专利名称：智能电网建设中基于相关向量机的旋转热备用的调度方法
技术领域：
本发明涉及一种基于相关向量机的旋转热备用的调度方法。
背景技术：
面对化石能源日益枯竭、环境污染等人类共同难题，开发利用风能等新能源、提升传统能源利用率以及发展智能电网，已成为世界各国的基本共识和应对策略。目前，随着风电等新能源发电技术的日趋成熟，我国规模化风电等新能源电力并网的安全高效开发利用，就成为当前急需解决的最关键问题之一。其中，首要环节就是需要开发相对准确有效的风功率预测系统，以应用在电力系统的电源调度中，实现对新能源电力的安全高效利用。虽然我国风资源比较丰富，但是由于风等新能源具有随机性、强波动性以及不确 定性等特点，使得风电机组的输出有功功率存在一定的不确定性；同时，由于风能具有不同的地域分布特性，因此，风电场的发电功率具有一定地域分布特性。所以，即便目前的风力发电机组的单机容量已经发展到兆瓦级水平，但是已有的的风功率预测技术还是难以满足电力系统安全高效运行等需求，导致在规模化风电并网后的日电力电量平衡和电源安排非常困难，新能源电力系统的运行调度面临巨大考验。据不完全统计，2010年I至6月，风电上网收购电量为222. 54亿千瓦时，未收购电量为27. 76亿千瓦时，损失风能比例为11. 1%。并且，随着风电装机容量的大幅度提高，规模化新能源电力消纳面临的问题和矛盾将更加突出。我国大规模风电并网的另一个重要制约因素是电源结构性矛盾突出，与发达国家相比匮乏可平抑新能源电力随机波动特性的可调节性电源。以2010年为例，在我国的总发电装机容量中，火电占73. 44%，水电占22. 18%，核电占I. 12%，燃气及燃油发电装机容量所占比例则小于0. 3%。因此，能够快速响应风电等波动性电源的燃气及燃油发电所占比例非常低；并且，我国水电多为径流式水电站，具有明显的季节性特征，水库中的蓄水除了发电之外还需要满足防洪与农田灌溉等需要，水电调峰能力也受到限制。并且，在火电、水电、燃机发电以及风电等电源配置容量，在电网中也具有一定的地域分布特性。为实现规模化风电等新能源电力的安全并网，需要利用风电等新能源电源周边的其他可调节电源来进行多能源互补的开发利用模式，以平抑风电等新能源电力的随机波动不确定性。因此，鉴于目前的 风电等新能源电力的预测技术水平，按照常规开发利用模式必然导致大规模弃风问题和冗余旋转热备用设置，整体电网传输效率低下，甚至影响系统安全稳定运行等诸多问题，造成开发成本高、利用率低的局面。同时，随着风电装机容量的不断增大，上述矛盾将更为凸显，必将导致未来付出更大代价以解决规模化风电并网所造成的困难和问题。
发明内容
本发明的目的是提供一种智能电网建设中基于相关向量机的旋转热备用的调度方法，以解决含规模化风电等新能源电力系统难以设置旋转热备用以平抑风电并网功率波动问题。本发明采用相关向量机的人工智能预测方法，基于历史数据对模型进行训练，同时得到未来时刻的预测值及预测值对应的概率分布，给出一定置信概率下的风功率变化范围(预测误差带)，以指导电网确定合理的旋转热备用。因而，本方法还可望为未来智能电网建设中含规模化风电等新能源电力系统中旋转备用合理设定问题提供一种新思路。本发明为解决上述问题采取的技术方案是—、初始化；根据当地气候条件以及地理因素，进行当地风资源评估，根据风资源评估结果对计算控制器进行初始化设置，所需设定的参数为预测结果的分布形式，所述分布形式设定为正态分布，将所述初始化设置结果传递到风功率相关向量机预测系统中，初始化完毕；二、数据传输；风电场风功率采集模块实时将风电场风功率的测量值进行采集，经数据预处理后将数据传递给风功率相关向量机预测系统中；三、对未来时刻的风功率进行预测；风功率相关向量机预测系统3接收由风电场风功率采集模块传递过来的数据，根据当前时刻的风功率值，对未来时刻的风功率进行预 测，预测的结果为未来时刻的风功率值和风功率的误差带；风功率值和风功率的误差带的实现方式如下集合风功率历史数据组成，表示训练集中有n个历史样本，其中每一个历史样本Xi有10个维数，由连续的10个时刻的风功率值组成，Xi= [Pn，Pi2,……Pilo]山为样本&下一时刻的风功率值，即ti=Pm ;对于本模型，即模型输入为Xi，模型输出为即根据当前10个时刻的风功率值，预测下一个时刻的风功率值，n为总的样本个数；将以上{xUp彳tu乍为训练样本集对相关向量机模型进行训练，作}『=1为由ti组成的集合，由n个样本组成，ti与Xi--对应；三(一)、相关向量机模型的训练过程为I)选定核函数K为高斯核函数，[(Xi3X2) = exp(-t^L),其中X1, X2为两个长度相等的向量，S为核宽度，自行设定；
