电力系统灵活性需求预测场景生成方法

1.本发明涉及电力系统设计技术领域，尤其涉及一种电力系统灵活性需求预测场景生成方法。


背景技术：

2.双碳目标下，构建以新能源为主体的新型电力系统已成为未来能源电力的发展形态，高比例波动性新能源接入对电力系统灵活运行提出了新挑战，电网灵活性需求更是急速增长。由此，为规划灵活性资源和相关电力市场建设，提出准确高效的电网灵活性需求预测方法势在必行。作为电网灵活性需求预测方法的核心，场景生成方法直接决定了预测方法的准确性与科学性。然而现有场景生成手段要么忽略气象学影响导致准确度不够，要么脱离实际科学性不足，均无法准确预测未来电网情形和灵活性需求。


技术实现要素：

3.本发明的目的在于提供一种电力系统灵活性需求预测场景生成方法，在保留气象对新能源出力不确定性影响的同时，回避了气象数据预测新能源出力带来的复杂计算，能够更加准确科学地生成贴合未来实际的预测场景。
4.为了达到上述目的，本发明提供了一种电力系统灵活性需求预测场景生成方法，包括：
5.调研待预测地区的电力系统负荷及非灵活性资源出力的历史数据及未来规划情况，并根据调研结果确定所述电力系统负荷及所述非灵活性资源出力在未来一年的预测增长比例；
6.基于所述待预测地区在近一年的总体负荷曲线及所述电力系统负荷的预测增长比例得到所述电力系统负荷的全年负荷预测曲线，以及基于所述待预测地区在近一年的非灵活性资源出力曲线及所述非灵活性资源出力的预测增长比例得到所述非灵活性资源的全年出力预测曲线，所述非灵活性资源的全年出力预测曲线包括新能源和非新能源的全年出力预测曲线；
7.利用所述新能源出力的历史预测数据和历史实际数据得到所述新能源出力预测误差的概率分布情况，基于未来预测误差与历史预测误差概率分布特性相同的假设，模拟生成出力预测偏差值并对所述新能源的全年出力预测曲线进行修正；
8.基于所述全年负荷预测曲线、所述非新能源的全年出力预测曲线及修正后的新能源的全年出力预测曲线得到灵活性资源的全年出力预测曲线，进而生成灵活性需求的预测场景。
9.可选的，模拟生成出力预测偏差值的步骤具体包括：
10.对所述新能源的历史预测数据和历史实际数据进行统计，以时段为单位计算各时段的历史预测误差；
11.综合考虑所述新能源在一天中相邻时段之间的相关性，建立相邻时段预测误差之
差构成的历史误差差分序列；
12.对于所述历史误差差分序列进行拟合得到概率分布函数，基于未来预测误差与历史预测误差概率分布特性相同的假设，生成预测误差差分序列；
13.在历史预测误差中抽样以确定每日在初始时段的预测误差，根据所述初始时段的预测误差及所述预测误差差分序列得到每日各时段的出力预测偏差值。
14.可选的，采用带位移因子与伸缩系数的t位置尺度分布对所述历史误差差分序列进行拟合得到所述概率分布函数。
15.可选的，所述抽样的方法为单纯随机抽样。
16.可选的，所述非新能源为多种，所述非新能源的全年出力预测曲线为多种非新能源的全年出力预测曲线的叠加。
17.可选的，所述非新能源包括核电机组，得到所述核电机组的全年出力预测曲线的步骤具体包括：
18.根据所述核电容量装机的未来规划确定在未来一年的核电预测增长比例；
19.以所述核电预测增长比例同等放大所述核电机组在近一年的核电出力曲线得到所述核电机组的全年出力预测曲线。
20.可选的，所述非新能源包括外来电，得到所述外来电的全年出力预测曲线的步骤具体包括：
21.考虑各跨区输电线路，在囊括未来跨区通道规划运行的基础上确定在未来一年的外来电预测增长比例；
22.以所述外来电预测增长比例同等放大所述外来电在近一年的外来电出力曲线得到所述外来电的全年出力预测曲线。
23.可选的，所述非新能源包括外来电，得到所述外来电的全年出力预测曲线的步骤具体包括：
