，在小概率事件发生的情况下，如果实际发电量比预测风电少，电网能否挺过负荷尖峰时刻进行风险计算。

截至目前为止，风电预测精度问题研究通常假设已知完备准确的地理气象信息,研究开发能够更精确拟合地理气象信息与风力发电能力之间关系的理论与方法。而在实际电网运行中，随着可再生能源发电接入规模以及多能源互联规模的迅速增长,电网调度系统面对的不确定性因素越来越多，而电网自身在掌握这种不确定性方面通常缺乏足够信息支撑，使得现有的这种需要相对完备已知信息的风电预测方法难以较好的满足实际电网调度的工程情况。

针对电力系统作为一个整体而单个风电场的出力变化对调度而言作用不突出问题；以及为了对电网进行合理的实时调度以及对联络交换功率的有效控制，避免风电穿透功率提高而造成的脱网问题，本发明对集群风电功率做出有效预测的同时。为了能够对风电集群功率作出精确预测，还对区域整体的角度预测其出力的总体发展变化规律进行研究，但是由于其对风电场历史数据、功率汇集点历史数据的集成度和时间长度要求较高，建模难度较大，因此对集群风电功率预测的精度不高。

发明内容

本发明针对上述现有技术中存在的不足之处，提出了一种负荷尖峰时刻风电预测可信度风险计算方法。其目的是为了实现通过进行相应的数据采集，在数据采集基础上进行最优可信度Q*计算，使其期望风电消纳最大。

本发明解决其技术问题所采用的技术方案是：

一种负荷尖峰时刻风电预测可信度风险计算方法，包括如下步骤：

步骤1：首先进行相应的数据采集，对电网调度系统面临不确定电网风电功率预测结果d，日前调度时风电企业以概率c向电网提供出力预测可信度Q；日中调度时，风电企业以比率r提供实际出力；在调度周期结束时，对于未满足电网负荷需求的部分电网调度功率s；超出预测出力的部分成为电网弃风率v；

步骤2：使电网调度面对的问题转化为在日前调度周期开始前确定风电出力预测的最优可信度Q*使其期望风电消纳最大化；

首先假设电网调度仅知历史风电预测数据,具体分布形式未知；预测结果d有m个可能的情景：

d∈{d₁,d₂,...,d_m}

设情景d_i(i＝1,2......,m)发生的概率为P_r(d＝d_i)＝p_i，P_i≥0，在风电预测可信度估计中，每个情景对应于电网负荷峰值所对应时间区间的大小；

建立预测可信度与预测结果的适应度函数：

则风电出力最优可信度为：

式中，E[g]为期望算子，则给定可信度Q，适应度ζ(Q；d)不低于阈值α_Q的概率为：

ψ(Q,α_Q)＝P_r{ζ(Q；d)≥α_Q} (3)；

在给定水平1-β∈(0,1)下，预测可信度与预测结果适应度的条件风险值为：

CV_aR_β(Q)＝bV_aR_β(Q)+(1-b)CV_aR_β(Q)⁺ (4)；

CVaR_β(Q)⁺＝[E[ζ(Q；d)ζ(Q；d)＜CV_aR_β(Q)]

式(4)中，CV_aR_β(Q)表示可信度Q的条件风险值，E[ζ(Q；d)]为适应度函数值的期望；

当-10％≤CV_aR_β(Q)≤15％时可以减少机组容量；由式(4)可以看出,条件风险值度量了适应度低于其风险值或1-β分位数的平均值；β表示电网调度对于适应度的风险容许程度，β越小，电网对适应度风险容许度越低；在CVaR准则下，风电预测可信度优化问题是寻找最优可信度使得式(4)取最大值；根据风险值来进行计算减少的备用机组容量；

其减少机组容量计算公式如下所示:

所述的一种负荷尖峰时刻风电预测可信度风险计算方法，包括：

在某日风电企业预测可以发出60MW的概率为80％；误差范围在10％-20％，日中调度时，风电企业以比率85％提供实际出力；在调度周期结束时，对于未满足电网负荷需求的部分电网调度功率10MW；

