一种考虑输出容量可信度的光伏发电调度曲线编制方法与流程

本发明涉及一种考虑输出容量可信度的光伏发电调度曲线编制方法。

背景技术：

光伏在我国实现了大规模并网，但由于电网公司认为光伏发电的容量可信度不高，同时又要兼顾到整个电网对用户的供电质量，对于光伏发电的调度较为保守，导致目前光伏发电的利用率不高。

技术实现要素：

本发明的目的就是为了解决上述问题，提出了一种考虑输出容量可信度的光伏发电调度曲线编制方法，该方法平抑了光伏发电的功率输出，提高了光伏电源的可信度，方便了调度部门对光伏发电的调度，也提高了光伏发电的利用率。

为实现上述目的，本发明的具体方案如下。

考虑输出容量可信度的光伏发电调度曲线编制方法，步骤如下：

（1）参照光伏电站的预测功率，求出每一时间窗口内的输出功率参考值P_out；

（2）根据功率预测误差的函数分布规律，计算出相应时间窗口的输出参考可信度C_oe；

（3）利用步骤（2）中得到的输出参考可信度对步骤（1）中得到的输出功率参考值P_out进行修正，得到最终的光伏发电调度曲线。

进一步的，其特征在于，参照光伏电站的预测功率，以固定的时间周期作为输出功率的时间窗口，在一定时间段内以特定时间窗口∆T输出功率偏移率ε之和最小为目标，求出每一时间窗口输出功率参考值P_out，如下式所述：

式中，P_re(t)为光伏发电预测功率；∆t为光伏发电功率预测的最小时间间隔；N为由∆t构成时间窗口∆T的个数；

为了提高计算精度，首次应取较小的时间窗口进行目标函数的计算，在此计算结果的基础上成倍地扩大时间窗口再次进行目标函数的计算，这样不断扩大用于计算的时间窗口直到时间窗口接近调度部门制定调度曲线的最小调度周期，此时计算结果即为最终的输出功率参考值。

进一步的，为提高调度部门对光伏发电的可信度，需引入输出参考可信度这一概念，并将输出参考可信度C_oe定义为:在每个时间窗口内，光伏发电功率实测平均值与光伏输出功率参考值P_out的比值，如下式所述：

由于对于光伏发电功率的预测误差近似符合以0为均值的正态分布，光伏发电功率实测值P_i与光伏发电功率预测值P_i^for满足以下关系：

式中，E表示光伏发电功率的预测误差；P_cap为光伏发电开机容量；σ为分布函数的待估标准差。

进一步的，基于对电力调度曲线窗口期的规定，要舍弃高于调度曲线的值，故先舍去大于0的功率预测误差值，随后选取合理的历史数据，统计出每个时间窗口中的每个预测点的误差E并其分布规律取均值η，并依据下式对在预测功率基础上得出的输出功率参考值P_out进行修正并计算当天对应时间段的输出参考可信度；

。

本发明以特定时间窗口下输出功率偏移率之和最小为目标建立数学模型，并通过不断扩大时间窗口对得到的功率调度曲线进行优化，以得到较为理想的目标值。通过引入输出容量可信度，有效减小了实际输出功率的波动性。最终得到的功率调度曲线呈梯形图，符合调度部门对传统电力调度的规则，方便电力调度。

附图说明

图1为初步调度曲线。

图2为调度规则下实际输出的功率曲线。

具体实施方式

下面对本发明进行详细说明。

目前，光伏发电在我国部分实现了大规模并网，但由于电网公司认为其容量可信度不高，同时又要兼顾到整个电网对用户的供电质量，对于光伏发电的调度较为保守，导致目前光伏发电大部分得到了浪费。

所述调度曲线编制方法包括如下步骤。

（1）参照光伏电站的预测功率，求出每一时间窗口内的输出功率参考值P_out。

（2）根据功率预测误差的函数分布规律，计算出相应时间窗口的输出参考可信度C_oe。

（3）利用步骤（2）中得到的输出参考可信度对步骤（1）中得到的输出功率参考值P_out进行修正，得到最终的光伏发电调度曲线。

输出功率参考值的计算：参照光伏电站的预测功率，以固定的时间周期作为输出功率的时间窗口，在一定时间段内以特定时间窗口∆T输出功率偏移率ε之和最小为目标，求出每一时间窗口输出功率参考值P_out，如下式所述：

