[发明专利]一种风电系统规划的典型场景提取方法及系统

说明书

本发明公开了一种风电系统规划的典型场景提取方法及系统。本发明的方法采用高斯过程回归算法生成风电系统的耦合场景，考虑了不确定因素的相互耦合关系，通过子调度区间划分，在每个子调度区间内利用中心聚类算法进行典型场景提取，然后采用笛卡尔积连接法进行连接，避免了聚类方法在高维数据集上的表现较差，造成提取出的典型场景集合的偏差的技术缺陷，提高了典型场景提取的精度。

技术领域

本发明涉及风电场技术领域，特别是涉及一种风电系统规划的典型场景提取方法及系统。

背景技术

随着风、光等可再生能源渗透率不断提高，新能源对电力系统的影响逐渐增强；而新能源内在的不确定性与负荷的不确定性也对系统规划带来了新的挑战，如何进行多能源电力系统协调规划成为热点研究问题。

场景法能够将带有不确定性的概率分布问题量化为确定性的几个典型场景的组合，从而用确定性问题方法进行处理。

传统方法并未考虑风、光、负荷等电力系统中的不确定因素的相互耦合关系，只对其分别进行典型场景生成，生成的场景中不确定因素相互独立；并且，C-means聚类、K-means聚类、层次聚类等传统聚类方法在高维数据集上的表现较差，提取的典型场景不能很好地体现原数据的特征。如果提取出的典型场景集合与原始场景集合存在偏差，那么基于偏差场景集合的分析则不能适用于原始场景集合的特征，所得出的结论也会有一定的偏差。如果在含偏差的典型场景集合上进行电网规划、电网安全性分析等计算，则所得出的结论并不能适用于实际电网，可能会造成一定的安全隐患以及额外的成本支出。如何在考虑不确定因素的相互耦合关系的基础上实现典型场景的生成，并避免聚类方法在高维数据集上的表现较差，造成提取出的典型场景集合的偏差的技术缺陷，提高典型场景提取的精度，成为一个亟待解决的技术问题。

发明内容

本发明的目的是提供一种风电系统规划的典型场景提取方法及系统，以实现在考虑不确定因素的相互耦合关系的基础上实现典型场景的生成，并避免聚类方法在高维数据集上的表现较差，造成提取出的典型场景集合的偏差的技术缺陷，提高典型场景提取的精度。

为实现上述目的，本发明提供了如下方案：

一种风电系统规划的典型场景提取方法，所述提取方法包括如下步骤：

获取风电系统的历史运行数据；

根据所述历史运行数据，采用高斯过程回归算法，生成风电系统的耦合场景；

将所述耦合场景划分为多个子调度区间；

采用中心聚类算法提取每个子调度区间的典型场景及每个典型场景的权重；

根据每个典型场景的权重，对多个子调度区间的不同的典型场景采用笛卡尔积连接法进行连接，得到耦合场景的带权典型场景集合；

基于EMD距离对带权典型场景集合进行优化，得到耦合场景的优化后的典型场景集合。

可选的，所述根据所述历史运行数据，采用高斯过程回归算法，生成风电系统的耦合场景，具体包括：

利用核函数公式计算历史运行数据的相关度矩阵、耦合场景的相关度矩阵、历史运行数据与耦合场景的相关度矩阵、耦合场景与历史运行数据的相关度矩阵；其中，θ₀为径向基项核函数项系数，θ₁为径向基项核函数项中欧式距离度量的系数，θ₂为常数项，θ₃为输入变量的线性函数的参数模型的系数，λ表示风、光、负荷三项不确定因素之间的耦合关系；k(x_n,x_m)表示历史运行数据或耦合场景中的第n个数据x_n与历史运行数据或耦合场景中的第m个数据x_m的相关度；