步骤1.使电网调度面对的问题转化为在日前调度周期开始前确定风电出力预测的最优可信度Q*使其期望风电消纳最大化；

对电网调度仅知历史风电预测数据分析，具体分布形式未知；设预测结果d有6个可能的情景：

d∈{d₁,d₂,...,d₆}

对于6种可能发生的情景d_i(i＝1,2......,6)，d₁＝50，d₁＝55，d₁＝60，d₁＝65，d₁＝70，d₁＝75其发生的概率为P_r(d＝d_i)＝p_i，P_i≥0，设，p₁＝0.1，p₁＝0.1，p＝0.2，p₁＝0.2，p₁＝0.35，p₁＝0.05，在风电预测可信度估计中，每个情景对应于电网负荷峰值所对应时间区间的大小；

将以上数值代入以下公式进行计算，通过预测可信度与预测结果的适应度函数：

ζ(Q；d)＝rmin(d,Q)-smax(d-Q)

+max(Q-d)-cQ

风电出力最优可信度为：

式中，E[g]为期望算子，则给定可信度Q，适应度ζ(Q；d)不低于阈值α_Q的概率为：

ψ(Q,α_Q)＝P_r{ζ(Q；d)≥α_Q}

在给定水平1-β∈(0,1)下，预测可信度与预测结果适应度的条件风险值为：

CV_aR_β(Q)＝bV_aR_β(Q)+(1-b)CV_aR_β(Q)⁺

上式中，CV_aR_β(Q)表示可信度Q的条件风险值，E[ζ(Q；d)]为适应度函数值的期望；

通过实例计算CV_aR_β(Q)＝6.7％≤15％可以较少备用机组容量；β表示电网调度对于适应度的风险容许程度，β越小，电网对适应度风险容许度越低。在CVaR准则下，风电预测可信度优化问题是寻找最优可信度使得式取最大值；在以上取得最大值的情况下，进行风电可信度风险计算，减少弃风量，进行对机组组合优化，在减少备用机组容量的前提下，能够满足最大负荷在风电预测误差最大条件下的要求；根据以上优化方法，得到风电预测可信度风险结果，在机组减少情况下可以满足最大负荷要求。

本发明具有以下优点及有益效果：

本发明通过进行相应的数据采集，在数据采集基础上进行最优可信度Q*计算，使其期望风电消纳最大，合理进行机组组合，减少备用发电机组的投入，同时又能保证电网供电的安全可靠。

附图说明

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及具体实施方式对本发明作进一步的详细描述，以下实施例用于说明本发明，但应当理解本发明的保护范围并不受具体实施方式的限制。

图1是本发明具体计算示意图；

图2是本发明中一年内实际每天最大负荷；

图3是本发明风电预测可信度风险计算图。

具体实施方式

本发明是一种负荷尖峰时刻风电预测可信度风险计算方法，如图1所示，图1是本发明具体计算示意图，包括如下步骤：

步骤1：首先进行相应的数据采集，对电网调度系统面临不确定电网风电功率预测结果d，日前调度时风电企业以概率c向电网提供出力预测可信度Q；日中调度时，风电企业以比率r提供实际出力；在调度周期结束时，对于未满足电网负荷需求的部分电网调度功率s；超出预测出力的部分成为电网弃风率v。

步骤2：使电网调度面对的问题转化为在日前调度周期开始前确定风电出力预测的最优可信度Q*使其期望风电消纳最大化。

本发明首先假设电网调度仅知历史风电预测数据,具体分布形式未知。预测结果d有m个可能的情景：

d∈{d₁,d₂,...,d_m}

设情景d_i(i＝1,2......,m)发生的概率为P_r(d＝d_i)＝p_i，P_i≥0，在风电预测可信度估计中，每个情景对应于电网负荷峰值所对应时间区间的大小。

建立预测可信度与预测结果的适应度函数：

则风电出力最优可信度为：

式中，E[g]为期望算子。则给定可信度Q，适应度ζ(Q；d)不低于阈值α_Q的概率为：

ψ(Q,α_Q)＝P_r{ζ(Q；d)≥α_Q} (3)；

在给定水平1-β∈(0,1)下，预测可信度与预测结果适应度的条件风险值为：

CV_aR_β(Q)＝bV_aR_β(Q)+(1-b)CV_aR_β(Q)⁺ (4)；

CVaR_β(Q)⁺＝[E[ζ(Q；d)ζ(Q；d)＜CV_aR_β(Q)]

