[发明专利]一种基于概率分布的风电功率场景生成方法及系统

权利要求书

1.一种基于概率分布的风电功率场景生成方法，其特征是，包括：

获取风电功率的预测值与实测值的历史数据，提取风电功率的预测值与实测值的差值，即预测误差；

选取对风电呈直接影响的风速、风向及拟合误差，分别拟合出三者影响下预测误差的分布；

将三类影响因素下的预测误差分布按照相应的权重参数进行组合，以概率密度函数与分布直方图的残差平方和最小为目标函数，求权重的最优解，得到的预测误差概率密度函数；

将上述概率密度函数离散化，得到大量的随机场景并选出典型场景。

2.如权利要求1所述的一种基于概率分布的风电功率场景生成方法，其特征是，在日前风电功率预测中，风电功率的预测值通过风速预测值代入风机出力曲线得到。

3.如权利要求1所述的一种基于概率分布的风电功率场景生成方法，其特征是，拟合风速影响下预测误差的分布：对各风速段下的误差分布进行拟合，其中忽略风速首尾误差波动较小的两区段。

4.如权利要求1所述的一种基于概率分布的风电功率场景生成方法，其特征是，拟合风向影响下预测误差的分布：应用非参数估计中的K近邻法，无需假定概率密度的形式，直接估计所选样本点的概率密度。

5.如权利要求1所述的一种基于概率分布的风电功率场景生成方法，其特征是，拟合误差影响下预测误差的分布：

通过对实测风速下的预测误差分布得到拟合风机出力曲线的过程存在功率特性拟合误差，通过极值分布，表现出功率拟合误差下的预测误差分布。

6.如权利要求1所述的一种基于概率分布的风电功率场景生成方法，其特征是，拟合得到预测误差概率密度函数，以及日前预测得到的源荷功率点预测值，风电、光伏，以及负荷出力作为不确定的随机变量；

采用蒙特卡罗模拟法，通过随机抽样将上述随机变量的概率密度函数离散化，得到大量的随机场景，从而将不确定地随机参数确定化。

7.如权利要求1所述的一种基于概率分布的风电功率场景生成方法，其特征是，利用k-means聚类分析算法在大量的随机场景中选出典型场景：

引入相对熵指标对k-means聚类算法进行改进，使得保留的场景即具有代表性，更能反映出对原场景分布的保留程度。

8.一种基于概率分布的风电功率场景生成系统，其特征是，包括：

预测误差获取模块，被配置为：获取风电功率的预测值与实测值的历史数据，提取风电功率的预测值与实测值的差值，即预测误差；

预测误差概率密度函数获取模块，被配置为：选取对风电呈直接影响的风速、风向及拟合误差，分别拟合出三者影响下预测误差的分布；

将三类影响因素下的预测误差分布按照相应的权重参数进行组合，以概率密度函数与分布直方图的残差平方和最小为目标函数，求权重的最优解，得到的预测误差概率密度函数；

典型场景获取模块，被配置为：将上述概率密度函数离散化，得到大量的随机场景并选出典型场景。

9.一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法的具体步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时执行上述权利要求1-7任一所述的方法的步骤。