本发明涉及精准配电,尤其涉及一种基于电量预测的优先购电用户电量匹配方法及系统。
背景技术:
1、在电力市场化改革背景下,放开发用电计划能够更好地发挥市场在资源配置中的作用,使得能源分配更加灵活高效。为了满足优发优用电量的平衡和年度计划不平衡资金的平衡,研究基于电量预测的优先购电用户电量匹配方法至关重要。然而,现有技术中缺少了在考虑电量预测的情况下,针对优先购电用户电量匹配的研究。
技术实现思路
1、本发明公开了一种基于电量预测的优先购电用户电量匹配方法及系统,能够减小优先发用电的年度不平衡量与年度计划不平衡资金,实现优先购电用户电量的准确匹配。
2、为了解决上述技术问题,本发明实施例提供了一种基于电量预测的优先购电用户电量匹配方法,所述方法,包括:
3、根据电源类型将发电电量进行分解,得到不同类型电源的发电总量;
4、根据发电影响因素构建发电量预测模型;其中,所述发电量预测模型至少包括风电场发电量预测模型、光伏电站发电量预测模型、水电站发电量预测模型和核电站发电量预测模型;
5、通过所述发电量预测模型预测全年不同类型电源的预计年发电量,并通过所述发电总量校验所述预计年发电量;
6、构建基于优先发用电的年度不平衡量和年度计划不平衡资金的最小化目标函数,并推导多目标优化函数;
7、将所述预计年发电量输入至所述多目标优化函数通过遗传算法求解,并根据计算结果进行优先购电用户电量匹配;
8、其中,所述最小化目标函数表示为:
9、
10、式中,δet表示第t年优先发用电年度不平衡量,eit表示电源i在第t年优先发电量,表示第t年优先用电量,表示电源i在第t年的放开比例,δft表示第t年计划不平衡资金,pit表示电源i在第t年的电价,表示非市场用户在第t年的电价;
11、所述多目标优化函数表达式为:
12、式中,α表示第一加权系数,β表示第二加权系数,δet表示第t年优先发用电年度不平衡量,eit表示电源i在第t年优先发电量,表示第t年优先用电量,δft表示第t年计划不平衡资金,pit表示电源i在第t年的电价,表示非市场用户在第t年的电价。
13、优选地,所述根据发电影响因素构建发电量预测模型,包括:
14、根据风速对风电机组发电的影响,构建所述风电场发电量预测模型;
15、根据光照对光伏机组发电的影响,构建所述光伏发电量预测模型;
16、根据降水对水电机组发电的影响,构建所述水电站发电量预测模型;
17、根据核电站历史发电数据,构建所述核电站发电量预测模型。
18、优选地,所述根据风速对风电机组发电的影响,构建所述风电场发电量预测模型,包括:
19、根据风力等级和风电机组利用时间,确定线性拟合函数;
20、通过所述线性拟合函数,确定拟合损失函数;
21、通过所述拟合损失函数确定拟合参数;
22、根据所述拟合参数得到风电场w的优先发电电量预测值qw,m+1;
23、其中,所述线性拟合函数表示为:hθ(γ)=θ0+θ1γ,式中,θ0表示第一拟合参数,θ1表示第二拟合参数;
24、所述拟合损失函数表示为:式中,θ0表示第一拟合参数,θ1表示第二拟合参数,h(i)表示第i月的发电利用小时数,γ(i)表示第i月拟合的风力月风力等级之和;
25、所述拟合参数表示为:
26、式中,hθ(γ)表示风力等级之和为γ拟合得到的发电利用小时数;θ0表示第一拟合参数,θ1表示第二拟合参数。
27、优选地,所述根据光照对光伏机组发电的影响,构建所述光伏发电量预测模型,包括:
28、根据历史气象数据,通过归一化量纲处理,得到月度气象数据和光伏机组发电量的线性关系;
29、根据所述线性关系和光伏机组的装机容量,计算光伏机组的第一发电量预测值其中,表示光伏机组s在m+1月的第一发电量预测值;
30、根据光伏机组的最佳光照条件,得到最佳峰值光照小时数hb;
31、获取所述光伏机组的历史发电数据,并根据所述历史数据的平均发电量得到月度发电量分配因子θ;
32、根据所述装机容量和所述最佳峰值光照小时数hb计算得到光伏机组的年度发电量;
33、根据所述年度发电量和月度发电量分配因子θ,计算得到第二发电量预测值其中表示光伏电站s在m+1月的第二发电量预测值;
34、对所述第一发电量预测值和所述第二发电量预测值取平均值,得到光伏电站s在m+1月的最终预测结果qs,m+1。