式(4)中，CV_aR_β(Q)表示可信度Q的条件风险值，E[ζ(Q；d)]为适应度函数值的期望。

当-10％≤CV_aR_β(Q)≤15％时可以减少机组容量；由式(4)可以看出,条件风险值度量了适应度低于其风险值或1-β分位数的平均值。β表示电网调度对于适应度的风险容许程度，β越小，电网对适应度风险容许度越低。在CVaR准则下，风电预测可信度优化问题是寻找最优可信度使得式(4)取最大值。根据风险值来进行计算减少的备用机组容量。

其减少机组容量计算公式如下所示:

实施例1：

本发明是一种负荷尖峰时刻风电预测可信度风险计算方法，包括如下步骤：

在某日风电企业预测可以发出60MW的概率为80％；误差范围在10％-20％，日中调度时，风电企业以比率85％提供实际出力；在调度周期结束时，对于未满足电网负荷需求的部分电网调度功率10MW。

步骤1.使电网调度面对的问题转化为在日前调度周期开始前确定风电出力预测的最优可信度Q*使其期望风电消纳最大化。如图2所示，图2是本发明中一年内实际每天最大负荷。

对电网调度仅知历史风电预测数据分析，具体分布形式未知。设预测结果d有6个可能的情景：

d∈{d₁,d₂,...,d₆}

对于6种可能发生的情景d_i(i＝1,2......,6)，d₁＝50，d₁＝55，d₁＝60，d₁＝65，d₁＝70，d₁＝75其发生的概率为P_r(d＝d_i)＝p_i，P_i≥0，设，p₁＝0.1，p₁＝0.1，p＝0.2，p₁＝0.2，p₁＝0.35，p₁＝0.05，在风电预测可信度估计中，每个情景对应于电网负荷峰值所对应时间区间的大小。

将以上数值代入以下公式进行计算，通过预测可信度与预测结果的适应度函数：

ζ(Q；d)＝rmin(d,Q)-smax(d-Q)

+max(Q-d)-cQ

风电出力最优可信度为：

式中，E[g]为期望算子。则给定可信度Q，适应度ζ(Q；d)不低于阈值α_Q的概率为：

ψ(Q,α_Q)＝P_r{ζ(Q；d)≥α_Q}

在给定水平1-β∈(0,1)下，预测可信度与预测结果适应度的条件风险值为：

CV_aR_β(Q)＝bV_aR_β(Q)+(1-b)CV_aR_β(Q)⁺

上式中，CV_aR_β(Q)表示可信度Q的条件风险值，E[ζ(Q；d)]为适应度函数值的期望。

通过实例计算CV_aR_β(Q)＝6.7％≤15％可以较少备用机组容量。β表示电网调度对于适应度的风险容许程度，β越小，电网对适应度风险容许度越低。在CVaR准则下，风电预测可信度优化问题是寻找最优可信度使得式取最大值。在以上取得最大值的情况下，进行风电可信度风险计算，减少弃风量，进行对机组组合优化，在减少备用机组容量的前提下，能够满足最大负荷在风电预测误差最大条件下的要求；根据以上优化方法，得到风电预测可信度风险结果，在机组减少情况下可以满足最大负荷要求，如图3所示。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部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发明权利要求所限定的范围。

Claims (2)

1.一种负荷尖峰时刻风电预测可信度风险计算方法，其特征是：包括如下步骤：

步骤1：首先进行相应的数据采集，对电网调度系统面临不确定电网风电功率预测结果d，日前调度时风电企业以概率c向电网提供出力预测可信度Q；日中调度时，风电企业以比率r提供实际出力；在调度周期结束时，对于未满足电网负荷需求的部分电网调度功率s；超出预测出力的部分成为电网弃风率v；

