一种基于数据挖掘的新能源不确定性量化评估方法及系统与流程

本发明涉及电力系统中新能源不确定性量化评估的，尤其涉及一种基于数据挖掘的新能源不确定性量化评估方法及系统。

背景技术：

1、电力生产过程是连续进行的，为保证电力系统在出现设备检修、机组故障、负荷波动等情况下仍能正常运行，必须为系统预留一定的备用容量，来提高系统运行的可靠性和稳定性；随着并网运行的新能源数量和规模的不断增加，系统运行过程中的不确定因素也不断增加，更加凸显备用配置的重要性。在常规能源发电计划优化中，由于机组运行可靠性较高，系统旋转备用主要用于解决日前负荷预测偏差，以及机组故障跳机造成的功率缺额。调节备用则主要用于解决超短期负荷预测偏差造成的功率缺额，预留一定容量的agc调节能力，因此常规能源备用计划管理按比例或者按照绝对值方式设定系统旋转备用及agc调节备用就能满足备用需求。当大规模新能源入网后，能取得节能减排的环保效益，但同时新能源具有间歇性，波动性等缺点，使得电网运行可靠性降低，这给电力系统运行增加了一定的风险，同时为了应对新能源的不确定性而增加系统备用容量，从而增加新能源消纳成本，为保证间歇式能源入网后电网的安全性，稳定性，以及响应智能电网经济性要求，当间歇式能源接入电网后，适度的系统备用容量的设置显得尤为重要。

2、目前新能源预测主要采用点预测法，受多重因素影响，其预测误差难以忽略。引入区间预测可以量化描述新能源出力的波动范围，但如何评估新能源预测出力区间，还缺乏有效的分析方法，现有的技术采用某一种数学分布去拟合新能源出力的分布规律，用蒙特卡洛法去模拟新能源的出力，但随着分布式发电技术的发展，不同类型的新能源被整合到一起，其组合出力的随机性也不再服从单一的数学分布，而蒙特卡洛模拟法只有在抽样规模足够大时，可以较好地逼近实际概率值，但缺点是计算量过大。基于以上分析，需要开展基于数据挖掘的新能源不确定性量化评估技术研究，为系统备用容量的预留提供数据支撑。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述现有存在的问题，提出了本发明。

3、因此，本发明提供了一种基于数据挖掘的新能源不确定性量化评估方法及系统解决背景技术中提到的问题。

4、为解决上述技术问题，本发明提供如下技术方案：

5、第一方面，本发明实施例提供了一种基于数据挖掘的新能源不确定性量化评估方法，包括：获取目标区域的历史新能源数据，并对所述历史新能源数据进行数据预处理；所述历史新能源数据包括历史新能源实测数据以及历史新能源预测数据；

6、对所述预处理后的历史新能源数据进行聚类分析，根据聚类结果生成新能源典型运行方式；

7、根据给定新能源预测数据判断预测数据的新能源典型运行方式，通过预测数据所属的典型运行方式，计算得到新能源预测出力区间；

8、根据区间预测评价指标，量化评估所述新能源预测出力区间的预测精度。

9、作为本发明所述的基于数据挖掘的新能源不确定性量化评估的一种优选方案，其中：对所述预处理后的历史新能源数据进行聚类分析，根据聚类结果生成新能源典型运行方式，包括：

10、将历史预测功率作为第一分档聚类数据，历史预测误差作为第二分档聚类数据；

11、截取同一时刻的第一分档聚类数据、第二分档聚类数据的二维数据作为聚类原数据，根据聚类原数据中聚类点的分布状况，调节聚类网格参数与密度参数，进行聚类；

12、基于聚类结果中每类数据的最小矩形包络线划分新能源典型运行方式。

13、作为本发明所述的基于数据挖掘的新能源不确定性量化评估的一种优选方案，其中：根据给定新能源预测功率判断预测数据的新能源典型运行方式，通过预测数据所属的典型运行方式，计算得到新能源预测出力区间，包括：

