基于转移概率矩阵的新能源出力水平评估方法与流程

本发明涉及新能源电站技术领域，尤其涉及一种基于转移概率矩阵的新能源出力水平评估方法。

背景技术：

随着全球经济发展对电力需求的快速增长和可持续发展的要求，新能源发电技术顺势而生。目前新能源发电技术主要包括风力发电和光伏发电。风力发电利用风能发电，风能是一种可再生能源且绿色环保，利用风能发电有利于全球经济可持续发展。光伏发电利用太阳能发电，太阳能对于人类来说是一种近乎取之不尽的能源，利用太阳能发电也同样有利于全球经济可持续发展。我国国土面积辽阔，风能资源和太阳能资源丰富。在全球大力开发新能源发电的大流下，我国的风电发电和光伏发电也迅速发展。我国局部地区电网的风电渗透率已经超过了20％。随着风电技术的日趋成熟，风电成本越来越低，我国并网大容量风电机组得到迅速发展，可以与传统的同步发电机组一起并网使用。

风电和光伏发电从发电属性上决定了两者出力具有间歇性、随机性和波动性，当大规模风电和光伏电并入电网以后，由于风力发电与光伏发电受到地理位置和季节因素等多种自然因素的影响而具有强烈的随机波动性，给电网系统的安全稳定运行带来了不小的冲击。风力发电与光伏发电这种发电出力的不确定性也给电网带来许多调度运行上的困难，不仅增大了电力系统的调峰压力，而且降低了电力系统运行的可靠性。现有的风电并网调度优化主要体现在两个方面：一是建立较为精确的风电或光伏出力模型，依靠模型来调度系统；二是配置合理的系统备用容量，大规模风电或光伏发电接入导致系统等效负荷峰谷差变大，加剧了对系统调峰的难度，为了保证系统能够安全可靠运行，必须预留足够的备用容量。

然而现有技术中选取的风电或光伏出力模型都较为简单，与实际风电出力或光伏发电出力有很大偏差，调度系统时可靠性差。另外，在许多优化模型中将风电或光伏发电总量的一定百分比作为附加备用容量来应对风电或光伏发电随机变化特性，但是这种确定性的调度方法没有对风电或光伏发电的不确定性给予统计分析，实际上只有预留100％的风电或光伏发电容量水平的备用才能够确保系统绝对安全，降低了新能源利用率。

技术实现要素：

本申请提供了一种基于转移概率矩阵的新能源出力水平评估方法，使用新能源出力的历史实际数据来计算出新能源出力水平转移概率矩阵，利用新能源出力水平转移概率矩阵快速对新能源出力水平转移范围及相应概率进行评估，新能源出力水平转移概率矩阵源自于实际的新能源出力数据，能在充分考虑新能源出力随机性、波动性的前提下帮助电网运行调度人员更加直观、全面地认识新能源发电状况，从而合理制定开、停机计划，优化备用容量，提高电网运行的经济性和可靠性。

根据本发明实施例的一个方面，提供了一种基于转移概率矩阵的新能源出力水平评估方法，包括：步骤1，获取预定时间段内每隔预定时间间隔的新能源出力原始数据；步骤2，通过将所述新能源出力原始数据划分在互不重叠的M个出力范围内，将新能源出力归类成M个出力水平，M为大于3的整数；步骤3，根据所述新能源出力原始数据，通过计算第i个出力水平在经过所述预定时间间隔后变为第j个出力水平的转移概率p_ij，得出与所述预定时间间隔相关的出力水平转移概率矩阵P，

其中，1≤i≤M，1≤j≤M，i、j均为整数；步骤4，判断所述出力水平转移概率矩阵P是否满足转移概率约束条件：

0≤p_ij≤1 (1)

步骤5，如果所述出力水平转移概率矩阵P不满足式(1)或式(2)，则检查新能源出力原始数据的有效性和转移概率计算的准确性；步骤6，如果所述出力水平转移概率矩阵P同时满足式(1)和式(2)，通过在所述出力水平转移概率矩阵P中判断出力水平自状态转移的概率是否大于转移至其他状态的概率，来评估新能源出力水平的状态保持能力，以及利用所述出力水平转移概率矩阵P确定新能源出力水平的出力转移范围，来评估新能源出力水平的波动范围。