n2)预测方程为#;\\')=[沿义0，％)+\\].)(I)
/-I其中W=I^W1,......Wn]表示权系数向量；3)设模型预测值满足正态分布形式，即p Ui) =NUiItUi ; W)，O 2) (2)其中P表示分布函数，N表示正态分布；上述公式(2)表示预测结果为以公式(I)的结果t(Xi;W)为均值，O 2为方差的正态分布形式；4)公式(I)和公式(2)中需要确定的参数仅为权系数向量w和正态分布的方差
O2，相关向量机法假设权系数向量w满足均值为0，方差为I的正态分布，写成公式的形式
a
即p(Wi\ai) = 0，a^1)a =[ a 0，a 1 ......，a n]T
/ I \ TT 仿/ CCiWf、 p(w\a) = } |-7=exp(———)
/=0 V2经过上述变量替换后需要确定的参数仅为向量Ct1,...... CtJ以及方差O 2 ;5)使用数值解法求解a和02，先给出a与o 2猜测值，然后根据下式进行更新
权利要求
1.一种智能电网建设中基于相关向量机的旋转热备用的调度方法，其特征在于所述方法是这样实现的 一、初始化；根据当地气候条件以及地理因素，进行当地风资源评估，根据风资源评估结果对计算控制器(3)进行初始化设置，所需设定的参数为预测结果的分布形式，所述分布形式设定为正态分布，将所述初始化设置结果传递到风功率相关向量机预测系统(3)中，初始化完毕； 二、数据传输；风电场风功率采集模块(I)实时将风电场风功率的测量值进行采集，经数据预处理后将数据传递给风功率相关向量机预测系统(3)中； 三、对未来时刻的风功率进行预测；风功率相关向量机预测系统(3)接收由风电场风功率采集模块(I)传递过来的数据，根据当前时刻的风功率值，对未来时刻的风功率进行预测，预测的结果为未来时刻的风功率值和风功率的误差带；风功率值和风功率的误差带的实现方式如下 集合{及丨^由风功率历史数据组成，表示训练集中有n个历史样本，其中每一个历史样本Xi有10个维数，由连续的10个时刻的风功率值组成，Xi= [Pn，Pi2,……Pilo] Ai为样本Xi下一时刻的风功率值，即ti=Pm ;对于本模型，即模型输入为Xi，模型输出为即根据当前10个时刻的风功率值,预测下一个时刻的风功率值，n为总的样本个数； 将以上作为训练样本集对相关向量机模型进行训练，Ut1为由&组成的集合，由n个样本组成，ti与Xi--对应； 三(一)、相关向量机模型的训练过程为 1)选定核函数K为闻斯核函数
全文摘要
智能电网建设中基于相关向量机的旋转热备用的调度方法，本发明涉及一种基于相关向量机的旋转热备用的调度方法。为解决含规模化风电等新能源电力系统难以设置旋转热备用以平抑风电并网功率波动问题。将初始化设置结果传递到风功率相关向量机预测系统中；风电场风功率采集模块实时将风电场风功率的测量值进行采集，进行数据预处理后将数据传递给风功率相关向量机预测系统中；风功率相关向量机预测系统接收数据，对未来时刻的风功率进行预测，预测的结果为未来时刻的风功率值和风功率的误差带；将得到的预测值和误差带送入到调度控制器中，预测值即为风电场未来的发电计划，误差带代表的功率范围即为对风电场配备的旋转热备用。本发明用于智能电网建设中。
文档编号H02J3/24GK102709926SQ201210216019
公开日2012年10月3日 申请日期2012年6月28日 优先权日2012年6月28日
发明者万杰, 于达仁, 刘金福, 李照忠, 苏鹏宇, 邢媛 申请人:哈尔滨工业大学