24.基于所述待预测地区的历史外来电数据，选取一年四季中每个季节的某一天作为典型日；
25.考虑各跨区输电线路，在囊括未来跨区通道规划运行的基础上确定在未来一年的外来电预测增长比例；
26.以所述外来电预测增长比例同等放大所述外来电在所述典型日的外来电出力曲线得到所述外来电的典型日出力预测曲线；
27.按季节拓展对应的典型日出力预测曲线即可得到所述外来电的全年出力预测曲线。
28.可选的，利用所述电力系统负荷的历史预测数据和历史实际数据得到所述电力系统负荷预测误差的概率分布情况，基于未来预测误差与历史预测误差概率分布特性相同的假设，模拟生成负荷预测偏差值并对所述电力系统负荷的全年负荷预测曲线进行修正。
29.可选的，得到所述灵活性资源的全年出力预测曲线之后，使用蒙特卡洛抽样获得灵活性需求的预测场景。
30.在本发明提供的电力系统灵活性需求预测场景生成方法中，通过利用所述新能源出力的历史预测数据和历史实际数据得到所述新能源出力预测误差的概率分布情况，并基于未来预测误差与历史预测误差概率分布特性相同的假设，模拟生成出力预测偏差值并对
所述新能源的全年出力预测曲线进行修正，在保留气象对新能源出力不确定性影响的同时，回避了气象数据预测新能源出力带来的复杂计算，使得生成灵活性需求的预测场景更为可靠。
附图说明
31.本领域的普通技术人员应当理解，提供的附图用于更好地理解本发明，而不对本发明的范围构成任何限定。其中：
32.图1为本实施例提供的电力系统灵活性需求预测场景生成方法的流程图。
具体实施方式
33.为使本发明的目的、优点和特征更加清楚，以下结合附图和具体实施例对本发明作进一步详细说明。需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的，并非用以限定本发明实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
34.还应当理解的是，除非特别说明或者指出，否则说明书中的术语“第一”、“第二”、“第三”等描述仅仅用于区分说明书中的各个组件、元素、步骤等，而不是用于表示各个组件、元素、步骤之间的逻辑关系或者顺序关系等。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
35.请参照图1，图1为本实施例提供的电力系统灵活性需求预测场景生成方法的流程图。本实施例提供了一种电力系统灵活性需求预测场景生成方法，包括以下步骤：
36.s1、调研待预测地区的电力系统负荷及非灵活性资源出力的历史数据及未来规划情况，并根据调研结果确定所述电力系统负荷及所述非灵活性资源出力在未来一年的预测增长比例；
37.s2、基于所述待预测地区在近一年的总体负荷曲线及所述电力系统负荷的预测增长比例得到所述电力系统负荷的全年负荷预测曲线，以及基于所述待预测地区在近一年的非灵活性资源出力曲线及所述非灵活性资源出力的预测增长比例得到所述非灵活性资源的全年出力预测曲线，所述非灵活性资源的全年出力预测曲线包括新能源和非新能源的全年出力预测曲线；
38.s3、利用所述新能源出力的历史预测数据和历史实际数据得到所述新能源出力预测误差的概率分布情况，基于未来预测误差与历史预测误差概率分布特性相同的假设，模拟生成出力预测偏差值并对所述新能源的全年出力预测曲线进行修正；
39.s4、基于所述全年负荷预测曲线、所述非新能源的全年出力预测曲线及修正后的新能源的全年出力预测曲线得到灵活性资源的全年出力预测曲线，进而生成灵活性需求的预测场景。