35、优选地,所述根据降水对水电机组发电的影响,构建所述水电站发电量预测模型,包括:
36、根据当月预测雨量等级和前一年同期雨量等级,构建降水量折算系数表达式:式中,ωm+1,2表示降水量折算系数,λm+1,i表示当月降水等级,表示前一年同期雨量等级;
37、根据所述降水量折算系数ωm+1,2的计算原理,计算前一年同期雨量等级前两年同期雨量等级前三年同期雨量等级和前四年同期雨量等级
38、获得前一年同期水电站利用小时数前两年年同期水电站利用小时数前三年同期水电站利用小时数前四年同期水电站利用小时数和前五年同期水电站利用小时数并构建所述水电站发电量预测模型;
39、所述水电站发电量预测模型表示为:
40、
41、式中,qh,m+1表示水电站h的优先发电量预测值,ch,m+1表示水电站m+1月份的预计装机容量,表示前一年同期水电站利用小时数,表示前年i同期水电站利用小时数,表示前年i+1同期水电站利用小时数,表示前i年同期雨量等级。
42、优选地,所述根据核电站历史发电数据,构建所述核电站发电量预测模型,包括:
43、根据所述核电站历史发电数据,计算历史月份的发电利用小时数;
44、计算所述核电站历史数据中发电利用小时数的平均值,并剔除低于预设平均值百分比的数据所述发电利用小时数;
45、重新计算所述核电站的平均发电利用小时数;
46、根据所述平均发电利用小时数和核电站月发电容,构建所述核电站发电量预测模型。
47、优选地,所述遗传算法求解的自变量为各类优发电源的优发比例。
48、优选地,所述通过所述发电量预测模型预测全年不同类型电源的预计年发电量,包括:
49、通过所述发电量预测模型预测不同类型电源的月发电量;其中,所述不同类型电源至少包括风力发电电源、光伏发电电源、水利发电电源和核能发电电源;
50、将全年不同类型电源各月的月发电量相加得到所述预计年发电量。
51、与现有技术相比,本发明公开了本发明公开了一种基于电量预测的优先购电用户电量匹配方法及系统,包括:根据电源类型将发电电量进行分解,得到不同类型电源的发电总量;根据发电影响因素构建发电量预测模型;通过发电量预测模型预测全年不同类型电源的预计年发电量,并通过发电总量校验预计年发电量;构建基于优先发用电的年度不平衡量和年度计划不平衡资金的最小化目标函数,并推导多目标优化函数;将预计年发电量输入至多目标优化函数通过遗传算法求解,并根据计算结果进行优先购电用户电量匹配。提出适应电力市场新形势的月度电源发电量分类预测技术,将月度优先发电电量根据电源类型进行分解,不同类型电源的发电总量又为同类电厂发电电量的叠加;构建考虑气象、装机容量等因素的风电场、光伏电站、水电站和核电站的分月发电电量预测模型,以优先发用电的年度不平衡量和年度计划不平衡资金综合最小化为目标函数,满足电源电量约束;采用遗传算法求解最优匹配方法。因此,能够减小优先发用电的年度不平衡量与年度计划不平衡资金,实现优先购电用户电量的准确匹配。
52、为了解决上述技术问题,本发明实施例还提供了一种基于电量预测的优先购电用户电量匹配系统,所述系统包括:
53、电源分类模块,用于根据电源类型将发电电量进行分解,得到不同类型电源的发电总量;
54、预测模型构建模块,用于根据发电影响因素构建发电量预测模型;其中,所述发电量预测模型至少包括风电场发电量预测模型、光伏电站发电量预测模型、水电站发电量预测模型和核电站发电量预测模型;
55、预测值校验模块,用通过所述发电量预测模型预测全年不同类型电源的预计年发电量,并通过所述发电总量校验所述预计年发电量;
56、函数构建模块,用于构建基于优先发用电的年度不平衡量和年度计划不平衡资金的最小化目标函数,并推导多目标优化函数;
57、计算匹配模块,用于将所述预计年发电量输入至所述多目标优化函数通过遗传算法求解,并根据计算结果进行优先购电用户电量匹配。
58、优选地,所述根据发电影响因素构建发电量预测模型,包括:
59、根据风速对风电机组发电的影响,构建所述风电场发电量预测模型;
60、根据光照对光伏机组发电的影响,构建所述光伏发电量预测模型;
61、根据降水对水电机组发电的影响,构建所述水电站发电量预测模型;
62、根据核电站历史发电数据,构建所述核电站发电量预测模型。
