一种基于风电功率预测的日前曲线求解方法与流程

本发明涉及风电场参与电力市场技术领域，特别涉及一种基于风电功率预测的日前曲线求解方法。

背景技术：

电力市场从时间上划分主要为中长期市场和现货市场，其中，中长期市场主要是远期的电力批发交易、期货交易和金融输电权等，而现货市场主要包括日前市场和实时市场，部分电力市场还存在日内市场介于日前和实时之间。现货市场中的日前市场是指发电商和用户参与第二天电量的竞价市场，是现货市场中电量占比最高、也是最重要的组成部分。

风能是一种可再生绿色清洁能源，但风电存在随机性、间歇性和不确定性的特点，不仅带来电网运行控制的调峰、调频、调压等技术问题，还面临与现有电力市场规则融合的经济问题。因此，风电若在日前市场中按照所预测的功率申报日前曲线(风电机组第二天的发电功率曲线)，一旦真实发电功率超过所申报值，则会影响电力系统的调度稳定性，并受到调度中心的罚款。因此，如何基于已经预测到的第二日功率曲线对其修正，并且在日前市场中申报出尽可能接近真实发电功率曲线但不超过真实发电功率曲线的日前曲线成为风力发电企业在电力市场中竞争发展的关键所在。

经对现有技术文献的检索发现，目前还没有风电参与电力市场的相关专利。文献(李益国，沈炯，刘西陲.基于机会约束规划的发电公司竞标策略[j].中国电机工程学报，2006，26(10)：120-123.)提出一种计及风险的发电公司竞标策略，协调申报电量和电价两个决策变量，再计算边际电价预测对竞标方案的影响。然而在风力发电市场中，由于风力发电成本低，机组报价需要考虑的较少，更多需要对所申报的日前曲线展开研究。

技术实现要素：

本发明提出一种基于风电功率预测的日前曲线求解方法，在考虑风电场功率预测准确性的基础上，根据历史预测功率差拟合风险因子曲线，然后基于日前功率预测曲线，以风电申报曲线惩罚最小和准确性最高为目标函数，通过粒子群算法对日前曲线进行寻优，得到最终的风电机组日前曲线用于在日前电力市场中申报。

一种基于风电功率预测的日前曲线求解方法，其包括如下：

步骤1：通过功率预测系统获得第二天的功率预测曲线；

步骤2：拟合风险因子曲线；

步骤3：以风电申报曲线惩罚最小和准确性最高为目标函数，采用粒子群算法求解目标函数，获得功率申报日前曲线最优解。

进一步地，步骤2所述拟合风险因子曲线具体包括：

风险因子k是指根据功率预测曲线申报至日前电力市场后，所申报差值受到惩罚的风险率；通过对历史预测曲线和历史真实功率数据统计分析得保守差值d，d>0，即若所申报的差值大于dmw以上时，则受到惩罚的风险率为0；

进而，将保守差值划分设定的若干段之后，结合历史真实功率数据由matlab拟合出一条风险因子曲线，拟合公式如下式所示：

式中，x为风电机组申报功率；x0为所预测的第二天风电功率；β为因子系数，由数据拟合决定。

进一步地，所述的功率申报日前曲线的目标函数如下：

式中，日前曲线精度为15min，因此全天共96个点，k为风险因子，pi为第i时段的风电价格，xi为第i时段的风电机组申报功率。

进一步地，所述的粒子群算法求解步骤如下：

步骤(1)：随机生成1000个粒子的粒子群，采用编码的方式对各粒子定位，其中，粒子代表风电场的日前曲线申报功率值；

步骤(2)：根据每个粒子获得的不同速度和位置，求解所述目标函数，淘汰目标函数过大的粒子，根据保留粒子的速度和位置生成类似的新粒子群；

步骤(3)：重复步骤(2)，不断迭代生成新粒子群，直至目标函数的值趋于稳定，得到目标函数的最优解，此代粒子群即为最优粒子群；

步骤(4)：将最优粒子群进行解码，得到每个时刻的功率最优申报值，进而得到最优日前曲线。

与现有技术相比，本发明具有如下优点和技术效果：

针对以上背景，本发明提出一种基于风电功率预测的日前曲线求解方法，在考虑风电场功率预测准确性的基础上，根据历史预测功率与真实功率差值拟合风险因子曲线，然后基于日前功率预测曲线，以风电申报曲线惩罚最小和准确性最高为目标函数，通过粒子群算法对日前曲线进行寻优，得到最终的风电机组日前曲线用于在日前电力市场中申报。经算例验证，所提出的日前曲线求解方法可以较好地应用于风电日前电力市场的竞价，对风电产业在电力市场中的发展具有重要意义。

附图说明

图1是一种基于风电功率预测的日前曲线求解方法流程图。

图2是风险因子曲线拟合图。

图3是所求得的日前曲线和真实功率曲线的对比图。

具体实施方式

下面结合附图，对本发明做进一步地详细说明，但本发明的实施方式不限于此。

图1是一种基于风电功率预测的日前曲线求解方法流程图，其方法步骤主要如下：

步骤1：通过功率预测系统获得第二天的功率预测曲线；

步骤2：拟合风险因子曲线；

步骤3：以风电申报曲线惩罚最小和准确性最高为目标函数，采用粒子群算法求解目标函数，寻求功率申报曲线的最优解。

图2是风险因子曲线拟合图，所述拟合风险因子曲线具体方法如下：

风险因子k是指根据预测的风电功率曲线申报至日前电力市场后，所申报差值受到惩罚的风险率。通过对历史预测曲线和历史真实功率数据统计分析可得保守差值d(d>0)，即若所申报的差值大于dmw以上时，则受到惩罚的风险率为0；

进而，将保守差值划分若干段之后，结合历史真实功率数据可由matlab拟合出一条风险因子曲线，拟合公式如下式所示：

式中，x为风电机组申报功率；x0为所预测的第二天风电功率；β为因子系数，由数据拟合决定。本实施例中，d为5mw，因子系数β为4.5。

日前曲线求解目标函数如下：

式中，日前曲线精度为15min，因此全天共96个点，k为风险因子，pi为第i时段的风电价格，xi为第i时段的风电机组申报功率；

通过粒子群算法求解的步骤如下：

步骤1：随机生成1000个粒子的粒子群，采用编码的方式对各粒子定位，其中，粒子代表风电场的日前曲线申报功率值；

步骤2：根据每个粒子获得的不同速度和位置，求解目标函数，淘汰目标函数过大的粒子，根据保留粒子的速度和位置生成类似的新粒子群；

步骤3：重复步骤2，不断迭代生成新粒子群，直至目标函数的值趋于稳定，得到目标函数的最优解，此代粒子群即为最优粒子群；

步骤4：将最优粒子群进行解码，得到每个时刻的功率最优申报值，进而得到最优日前曲线。

本实例采用所述粒子群算法对风电机组所述目标函数进行寻优求解，得到风电机组可申报的日前曲线图3所示，与真实功率偏差很小但并未过于接近，以降低受惩罚风险，满足风电场参与电力市场的需要。

本发明所提出的日前曲线求解方法可以较好地应用于日前电力市场的竞价，对风电产业在电力市场中的发展具有重要意义。