风电现货日前申报方案优化方法及系统与流程

本技术涉及风电预测领域，尤其涉及风电现货日前申报方案优化方法及系统。

背景技术：

1、在风电现货市场场景下，按照交易规则需要提前一天进行日前申报，即基于模糊环境(实发功率、日前价格、实时价格未知)提前申报点风电出力曲线，最终基于真实环境(实发功率、日前价格、实时价格已知)事后参与现货市场结算。基于风电出力波动性、现货价格不确定的场景下，如何合理申报风电出力曲线策略，实现事后结算收益最大化，成为亟待解决的问题。

2、随着电力市场的逐步改革和发展，电力市场规则越来越复杂，而目前普遍采用的人工方式过度依赖于行业经验知识，考虑因素不够全面，难以保证事后结算获得理想收益，因此人工方式已不能满足现货市场交易的需要。进而随着科学技术的发展，采用人工智能技术进行辅助决策的方案应运而生。但是现有技术中生成的现货收益的交易申报方案的智能化较低且不够精确。

技术实现思路

1、本技术提供风电现货日前申报方案优化方法及系统，以至少解决生成的现货收益的交易申报方案的智能化较低且不够精确的技术问题。

2、本技术第一方面实施例提出一种风电现货日前申报方案优化方法，所述方法包括：

3、获取历史时段内每日各时刻的全网负荷率、各时刻的实发功率、各时刻的预测功率和交易目标日对应的初始的风电现货日前申报方案；

4、基于所述各时刻的全网负荷率、各时刻的实发功率确定历史时段内对应的各相似日簇，并确定各相似日簇对应的第一最优功率调整比例；

5、根据所述各相似日簇对应的第一最优功率调整比例、各时刻的实发功率、各时刻的预测功率确定所述历史时段内对应的第二最优功率调整比例；

6、根据所述历史时段内对应的第二最优功率调整比例对所述初始的风电现货日前申报方案进行优化，得到优化后的风电现货日前申报方案。

7、优选的，所述各时刻的全网负荷率的计算式如下：

8、

9、式中，fd,t为第d天的第t时刻的全网负荷率，yd,t为第d天的第t时刻的全网负荷预测值，xd,t为第d天的第t时刻的新能源出力预测值，hd,t为第d天的第t时刻的所有参与现货的火电机组总容量大小，od,t为第d天的第t时刻的火电必开机组总容量，cd,t为第d天的第t时刻的火电必停机组总容量，β为预设的最小技术出力比例。

10、优选的，所述基于所述各时刻的全网负荷率、各时刻的实发功率确定历史时段内对应的各相似日簇，并确定各相似日簇对应的第一最优功率调整比例，包括：

11、基于所述各时刻的全网负荷率、各时刻的实发功率，并利用聚类算法确定所述历史时段内对应的各相似日簇；

12、利用优化算法确定各相似日簇对应的第一最优功率调整比例。

13、优选的，所述根据所述各相似日簇对应的第一最优功率调整比例、各时刻的实发功率、各时刻的预测功率确定所述历史时段内对应的第二最优功率调整比例，包括：

14、确定所述各时刻的实发功率与所述各时刻的预测功率的偏差，并采用非参数核密度估计法得到各时刻误差概率密度函数和误差概率分布函数以及各个时刻对应的误差分位点；

15、根据所述误差分位点及所述预测功率确定交易目标日各时刻功率对应的置信区间；

16、根据所述交易目标日各时刻功率对应的置信区间确定所述历史时段内对应的第二最优功率调整比例。

17、进一步的，所述根据所述交易目标日各时刻功率对应的置信区间确定所述历史时段内对应的第二最优功率调整比例，包括：

18、在所述置信区间内利用蒙特卡洛方法随机产生n条短期功率预测模拟曲线；

19、将交易目标日内各时刻的全网负荷率和n条短期功率预测模拟曲线分别进行组合得到组合特征，并归一化所述组合特征；

20、分别判断归一化后的组合特征各自所在的相似日簇；

21、将簇数及频数最大的相似日簇对应的第一最优功率调整比例作为所述历史时段内对应的第二最优功率调整比例。

22、优选的，所述根据所述历史时段内对应的第二最优功率调整比例对所述初始的风电现货日前申报方案进行优化，得到优化后的风电现货日前申报方案，包括：

23、根据所述历史时段内对应的第二最优功率调整比例优化所述初始的风电现货日前申报方案中各时刻对应的风电场功率预测值；

24、基于优化后的所述初始的风电现货日前申报方案中各时刻对应的风电场功率预测值确定优化后的风电现货日前申报方案。

25、本技术第二方面实施例提出一种风电现货日前申报方案优化系统，所述系统包括：

26、获取模块，用于获取历史时段内每日各时刻的全网负荷率、各时刻的实发功率、各时刻的预测功率和交易目标日对应的初始的风电现货日前申报方案；

27、第一确定模块，用于基于所述各时刻的全网负荷率、各时刻的实发功率确定历史时段内对应的各相似日簇，并确定各相似日簇对应的第一最优功率调整比例；

28、第二确定模块，用于根据所述各相似日簇对应的第一最优功率调整比例、各时刻的实发功率、各时刻的预测功率确定所述历史时段内对应的第二最优功率调整比例；

29、优化模块，用于根据所述历史时段内对应的第二最优功率调整比例对所述初始的风电现货日前申报方案进行优化，得到优化后的风电现货日前申报方案。

30、优选的，所述第一确定模块，包括：

31、第一确定单元，用于基于所述各时刻的全网负荷率、各时刻的实发功率，并利用聚类算法确定所述历史时段内对应的各相似日簇；

32、第二确定单元，用于利用优化算法确定各相似日簇对应的第一最优功率调整比例。

33、本技术第三方面实施例提出一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如第一方面实施例所述的方法。

34、本技术第四方面实施例提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所述的方法。

35、本技术的实施例提供的技术方案至少带来以下有益效果：

36、本技术提出了风电现货日前申报方案优化方法及系统，所述方法包括获取历史时段内每日各时刻的全网负荷率、各时刻的实发功率、各时刻的预测功率和交易目标日对应的初始的风电现货日前申报方案；基于所述各时刻的全网负荷率、各时刻的实发功率确定历史时段内对应的各相似日簇，并确定各相似日簇对应的第一最优功率调整比例；根据所述各相似日簇对应的第一最优功率调整比例、各时刻的实发功率、各时刻的预测功率确定所述历史时段内对应的第二最优功率调整比例；根据所述历史时段内对应的第二最优功率调整比例对所述初始的风电现货日前申报方案进行优化，得到优化后的风电现货日前申报方案。本技术提出的技术方案，可智能化且精确的生成保障现货收益的交易申报方案，同时也充分保障了电力市场经济效益。

37、本技术附加的方面以及优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。