一种考虑负荷水平约束的新能源出力序列场景生成方法与流程

本申请涉及新能源出力序列场景生成，尤其涉及一种考虑负荷水平约束的新能源出力序列场景生成方法。

背景技术：

1、随着我国新型电力系统建设的推进，以风电光伏为主要代表的可再生新能源装机容量及出力占比，在现有的基础上将继续大幅增加。大量新能源出力的波动性、间隙性将使得新型电力系统运行状态的不确定性特征更加凸显,有效且丰富的新能源出力场景序列蕴含着新能源出力的不确定性特征，是电网进行相关分析、优化调度及规划等的重要前提和基础。相应地，如何准确地生成符合新能源出力随机特性的大量有效场景序列，即成为一个备受关注的研究课题。

2、迄今的新能源出力场景生成方法大致可分为概率模型法、场景聚类法和人工智能法等三种。

3、(1)概率模型法：采用参数估计法或非参数估计法对新能源出力或灵活负荷历史数据进行概率建模,结合蒙特卡洛或拉丁超立方等采样方法生成源荷时序场景。概率模型法采用显式概率模型拟合随机过程，具有复杂度低和可解释性强的优点；但参数估计法需要不易事先获得的新能源出力概率分布先验知识，非参数估计法需要有足够多的历史样本，否则其估计精度偏低。

4、(2)场景聚类法：基于相似度测度将具有相似特征的场景聚为一类，每一类的中心组成了典型场景集，基于典型场景集进行随机组合而生成未来一段时间的场景。场景聚类法在聚类的最优性精度要求不高时，具有计算速度快的优点；但其缺点是若聚类精度高且样本数量大时，计算速度过慢。

5、(3)人工智能法：利用人工智能的强大学习能力获得各种主要影响因素与新能源出力的函数关系模型，基于此模型而生成新能源出力场景。该类方法在历史数据比较丰富时，可以获得精度很高的场景序列；若历史信息数量不足，其所生成的场景精度偏低。

6、综上所述可知，目前场景生成方法存在以下问题：(1)概率模型法存在需要不易获得的随机变量的先验分布知识及足够多的样本问题；(2)聚类方法在聚类精度高且样本大时计算速度过慢的缺点；(3)人工智能法需要足够多的历史数据信息，而相当数量的新能源电场是近些年才投入运行使得历史数据数量有限，存在历史样本数量不足问题；(4)在运行调度中，为了分析及优化的需要，需要特定负荷需求下的新能源出力场景序列。

7、如何克服上述新能源出力序列场景生成方法存在的问题是亟需解决的问题。

技术实现思路

1、本申请提供了一种考虑负荷水平约束的新能源出力序列场景生成方法，其技术目的是克服历史数据信息不足而无法进行有效的人工智能训练的问题，且在负荷水平约束下基于人工智能对新能源出力序列场景进行生成。

2、本申请的上述技术目的是通过以下技术方案得以实现的：

3、一种考虑负荷水平约束的新能源出力序列场景生成方法，包括：

4、s1：对历史数据进行归一化处理，再基于卡尔曼增益系数的数据融合方法对归一化后历史数据进行融合扩充，得到扩充数据；

5、s2：对扩充数据中的历史日负荷需求曲线进行聚类，得到多种负荷日类型簇，根据负荷日类型簇相应得到负荷日类型，同时将与每个负荷日类型簇内的日负荷曲线在同一天的新能源出力序列划分为相应的簇，得到与日负荷曲线相对应的新能源日出力序列簇，从而得到负荷水平约束下的各簇源荷数据；

6、s3：根据历史数据并基于马儿科夫链日类型转换关系对状态转移矩阵进行构建，根据状态转移矩阵滚动抽样生成未来日类型序列；

7、s4：通过负荷水平约束下的各簇源荷数据分别对生成对抗网络模型进行训练，得到训练完成的生成对抗网络模型，将未来日类型序列输入至训练完成的生成对抗网络模型，得到对应日类型序列下的96点源荷序列，根据源荷序列得到负荷水平约束下的新能源出力序列场景。

8、本申请的有益效果在于：本申请所述的考虑负荷水平约束的新能源出力序列场景生成方法，提出了基于卡尔曼增益信息融合技术的源荷数据扩充方法，克服了历史数据信息不足无法进行有效的人工智能训练的缺点；提出了负荷水平约束下基于人工智能的新能源出力序列场景生成新方法，充分满足了调度中心生成特定负荷水平下的新能源出力场景序列的要求。

技术特征：

1.一种考虑负荷水平约束的新能源出力序列场景生成方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述步骤s1包括：

3.如权利要求2所述的方法，其特征在于，所述步骤s2包括：

4.如权利要求3所述的方法，其特征在于，所述步骤s23包括：

5.如权利要求4所述的方法，其特征在于，所述步骤s3中，状态转移矩阵p为一个k×k的矩阵，k表示日类型数，表示为：

6.如权利要求1所述的方法，其特征在于，所述s4中，所述对抗网络模型的损失函数为wasserstein距离。

7.如权利要求1所述的方法，其特征在于，所述步骤s4包括：

技术总结
本发明公开了一种考虑负荷水平约束的新能源出力序列场景生成方法，涉及新能源出力序列场景生成技术领域，解决了未考虑特定负荷水平约束而生成新能源出力序列场景的技术问题，其技术方案要点是基于卡尔曼增益信息融合技术的源荷数据扩充方法，克服了历史数据信息不足无法进行有效的人工智能训练的缺点；提出了负荷水平约束下基于人工智能的新能源出力序列场景生成新方法，充分满足了调度中心生成特定负荷水平下的新能源出力场景序列的要求。

技术研发人员：马骞,王子强,张蔷,袁泉,李豹,王巍,肖亮,许琴,刘一鸣
受保护的技术使用者：中国南方电网有限责任公司
技术研发日：
技术公布日：2024/1/16