根据本发明的一个实施例，步骤2可以包括：步骤21，获取所述新能源出力原始数据的最大值，将所述新能源出力原始数据全部转换为相对于所述最大值的百分数；步骤22，选取百分数间隔δ，将所述百分数划分成互不重叠的M个百分数范围作为所述M个出力范围：[0,0.5δ)，[0.5δ,1.5δ)，[1.5δ,2.5δ)，…，[0.5δ+(i-2)×δ,1.5δ+(i-2)×δ)，…，[1-0.5δ,1]，其中，i＝2,3,…,M-1，M＝[1/δ]+1；步骤23，根据所述M个百分数范围，根据下式(3)、(4)和(5)将所述新能源出力原始数据划分成M个出力水平P₁、…、P_i、…、P_M，

P₁＝{P_ymd(t)|0≤P_ymd(t)＜0.5δ} (i＝1) (3)

P_i＝{P_ymd(t)|0.5δ+(i-2)δ≤P_ymd(t)＜1.5δ+(i-2)δ} (i＝2,3,…,M-1) (4)

P_M＝{P_ymd(t)|1-0.5δ≤P_ymd(t)≤1} (i＝M) (5)

其中，P_ymd(t)表示新能源在y年m月d日t时刻的出力，P₁、P_i、P_M表示各出力水平中所包含的全部新能源出力的集合。

根据本发明的一个实施例，步骤3可以包括：步骤31，统计第i个出力水平P_i中的全部新能源出力的总数目N_i；步骤32，统计第i个出力水平P_i在经过所述预定时间间隔之后变为第j个出力水平P_j的次数N_ij；步骤33，计算得出第i个出力水平P_i在所述预定时间间隔后变为第j个出力水平P_j的转移概率p_ij，所述pij＝N_ij/N_i。

根据本发明的一个实施例，步骤6可以包括：步骤61，在所述出力水平转移概率矩阵P之中，判断出力水平自状态转移的概率是否大于转移至其他状态的概率，如果出力水平自状态转移的概率大于转移至其他状态的概率，则评定新能源出力水平具有显著的状态保持能力，反之则评定新能源出力水平不具有显著的状态保持能力；步骤62，在所述出力水平转移概率矩阵P之中，确定新能源出力水平的出力转移范围，转移范围大则评定出力水平波动范围大，出力水平不确定性越大，反之则评定出力水平波动范围小，出力水平不确定性越小。

根据本发明的一个实施例，步骤61可以包括：

步骤611，判断所述出力水平转移概率矩阵P中对角线上的元素p_ii是否比同一行的其他元素p_ij大：

p_ii≥p_ij i,j∈M,i≠j (6)；

步骤612，如果式(6)成立，则评定第i个出力水平具有显著的状态保持能力；如果式(6)不成立，则评定第i个出力水平不具有显著的状态保持能力。

根据本发明的一个实施例，步骤62可以包括：

步骤621，为第i个出力水平预先设置转移概率最小值p_imin，在所述出力水平转移概率矩阵P中的第i行，逐一判断所述第i行的每个元素是否大于或等于所述转移概率最小值p_imin：

p_ij≥p_i.min i,j∈M (7)；

步骤622，在所述第i行中，将所有满足式(7)的元素的集合作为所述第i个出力水平的出力转移范围；

步骤623，如果所述第i个出力水平的出力转移范围大，则评定第i个出力水平的波动范围大，第i个出力水平的不确定性大，反之则评定第i个出力水平的波动范围小，第i个出力水平的不确定性小。

根据本发明的一个实施例，百分数间隔δ可为1％、2％、5％、10％或20％。

根据本发明的一个实施例，预定时间段被平均分成多个预定时间间隔。

根据本发明的一个实施例，预定时间段可为数年、数月、数季度，预定时间间隔为数分钟或数个小时。

根据本发明的一个实施例，新能源可为风电站或光伏电站。

由上可知，本发明提供了一种基于转移概率矩阵的新能源出力水平评估方法，使用新能源出力的历史实际数据来计算出新能源出力水平转移概率矩阵P，利用新能源出力水平转移概率矩阵P快速对新能源出力水平转移范围及相应概率进行评估，新能源出力水平转移概率矩阵源自于实际的新能源出力数据，能在充分考虑新能源出力随机性、波动性的前提下帮助电网运行调度人员更加直观、全面地认识新能源发电状况，从而合理制定开、停机计划，优化备用容量，提高电网运行的经济性和可靠性。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于转移概率矩阵的新能源出力水平评估方法的流程示意图；

