基于情景分析的多小水電群出力不確定性分析方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于水電調(diào)度技術(shù)領(lǐng)域，設(shè)及一種基于情景分析的多小水電群出力不確定 性分析方法，可為短期調(diào)度計劃編制提供更為準確的輸入條件。 技術(shù)背景
[0002] 在豐富的水能資源、優(yōu)越的開發(fā)利用條件、工程自身優(yōu)越性及國家政策的導(dǎo)向作 用下，我國小水電每年W約7.2%的速度快速增長，截至2014年底，全國已建成小水電站超 過4.7萬座，裝機容量和發(fā)電量分別達73GW和220TWh，占我國水電裝機容量和發(fā)電量的 24.19%和20.64%，規(guī)模化的小水電群是我國重要的電力資源。
[0003] 不同于大中型水電站，由于自然條件限制，小水電群主要分布在水資源豐富的山 區(qū)，往往跨越不同微氣象系統(tǒng)和水文地質(zhì)區(qū)劃而呈現(xiàn)多樣化的發(fā)電特性，受氣候變化的影 響，其出力呈現(xiàn)較明顯的隨機性和難W預(yù)測性。而傳統(tǒng)電力調(diào)度是基于可靠電源和準確負 荷預(yù)測進行的，即假設(shè)日前小水電出力預(yù)測結(jié)果為確定值，而忽略了其預(yù)測出力偏差對調(diào) 度結(jié)果的影響，其得到的結(jié)果不能很好地反映系統(tǒng)的實際運行狀態(tài)，水電站群大規(guī)模并網(wǎng) 后給電網(wǎng)調(diào)度運行帶來了風(fēng)險。隨機規(guī)劃方法可較為客觀地反映不確定性因素對系統(tǒng)優(yōu)化 調(diào)度的影響，已逐漸成為模擬具有含不確定性因素電源并網(wǎng)后調(diào)度運行的重要手段，但針 對規(guī)?；∷娙翰⒕W(wǎng)不確定性調(diào)度問題目前尚無理論研究和實例應(yīng)用。因此如何考慮大 規(guī)模并網(wǎng)小水電群出力的不確定性，對提高電網(wǎng)調(diào)度發(fā)電計劃的準確性至關(guān)重要。
[0004] 目前小水電日前發(fā)電計劃由省調(diào)、地調(diào)、縣調(diào)、電廠等熟悉所管轄小水電并具有豐 富調(diào)度經(jīng)驗的管理人員進行編制，一般根據(jù)電站的運行情況，結(jié)合氣象預(yù)測信息安排電站 的發(fā)電出力。由于小水電調(diào)節(jié)性能差，其出力不確定性主要是由預(yù)測技術(shù)限制和自然天氣 波動的客觀原因造成，而非人為主觀因素導(dǎo)致，因此可W將其處理為隨機變量。情景分析是 一種描述隨機過程的方法，其目的是用最少的情景最大限度地擬合隨機變量的特性，W保 證可靠性評估的整體效率。本發(fā)明成果依托于國家高技術(shù)研究發(fā)展計劃（863計劃） (2012AA050205);國家自然科學(xué)重大國際合作項目（51210014);國家自然科學(xué)基金項目 (51109024)，W云南小水電群的出力不確定性分析問題為背景，本發(fā)明采用情景分析技術(shù)， 建立當(dāng)前預(yù)測精度條件下小水電預(yù)測與未來可能實際情景的條件概率分布，為水電發(fā)電計 劃編制提供更為準確的輸入條件，降低調(diào)度風(fēng)險，具有很強實用性和廣泛性。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明要解決的技術(shù)問題是提供一種情景分析的多小水電群出力不確定性分析 方法，基于隨機規(guī)劃理論，采用情景分析技術(shù)描述規(guī)?；∷娙撼隽Φ牟淮_定性，建立小 水電群預(yù)測與實際出力情景的概率分布，能夠為水電發(fā)電計劃編制提供更為準確的輸入條 件，降低調(diào)度風(fēng)險。
[0006] 本發(fā)明的技術(shù)方案為:本發(fā)明掲示了一種基于情景分析的多小水電群出力不確定 性分析方法，包括情景描述、情景縮減、條件概率分布確定、多小水電群情景組合四個部分， 按照下述步驟(1)-(7)完成小水電出力不確定性的分析：
[0007] (1)小水電出力情景描述，將小水電在T個時段運行狀態(tài)的時間序列用情景來表 示，分別建立歷史小水電預(yù)測與實際出力的情景集合。描述的主要原理為：