14、基于给定的新能源预测数据，若目标预测功率在所述划分的任一新能源典型运行方式对应的预测功率范围内，判断预测数据是否属于该新能源典型运行方式；

15、计算该新能源典型运行方式包含的新能源历史预测功率样本的预测误差；

16、对新能源历史预测功率样本的预测误差进行升序排序，构建第一历史新能源预测误差序列；

17、对新能源历史预测功率样本的预测误差进行降序排序，构建第二历史新能源预测误差序列。

18、作为本发明所述的基于数据挖掘的新能源不确定性量化评估的一种优选方案，其中：还包括：

19、设所述第一历史新能源预测误差序列以及第二历史新能源预测误差序列置信度c％对应的分位数为nc％，表示为：

20、nc％＝max{floor[n×(1-c％)],1}

21、其中，nc％为整数且满足1≤nc％≤n，floor表示向下取整；

22、按照分位数索引，获取c％置信度对应的新能源预测误差的下限和上限，

23、基于给定的新能源功率预测值，对应的新能源出力区间预测下限表示为：

24、ped＝pe+errgd

25、其中，pe为给定的新能源功率预测值，errgd为新能源预测误差下限；

26、新能源出力区间预测上限表示为：

27、peu＝pe+errgu

28、其中，errgu为新能源预测误差上限；

29、基于新能源出力区间预测下限和上限，新能源预测出力置信区间表示为：

30、[ped,peu]。

31、作为本发明所述的基于数据挖掘的新能源不确定性量化评估的一种优选方案，其中：根据区间预测评价指标，量化评估所述新能源预测出力区间的预测精度包括：区间预测评价指标包括预测间隔覆盖概率指标以及平均覆盖误差指标；

32、预测间隔覆盖概率指标，表示为：

33、

34、其中，n为目标时段内实测样本总数，κ为布尔值，i为实测样本序号，α为显著性水平，置信度＝1-α；

35、平均覆盖误差指标，表示为：

36、ace＝|picp-pinc|

37、其中，pinc为给定的置信度，picp为预测间隔覆盖概率。

38、作为本发明所述的基于数据挖掘的新能源不确定性量化评估的一种优选方案，其中：还包括：

39、当第i个新能源实测值不大于预测出力区间的上限且不小于预测出力区间的下限时，则κi＝1；

40、当第i个新能源实测值大于预测出力区间的上限和/或小于预测出力区间的下限时，则κi＝0；

41、当平均覆盖误差ace→0时，新能源实测值在预测区间内的概率越接近理想值。

42、作为本发明所述的基于数据挖掘的新能源不确定性量化评估的一种优选方案，其中：对历史新能源数据进行数据预处理包括：去除目标区域历史新能源数据的异常数据以及缺失数据。

43、第二方面，本发明提供了一种基于数据挖掘的新能源不确定性量化评估系统，包括，

44、数据采集模块，用于获取目标区域的历史新能源数据，并对所述历史新能源数据进行数据预处理；所述历史新能源数据包括历史新能源实测数据以及历史新能源预测数据；

45、典型运行方式生成模块，用于对所述预处理后的历史新能源数据进行聚类分析，根据聚类结果生成新能源典型运行方式；

46、新能源预测出力区间计算模块，用于根据给定新能源预测数据判断预测数据的新能源典型运行方式，通过预测数据所属的典型运行方式，计算得到新能源预测出力区间；

47、区间预测精度评估模块，用于根据区间预测评价指标，量化评估所述新能源预测出力区间的预测精度。

48、第三方面，本发明提供了一种计算设备，包括：

49、存储器和处理器；

50、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于数据挖掘的新能源不确定性量化评估方法的步骤。

51、第四方面，本发明提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于数据挖掘的新能源不确定性量化评估方法的步骤。

52、与现有技术相比，本发明的有益效果：本发明基于新能源的典型运行方式，实现新能源预测出力区间评估，有效量化新能源出力的不确定性区间，有助于实现系统备用容量的适度预留，保证了新能源入网后电网的安全性，稳定性，促进电网新能源消纳，具有良好的应用前景。