一种基于风电概率预测的电力系统运行备用量化方法

技术领域

本发明涉及一种基于风电概率预测的电力系统运行备用量化方法，属于电力运行优化领域。

背景技术

当前，以风电为代表的间歇性电源大规模接入电力系统。与传统火电机组相比，间歇性电源受气象因素影响显著，其发电功率无法被精准预测与有效调节，呈现显著的不确定性和不可控性，给电力系统的实时能量平衡带来严峻挑战。充足的电力系统运行备用能有效补偿因间歇性电源预测误差导致的功率失衡，对维持电力系统供需平衡、保障电网安全稳定运行具有重要意义。

传统意义上，为了预防重要电源或线路故障导致的供需失衡，电力系统运行备用一般参照系统最大机组容量或负荷水平来确定。与这些大型故障相比，风电出力偏差具有较强的连续性与时变性，传统确定性的备用量化方法难以适应高比例风电渗透的现代电力系统。当前，概率预测技术的发展使风电预测不确定性量化成为可能，电力系统运行人员得以利用风电概率预测对运行备用进行量化，在保障系统可靠性与降低运行成本之间获得最优均衡。

发明内容

针对相关背景技术的局限性，本发明提出了一种基于风电概率预测的电力系统运行备用量化方法，该方法利用极限学习机输出风电功率的非参数预测区间，通过预测区间的上下边界确定系统正负运行备用容量需求，以备用预留成本和备用缺额惩罚作为机器学习训练的损失函数，权衡备用量化决策带来的成本效益，在保证良好可靠性的前提下有效减少系统运行成本。

为了实现上述目的，本发明采用了如下的技术方案：

(1)构建基于风电概率预测的电力系统运行备用优化模型

通过不等式约束限定预测区间关于训练样本的最低置信度，由极限学习机直接输出风电功率预测区间，无需预先设定预测区间的置信水平与边界分位水平(quantileproportion)。基于该区间的边界确定系统正负运行备用容量需求，以备用预留成本和备用缺额惩罚为损失函数，构建基于风电概率预测的电力系统运行备用优化模型：

subject to:

式中，t为时间序号，

(2)将基于风电概率预测的运行备用优化模型构建为混合整数线性规划问题

通过引入辅助连续向量将损失函数中非光滑的L1正则项线性化，通过引入辅助逻辑变量将约束条件中的指示函数与最大值函数线性化，将基于风电概率预测的运行备用量化模型等价转化为混合整数线性规划问题：

subject to:

式中，

(3)估计预测区间上下边界的取值范围

利用分位数回归技术，获得训练样本真实风电功率

式中，sup{·}和inf{·}分别为上确界和下确界运算符；

(4)收缩混合整数线性规划问题中的大M系数

通过下式收缩混合整数线性规划问题中的大M系数：

式中，

(5)削减混合整数线性规划问题的辅助逻辑变量

定义时间序号集合

定义集合

定义集合

时间序号分别属于集合

(6)通过实施可行域紧缩策略，得到规模缩减的混合整数线性规划问题

通过实施大M系数收缩和辅助逻辑变量削减，实现混合整数线性规划问题的可行域紧缩，进而得到规模缩减的混合整数线性规划问题：

subject to:

式中，\为差集符号。与所述的混合整数线性规划问题相比，共有

(7)求解规模缩减的混合整数线性规划问题

利用分支定界算法求解规模缩减的混合整数线性规划模型，获得极限学习机的输出权重向量，完成极限学习机的训练。

本发明的有益成果在于：

本发明构建了基于极限学习机的风电预测区间，在不对风电预测不确定性概率分布做出先验假设的前提下，以最小化备用成本为目标，优化了预测信息对于决策的价值；提出了基于风电概率预测的运行备用优化方法，在满足备用可靠性要求的前提下，均衡提供备用所带来的成本效益，保障高比例风电渗透下电力系统的能量平衡与安全稳定运行。针对所建立的备用量化模型，提出了基于大M系数收缩和辅助逻辑变量缩减的可行域紧缩策略，将原始模型的训练转化为求解小规模混合整数线性规划问题，可被高效求解，有力支撑方法的在线应用。

附图说明

图1为所发明基于风电概率预测的电力系统运行备用量化方法流程；

图2为风电功率概率预测与系统正负备用量化的关系图。

具体实施方式

以下结合附图与实施实例对本发明做进一步说明。

本发明所提出的基于风电概率预测的电力系统运行备用量化方法流程如图1所示。

(1)获得训练数据集

(2)确定极限学习机的隐含层神经元数量，初始化极限学习机输入权重向量和隐含层偏置，获得极限学习机输出函数q(x

(3)构建基于风电概率预测量化运行备用的混合整数线性规划问题：

subject to:

式中，

(4)利用分位数回归技术，得到训练集样本中风电功率

(5)通过下式获得混合整数线性规划模型中收缩后的大M系数：

(6)定义用于辅助逻辑变量削减的时间序号集合

集合

集合

(7)建立规模缩减的混合整数线性规划问题：

subject to:

(6)利用分支定界算法求解混合整数线性规划问题，获得优化后的输出权重向量ω

(7)利用测试集数据

式中，max{·}为最大值函数，返回最大的操作数。

(8)根据置信水平裕度(confidence margin,CM)来评价备用量化的可靠性，该指标被定义为备用覆盖预测误差的经验概率与标称可靠性水平100(1-∈)％之间的差值：

式中，

运行备用的成本C

显然，备用量化应在保证良好可靠性的前提下取得尽可能低的运行成本。

图2展示了由风电功率分位数(

以上结合附图对本发明的具体实施方式进行了描述，并非对本发明保护范围的限制，所有利用本发明说明书及附图内容所做的等效模型或等效算法流程，通过直接或间接运用于其他相关技术领域，均属本发明的专利保护范围内。