本發(fā)明屬于配電網(wǎng)運(yùn)行與規(guī)劃領(lǐng)域，涉及一種高比例分散式風(fēng)電接入下配電網(wǎng)源荷極端場(chǎng)景提取方法。

背景技術(shù)：

1、近年來(lái)，分散式風(fēng)電在配電網(wǎng)中的占比不斷提高，其出力呈現(xiàn)出大波動(dòng)、強(qiáng)隨機(jī)性，同時(shí)負(fù)荷側(cè)電氣化趨勢(shì)也隨電力需求量激增，增大了源荷不確定性，“小概率-高損失”的極端時(shí)間頻發(fā)，給配電網(wǎng)安全運(yùn)行造成嚴(yán)重威脅。因此，有必要開(kāi)展極端場(chǎng)景準(zhǔn)確有效提取研究，對(duì)分散式風(fēng)儲(chǔ)系統(tǒng)優(yōu)化配置、配電網(wǎng)運(yùn)行和規(guī)劃等有重要工程應(yīng)用價(jià)值。

2、目前，基于數(shù)據(jù)驅(qū)動(dòng)的場(chǎng)景削減方法，包括離散-聚合方法和多目標(biāo)生成對(duì)抗網(wǎng)絡(luò)方法等，是通過(guò)利用源荷數(shù)據(jù)的統(tǒng)計(jì)結(jié)果從時(shí)序場(chǎng)景中提取極端場(chǎng)景。例如，離散-聚合方法分別將時(shí)序序列中的每一組分布式電源出力-負(fù)荷數(shù)據(jù)投影到某一步長(zhǎng)的網(wǎng)格中，將落入網(wǎng)格中數(shù)據(jù)被視為一類場(chǎng)景，進(jìn)而實(shí)現(xiàn)極端場(chǎng)景的提??；多目標(biāo)生成對(duì)抗網(wǎng)絡(luò)方法考慮風(fēng)電不確定性進(jìn)行極端場(chǎng)景提取，但需通過(guò)精細(xì)設(shè)計(jì)才能保證生成場(chǎng)景的準(zhǔn)確性和多樣性，上述方法的實(shí)現(xiàn)均需要大量且較為全面長(zhǎng)時(shí)間源荷運(yùn)行場(chǎng)景數(shù)據(jù)支撐。因此，為了有效提取出離群、邊緣、出現(xiàn)概率較小的高風(fēng)險(xiǎn)極端場(chǎng)景，考慮源荷數(shù)據(jù)相關(guān)性進(jìn)而通過(guò)對(duì)各類運(yùn)行場(chǎng)景量化，將是準(zhǔn)確提取極端場(chǎng)景的有效途徑，那么從源荷數(shù)據(jù)中提取有價(jià)值信息將是成為量化運(yùn)行場(chǎng)景的關(guān)鍵。本發(fā)明考慮到信息熵作為經(jīng)典的信息價(jià)值刻畫(huà)方式，通過(guò)構(gòu)建源荷平衡熵來(lái)度量源荷數(shù)據(jù)相關(guān)性，進(jìn)而實(shí)現(xiàn)高比例分散式風(fēng)電接入的配電網(wǎng)源荷極端場(chǎng)景準(zhǔn)確提取。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提供一種高比例分散式風(fēng)電接入下配電網(wǎng)源荷極端場(chǎng)景提取方法，該方法從電力調(diào)度部門獲取歷史風(fēng)電出力數(shù)據(jù)和配電網(wǎng)負(fù)荷數(shù)據(jù)，建立源荷不確定模型，采用信息熵理論，建立源荷平衡熵指標(biāo)，從而實(shí)現(xiàn)配電網(wǎng)極端場(chǎng)景的準(zhǔn)確提取。

2、為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：

3、高比例分散式風(fēng)電接入下配電網(wǎng)源荷極端場(chǎng)景提取方法，包括以下步驟：

4、s1：從電力調(diào)度部門獲取歷史風(fēng)電出力數(shù)據(jù)和配電網(wǎng)負(fù)荷數(shù)據(jù)，建立源荷不確定模型；

5、s11：通過(guò)k-l散度方法建立風(fēng)電出力不確定性模型；

6、s12：通過(guò)置信區(qū)間法建立負(fù)荷不確定性模型；

7、s2：根據(jù)源荷不確定模型，采用蒙特卡洛方法隨機(jī)生成大量配電網(wǎng)源荷數(shù)據(jù)集；

8、s3：采用源荷平衡熵指標(biāo)，實(shí)現(xiàn)配電網(wǎng)極端場(chǎng)景的提取。

9、進(jìn)一步，所述s11中，采用k-l散度方法，建立風(fēng)電出力不確定模型，具體步驟為：

10、①參考概率分布p0

11、有n個(gè)風(fēng)電場(chǎng)歷史功率數(shù)據(jù)樣本，其中第x個(gè)數(shù)據(jù)ax＝{pwf,1,pwf,2,…,pwf,t}，每個(gè)數(shù)據(jù)樣本有t個(gè)采樣時(shí)刻，且功率分成l個(gè)間隔為ε的功率區(qū)間；

12、ε＝pr/l??????????????????????????????????(1)

13、

14、p0＝{ρ1,ρ2,...,ρl}????????????????????????????(4)

15、其中，pr為分散式風(fēng)電場(chǎng)裝機(jī)容量；ρl為n個(gè)數(shù)據(jù)樣本對(duì)應(yīng)區(qū)間l的平均概率；為0-1變量；為ax下t時(shí)刻風(fēng)電場(chǎng)功率；

