[发明专利]一种计及时空相关性的多区域电力负荷时序场景建模方法

说明书

本发明公开了一种计及时空相关性的多区域电力负荷时序场景建模方法，包括：首先，采用分段云近似减少时间序列的维数，并通过云模型的重叠面积大小度量分段时间序列之间的相似性，将多维数据聚类；其次，基于各类别时序数据的日负荷特性指标，通过构建vine‑copulas联合概率分布，建立多个区域的相关性copula模型；最后，基于各类别基准负荷曲线，建立日负荷序列优化模型，获得多区域具有相关性的电力负荷时序场景。本发明的方法，通过对比不同的场景生成方法和负荷特性指标结果，验证了其有效性及实用性。

技术领域

本发明属于新能源配电技术领域，特别涉及一种计及时空相关性的多区域电力负荷时序场景建模方法。

背景技术

近年来，新能源的消纳问题变得日益突出，定量分析未来年份电网的新能源消纳能力，对电网部门制定新能源年度运行方式和合理规划电网的新能源装机有着重要的指导意义。时序生产模拟技术是实现新能源消纳能力量化评估的重要技术手段，能够充分考虑各种电源的运行约束、负荷与新能源出力的随机波动特性，通过对电力系统进行全年逐时段的生产模拟计算，得到新能源和常规电源在各时段下的发电情况。年负荷时间序列是开展时序生产模拟计算的重要输入，直接影响着新能源消纳能力量化评估结果的准确性。

目前已有的负荷时序场景生成模型只针对单个负荷区域，难以直接应用于多个区域的电力负荷场景建模中。综上，亟需一种针对于多区域电力负荷的场景生成方法。

发明内容

本发明的目的在于提供一种计及时空相关性的多区域电力负荷时序场景建模方法，以解决传统单区域电力负荷场景建模方法无法考虑多区域间的时空相关性，难以对多个电力负荷区域进行准确建模的问题。

为达到上述目的，本发明采用以下技术方案：

本发明的一种计及时空相关性的多区域电力负荷时序场景建模方法，包括以下步骤：

S1.按照预设时间分辨率，采集m个区域电力负荷时序数据P_mn(t)；其中，t₁≤t≤t_n，n为数据样本点个数；

S2.将步骤S1获得的时序数据P_mn(t)按天进行分段，获得多个序列片段；并采用逆向正态云发生器计算获得各序列片段的云参数，将时序数据P_mn(t)转化为s个正态云系；

S3.计算步骤S2获得的正态云系内云模型间的重叠面积，获得s个正态云系间整体相似度；依据云系间的相似度不同将其聚类为k类，对应k类时序数据；

S4.基于步骤S3的聚类结果，根据电力负荷时序数据所对应的类别序列，计算获得类别转移概率矩阵A；

S5.基于步骤S3的聚类结果，计算各类别数据的每日负荷特性指标，构成k个数据集；

S6.基于步骤S5获得的k个数据集，构建k个vine-copulas联合概率分布模型；

S7.基于步骤S4获得的类别转移概率矩阵A、步骤S6获得的vine-copulas联合概率分布模型，通过蒙特卡洛随机抽样生成具有相关性的m个区域的每日负荷特性指标；

S8.基于步骤S3的聚类结果，求取k个类别对应m个区域的基准负荷曲线，共k×m条；

S9.基于步骤S7获得的每日负荷特性指标、步骤S8获得的日基准负荷曲线，建立日负荷序列优化模型，求解获得m个区域每天各时刻的负荷值，完成计及时空相关性的多区域电力负荷时序场景建模。

本发明的进一步改进在于，步骤S1具体包括：