[0008] 規(guī)?；∷娙撼隽哂胁淮_定性，可W將其處理為隨機變量。情景分析是一種 描述隨機過程的方法，其目的是用最少的情景最大限度地擬合隨機變量的特性，W保證可 靠性評估的整體效率。小水電歷史運行狀態(tài)的時間序列是其隨機性的一種具體表現(xiàn)，采用 情景描述作為分析樣本，是后續(xù)分析的基礎(chǔ)。
[0009] (2)進行出力情景聚類分析，采用模糊聚類方法對情景樣本進行聚類分析，具體操 作時，給定情景聚類類別，并通過式(1)-(2)的循環(huán)迭代來實現(xiàn)。
[0012]式中：U。表示樣本j隸屬于類別k的相對隸屬度，且滿足
C表示聚類總數(shù);1、k為類別編號;m表示指標特征值的個數(shù)； η表示情景總數(shù)；?f分別表示情景集中第i個指標特征值的最大、最小值;αυ表示第 j個情景的第i個特征值;vik表示類另化指標特征值i的聚類特征規(guī)格化數(shù)，0 < vik。。
[0013] (3)采用聚類綜合質(zhì)量法確定最佳情景類別，在給定聚類類別下，采用式(3)計算 聚類密集性，采用式(4)計算聚類鄰近性，通過式(5)聚類密集性與聚類鄰近性的線性組合 計算各指標聚類綜合質(zhì)量，從而可W確定各指標的平均聚類綜合質(zhì)量。具體操作時，分別計 算不同給定情景類別下的平均聚類綜合質(zhì)量，繪制平均聚類綜合質(zhì)量與聚類類別數(shù)目曲 線，通過曲線拐點確定最佳情景類別數(shù)目。
[0017]式中：Den為聚類密集性;C為類別總數(shù);var(cj)是在cj類別的內(nèi)方差;var(X)為樣 本X的方差;Pro為聚類鄰近性；Se,表示在Cj類的聚類中屯、;δ為高斯常數(shù)，為簡化計算，取2δ2 =1; Com為聚類綜合質(zhì)量;ξ e [0，1 ]是平衡聚類密集性與聚類鄰近性的權(quán)值，本文采用等權(quán) 重方式，取ξ = 0.5。
[0018] (4)進行預(yù)測情景分析，采用步驟(1)-(3)進行歷史預(yù)測出力情景分析。
[0019] (5)進行預(yù)測情景下的實際情景分析，在第k種預(yù)測情景下，將歷史同期對應(yīng)的小 水電實際情景組成新的聚類樣本集合，采用步驟(1)-(3)進行預(yù)測情景下實際情景分析。
[0020] (6)計算概率分布，并確定各類別典型情景，采用式(6)計算各類別實際情景概率， 從而確定概率分布。通過類別內(nèi)部情景的期望確定各類別典型情景，實現(xiàn)情景縮減效果。
[0021]
(6)
[0022] 式中：Pr垃J &]表示第k種預(yù)測情景下第巧巾實際情景出現(xiàn)的概率；毎,表示第k 種預(yù)測情景下第巧巾實際情景的集合，g表示中第巧巾實際情景個數(shù)，Sk表示第k種預(yù)測情 景集合，G表示Sk情景集對應(yīng)情景總數(shù)。
[0023] (7)多小水電群情景組合，針對有多個小水電群接入電網(wǎng)的情況，考慮到各小水電 群發(fā)電特性差異，具有相對獨立性，應(yīng)用數(shù)學(xué)組合理論，整個系統(tǒng)的情景由各小水電群情景 組合得到，概率為構(gòu)成該組合情景的各小水電群情景條件概率的乘積，出力值為構(gòu)成該組 合情景的各小水電群情景出力之和。
[0024] 本發(fā)明的基于隨機規(guī)劃的多小水電群出力不確定性分析方法，分為Ξ個層次實現(xiàn) 小水電出力不確定性的描述;第一層次，首先采用隨機規(guī)劃理論中的情景分析技術(shù)，將小水 電在T個時段運行狀態(tài)的時間序列用情景描述，所有歷史情景組成情景集合;第二層次，將 情景集合采用模糊聚類方法實現(xiàn)相似情景的劃分，并采用聚類綜合質(zhì)量法實現(xiàn)最佳情景類 別的選取;第Ξ層次，通過前述的兩個層次的方法，實現(xiàn)歷史預(yù)測情景的劃分，在第k種預(yù)測 情景下，將歷史同期對應(yīng)的小水電實際情景組成新的聚類樣本集合，采用類似預(yù)測樣本情 景的處理方式實現(xiàn)情景劃分，計算出各類別實際出力情景出現(xiàn)的概率，建立預(yù)測與實際情 景條件概率分布。同時通過每一類別內(nèi)情景的期望確定各類別典型情景，實現(xiàn)情景縮減效 果。針對有多個小水電群接入電網(wǎng)的情況，考慮到各小水電群發(fā)電特性差異，具有相對獨立 性，應(yīng)用數(shù)學(xué)組合理論，整個系統(tǒng)的情景可W由各小水電群情景組合得到。國內(nèi)外文獻很少 設(shè)及對于規(guī)?；∷娙撼隽Σ淮_定性的描述，本發(fā)明創(chuàng)新性的引入情景分析方法描述小 水電出力不確定性的特征，同時采用情景縮減技術(shù)減小樣本，減少模型輸入計算量，能夠為 水電計劃編制提供更為準確的輸入條件，減小調(diào)度風(fēng)險，滿足實際短期調(diào)度需求。