图2为本发明实施例提供的图1的步骤2的示例性流程示意图；

图3为本发明实施例提供的图1的步骤3的示例性流程示意图；

图4为本发明实施例提供的图1的步骤6的示例性流程示意图；

图5为本发明实施例提供的图4的步骤61的示例性流程示意图；

图6为本发明实施例提供的图4的步骤62的示例性流程示意图；

图7为根据本发明的新能源出力水平评估方法计算的转移概率矩阵的三维柱形图。

具体实施方式

下面结合附图和实施例描述根据本发明的基于出力转移概率矩阵的新能源出力水平评估方法。在本发明的实施例中，新能源可为风电站或光伏电站。

图1为本发明实施例提供的一种基于转移概率矩阵的新能源出力水平评估方法的流程示意图。如图1所示，出力转移概率矩阵的新能源出力水平评估方法可以包括以下步骤：

步骤1，获取预定时间段内每隔预定时间间隔的新能源出力原始数据。根据本发明的实施例，可以根据调度的需要来选取合适的预定时间段。预定时间段可以被平均分成多个预定时间间隔。例如，预定时间段可以是一年、两年或数年、一个季度或数个季度、半个月、一个月或数个月或任何合理的时间段。另外，可以根据调度的需要来选取合适的预定时间间隔。例如，预定时间间隔可以是数分钟、数个小时或任何适合的时间间隔。举例来说，在实际应用中，可以获取一年内的每隔一小时的新能源出力原始数据，即，可以获取8760(24×365)个原始数据。

步骤2，通过将新能源出力原始数据划分在互不重叠的M个出力范围内，将新能源出力归类成M个出力水平，M为大于3的整数。也就是说，将新能源出力原始数据分组，划分成M组，每组代表不同的出力范围，代表不同的出力水平。例如，如上所述，上述8760个原始数据划入M个组，划分为M个不同的出力水平。根据本发明的实施例，M可以根据调度的需要来设置M的值，例如，8760个原始数据可以分成24组、876组、365组或任何适合的组。

步骤3，根据新能源出力原始数据，计算第i个出力水平在经过预定时间间隔后变为第j个出力水平的转移概率p_ij，得出与预定时间间隔相关的出力水平转移概率矩阵P：

其中，1≤i≤M，1≤j≤M，i、j均为整数。由于新能源的随机性和波动性，第i个出力水平在经过预定时间间隔后可能保持原水平即还在第i个出力水平，还有可能变为另外的出力水平。例如，第一个出力水平在经过一个小时(例如预定时间间隔为一个小时)之后变为第三个出力水平。

在本发明中，采用转移概率p_ij表示新能源出力水平从时刻n的水平i到时刻n+k水平j的一种状态转移信息，与一般转移概率不同的是，新能源转移概率p_ij与研究对象(一个电站或一个区域的新能源总和，或一个省的新能源总和)、新能源出力的状态转移时间间隔k(数分钟、半个小时、一小时、或三小时、或一天、…)紧密有关。其计算公式为：

p_ij＝P{X_n+k＝j|X_n＝i},i,j∈M

式中，X_n+k、X_n分别表示时刻n+k和时刻n的新能源出力；k代表研究的转移时间间隔即预定时间间隔。

通过根据新能源出力原始数据，计算第i个出力水平在经过预定时间间隔后变为第j个出力水平的转移概率p_ij,得出与预定时间间隔相关的出力水平转移概率矩阵P。本领域技术人员可理解，出力水平转移概率矩阵P充分考虑到了新能源出力的随机性和波动性。

步骤4，判断出力水平转移概率矩阵P是否满足转移概率约束条件：

0≤p_ij≤1 (1)

也就是说，判断出力水平转移概率矩阵P之中的各个元素p_ij的值是否合理。由于各个元素p_ij表示的是概率，因而p_ij应该满足式(1)。另外，由于p_ij还表示的是第i个出力水平在经过预定时间间隔后变为第j个出力水平的转移概率，因此第i个出力水平在经过预定时间间隔后变为M个出力水平中的各个出力水平的转移概率之和应该等于1，即p_ij应该满足式(2)。

步骤5，如果出力水平转移概率矩阵P不满足式(1)或式(2)，则检查新能源出力原始数据的有效性和转移概率计算的准确性。也就是说，如果出力水平转移概率矩阵P中的任何一个元素p_ij不满足式(1)和式(2)中的任何一个，则表示出力水平转移概率矩阵P的值不合理，就需要检查新能源出力原始数据的有效性和转移概率计算的准确性。

