本发明涉及电力系统规划,具体而言,涉及一种基于组合场景时间序列重构的电力系统规划方法。
背景技术:
1、建设以新能源为主体的新型电力系统,需要对高比例新能源并网下电力系统的形态演变与电源电网结构进行精确量化评估,综合衡量系统的经济性、低碳环保性、安全稳定性,而这依赖于一个科学、准确的决策规划系统。
2、传统的电力系统规划模型中,仅考虑电力电量平衡的经济调度约束集进行快速运行模拟,但这会损失机组爬坡、储能充放电等灵活性约束条件,导致规划结果脱离实际。另一种方法是基于时序曲线、内嵌所有运行场景进行精细化模拟,在规划模型中同时考虑电网复杂的网架结构、各类型发电机组中长期及短期运行特性,进行跨区域、多阶段的一体化规划,这种方法本质上是海量运行方式组合爆炸下的超大规模优化问题,模型面临维数灾问题,求解困难。
3、为了让规划模型规划的方案更加精准,同时具备跨区域、多时段求解的可行性,需要在基于时序曲线的电力系统规划方法基础上,进一步研究如何选取具有代表性的场景重构时序曲线,减少模型求解所需的决策变量,同时保证规划结果在误差允许范围内,进而为大规模、高比例新能源并网下的电力系统规划求解提供可行方法。
技术实现思路
1、本发明提供一种基于组合场景时间序列重构的电力系统规划方法,其目的是实现可以跨区域、多时段求解的电力系统规划方法。
2、本发明的实施例通过以下技术方案实现:
3、一种基于组合场景时间序列重构的电力系统规划方法,包括以下步骤:
4、构建原始数据集,所述原始数据集包括节点负荷、风电机组和光伏机组的出力时序数据;
5、对所述原始数据集进行预处理;
6、迭代选取极端场景序列和典型场景序列构成组合场景集合,基于所述原始数据集进行数据集重构;
7、建立电力系统一体化规划模型;
8、基于重构后的数据集对所述电力系统一体化规划模型进行求解,求解的目标包括投资成本、各类机组装机容量、网架拓扑结构。
9、优选地,对所述原始数据集进行预处理的方法包括聚合、归一化、pca降维、k-means聚类。
10、优选地,所述聚合的方法为:
11、
12、其中,为所述节点负荷在时间序列t0内的出力的时序数据,为所述风电机组在时间序列t0内的出力的时序数据,为所述光伏机组在时间序列t0内的出力的时序数据;具体为:
13、
14、其中,xcol为聚合后的数据集,为所述节点负荷在时刻t的出力,为所述风电机组在时刻t的出力,代表所述光伏机组在时刻t的出力,t为矩阵的转置。
15、优选地,进行所述pca降维的时候,选择主成分个数的规则为主成分的方差占归一化后的数据集总方差的99.9%以上;
16、进行所述k-means聚类的时候,选择最佳聚类类别数的目标为获取最大轮廓系数s:
17、
18、其中,ai为数据点i与其所在类别中的其他点之间的平均距离,bi为数据点i与离其最近类别中的点之间的平均距离。
19、优选地,构建所述极端场景序列的方法包括:
20、对预处理后的所述原始数据集xreduced,计算每个点到场景集合ψ中各个点的总距离r;
21、选择总距离r最大的点xreduced,i;
22、计算xreduced,i到场景集合各个点的平均距离
23、将xreduced,i加入极端场景集合ω和场景集合ψ中,并将其从所述原始数据集xreduced中删除;
24、重复以上步骤,作出极端场景个数k与平均距离之间的关系曲线,根据肘部法则选取趋于平缓的第一个点对应的k作为极端场景个数,k个极端场景顺次形成极端场景序列。
25、优选地,构建所述典型场景序列的方法包括:
26、计算属于类别ci的所有点到聚类中心μi的距离;
27、选取距离聚类中心μi最近的点xreduced,j加入典型场景集合φ;
28、统计属于类别ci的场景个数li作为权重,并构成典型场景序列。
29、优选地,所述重构节点负荷、风电机组和光伏机组的出力时序数据的方法为:
30、每一个所述极端场景的出力数据代表一天的出力时序数据,每一个所述典型场景代表的天数由所述权重li决定。
31、优选地,所述建立电力系统一体化规划模型的方法为:
32、min finv(u)+foper(u,p(s))
33、
34、其中,u为电力系统的优化规划方案,包括各类型机组和线路的装机、机组在任意时刻的出力等,finv(u)为系统在规划方案u下的投资成本,投资成本包括机组建设成本、线路建设成本;foper(u,p(s))为系统在规划方案u、运行模拟调度p(s)下的运行成本,运行成本包括火电机组运行成本、各类型机组启停成本、切负荷成本、弃风弃光成本,g(u)为投资决策约束,h(u,p(s))为运行模拟约束。
35、本发明实施例的技术方案至少具有如下优点和有益效果:
36、本发明对原始数据集进行归一化、降维、聚类等处理,并基于规则选择具有代表性的时间序列,重构规划模型所需的时序曲线,简化数据的方式可靠性高,不会影响获取的规划结果的准确性;
37、本发明相较于传统的电力系统规划方法,本方法可以显著减少模型的决策变量个数,在保证规划求解准确性的前提下,提升模型求解效率1~2个数量级,进而为多集群新能源基地的电力系统规划求解提供技术支撑;
38、本发明基于极端场景和典型场景重建数据,有助于选取具有代表性的场景重构时序曲线,有助于提升针对不同场景的规划的适配性、针对性和准确性;
39、本发明设计合理、适用性强,规划算力资源消耗低且结果可靠性高,便于推广和实施。
1.一种基于组合场景时间序列重构的电力系统规划方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于组合场景时间序列重构的电力系统规划方法,其特征在于,对所述原始数据集进行预处理的方法包括聚合、归一化、pca降维、k-means聚类。
3.根据权利要求2所述的一种基于组合场景时间序列重构的电力系统规划方法,其特征在于,所述聚合的方法为:
4.根据权利要求3所述的一种基于组合场景时间序列重构的电力系统规划方法,其特征在于,进行所述pca降维的时候,选择主成分个数的规则为主成分的方差占归一化后的数据集总方差的99.9%以上;
5.根据权利要求1所述的一种基于组合场景时间序列重构的电力系统规划方法,其特征在于,构建所述极端场景序列的方法包括:
6.根据权利要求5所述的一种基于组合场景时间序列重构的电力系统规划方法,其特征在于,构建所述典型场景序列的方法包括:
7.根据权利要求6所述的一种基于组合场景时间序列重构的电力系统规划方法,其特征在于,所述重构节点负荷、风电机组和光伏机组的出力时序数据的方法为:
8.根据权利要求1所述的一种基于组合场景时间序列重构的电力系统规划方法,其特征在于,所述建立电力系统一体化规划模型的方法为: