一种基于考虑预测误差和历史可信度的风电调度方法

摘要

本发明是一种基于考虑预测误差和历史可信度的风电调度方法，属于电力系统调度优化领域，该方法包括：根据滚动周期内风电场历史实际功率和风电场历史预测功率计算新的预测风功率。由最小二乘得到目标函数，采用以粒子群算法为基础的模拟退火算法求解。每次循环计算成倍扩大时间窗口和采样间隔，把上一次的的输出量作为该次计算的输入量，直到时间窗口的长度等于调度部门制定调度曲线的最小调度周期。最后根据历史可信度计算奖惩系数，对风功率的调度曲线进行修正。该方法针对风电的调度机制相对灵活和功率波动较为敏感的特点，根据历史依据不断对曲线进行优化，得到的调度曲线波动较小，风电容量的可信度高，能减少一定的弃风量。

说明书

技术领域

本发明属于风电场发电调度优化领域，特别涉及一种基于考虑预测误差和历史可信度的风电调度方法。

背景技术

我国可开发利用的风能资源十分丰富，在国家相关政策措施的推动下，我国风电已从单纯追求装机容量上领先的方向，向输出高质量、低成本风电的方向转变，标志着我国的风电产业正在进入一个稳定发展、持续增长的新阶段。截止2018年6月底，全国风电累计装机已达到17096万千瓦。然而，随着风电装机容量的逐年增加，风电在电网中渗透率的不断提高，风电的波动性和不确定性对电力系统的可靠运行、电能质量等影响也越来越大。

在目前的风电调度模式中，常见的就是风电场根据对风功率的预测生成风功率预测曲线，电网调度部门针对风电场的风功率预测曲线制定当前的风功率调度曲线，而为了维持电网的安全稳定，电网调度部门有时会限制风电上网功率，造成风力发电量损失。就2018年上半年，全国弃风电量达到182亿千瓦时。因此，为了减小风电并网的弃风量，需要提出更加合理的调度策略输出更加平稳优质的风电，尽量减小风电在并网中对电力系统的影响。

本发明针对风电的调度机制相对灵活和功率波动较为敏感的特点，根据历史依据不断对曲线进行优化，根据该方法得到的调度曲线波动较小，风电容量的可信度高，能减少一定的弃风量。

发明内容

由于于风电的随机性、间歇性和波动性影响，电网公司在兼顾到整个电网对用户的供电质量前提下，对于风电的调度较为保守，导致了目前弃风现象严重的问题。

为了解决上述问题，本发明提供了一种新型的风电调度策略，该策略满足了电网的调度要求，提高风电的可信度，减小风力发电量损失。

本发明公开了一种基于考虑测量误差和历史可信度对风电场调度修正的优化方法，其特征在于，包括以下步骤：

1)利用历史滚动周期内对风功率预测误差的分布特性进行统计分析，把中长期功率预测周期定为历史误差参考单元周期，取超短期功率预测周期作为统计采样点的采样周期，以短期功率预测周期作为修正系数输出周期，最终代入历史误差参考单元周期内的所有统计采样点分别计算出每一修正系数输出周期的风功率预测误差系数，并对每个采样周期的功率参考值进行修正。

2)在调度周期T范围内，定义N

其中，P

3)对目标函数的求解采用在粒子群算法基础上优化的模拟退火算法，首次计算应选取较小的时间窗口和采样间隔，在此计算结果基础上，成倍地扩大时间窗口和采样间隔，把上次计算的输出作为本次计算的输入，再次进行目标函数的计算，不断扩大时间窗口和采样间隔，直到时间窗口等于调度部门的制定调度曲线的最小调度周期。同时，对历史参考周期的选择应根据滚动计算的原则，假定全部历史参考周期为m天，调度预测周期为r天，对于第i天(i＝1,2,3,...,r)的历史参考周期应选择第i天到第(m-r+i)天。

4)根据历史参考周期的历史预测输出功率和历史时间，统计每个采样点的误差值，并计算每个时间窗口的误差均值μ

其中，

5)根据奖惩判据对输出参考功率进行修正。

在m天历史参考周期内，定义q

其中，t为历史参考周期中第i个时间窗口满足q

在奖惩制度中奖惩系数c为

其中，c

奖惩制度后修正调度功率为

P′

不断依据历史数据，利用奖惩制度滚动调整输出功率，优化调度，逐渐缩小与P

附图说明

图1是本发明风新型电场风功率预测方法的流程图。

图2是模拟退火算法的流程图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步的说明。

本发明的风电场风功率预测修正方法如图1所示，包括：建立风功率预测修正模型；在一个调度周期内设置时间窗口，每个时间窗口包括若干个采样间隔对输入值进行修正，以最小二乘法建立目标函数；通过模拟退火算法求解目标函数，并进行迭代运算；依据历史参考周期，计算奖惩系数；对计算结果进行修正。具体实施步骤如下：

1)利用历史滚动周期内对风功率预测误差的分布特性进行统计分析，把中长期功率预测周期定为历史误差参考单元周期，取超短期功率预测周期作为统计采样点的采样周期，以短期功率预测周期作为修正系数输出周期，最终代入历史误差参考单元周期内的所有统计采样点分别计算出每一修正系数输出周期的风功率预测误差系数，并对每个采样周期的功率参考值进行修正。

基于大量对风功率预测误差数据分析后发现，预测误差服从正态分布的假设，得到风电功率预测误差近似符合正态分布，即：

其中，P

可以得到风功率预测曲线的修正如下式

其中，P

2)在调度周期T范围内，定义N

其中，P

3)对目标函数的求解采用在粒子群算法基础上优化的模拟退火算法，算法的流程如图2所示，具体算法步骤如下：

①输入风功率预测的各采样点

②根据本文求解的自变量个数D，生成N组每组含有D个粒子的粒子群，并确定初始化种群中第i组第j个微粒的位置x

③评价每个微粒的适应度，将当前各微粒的位置和适应值存储在各微粒的p

④确定初始温度，并确定当前温度t下各p

⑤采用轮盘赌策略，从所有p

x

C＝c

其中，c

⑥计算各微粒新的目标值p

⑦进行退温操作

⑧若满足停止条件(通常为预设的运算精度或迭代次数)，输出结果，否则转至④。

⑨最终得到的p’

首次计算应选取较小的时间窗口和采样间隔，在此计算结果基础上，成倍地扩大时间窗口和采样间隔，把上次计算的输出作为本次计算的输入，再次进行目标函数的计算，不断扩大时间窗口和采样间隔，直到时间窗口等于调度部门的制定调度曲线的最小调度周期。

同时，对历史参考周期的选择应根据滚动计算的原则，假定全部历史参考周期为m天，调度预测周期为r天，对于第i天(i＝1,2,3,...,r)的历史参考周期应选择第i天到第(m-r+i)天。

4)根据历史参考周期的历史预测输出功率和历史时间，统计每个采样点的误差值，并计算每个时间窗口的误差均值μ

其中，

5)根据奖惩判据对输出参考功率进行修正。

在m天历史参考周期内，定义q

其中，t为历史参考周期中第i个时间窗口满足q

在奖惩制度中奖惩系数c为

其中，c

奖惩制度后修正调度功率为

P′

不断依据历史数据，利用奖惩制度滚动调整输出功率，优化调度，逐渐缩小与P

最后需要指出的是，上述内容仅是本发明的实施技术方案案例而非限制。对本发明所述的技术方案进行修改或同等替换，均应包含在本发明的保护范围之内。