[发明专利]一种含气象能源的综合能源系统典型场景集生成方法

摘要

本发明涉及一种含气象能源的综合能源系统典型场景集生成方法，属于电力系统运行与分析技术领域。本发明对气象相关性进行建模，充分考虑了气象变量之间的相关性，所提算法可以显著提高气象变量随机生产模拟的准确性。采用基于瓦瑟斯坦距离的最优分位点理论对随机模拟的连续变量离散化，得到了数量较少的综合能源系统典型场景集合。本方法的最优分位点理论可以生成极端场景，采用离散变量，生成的典型场景集可以帮助运营商分析不确定性对综合能源系统运行和规划带来的问题，典型场景的分析结果可以为系统安全稳定运行提供支持。本发明准确分析了不同气象场景下的综合能源系统状态变量相关关系特征和运行特性，为运行规划提供有价值的信息。

主权项

1.一种含气象能源的综合能源系统典型场景集生成方法，其特征在于该方法包括以下步骤：(1)从当地气象局获取供暖季节内的太阳辐射强度数据、环境温度数据和风速数据，太阳辐射强度、环境温度和风速共有M个变量；(2)根据上述步骤(1)采集的气象变量数据，采用参数估计方法，分别计算太阳辐射强度的边缘累积概率分布函数、环境温度的边缘累积概率分布函数和风速的边缘累积概率分布函数；(3)采用假设检验方法，分别对上述步骤(2)计算得到的边缘累积概率分布函数进行假设检验，若通过假设检验，则进行步骤(4)，若未通过假设检验，则返回步骤(2)；(4)利用上述步骤(3)检验通过的各个气象变量的边缘概率分布公式，根据上述步骤(1)采集的气象变量数据，分别得到与各气象变量数据相对应的边缘累积概率值，利用所有气象变量的边缘累积概率值，得到气象变量的Copula函数，Copula函数的自变量为所有气象变量的边缘累积概率分布变量，共M个，因变量为Copula函数的概率累积分布变量，共1个；(5)设定连续采样数量N，利用拉丁超立方体抽样方法，生成一个N×1维的数据序列，将该数据序列作为上述Copula函数概率累积分布变量的值；(6)根据上述步骤(5)的Copula函数概率累积分布变量值和上述步骤(4)的Copula函数，计算得到N×M维的气象变量的边缘累积概率值分布矩阵，该边缘累积概率值分布矩阵的行数等于各气象变量的边缘累积概率值的个数，边缘累积概率值分布矩阵的列数等于上述步骤(1)的气象变量的个数；(7)根据上述步骤(6)的边缘累积概率值分布矩阵和上述步骤(3)通过检验的各个气象变量的边缘概率分布函数，得到一个N×M维的气象变量模拟值的分布矩阵，该气象变量模拟值分布矩阵的行数等于各气象变量模拟值的个数，矩阵的列数等于上述步骤(1)的气象变量的个数；(8)利用光伏发电系统的数学模型，根据上述步骤(7)的气象变量模拟值的分布矩阵中太阳辐射强度和环境温度，计算得到综合能源系统中的光伏发电功率；利用建筑物供暖热负荷的数学模型，根据上述步骤(7)的气象变量模拟值分布矩阵中的太阳辐射强度、环境温度和风速，计算得到综合能源系统中的建筑物供暖热负荷功率；(9)利用热电联产系统的数学模型，根据上述步骤(8)的建筑物供暖热负荷功率，计算综合能源系统中的热电联产系统的发电功率；(10)利用电力系统潮流计算方法，根据上述步骤(8)的光伏发电功率以及步骤(9)的热电联产系统的发电功率，分别计算得到与N组综合能源系统发电功率相对应的综合能源系统潮流计算结果；(11)利用瓦瑟斯坦距离分位点方法，对上述步骤(10)的潮流计算结果中的任一连续变量进行离散化处理，得到综合能源系统的典型场景集，典型场景集包括多个非极端场景值和两个极端场景值，两个极端场景值的计算公式如下：其中，z₀为任一连续变量的最小值，z_Q+1为任一连续变量的最大值，p⁰_d为z₀的离散概率值，p^Q+1_d为z_Q+1的离散概率值，z₁为任一连续变量的第1个分位点，z_Q为任一连续变量的第Q个分位点，p_c(.)是任一连续变量的概率密度分布函数。