[发明专利]基于非参数统计的自适应分布鲁棒机组组合方法及系统

说明书

本公开提供了一种基于非参数统计的自适应分布鲁棒机组组合方法及系统，属于风力发电技术领域，所述方法包括以下步骤：获取风力发电系统的运行状态数据；根据获取的数据，采用非参数统计方法构建风电概率分布的模糊集；对模糊集进行预处理得到出力上下界，确定系统可消纳风电范围，将模糊集转化为从区间和时间两个维度构造的多面体不确定集；基于构造的多面体不确定集、获取的运行状态数据和预设的机组组合模型，输出风电机组的组合方案；本公开通过引入模糊集描述不确定变量的不确定性，可以更加细致的表示变量的概率分布，提高了解的有效性和精确度，降低模型的保守性。

技术领域

本公开涉及风力发电技术领域，特别涉及一种基于非参数统计的自适应分布鲁棒机组组合方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。

近年来，随着大规模可再生能源如风电、光伏的不断并网，系统的不确定性不断增强，传统电网的运行正遭受着巨大的挑战。传统调度理论在处理风电不确定性时通常假设出力为某一特定常数而忽略了概率分布特征，难以得到决策的最优解。因此，如何在电网调度中合理考虑风电的不确性与间歇性，在最大限度发挥风能经济效益的同时，确保风电并网后电力系统的可靠性，是当今的热门话题，对提高电力系统运行的安全性有着重要的意义。

鲁棒优化是一类基于区间扰动信息的不确定性决策方法，其目标在于实现不确定参量最劣情况下的的最优决策，计算效率高，然而，这个决策过程并未体现不确定参量背后的统计学规律，不能保证结果的有效性，且决策过程仅考虑了极端边界信息，具有不可避免的保守性。正因如此，结合随机规划与鲁棒优化的分布鲁棒优化方法得到了迅速的发展。

分布鲁棒优化(DRO)的目标是在模糊集内寻求最恶场景下的函数最值问题。模糊集合为一类满足给定条件的、所有可能概率分布的集合，不同的描述角度对于模型的转化和解的鲁棒性产生重大影响。目前，模糊集的构造方法主要有三种，一是利用不确定参量的统计矩信息构造的模糊集，如一阶矩和二阶矩，即期望或协方差。有研究人员提出了计及一般性矩不确定问题的分布鲁棒实时调度模型，将原问题等价转换为确定性二次约束二次规划(Quadratically Constrained Quadratic Programming，QCQP)问题，具有高效性。二是基于概率分布之间“距离”的构造模糊集，在DRO体系中经常用-散度来刻画两个分布间的距离，常见的散度函数包括Kullback–Leibler，卡方-散度，Hellinger散度和wasserstein距离函数等。有研究人员用KL散度提出了一种新的基于距离的分布鲁棒机组组合(DB-DRUC)模型。有研究人员通过Wasserstein度量成功地将具有分布模糊性的风险规避两阶段随机优化问题转化为传统的两阶段鲁棒优化问题。三是依据概率密度函数构造模糊集，这个方法并不是很常见。通常是依据历史样本信息，可以采用非参数估计方法或拟合优度检验，得到“理论”上的概率分布函数，构造包含所有可能分布的置信带。有研究人员采用不精确狄利克雷模型(IDM)来构造包含所有可能的风电概率分布的模糊集，从而根据自适应鲁棒优化的思想，提出了一种分布鲁棒机组组合优化模型。有研究人员提出了一种数据驱动的近似可调分布鲁棒方法，该方法考虑了不确定负荷和可再生能源发电预测误差，同时保证了系统的安全性。

但是，本公开发明人发现，上述方法均没有考虑不确定量的概率分布的不确定性，从而无法反映真实的概率分布，而且在样本足够多时，决策的保守性较高。

发明内容

为了解决现有技术的不足，本公开提供了一种基于非参数统计的自适应分布鲁棒机组组合方法及系统，通过引入模糊集描述不确定变量的不确定性，可以更加细致的表示变量的概率分布，提高了解的有效性和精确度，降低模型的保守性。

为了实现上述目的，本公开采用如下技术方案：

本公开第一方面提供了一种基于非参数统计的自适应分布鲁棒机组组合方法。

一种基于非参数统计的自适应分布鲁棒机组组合方法，包括以下步骤：