步骤2：使电网调度面对的问题转化为在日前调度周期开始前确定风电出力预测的最优可信度Q*使其期望风电消纳最大化；

首先假设电网调度仅知历史风电预测数据,具体分布形式未知；预测结果d有m个可能的情景：

d∈{d₁,d₂,...,d_m}

设情景d_i(i＝1,2......,m)发生的概率为P_r(d＝d_i)＝p_i，P_i≥0，在风电预测可信度估计中，每个情景对应于电网负荷峰值所对应时间区间的大小；

建立预测可信度与预测结果的适应度函数：

则风电出力最优可信度为：

式中，E[g]为期望算子，则给定可信度Q，适应度ζ(Q；d)不低于阈值α_Q的概率为：

ψ(Q,α_Q)＝P_r{ζ(Q；d)≥α_Q} (3)；

在给定水平1-β∈(0,1)下，预测可信度与预测结果适应度的条件风险值为：

CV_aR_β(Q)＝bV_aR_β(Q)+(1-b)CV_aR_β(Q)⁺ (4)；

CVaR_β(Q)⁺＝[E[ζ(Q；d)|ζ(Q；d)＜CV_aR_β(Q)]

式(4)中，CV_aR_β(Q)表示可信度Q的条件风险值，E[ζ(Q；d)]为适应度函数值的期望；

当-10％≤CV_aR_β(Q)≤15％时可以减少机组容量；由式(4)可以看出,条件风险值度量了适应度低于其风险值或1-β分位数的平均值；β表示电网调度对于适应度的风险容许程度，β越小，电网对适应度风险容许度越低；在CVaR准则下，风电预测可信度优化问题是寻找最优可信度使得式(4)取最大值；根据风险值来进行计算减少的备用机组容量；

其减少机组容量计算公式如下所示:

2.根据权利要求1所述的一种负荷尖峰时刻风电预测可信度风险计算方法，其特征是：所述计算方法包括：

在某日风电企业预测可以发出60MW的概率为80％；误差范围在10％-20％，日中调度时，风电企业以比率85％提供实际出力；在调度周期结束时，对于未满足电网负荷需求的部分电网调度功率10MW；

步骤1.使电网调度面对的问题转化为在日前调度周期开始前确定风电出力预测的最优可信度Q*使其期望风电消纳最大化；

对电网调度仅知历史风电预测数据分析，具体分布形式未知；设预测结果d有6个可能的情景：

d∈{d₁,d₂,...,d₆}

对于6种可能发生的情景d_i(i＝1,2......,6)，d₁＝50，d₁＝55，d₁＝60，d₁＝65，d₁＝70，d₁＝75其发生的概率为P_r(d＝d_i)＝p_i，P_i≥0，设，p₁＝0.1，p₁＝0.1，p＝0.2，p₁＝0.2，p₁＝0.35，p₁＝0.05，在风电预测可信度估计中，每个情景对应于电网负荷峰值所对应时间区间的大小；

将以上数值代入以下公式进行计算，通过预测可信度与预测结果的适应度函数：

ζ(Q；d)＝r min(d,Q)-s max(d-Q)

+max(Q-d)-cQ

风电出力最优可信度为：

式中，E[g]为期望算子，则给定可信度Q，适应度ζ(Q；d)不低于阈值α_Q的概率为：

ψ(Q,α_Q)＝P_r{ζ(Q；d)≥α_Q}

在给定水平1-β∈(0,1)下，预测可信度与预测结果适应度的条件风险值为：

CV_aR_β(Q)＝bV_aR_β(Q)+(1-b)CV_aR_β(Q)⁺

上式中，CV_aR_β(Q)表示可信度Q的条件风险值，E[ζ(Q；d)]为适应度函数值的期望；

通过实例计算CV_aR_β(Q)＝6.7％≤15％可以较少备用机组容量；β表示电网调度对于适应度的风险容许程度，β越小，电网对适应度风险容许度越低。在CVaR准则下，风电预测可信度优化问题是寻找最优可信度使得式取最大值；在以上取得最大值的情况下，进行风电可信度风险计算，减少弃风量，进行对机组组合优化，在减少备用机组容量的前提下，能够满足最大负荷在风电预测误差最大条件下的要求；根据以上优化方法，得到风电预测可信度风险结果，在机组减少情况下可以满足最大负荷要求。