本發(fā)明涉及一種考慮多風(fēng)場(chǎng)預(yù)測(cè)誤差時(shí)空相關(guān)性的儲(chǔ)能容量?jī)?yōu)化配置方法。

背景技術(shù)：

由于資源與環(huán)境問(wèn)題日益嚴(yán)峻，以風(fēng)能為首的新能源開(kāi)發(fā)和利用在全球范圍內(nèi)受到廣泛關(guān)注，并持續(xù)保持快速發(fā)展水平。根據(jù)全球風(fēng)能理事會(huì)(gwec)發(fā)布的全球風(fēng)能數(shù)據(jù)，截止到2015年，全球風(fēng)電裝機(jī)容量達(dá)到433gw且2016年又將增加60gw。我國(guó)風(fēng)電裝機(jī)容量截止2015年達(dá)到145.4gw，比2014年增長(zhǎng)了21.2％。然而，由于風(fēng)電機(jī)組出力的不確定性和波動(dòng)性，風(fēng)電大規(guī)模并網(wǎng)必將對(duì)電力系統(tǒng)安全、可靠、穩(wěn)定和經(jīng)濟(jì)運(yùn)行帶來(lái)巨大挑戰(zhàn)。

隨著儲(chǔ)能技術(shù)的發(fā)展，安裝儲(chǔ)能系統(tǒng)(ess)被看作減小風(fēng)電機(jī)組隨機(jī)性和不確定性影響的有效方法。然而，由于目前多數(shù)類(lèi)型的儲(chǔ)能價(jià)格依然相對(duì)較為昂貴，優(yōu)化儲(chǔ)能容量是當(dāng)前儲(chǔ)能應(yīng)用中的一個(gè)關(guān)鍵性問(wèn)題。目前，關(guān)于風(fēng)電場(chǎng)儲(chǔ)能的優(yōu)化配置問(wèn)題，學(xué)者們進(jìn)行了大量的有益的研究工作。

但是，現(xiàn)有的研究?jī)H針對(duì)單一風(fēng)場(chǎng)，并未考慮多風(fēng)場(chǎng)之間的相關(guān)關(guān)系。而距離較近的風(fēng)電場(chǎng)之間的風(fēng)電功率預(yù)測(cè)誤差具有非常強(qiáng)的相關(guān)性，這一特性將直接影響風(fēng)電功率的總體波動(dòng)特性、儲(chǔ)能配置結(jié)果的經(jīng)濟(jì)性與有效性。

預(yù)測(cè)誤差的時(shí)空相關(guān)性分析時(shí)風(fēng)儲(chǔ)系統(tǒng)研究的重要基礎(chǔ)，準(zhǔn)確分析風(fēng)場(chǎng)間時(shí)空相關(guān)性對(duì)于確定合理的儲(chǔ)能容量十分重要，因此有必要對(duì)考慮預(yù)測(cè)誤差特性和時(shí)空相關(guān)性的儲(chǔ)能優(yōu)化配置進(jìn)行進(jìn)一步研究，尤其是現(xiàn)有的考慮誤差分布的儲(chǔ)能容量?jī)?yōu)化研究存在以下問(wèn)題：

(a)并未同時(shí)考慮風(fēng)場(chǎng)之間的時(shí)空相關(guān)性；

(b)利用線性方法擬合預(yù)測(cè)誤差無(wú)法保持?jǐn)?shù)據(jù)的原始分布特性，用于規(guī)劃儲(chǔ)能會(huì)錯(cuò)誤估計(jì)所需容量；

(c)均未提到預(yù)測(cè)誤差時(shí)間相關(guān)性和空間相關(guān)性如何影響風(fēng)儲(chǔ)系統(tǒng)容量配置和成本效益。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明為了解決上述問(wèn)題，提出了一種考慮多風(fēng)場(chǎng)預(yù)測(cè)誤差時(shí)空相關(guān)性的儲(chǔ)能容量?jī)?yōu)化配置方法，本發(fā)明基于多場(chǎng)景分析方法，以儲(chǔ)能系統(tǒng)綜合成本效益最優(yōu)為目標(biāo)，建立考慮多風(fēng)場(chǎng)間風(fēng)電功率預(yù)測(cè)誤差時(shí)空相關(guān)性的儲(chǔ)能容量?jī)?yōu)化模型。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種考慮多風(fēng)場(chǎng)預(yù)測(cè)誤差時(shí)空相關(guān)性的儲(chǔ)能容量?jī)?yōu)化配置方法，通過(guò)對(duì)比分析參數(shù)和非參數(shù)兩種方法對(duì)預(yù)測(cè)誤差的擬合效果，選取擬合精度最高的kde方法進(jìn)行誤差擬合；采用copula理論的多風(fēng)電場(chǎng)預(yù)測(cè)誤差時(shí)空相關(guān)性建模方法，根據(jù)多風(fēng)場(chǎng)間實(shí)際空間相關(guān)關(guān)系，得到多風(fēng)場(chǎng)預(yù)測(cè)誤差聯(lián)合分布函數(shù)，利用kde方法擬合預(yù)測(cè)誤差的邊緣分布函數(shù)；基于多場(chǎng)景分析方法，以儲(chǔ)能系統(tǒng)投資成本和運(yùn)行成本最小為目標(biāo)，建立考慮多風(fēng)場(chǎng)間預(yù)測(cè)誤差時(shí)空相關(guān)性的儲(chǔ)能容量?jī)?yōu)化模型。

