[发明专利]一种基于多场景模型的光伏电站典型场景生成方法

说明书

本发明涉及一种基于多场景模型的光伏电站典型场景生成方法，首先，获取配电网络下多个光伏电站出力的历史数据，形成由个光伏电站的历史出力数据组成的多维数据集；然后，对多维集进行基于局部密度中心的聚类，将所有数据点分为多个场景；再按照聚类生成的多个场景分别建模，使用核密度估计法和Copula函数估计多个光伏电站出力在各个场景下的联合概率分布；最后，利用拉丁超立方采样方法对每个场景下的最优Copula函数抽样，生成光伏出力典型样本，对生成的样本进行蒙特卡洛概率潮流计算，从而对配电网电压质量进行分析。该方法能够高效地实现对多个光伏电站出力的精确建模。

技术领域

本发明涉及一种基于多场景模型的光伏电站典型场景生成方法。

背景技术

随着新能源的逐步发展，分布式光伏发电在配电网的渗透率逐年提升。与此同时，分布式光伏的接入对配电网的运行带来了一些影响和挑战，光伏电站出力与负荷时空不匹配会导致局部电压波动、台区功率倒送等问题。考虑到光伏系统出力的随机性和波动性，传统的确定性潮流计算方法已经难以满足对配网系统电压风险的分析需求，通常使用概率潮流算法获得配电网的运行状态。作为广泛应用的计算方法之一，基于蒙特卡洛的模拟法可以得到精确的计算结果，但是其缺点是计算量较大，需要通过大量的抽样样本和确定性潮流计算获得概率潮流结果。使用模拟法进行概率潮流计算的准确性很大程度取决于输入变量建模的准确性。在光伏接入评估等计算应用中，需要考虑不同气象、光照、社会和经济要素对光伏电站出力的影响，因此需要生成具有典型性的场景模型作为蒙特卡洛方法的抽样对象。

配电系统中光伏出力的建模目前仍存在待需解决的问题，一方面，由于光伏出力波动性，传统上使用的Beta、Weibull等已有的概率模型往往不能真实地反应其实际的运行状态。另一方面，在传统的概率潮流计算中，仍然是将多个光伏电站作为独立电源处理，分别进行抽样，未利用电站之间存在的相关性。实际上，在光伏高渗透率配电系统中，往往在一个相对集中的范围内存在多个光伏电站，其参数、地理位置和运行时间均存在相似性。现有的各种光伏出力场景生成均使用了单一的建模方法，然而单一的建模方法覆盖了所有样本，未考虑到相关性可能随天气、运行方式等外界因素影响发生变化。因此建模方法在精确性方面仍然有探索的空间。

发明内容

本发明为了解决现有技术中存在的问题，提供一种考虑出力相关性的基于多场景模型光伏电站典型场景生成方法，能够高效地实现对多个光伏电站出力的精确建模。

为了达到上述目的，本发明提出的技术方案为：一种基于多场景模型的光伏电站典型场景生成方法，其特征在于，包括如下步骤：

获取配电网络下多个光伏电站出力的历史数据，并进行数据预处理，形成由个光伏电站的历史出力数据组成的多维数据集；

对多维数据集通过基于局部密度中心的聚类方法进行聚类，将所有数据点分为多个场景；

按照聚类生成的多个场景分别建模；使用核密度估计方法，按场景获取各光伏电站的边缘概率密度函数，对每类场景的边缘概率密度函数，构建各种形式的理论Copula函数，使用极大似然估计法对各Copula形式的参数进行估计，使用欧式距离法选择出最优Copula函数进行建模；

利用拉丁超立方采样方法对每个场景下的最优Copula函数抽样，生成光伏出力典型样本，对生成的样本进行蒙特卡洛概率潮流计算，从而对配电网电压质量进行分析。

对上述技术方案的进一步设计为：对多维数据集进行基于局部密度中心的聚类的具体步骤如下：

步骤1、对每个出力样本点x_i，定义每个样本点的局部密度函数ρ_i：

其中：

x_i表示同一时刻下所有光伏电站的出力，d_c为截断距离，d_ij为两个样本点之间的距离；