式中，P_re(t)为光伏发电预测功率；∆t为光伏发电功率预测的最小时间间隔；N为由∆t构成时间窗口∆T的个数。

为了提高计算精度，首次应取较小的时间窗口进行目标函数的计算，在此计算结果的基础上成倍地扩大时间窗口再次进行目标函数的计算，这样不断扩大用于计算的时间窗口直到时间窗口接近调度部门制定调度曲线的最小调度周期，此时计算结果即为最终的输出功率参考值。

目标函数的求解算法及步骤。

采用收敛速度快、收敛性强的基于粒子群算法的模拟退火算法，具体算法及步骤如下。

1)输入各时段光伏电站的预测功率。

2)根据本文求解的具体情形，确定初始化种群中各微粒的位置和速度。

3) 评价每个微粒p_g^,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_i中，将所有p_best中适应值最有个体的位置和适应值存储于p_g中。

4) 确定初始温度，并根据下式来确定当前温度下各p_i的适配值：

。

5) 采用轮盘赌策略从所有p_i中确定全局最优的某个替代值p_g^,，然后根据下式更新各微粒的速度和位置

其中，

。

6) 计算各微粒新的目标值p_i，更新各微粒的值及群体的p_g值。

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），搜索停止，输出结果，否则转4)。

9) 初始温度和退温的方式对算法有一定的影响，已不能采用如下的初温和退温方式： 。

结合上述算法步骤代入到目标函数中，计算如下。

1）确定预测曲线的最小预测周期，再确定一个大于最小预测周期的较小的时间窗口，代入目标函数中进行计算。

2）成倍的扩大时间窗口，并将上一次的计算结果代入目标函数中，进一步进行计算。

3）按照以上步骤1）、2）逐渐扩大时间窗口，在上一步的计算结果上进行计算，直到时间窗口接近调度部门制定调度曲线的最小调度周期，得到最终的输出功率参考值。

输出参考可信度的计算：由于调度基准值是在风功率预测曲线上得到的，而目前的功率预测还是存在着较大的误差，风电功率预测平均水平在25%~40%。故为提高调度部门对光伏发电的可信度，需引入输出参考可信度这一概念，并将输出参考可信度C_oe定义为:在每个时间窗口内，光伏发电功率实测平均值与光伏输出功率参考值P_out的比值，如下式所述：

。

由于对于光伏发电功率的预测误差近似符合以0为均值的正态分布，光伏发电功率实测值P_i与光伏发电功率预测值P_i^for满足以下关系：

式中，E表示光伏发电功率的预测误差；P_cap为光伏发电开机容量；σ为分布函数的待估标准差。

基于对电力调度曲线窗口期的规定，要舍弃高于调度曲线的值，故先舍去大于0的功率预测误差值，随后选取合理的历史数据，统计出每个时间窗口中的每个预测点的误差E并其分布规律取均值η，并依据下式对在预测功率基础上得出的输出功率参考值P_out进行修正并计算当天对应时间段的输出参考可信度；

。

最终用得到的输出容量可信度对每一时间窗口初步得到的输出功率参考值进行修正，得到最终的光伏发电调度曲线。

验证分析。

本文以配有主控室的某小型微电网模型的光伏功率预测数据为基础，按照上文提出的有关制定的调度曲线编制方法来实行调度，并对其可行性和有效性进行计算分析。

连续选取该微电网中连续一段时间的数据，首先在该时间内的第五天的预测曲线的基础上进行调度基准值的初步确定。从已给的预测数据中得到最小预测周期是15min,假设调度部门的最小预测周期是2h,那么拟利用目标函数（1）（2）进行三次优化计算来计算每一时间窗口的输出功率参考值，第一次时间窗口为30min，包含两个最小预测周期，第二次时间窗口为1h,包含四个最小预测周期，第三次时间窗口为2h，包含八个最小预测周期。最终得到如图1所示的调度曲线。

以目标函数的输出功率偏移率之和作为衡量输出功率曲线波动性的衡量指标，将在目标函数计算中通过直接计算和通过不断扩大时间窗口的间接计算的结果在表1中进行比较：

在此基础上，依据式（12）、（13）的对前三天的历史数据进行输出参考可信度的计算。得到加入输出参考可信度的调度曲线,如图2。

通过对初始输出功率参考值的不断修正，使得最终得到的曲线波动性较小，光伏发电的容量可信度较高。表2中用目标函数的输出功率偏移率之和进行对比，并结合图1和图2，可以看出最终调度值能够平抑输出功率曲线，满足调度部门的要求。