40.首先，执行步骤s1，场景生成方法的原始数据准备，调研待预测地区的电力系统负荷及非灵活性资源出力的历史数据及未来规划情况，并根据调研结果确定所述电力系统负荷及所述非灵活性资源出力在未来一年的预测增长比例。本实施例中，所述非灵活性资源包括新能源和非新能源，所述非新能源包括但不限于核电及外来电，所述非新能源包括但不限于风电及光伏。
41.然后执行步骤s2，基于所述待预测地区在近一年的总体负荷曲线及所述电力系统负荷的预测增长比例得到所述电力系统负荷的全年负荷预测曲线，以及基于所述待预测地区在近一年的非灵活性资源出力曲线及所述非灵活性资源出力的预测增长比例得到所述非灵活性资源的全年出力预测曲线，所述非灵活性资源的全年出力预测曲线包括新能源和非新能源的全年出力预测曲线。
42.所述近一年可以理解为上一年。由于所述非灵活性资源为多种，故所述非灵活性资源的全年出力预测曲线为多种非灵活性资源的全年出力预测曲线的叠加，亦即所述新能源和所述非新能源的全年出力预测曲线的叠加。
43.具体的，所述非新能源包括核电机组，得到所述核电机组的全年出力预测曲线的步骤具体包括：
44.根据所述核电容量装机的未来规划确定在未来一年的核电预测增长比例；
45.以所述核电预测增长比例同等放大所述核电机组在近一年的核电出力曲线得到所述核电机组的全年出力预测曲线。
46.所述非新能源包括外来电，得到所述外来电的全年出力预测曲线的步骤具体包括：
47.考虑各跨区输电线路，在囊括未来跨区通道规划运行的基础上确定在未来一年的外来电预测增长比例；
48.以所述外来电预测增长比例同等放大所述外来电在近一年的外来电出力曲线得到所述外来电的全年出力预测曲线。
49.可选的，对于外来电的全年出力预测曲线的获取方式还可以采用以下方法：
50.基于所述待预测地区的历史外来电数据，选取一年四季中每个季节的某一天作为典型日；
51.考虑各跨区输电线路，在囊括未来跨区通道规划运行的基础上确定在未来一年的外来电预测增长比例；
52.以所述外来电预测增长比例同等放大所述外来电在所述典型日的外来电出力曲线得到所述外来电的典型日出力预测曲线；
53.按季节拓展对应的典型日出力预测曲线即可得到所述外来电的全年出力预测曲线。
54.本实施例中，所述典型日例如可以是清明节前后、夏季高峰、国庆节前后、春节前后的某一天。
55.同理，所述非灵活性资源包括新能源，得到所述新能源的全年出力预测曲线的步骤具体包括：
56.根据所述新能源容量装机的未来规划确定在未来一年的新能源预测增长比例；
57.以所述新能源预测增长比例同等放大所述新能源在近一年的出力曲线得到所述
新能源的全年出力预测曲线。
58.相比于核电和外来电，新能源受气象影响的出力不确定性较大，故需要对所述新能源的全年出力预测曲线进行修正，得到更为准确的所述新能源的全年出力预测曲线。
59.故执行步骤s3，利用所述新能源出力的历史预测数据和历史实际数据得到所述新能源出力预测误差的概率分布情况，基于未来预测误差与历史预测误差概率分布特性相同的假设，模拟生成出力预测偏差值并对所述新能源的全年出力预测曲线进行修正。
60.以下以风电、光伏为例对模拟生成新能源的出力预测偏差值，具体如下：
61.s31、对待预测地区的历史风电、光伏出力预测情况与实际出力情况进行统计，以时段为单位计算历史预测误差；
62.s32、综合考虑风电、光伏在一天相邻时段之间的相关性，建立相邻时段预测误差之差构成的历史误差差分序列；
63.s33、对于所述历史误差差分序列进行拟合得到概率分布函数，基于未来预测误差与历史预测误差概率分布特性相同的假设，生成预测误差差分序列；
64.s34、在历史预测误差中抽样以确定每日在初始时段的预测误差，根据所述初始时段的预测误差及所述预测误差差分序列得到每日各时段的出力预测偏差值。
65.上述步骤s32中，所述差分序列记为d
t
，则：
66.d
t
