一种基于场景概率的考虑风电出力相关性的负荷恢复优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112865170A(43)申请公布日2021.05.28(21)申请号202011637478.7(22)申请日2020.12.31(71)申请人南京理工大学地址210094江苏省南京市玄武区孝陵卫200号(72)发明人谢云云李虹仪吴昊蔡胜李尚轩严欣腾杨皖浙时涵罗瑞丰王振刚胡红新付豪邹云殷明慧卜京张俊芳(74)专利代理机构南京理工大学专利中心32203代理人王安(51)Int.Cl.H02J3/38(2006.01)G06N3/00(2006.01)权利要求书6页说明书10页附图3页(54)发明名称一种基于场景概率的考虑风电出力相关性的负荷恢复优化方法(57)摘要本发明公开了一种基于场景概率的考虑风电出力相关性的负荷恢复优化方法，在对风电不确定性的处理过程中充分考虑出力相关性的影响，首先构建基于Copula理论的风电出力联合分布模型，并生成风电出力的典型场景，随后构建电网负荷恢复的随机优化模型，采用人工蜂群算法求解负荷恢复的随机优化模型，获得最优的电网负荷恢复方案。该方法得到的电网负荷恢复方案充分考虑到区域内多个风电场之间的出力相关性，在提高负荷恢复效率的同时能有效地保证电网恢复过程的安全性，模型简单，易于求解，具有一定的理论价值和工程价值。CN112865170ACN112865170A权利要求书1/6页1.一种基于场景概率的考虑风电出力相关性的负荷恢复优化方法，其特征在于，包括以下步骤：步骤1、构建基于Copula理论的风电出力联合分布模型；步骤2、根据步骤1的风电出力联合分布模型，生成风电出力的典型场景；步骤3、利用场景概率法，基于步骤2所得的典型场景，构建负荷恢复的随机优化模型；步骤4、采用人工蜂群算法求解负荷恢复的随机优化模型，得到考虑风电出力相关性的最优电网负荷恢复方案。2.根据权利要求1所述的基于场景概率的考虑风电出力相关性的负荷恢复优化方法，其特征在于，所述步骤1中构建风电出力联合分布模型，具体包括以下步骤：步骤1‑1、采用非参数核密度估计对风电出力的边缘分布进行估计，估计函数为：其中，n表示样本容量，h表示带宽，Xi表示风电出力的预测值，K(·)表示高斯核函数；步骤1‑2、采用最大似然估计对Copula函数中的未知参数进行估计，具体为：其中，表示待求的Copula函数参数，fn(xni)表示由核密度估计得到的第n维变量的边缘分布，c(f1(x1i),f2(x2i),...,fn(xni))表示Copula密度函数；步骤1‑3、Copula函数择优，以Spearman系数、Kendall系数，和欧式距离作为评价指标，各相关系数以及欧式距离的计算如下：Spearman系数与Copula函数的关系为：其中，ρ表示Spearman系数，C(u,v)表示变量u和变量v对应的Copula函数；Kendall系数与Copula函数的关系为：其中，τ表示Kendall系数；欧式距离的数学表达式为：其中，dGu表示欧式距离，T表示风电出力样本容量，A(t)表示求出的Copula函数，B(t)表示由风电出力样本统计得到的联合分布函数；步骤1‑4、选取风电出力样本场景，选取与样本相关性指标最相近且拟合性指标数值最小的Copula函数作为构建联合分布的Copula函数，生成风电出力联合分布模型。3.根据权利要求2所述的基于场景概率的考虑风电出力相关性的负荷恢复优化方法，其特征在于，所述步骤1‑4中的选取Copula函数具体包括以下步骤：2CN112865170A权利要求书2/6页步骤1‑4‑1，计算风电出力样本场景的Spearman系数和Kendall系数；步骤1‑4‑2，根据上述公式计算各Copula函数的Spearman系数和Kendall系数，并计算各Copula函数到样本的统计联合分布函数的欧式距离；步骤1‑4‑3，将各Copula函数的Spearman系数和Kendall系数同风电出力样本场景的Spearman系数和Kendall系数相比较，计算各Copula函数的相关系数与样本相关系数的差值，然后将差值平方；步骤1‑4‑4，比较各Copula函数与样本的统计联合分布函数的欧式距离，欧式距离越小的Copula函数的拟合程度越好，将各Copula函数的相关系数差值平方与欧式距离相加，对应和最小的Copula函数即为选取的最优Copula函数。4.根据权利要求1所述的基于场景概率的考虑风电出力相关性的负荷恢复优化方法，其特征在于，所述步骤2中的生成风电出力的典型场景，具体包含以下步骤：步骤2‑1、利用逆变换抽样生成包含时空相关性的风电出力场景集；采用逆变换抽样方法，随机生成具有时间相关性的多个风电场多个时刻的风电出力预测值；然后引入选定的Copul