16、②集合距離dkl

17、

18、其中，為l-1自由度的卡方分布α*上分位數(shù)，以確保風(fēng)電出力概率分布中真實(shí)分布不小于α*的概率；

19、③風(fēng)電出力概率分布集合g

20、采用k-l散度描述分布函數(shù)之間的距離，距離越小即分布越相似；k-l距離dkl為：

21、

22、其中，ξ為不確定變量；п為ξ的樣本空間；f(ξ)和f0(ξ)分別為p和p0的概率密度函數(shù)；設(shè)參考分布p0的k-l距離不超過(guò)閾值dkl的所有分布函數(shù)集合為g；

23、g＝{p|dkl(p||p0)≤dkl}????????????????????????(7)

24、其中，當(dāng)dkl>0時(shí)，g中含有無(wú)窮多個(gè)分布函數(shù)；當(dāng)dkl趨于0時(shí)，g＝p0。

25、進(jìn)一步，所述s12中，通過(guò)價(jià)格型需求響應(yīng)的影響來(lái)表征負(fù)荷不確定性，根據(jù)價(jià)格型需求響應(yīng)的定義，建立需求價(jià)格彈性系數(shù)exy為：

26、

27、其中，qx、δqx分別為時(shí)段x的用電量和用電變化量；θy、δθy分別為時(shí)段y的電價(jià)和電價(jià)變化量；

28、當(dāng)x＝y(tǒng)時(shí)，exy為自彈性系數(shù)且exy＜0；當(dāng)x≠y時(shí)，exy為交叉彈性系數(shù)且exy＞0；同時(shí)段各時(shí)刻彈性系數(shù)相同；根據(jù)式(8)得到多時(shí)段彈性系數(shù)矩陣e為：

29、

30、根據(jù)矩陣e計(jì)算各時(shí)段因電價(jià)負(fù)荷的更新值；

31、

32、其中，qt′為時(shí)段t電價(jià)負(fù)荷用電量。

33、進(jìn)一步，所述s12中，采用置信區(qū)間法處理負(fù)荷的不確定性；同一置信度下存在多個(gè)置信區(qū)間，通過(guò)歷史負(fù)荷樣本計(jì)算，得到無(wú)窮多個(gè)負(fù)荷分布；若有一組負(fù)荷后數(shù)據(jù)qt′范圍為[0,ξ2]，當(dāng)存在p(ξ1≤qt′≤ξ2)＝1-α?xí)r，則稱[ξ1,ξ2]為置信度1-α所對(duì)應(yīng)的置信區(qū)間，ξ1、ξ2分別稱為在置信度1-α下的置信下限和上限，此時(shí)對(duì)應(yīng)的負(fù)荷為

34、進(jìn)一步，在所述s2中，根據(jù)源荷不確定性模型，通過(guò)蒙特卡洛模擬隨機(jī)生成k個(gè)源荷運(yùn)行場(chǎng)景，再確定集合距離dkl后得出概率分布集合g，并從中隨機(jī)抽取k個(gè)分布函數(shù)生成相應(yīng)個(gè)數(shù)的風(fēng)電功率出力場(chǎng)景同時(shí)得出k個(gè)置信度1-α下的負(fù)荷

35、進(jìn)一步，所述s3中，采用源荷平衡熵hs-l，并計(jì)算各場(chǎng)景的hs-l，其中最大的hs-l值所對(duì)應(yīng)的源荷場(chǎng)景即為極端場(chǎng)景。

36、進(jìn)一步，所述s3中，源荷平衡熵計(jì)算過(guò)程為：設(shè)源荷場(chǎng)景f包括f＝{f1,f2,…,fk}，將時(shí)序凈負(fù)荷歸一化為最后得出源荷平衡熵計(jì)算式如下：

37、

38、

39、其中，為場(chǎng)景f下t時(shí)刻的凈負(fù)荷；和分別為場(chǎng)景f下t時(shí)刻節(jié)點(diǎn)i置信度1-α的負(fù)荷和第j個(gè)分散式風(fēng)電場(chǎng)的并網(wǎng)功率；n為配電網(wǎng)總節(jié)點(diǎn)數(shù)；m為分散式風(fēng)電場(chǎng)數(shù)量；設(shè)的概率分布為{pf}，即其中

40、本發(fā)明的有益效果在于：本方案提出的高比例分散式風(fēng)電接入下配電網(wǎng)源荷極端場(chǎng)景提取方法，從電力調(diào)度部門獲取歷史風(fēng)電出力數(shù)據(jù)和配電網(wǎng)負(fù)荷數(shù)據(jù)，建立源荷不確定模型，即分別通過(guò)k-l(kullback-leibler)散度方法和置信區(qū)間法建立風(fēng)電出力不確定模型和負(fù)荷不確定性模型；然后，根據(jù)源荷不確定模型，采用蒙特卡洛方法隨機(jī)生成大量配電網(wǎng)源荷數(shù)據(jù)集；最后，采用源荷平衡熵指標(biāo)，提取配電網(wǎng)極端場(chǎng)景。采用本發(fā)明可以提取配電網(wǎng)中離群、邊緣、出現(xiàn)概率較小的極端場(chǎng)景，可應(yīng)用于分散式風(fēng)儲(chǔ)系統(tǒng)優(yōu)化配置、配電網(wǎng)運(yùn)行和規(guī)劃等領(lǐng)域。

41、本發(fā)明的其他優(yōu)點(diǎn)、目標(biāo)和特征在某種程度上將在隨后的說(shuō)明書(shū)中進(jìn)行闡述，并且在某種程度上，基于對(duì)下文的考察研究對(duì)本領(lǐng)域技術(shù)人員而言將是顯而易見(jiàn)的，或者可以從本發(fā)明的實(shí)踐中得到教導(dǎo)。本發(fā)明的目標(biāo)和其他優(yōu)點(diǎn)可以通過(guò)下面的說(shuō)明書(shū)來(lái)實(shí)現(xiàn)和獲得。