進(jìn)一步的，所述預(yù)測(cè)誤差為功率實(shí)際值減去預(yù)測(cè)值，且位于[-1,1]之間的數(shù)據(jù)。

進(jìn)一步的，分別利用正態(tài)分布、t分布和kde方法擬合預(yù)測(cè)誤差來(lái)進(jìn)行風(fēng)功率預(yù)測(cè)誤差分析，確定最優(yōu)擬合方法。

進(jìn)一步的，進(jìn)行多風(fēng)電場(chǎng)預(yù)測(cè)誤差時(shí)空相關(guān)性分析，風(fēng)電場(chǎng)之間的距離越近，其預(yù)測(cè)誤差線性相關(guān)系數(shù)越大，時(shí)空相關(guān)性越強(qiáng)。

進(jìn)一步的，采用copula理論的多風(fēng)電場(chǎng)預(yù)測(cè)誤差時(shí)空相關(guān)性建模的具體過(guò)程包括：

(1)生成n風(fēng)場(chǎng)功率預(yù)測(cè)誤差矩陣，假設(shè)每風(fēng)場(chǎng)有t個(gè)時(shí)間段，每個(gè)時(shí)間段內(nèi)有t個(gè)觀測(cè)值，構(gòu)建預(yù)測(cè)誤差矩陣；

(2)利用kde擬合方法計(jì)算預(yù)測(cè)誤差邊緣分布；

(3)利用最大似然估計(jì)法對(duì)normal/tcopula函數(shù)參數(shù)進(jìn)行估計(jì)，其中normalcopula函數(shù)參數(shù)為t×t秩相關(guān)矩陣ρ，tcopula函數(shù)參數(shù)為t×t秩相關(guān)矩陣和自由度；

(4)利用normal/tcopula方程計(jì)算得到多風(fēng)場(chǎng)預(yù)測(cè)誤差聯(lián)合分布函數(shù)。

進(jìn)一步的，根據(jù)構(gòu)建的normal/tcopula生成的聯(lián)合分布函數(shù)進(jìn)行反變換，生成預(yù)測(cè)誤差場(chǎng)景。

進(jìn)一步的，利用向后縮減技術(shù)對(duì)原始場(chǎng)景進(jìn)行縮減，尋找最接近原始系統(tǒng)的場(chǎng)景，計(jì)算確定的每個(gè)場(chǎng)景的棄風(fēng)能量和損失能量。

進(jìn)一步的，蓄電池儲(chǔ)能容量?jī)?yōu)化的目標(biāo)為補(bǔ)償風(fēng)電功率預(yù)測(cè)誤差和使儲(chǔ)能系統(tǒng)投資成本與風(fēng)儲(chǔ)系統(tǒng)運(yùn)行成本最小以實(shí)現(xiàn)綜合效益最優(yōu)。

進(jìn)一步的，利用折中方法考慮投資成本和運(yùn)行成本間的對(duì)立關(guān)系以實(shí)現(xiàn)風(fēng)儲(chǔ)系統(tǒng)的優(yōu)化運(yùn)行，運(yùn)行成本包括棄風(fēng)成本和損失成本，兩者隨額定容量和充放電功率的變化而變化。

進(jìn)一步的，蓄電池儲(chǔ)能容量?jī)?yōu)化的約束條件包括蓄電池約束和輸出功率約束，蓄電池約束又包括充電功率約束和放電功率約束。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

(1)本發(fā)明利用kde擬合各時(shí)間段預(yù)測(cè)誤差的概率分布函數(shù)和多元聯(lián)合分布函數(shù)的邊緣分布函數(shù)，擬合效果最好；

