[发明专利]参数自适应的光伏功率爬坡事件的分级概率性预测方法

说明书

本发明公开了一种参数自适应的光伏功率爬坡事件分级概率性预测方法，包括：1获取光伏功率数据及其影响因子进行预处理，针对处理后的数据集计算光伏爬坡率；2对光伏爬坡率进行分解，获得最佳本征模态分量IMFs；3针对每个本征模态分量IMF，结合光伏功率影响因子，建立LASSO‑QR预测模型，得到相应条件分位数预测结果；4对相同分位点下的条件分位数进行求和，得到最终预测结果，并输入核密度估计KDE方法进行概率密度预测；5确定光伏发电站的爬坡阈值，实现光伏功率爬坡事件的分级概率性预测。本发明能对光伏功率中不同程度爬坡事件的发生概率进行有效地预测与度量，为电力系统的经济调度、安全运行提供有力支撑。

技术领域

本发明属于电力系统预测与控制技术领域，具体涉及一种参数自适应的光伏功率爬坡事件的分级概率性预测方法。

背景技术

随着经济的快速发展，全球能源短缺、生态恶化等问题日益突出，为了应对传统化石能源的短缺以及全球范围内严峻的环境问题，以光伏发电为代表的大规模可再生能源并网发电在在电力系统装机容量中的占比越来越大。光伏发电受太阳辐射强度、温度、风速、湿度等自然条件影响，因而具有强烈的间隙性和波动性，极易发生光伏功率爬坡事件，即在较短时间内光伏功率发生大幅度的变化，这种大幅度的变化会造成电网波动，严重时影响系统的稳定运行，甚至导致大面积停电事故，从而产生重大经济损失。因此，光伏功率爬坡事件的准确预测和安全预警在电力系统安全、平稳、经济运行过程具有重要意义。

传统的光伏功率爬坡事件预测属于一种“事件预测”，主要分为间接预测法和直接预测法。目前广泛使用的是间接预测法，以光伏功率为预测对象，在此基础上识别爬坡事件，该类方法在进行光伏功率预测过程中，为提高整体预测精度，往往会忽略极端数据，从而导致爬坡信息的丢失；直接预测法根据历史爬坡数据，以光伏爬坡率作为预测对象，根据阈值判断是否发生爬坡事件。无论是直接预测还是间接预测，目前的光伏功率爬坡事件预测方法大多根据光伏功率爬坡定义，预测是否发生爬坡事件，均属于确定性预测，难以度量预测过程中的不确定性。

发明内容

本发明是为了解决上述现有技术存在的不足之处，提出一种参数自适应的光伏功率爬坡事件的分级概率性预测方法，以期能对光伏功率不同程度的爬坡事件进行分级概率性预测与度量，从而能针对各类爬坡事件采取相应的控制策略，降低爬坡事件对电力系统的不利影响，为电力系统的经济调度、安全运行提供有力支撑。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种参数自适应的光伏功率爬坡事件的分级概率性预测方法的特点在于，包括以下步骤：

S1)获取光伏功率数据及其影响因子并进行预处理，从而得到预处理后的数据集，包括：预处理后的光伏功率{P(t)}_{t＝1,2,…,T}和光伏功率的S个影响因子{F_s(t)}_{s＝1,2,...,S；t＝1,2,...,T}，其中，P(t)和F_s(t)分别为第t个时间点的光伏功率及相应第t个时间点的第s个影响因子的数据；

从所述预处理后的数据集中提取光伏功率{P(t)}_{t＝1,2,...,T}，并根据爬坡事件的定义，计算T个时间点的光伏爬坡率{R(t)}_{t＝1,2,...,T}，其中，R(t)表示第t个时间点的光伏爬坡率；

S2)利用VMD方法将光伏爬坡率{R(t)}_{t＝1,2,...,T}分解成K个本征模态分量{r^k(t)}_{k＝1,2,...,K；t＝1,2,...,T}，且满足其中，r^k(t)表示第k个本征模态分量第t个时间点的数据；

定义优化的参数组合为K,α，α表示VMD方法求解过程中的惩罚因子，K表示VMD分解出的本征模态分量个数；