[发明专利]一种基于分类概率建模和IGDT的有源配电网优化运行方法

说明书

本发明涉及一种基于分类概率建模和IGDT的有源配电网优化运行方法，包括以下步骤：1)获取能源出力和负荷使用的历史数据，即源‑荷出力的历史数据，并进行预测得到源‑荷出力的预测值；2)基于神经网络分位数回归理论对源‑荷出力非参数概率进行拟合，获取源‑荷出力对应的偏差系数；3)建立基于分位回归和信息间隙决策理论的不确定性优化调度模型；4)对基于分位回归和信息间隙决策理论的不确定性优化调度模型进行寻优，得到最优化运行方案。与现有技术相比，本发明考虑了变量出力的不确定性给运营者的调度管理带来的风险，能够减少配电网在执行运行计划时候出现的功率偏差，减少经济损失。

技术领域

本发明涉及清洁能源配电网优化调度领域，尤其是涉及一种基于分类概率建模和IGDT的有源配电网优化运行方法。

背景技术

随着有源配电网侧可再生能源(风力发电、光伏出力)的渗透比例逐渐升高，以及用户侧用电负荷多样性的发展，在配电网源-荷侧出现了大量多类型的随机变量，这些变量出力的不确定性会给运营者的调度管理带来不可忽视的风险，有可能造成配电网在执行运行计划时候出现功率偏差，并产生经济损失。因此在对配电网的经济调度运行问题进行分析时需要考虑上述不确定性因素，对配电网在不确定性因素影响下的优化问题及相关管理方法进行研究。

在风险相关问题的研究中，常用的方法包括场景法、随机规划和鲁棒优化等，场景法是在对不确定性的电力系统优化调度进行研究时一个常用的工具，配电侧的可再生能源(风电、光伏)出力和多类型用户负荷用电行为的内在外在关联因素各不相同，在出力分布特性上也表现出了显著的时-空差异性，因此其对应的出力或用电量概率分布区间也应当有所区分，然而现有大多数理论研究很少考虑多类型不确定性电量的差异性分布特征，对应变量的处理也较为简单。

信息间隙决策理论(information gap decision theory,IGDT)是当前应用于出力不确定性问题的一种新型管理方法，该方法观察已知信息与未知信息之间的间隙，通过定义不确定环境下的决策性能函数，进而量化对不确定性变量的描述和评价。该方法当前主要应用在电力系统的机组组合优化、电力系统规划、无功及电压优化等方面，但是在配电网调度应用方面并不多。因此，在上述背景下急需一种能综合考虑源-荷出力的不确定性风险的配电网优化的优化调度方法。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于分类概率建模和IGDT的有源配电网优化运行方法。

本发明的目的可以通过以下技术方案来实现：

一种基于分类概率建模和IGDT的有源配电网优化运行方法，包括以下步骤：

1)获取能源出力和负荷使用的历史数据，即源-荷出力的历史数据，并进行预测得到源-荷出力的预测值；

2)基于神经网络分位数回归理论对源-荷出力非参数概率进行拟合，获取源-荷出力对应的偏差系数；

3)建立基于分位回归和信息间隙决策理论的不确定性优化调度模型；

4)对基于分位回归和信息间隙决策理论的不确定性优化调度模型进行寻优，得到最优化运行方案。

所述的步骤1)中，能源出力包括风力发电和光伏出力，所述的负荷使用包括办公建筑负荷和商业建筑负荷。

所述的步骤2)中，根据源-荷出力的预测值以及给定的置信区间和置信水平1-ε，获取对应的偏差系数，则有：