63、优选地,所述根据风速对风电机组发电的影响,构建所述风电场发电量预测模型,包括:
64、根据风力等级和风电机组利用时间,确定线性拟合函数;
65、通过所述线性拟合函数,确定拟合损失函数;
66、通过所述拟合损失函数确定拟合参数;
67、根据所述拟合参数得到风电场w的优先发电电量预测值qw,m+1;
68、其中,所述线性拟合函数表示为:hθ(γ)=θ0+θ1γ,式中,θ0表示第一拟合参数,θ1表示第二拟合参数;
69、所述拟合损失函数表示为:式中,θ0表示第一拟合参数,θ1表示第二拟合参数,h(i)表示第i月的发电利用小时数,γ(i)表示第i月拟合的风力月风力等级之和;
70、所述拟合参数表示为:
71、式中,hθ(γ)表示风力等级之和为γ拟合得到的发电利用小时数;θ0表示第一拟合参数,θ1表示第二拟合参数。
72、优选地,所述根据光照对光伏机组发电的影响,构建所述光伏发电量预测模型,包括:
73、根据历史气象数据,通过归一化量纲处理,得到月度气象数据和光伏机组发电量的线性关系;
74、根据所述线性关系和光伏机组的装机容量,计算光伏机组的第一发电量预测值其中,表示光伏机组s在m+1月的第一发电量预测值;
75、根据光伏机组的最佳光照条件,得到最佳峰值光照小时数hb;
76、获取所述光伏机组的历史发电数据,并根据所述历史数据的平均发电量得到月度发电量分配因子θ;
77、根据所述装机容量和所述最佳峰值光照小时数hb计算得到光伏机组的年度发电量;
78、根据所述年度发电量和月度发电量分配因子θ,计算得到第二发电量预测值其中表示光伏电站s在m+1月的第二发电量预测值;
79、对所述第一发电量预测值和所述第二发电量预测值取平均值,得到光伏电站s在m+1月的最终预测结果qs,m+1。
80、优选地,所述根据降水对水电机组发电的影响,构建所述水电站发电量预测模型,包括:
81、根据当月预测雨量等级和前一年同期雨量等级,构建降水量折算系数表达式:式中,ωm+1,2表示降水量折算系数,λm+1,i表示当月降水等级,表示前一年同期雨量等级;
82、根据所述降水量折算系数ωm+1,2的计算原理,计算前一年同期雨量等级前两年同期雨量等级前三年同期雨量等级和前四年同期雨量等级
83、获得前一年同期水电站利用小时数前两年年同期水电站利用小时数前三年同期水电站利用小时数前四年同期水电站利用小时数和前五年同期水电站利用小时数并构建所述水电站发电量预测模型;
84、所述水电站发电量预测模型表示为:
85、
86、式中,qh,m+1表示水电站h的优先发电量预测值,ch,m+1表示水电站m+1月份的预计装机容量,表示前一年同期水电站利用小时数,表示前年i同期水电站利用小时数,表示前年i+1同期水电站利用小时数,表示前i年同期雨量等级。
87、优选地,所述根据核电站历史发电数据,构建所述核电站发电量预测模型,包括:
88、根据所述核电站历史发电数据,计算历史月份的发电利用小时数;
89、计算所述核电站历史数据中发电利用小时数的平均值,并剔除低于预设平均值百分比的数据所述发电利用小时数;
90、重新计算所述核电站的平均发电利用小时数;
91、根据所述平均发电利用小时数和核电站月发电容,构建所述核电站发电量预测模型。
92、优选地,所述遗传算法求解的自变量为各类优发电源的优发比例。
93、优选地,所述通过所述发电量预测模型预测全年不同类型电源的预计年发电量,包括:
94、通过所述发电量预测模型预测不同类型电源的月发电量;其中,所述不同类型电源至少包括风力发电电源、光伏发电电源、水利发电电源和核能发电电源;
95、将全年不同类型电源各月的月发电量相加得到所述预计年发电量。
96、本发明公开了一种基于电量预测的优先购电用户电量匹配系统,根据电源类型将发电电量进行分解,得到不同类型电源的发电总量;根据发电影响因素构建发电量预测模型;通过发电量预测模型预测全年不同类型电源的预计年发电量,并通过发电总量校验预计年发电量;构建基于优先发用电的年度不平衡量和年度计划不平衡资金的最小化目标函数,并推导多目标优化函数;将预计年发电量输入至多目标优化函数通过遗传算法求解,并根据计算结果进行优先购电用户电量匹配;能够减小优先发用电的年度不平衡量与年度计划不平衡资金,实现优先购电用户电量的准确匹配。