＝e
t-e
t-1
[0067][0068]
式中，和分别表示t时段风电、光伏的实际出力值与预测出力值，e
t
表示t时段的预测误差。
[0069]
本实施例中，时段t例如是一个小时为一个时段，则每天包括24个时段。
[0070]
较佳的，对于差分序列d
t
采用带位移因子与伸缩系数的t位置尺度分布进行拟合可得到概率分布函数，并基于其分布特性生成每日的预测误差差分序列。
[0071]
得到每日的预测误差差分序列之后，执行步骤s34，在历史预测误差中抽样以确定每日在初始时段的预测误差，根据所述初始时段的预测误差及所述预测误差差分序列得到每日各时段的出力预测偏差值。例如，在去年中每日的初始时段(例如0点)的历史预测误差中进行单纯随机抽样，则将抽样值作为每日在初始时段的预测误差，根据每日的预测误差差分序列可依次算出1点、2点及其它各个时段的预测误差。
[0072]
根据上述方法得到各种新能源和非新能源的全年出力预测曲线之后进行叠加即可得到非灵活性资源总的全年出力预测曲线。
[0073]
较佳的，在执行步骤s4之前，利用所述电力系统负荷的历史预测数据和历史实际数据得到所述电力系统负荷预测误差的概率分布情况，基于未来预测误差与历史预测误差概率分布特性相同的假设，模拟生成负荷预测偏差值并对所述电力系统负荷的全年负荷预测曲线进行修正，得到所述电力系统负荷的负荷预测修正曲线。
[0074]
进一步的，模拟生成负荷预测偏差值的步骤具体包括：
[0075]
s35、对所述电力系统负荷的历史预测数据和历史实际数据进行统计，以时段为单位计算各时段的历史预测误差；
[0076]
s36、综合考虑所述电力系统负荷在一天中相邻时段之间的相关性，建立相邻时段
预测误差之差构成的历史误差差分序列；
[0077]
s37、对于所述历史误差差分序列进行拟合得到概率分布函数，并基于未来预测误差与所述历史预测误差得到的概率分布函数的分布特性相同的假设，生成预测误差差分序列；
[0078]
s38、在历史预测误差中抽样以确定每日在初始时段的预测误差，根据所述初始时段的预测误差及所述预测误差差分序列得到每日各时段的负荷预测偏差值。
[0079]
可见，所述电力系统负荷的全年负荷预测曲线的修正方式与所述新能源的全年出力预测曲线的修正方式大致相同，本技术对此不再赘述。
[0080]
最后执行步骤s4，基于所述全年负荷预测曲线、所述非新能源的全年出力预测曲线及修正后的新能源的全年出力预测曲线得到灵活性资源的全年出力预测曲线，进而生成灵活性需求的预测场景。此过程实质上是进行减法运算，因为在电力系统运行过程中，负荷量等于发电量(非灵活性资源的出力与灵活性资源的出力之和)，故在得到所述电力系统负荷的负荷预测修正曲线与所述非灵活性资源的全年出力预测曲线之后，进行减法运算即可得到灵活性资源的全年出力预测曲线，进而生成灵活性需求的预测场景。例如，在已知所述电力系统负荷的负荷预测修正曲线与所述非灵活性资源的全年出力预测曲线的前提下，可以得到每个时刻(小时)的电力系统负荷预测值以及非灵活性资源的出力预测值，进行减法运算即可得到每个时刻的灵活性资源的出力预测值，然后通过集合的方式可生成灵活性需求的预测场景。
[0081]
本实施例中，得到所述灵活性资源的全年出力预测曲线之后，使用蒙特卡洛抽样获得灵活性需求的预测场景。
[0082]
综上，本发明提供了一种电力系统灵活性需求预测场景生成方法，既考虑了基于历史数据预测未来场景的可靠性和合理性，又能够囊扩气象因素对新能源出力不确定性的影响，能为电力系统灵活性需求分析奠定坚实基础。
[0083]
此外还应该认识到，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围。