[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

说明书

本公开提出了一种基于概率分布的风电功率场景生成方法及系统，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。采用混合分布，通过给不同影响因素下的误差分布设定权重，综合考虑了各影响因素对误差分布的影响，得到的拟合结果相比于单一误差分布更准确。

技术领域

本公开属于风力发电技术领域，尤其涉及一种基于概率分布的风电功率场景生成方法及系统。

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信息，不必然构成在先技术。

风能作为一种大规模、无污染的可再生能源，取之不尽用之不竭；且风电场建设周期短，装机规模灵活运行成本低，基于此风力发电技术受到广泛青睐。然而，风速具有间歇性的特点，使得风力发电具有很强的随机性、不稳定性，从而导致了发电电能质量、并网可靠性降低，这给风力发电技术带来了巨大挑战。针对风电波动随机性带来的影响，风电功率预测技术使得风电场对未来一段时间风电功率的情况有了预估，便于安排调度，以成为当前风力发电领域的主流技术。但风电功率受到多种自然、技术因素的影响，在时间尺度上呈现较强的无规律性，在当前技术水平下大幅度提高单点预测精度来直接描述波动性极为困难，而对预测误差的概率分析可以弥补风电功率预测的不足，根据概率分布生成风电功率场景是处理风力发电中波动性问题的重要方法。

风电场景生成技术主要包含以下两个部分，波动性概率分析与代表性场景生成。波动性概率分析是基于统计学方法，对风电功率日前预测所产生的误差值进行统计，并根据统计得到的误差分布直方图进行拟合，最终得到误差分布的概率密度函数。根据误差的概率分布，结合日前预测可以得到未来时刻风电功率各个时刻的概率分布情况，基于此可生成各时刻功率值随机数，从而得到多条风电功率曲线即场景集。

发明人在研究中发现，现有的风电场景生成技术存在以下问题。概率拟合中往往选用单一的分布函数对各时刻风电预测误差拟合，如正态分布，单一的分布函数很难表现出风电预测误差分布的“尖峰后尾”特性，以及各个时刻误差分布的差异性。以往的拟合过程仅考虑了风速对预测误差的影响，未综合考虑其他自然、技术因素的影响，从而导致拟合结果不准确。此外，场景生成过程中会生成大量的风电功率曲线，导致风电场调度优化的效率降低，如何快速的选出有代表性的典型场景涵待研究。

发明内容

为克服上述现有技术的不足，本公开提供了一种基于概率分布的风电功率场景生成方法，解决现有研究中对风电预测误差概率分析不准确、生成场景数量过多以及生成场景不具代表性等问题。

为实现上述目的，本公开的一个或多个实施例提供了如下技术方案：

第一方面，公开了一种基于概率分布的风电功率场景生成方法，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。

第二方面，公开了一种基于概率分布的风电功率场景生成系统，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；