【附圖說明】
[0025] 圖1是本發(fā)明方法總體框圖。
[0026] 圖2是本發(fā)明方法預(yù)測出力情景組合圖。
[0027] 圖3是云南電網(wǎng)小水電群平均聚類綜合質(zhì)量與聚類類別數(shù)目的關(guān)系圖。
【具體實施方式】
[0028] 由于自然條件限制，小水電群主要分布在水資源豐富的山區(qū)，往往跨越不同微氣 象系統(tǒng)和水文地質(zhì)區(qū)劃而呈現(xiàn)多樣化的發(fā)電特性，因此，其出力呈現(xiàn)較明顯的隨機性和難 W預(yù)測性，故在小水電群大規(guī)模并網(wǎng)時，按照確定預(yù)測結(jié)果對其進行調(diào)度將會給電網(wǎng)帶來 很大風(fēng)險。但目前，針對小水電群出力的不確定性，并無理論研究提出合適的方法對其進行 描述。本發(fā)明基于隨機規(guī)劃相關(guān)理論和預(yù)報調(diào)度思想，提出情景分析方法構(gòu)建情景集合W 體現(xiàn)小水電出力不確定性特征;通過模糊聚類和聚類綜合質(zhì)量法實現(xiàn)情景的縮減，建立當(dāng) 前預(yù)測精度條件下小水電預(yù)測與未來可能實際情景的條件概率分布，將小水電不確定性轉(zhuǎn) 變成為有限個確定性條件情景問題，降低建模和求解難度。
[0029] 本發(fā)明由情景描述、情景縮減、、多小水電群情景組合四個部分組成。第一部分采 用情景描述作為分析樣本，將小水電在T個時段運行狀態(tài)的時間序列用情景來表示，建立歷 史小水電預(yù)測與實際出力的情景集合;第二部分使用模糊聚類方法來實現(xiàn)相似情景的劃 分，并使用聚類綜合質(zhì)量法確定最佳情景類別的選??；第Ξ部分，通過前述兩個部分的方 法，實現(xiàn)預(yù)測情景劃分，并使用類似的方法，實現(xiàn)第k種預(yù)測情景下的實際情景劃分并計算 各類實際情景出現(xiàn)的概率，建立預(yù)測與實際情景的條件概率分布。第四部分，針對有多個小 水電群接入電網(wǎng)的情況，考慮到各小水電群發(fā)電特性差異，具有相對獨立性，應(yīng)用數(shù)學(xué)組合 理論，整個系統(tǒng)的情景由各小水電群情景組合得到，概率為構(gòu)成該組合情景的各小水電群 情景條件概率的乘積，出力值為構(gòu)成該組合情景的各小水電群情景出力之和。
[0030] 各階段的具體操作方法按照下述過程(a)-(d)予W實現(xiàn)：
[0031] (a)情景描述
[0032] 小水電在T個時段運行狀態(tài)的時間序列可W用情景來表示，其中歷史預(yù)測與實際 出力情景及對應(yīng)關(guān)系表示如下：
[0036] 式中：3、3^分別表示一個具體的預(yù)測和實際情景;口*(3)、口*(3^分別表示情景3和3^ 下第t時段的小水電出力值;S、S^^lj為預(yù)測和實際情景集合。
[0037] 對于未來可能的小水電實際情景，結(jié)合預(yù)報調(diào)度思想，在當(dāng)前預(yù)測情景下，通過預(yù) 測與實際情景的條件概率分布來獲得。
[003引（b)情景縮減
[0039] 該部分主要包括兩個步驟:通過模糊聚類方法實現(xiàn)相似情景劃分，及聚類綜合質(zhì) 量法確定最佳情景類別的選取。
[0040] (1)通過模糊聚類方法實現(xiàn)相似情景劃分
[0041] 該方法是根據(jù)客觀事物的不同特征和相似性，通過建立模糊相似關(guān)系實現(xiàn)其分類 的數(shù)學(xué)方法。本發(fā)明W所有相同情景距聚類中屯、總距離最小為目標，建立如下目標函數(shù)：
[0042]
(4)
[0043] 式中：η表