步骤6，如果出力水平转移概率矩阵P同时满足式(1)和式(2)，通过在出力水平转移概率矩阵P中判断出力水平自状态转移(水平i→水平i)的概率是否大于转移至其他状态(水平i→水平j，i≠j)的概率，来评估新能源出力水平的状态保持能力，以及利用出力水平转移概率矩阵P确定新能源出力水平的出力转移范围，来评估新能源出力水平的波动范围。如果出力水平转移概率矩阵P中的每个元素p_ij都同时满足式(1)和式(2)，则表示出力水平转移概率矩阵P的值合理。当出力水平转移概率矩阵P的值合理时，就可以利用出力水平转移概率矩阵P来评估新能源出力的情况。可以利用出力水平转移概率矩阵P来评估新能源出力水平的状态保持能力和出力转移范围。状态保持能力表征新能源出力水平保持在原出力水平的能力大小，出力转移范围表征新能源出力水平的波动范围。

由上可知，通过上述步骤1至步骤6，求得新能源出力水平转移转移概率矩阵P，可以快速对新能源出力水平转移范围及相应概率以及状态保持能力进行评估，帮助电网运行调度人员更加直观、全面地认识新能源发电状况，从而合理制定开、停机计划，优化备用容量，提高电网运行的经济性和可靠性。同时，针对不同的研究对象(一个新能源电站，或一个区域的新能源总和，或一个省的新能源总和)，本发明还可根据实际需要灵活选取预定时间间隔k，在充分考虑新能源出力随机性、波动性前提下，快速确定新能源出力在时序上的转移变化关系。

下面根据具体实施方式详细描述步骤2至步骤6的具体步骤。

图2为本发明实施例提供的图1的步骤2的示例性流程示意图。

如图2所示，上述步骤2可以包括以下步骤。

步骤21，获取新能源出力原始数据的最大值，将新能源出力原始数据全部转换为相对于最大值的百分数。举例来说，例如，8760个原始数据中的最大值为A，将8760个原始数据全部转换为相对于A的百分数。

步骤22，选取百分数间隔δ，将步骤21中的百分数划分成互不重叠的M个百分数范围作为M个出力范围：[0,0.5δ)，[0.5δ,1.5δ)，[1.5δ,2.5δ)，…，[0.5δ+(i-2)×δ,1.5δ+(i-2)×δ)，…，[1-0.5δ,1]，其中，i＝2,3,…,M-1，M＝[1/δ]+1。百分数间隔δ可以为1％、2％、5％、10％或20％。举例来说，当百分数间隔δ为10％，则M为11。

步骤23，根据M个百分数范围，根据下式(3)、(4)和(5)将新能源出力原始数据划分成M个出力水平P₁、…、P_i、…、P_M，

P₁＝{P_ymd(t)|0≤P_ymd(t)＜0.5δ} (i＝1) (3)

P_i＝{P_ymd(t)|0.5δ+(i-2)δ≤P_ymd(t)＜1.5δ+(i-2)δ} (i＝2,3,…,M-1) (4)

P_M＝{P_ymd(t)|1-0.5δ≤P_ymd(t)≤1} (i＝M) (5)

其中，P_ymd(t)表示新能源在y年m月d日t时刻的出力，P₁、P_i、P_M表示各出力水平中所包含的全部新能源出力的集合。

图3为本发明实施例提供的图1的步骤3的示例性流程示意图。

如图3所示，上述步骤3可以包括以下步骤。

步骤31，从新能源出力原始数据中统计属于第i个出力水平P_i的数据的总数目N_i；

步骤32，从新能源出力原始数据中统计属于第i个出力水平P_i的数据在经过预定时间间隔之后变为属于第j个出力水平P_j的数据的次数N_ij；

步骤33，计算得出第i个出力水平P_i在预定时间间隔后变为第j个出力水平P_j的转移概率p_ij，其中，p_ij＝N_ij/N_i。

下面举例来说明步骤31至步骤33。在8760个新能源出力原始数据中，统计属于第一个出力水平P₁的数据的总数目N₁为200个，经过一个小时后属于第一个出力水平P₁的数据变为属于第二个出力水平P₂的数据的次数N₁₂为80，则p₁₂＝80/200＝0.4。

图4为本发明实施例提供的图1的步骤6的示例性流程示意图。

如图4所示，上述步骤6可以包括以下步骤。

步骤61，在出力水平转移概率矩阵P之中，判断出力水平自状态转移的概率是否大于转移至其他状态的概率，如果出力水平自状态转移的概率大于转移至其他状态的概率，则评定新能源出力水平具有显著的状态保持能力，反之则评定新能源出力水平不具有显著的状态保持能力。

步骤62，在出力水平转移概率矩阵P之中，确定新能源出力水平的出力转移范围，转移范围大则评定出力水平波动范围大，出力水平不确定性大，反之则评定出力水平波动范围小，出力水平不确定性小。

图5为本发明实施例提供的图4的步骤61的示例性流程示意图。

如图5所示，上述步骤61可以包括以下步骤。步骤611，判断出力水平转移概率矩阵P中对角线上的元素p_ii是否比同一行的其他元素p_ij大，即判断下式(6)是否成立：

p_ii≥p_ij i,j∈M,i≠j (6)。

步骤612，如果式(6)成立，则评定第i个出力水平具有显著的状态保持能力；如果式(6)不成立，则评定第i个出力水平不具有显著的状态保持能力。

图6为本发明实施例提供的图4的步骤62的示例性流程示意图。

如图6所示，上述步骤62可以包括以下步骤。

步骤621，为第i个出力水平预先设置转移概率最小值p_imin，在出力水平转移概率矩阵P中的第i行，逐一判断第i行的每个元素是否大于或等于转移概率最小值p_imin：

p_ij≥p_i.min i,j∈M (7)。

步骤622，在第i行中，将所有满足式(7)的元素的集合作为第i个出力水平的出力转移范围。

步骤623，如果第i个出力水平的出力转移范围大，则评定第i个出力水平的波动范围大，第i个出力水平的不确定性大，反之则评定第i个出力水平的波动范围小，第i个出力水平的不确定性小。

下面结合图7来举例描述利用本发明实施方法计算出力水平转移概率矩阵。图7为根据本发明实施例的出力水平评估方法计算的出力水平转移概率矩阵的三维柱形图。

在本实施例中，获取的是过去一年内每隔1/4小时的35040(24×4×365)个新能源出力原始数据。取百分数间隔δ为10％，则M为11，P为11×11矩阵。采用本发明实施方法计算得出的出力水平转移概率矩阵P见下表一。

表一：

图7示例性地示出根据本申请的方法计算的转移概率矩阵的三维柱形图。三维柱形图与上表一相对应。下面，来判断该出力水平转移概率矩阵P是否满足转移概率约束条件，即是否满足上式(1)和式子(2)。

显然，出力水平转移概率矩阵P中各个元素的值都满足式(1)。

第1行：p₁₁+p₁₂+p₁₃+…+p₁₁₁＝0.865+0.116+0.014+0.004+0.001+0+…+0＝1，则第2行满足式(2)。

第2行：p₂₁+p₂₂+p₂₃+…+p₂₁₁＝0.223+0.541+0.177+0.043+0.011+0.002+0.003＝1，则第2行满足式(2)。

依次检验第3、4、5、……、11行，均满足式(2)。

由上可知，出力水平转移概率矩阵P有效。可以利用出力水平转移概率矩阵P来评估新能源出力水平。

下面首先评估新能源出力水平的状态保持能力。

第1行：判断出力水平转移概率矩阵P中对角线上的元素p₁₁是否比同一行的其他元素p_1j大，由上表可知，P₁₁＝0.865，明显比同一行的其余元素大，因此，新能源在第1个出力水平[0,0.5δ)具有良好的状态保持能力。

第2行：判断出力水平转移概率矩阵P中对角线上的元素p₂₂是否比同一行的其他元素p_2j大，由上表可知，P₂₂＝0.259，明显比同一行的其余元素大，因此，新能源在第2个出力水平[0.5δ,1.5δ)也具有良好的状态保持能力。

依次判断第3、4、5、……、11行，发现新能源在第3、4、5、……、11个出力水平均具有良好的状态保持能力。

由此，可以评定新能源出力水平具有显著的状态保持能力。

接着，评估新能源出力水平的波动范围大小。

第一行：为第1个出力水平预先设置转移概率最小值p_1min，例如，如果选定p_1min为0.5，则只有p₁₁满足式(7)。此时，p₁₁构成第1个出力水平的出力转移范围。如果选定p_1min为0.001，则p₁₁、p₁₂、p₁₃、p₁₄、p₁₅满足式(7)。此时，p₁₁、p₁₂、p₁₃、p₁₄、p₁₅构成第1个出力水平的出力转移范围。转移概率最小值根据新能源实际消纳要求来设定，如果要求越高即要求新能源尽可能多地被电网接受，转移概率最小值就设置得越小。

同理得出其余行的出力转移范围。

综上所述，通过出力水平转移概率矩阵P，可以直观全面地了解到新能源出力的情况。可以根据新能源出力水平的状态保持能力和波动范围大小，合理安排开停机组合，合理安排各机组出力，优化备用容量，提高电网运行的经济性和可靠性。