(2)本發(fā)明建立基于copula函數(shù)的預(yù)測(cè)誤差時(shí)空相關(guān)性模型，得到多風(fēng)場(chǎng)預(yù)測(cè)誤差的聯(lián)合分布函數(shù)，該聯(lián)合分布包含了各風(fēng)場(chǎng)的時(shí)間相關(guān)性和風(fēng)場(chǎng)間的空間相關(guān)性；

(3)本發(fā)明構(gòu)建了考慮風(fēng)電場(chǎng)時(shí)空相關(guān)性的儲(chǔ)能容量規(guī)劃模型。該模型也考慮了投資成本與運(yùn)行成本間的對(duì)立關(guān)系，模型目標(biāo)是實(shí)現(xiàn)風(fēng)儲(chǔ)系統(tǒng)的最優(yōu)綜合效益；

(4)算例計(jì)算結(jié)果證明了對(duì)bess容量進(jìn)行優(yōu)化可以有效補(bǔ)償風(fēng)電功率預(yù)測(cè)誤差以及減小預(yù)測(cè)方法局限的影響；通過(guò)對(duì)計(jì)算結(jié)果進(jìn)行對(duì)比分析，預(yù)測(cè)誤差時(shí)空相關(guān)性對(duì)于bess配置有顯著影響，風(fēng)電場(chǎng)間的空間相關(guān)性越強(qiáng)，風(fēng)儲(chǔ)系統(tǒng)綜合成本效益越好，對(duì)風(fēng)電功率預(yù)測(cè)誤差的補(bǔ)償效果越好。

附圖說(shuō)明

構(gòu)成本申請(qǐng)的一部分的說(shuō)明書(shū)附圖用來(lái)提供對(duì)本申請(qǐng)的進(jìn)一步理解，本申請(qǐng)的示意性實(shí)施例及其說(shuō)明用于解釋本申請(qǐng)，并不構(gòu)成對(duì)本申請(qǐng)的不當(dāng)限定。

圖1是本發(fā)明實(shí)施例中四個(gè)風(fēng)電場(chǎng)地理位置分布圖；

圖2(a)-圖2(d)是本發(fā)明a風(fēng)場(chǎng)24小時(shí)預(yù)測(cè)誤差均值、方差、偏度與峰度計(jì)算結(jié)果圖；

圖3(a)-圖3(d)是本發(fā)明a風(fēng)場(chǎng)分別提前1小時(shí)、提前7小時(shí)、提前8小時(shí)和提前24小時(shí)預(yù)測(cè)誤差概率密度分布直方圖和利用normal分布，t分布以及kde方法得到的擬合概率密度函數(shù)；

圖4(a)-圖4(d)是本發(fā)明a風(fēng)場(chǎng)分別提前1小時(shí)、提前7小時(shí)、提前8小時(shí)和提前24小時(shí)預(yù)測(cè)誤差擬合分布函數(shù)與經(jīng)驗(yàn)分布函數(shù)qq圖；

圖5是本發(fā)明預(yù)測(cè)誤差的線性相關(guān)結(jié)構(gòu)圖；

圖6是本發(fā)明場(chǎng)景生成步驟圖；

圖7是本發(fā)明a風(fēng)場(chǎng)第一天功率觀測(cè)值、預(yù)測(cè)值和置信區(qū)間示意圖；

圖8(a)-圖8(d)是本發(fā)明a風(fēng)場(chǎng)第一天預(yù)測(cè)誤差場(chǎng)景縮減結(jié)果，其中，(a)不考慮時(shí)空相關(guān)性；(b)時(shí)空相關(guān)性最強(qiáng)；(c)時(shí)間相關(guān)性最強(qiáng)空間相關(guān)性較強(qiáng)，(d)時(shí)間相關(guān)性最強(qiáng)空間相關(guān)性最弱；

圖9是本發(fā)明a風(fēng)場(chǎng)原始預(yù)測(cè)誤差曲線和經(jīng)過(guò)不同時(shí)空相關(guān)性的儲(chǔ)能補(bǔ)償后的預(yù)測(cè)誤差曲線圖。

具體實(shí)施方式：

下面結(jié)合附圖與實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。

應(yīng)該指出，以下詳細(xì)說(shuō)明都是例示性的，旨在對(duì)本申請(qǐng)?zhí)峁┻M(jìn)一步的說(shuō)明。除非另有指明，本發(fā)明使用的所有技術(shù)和科學(xué)術(shù)語(yǔ)具有與本申請(qǐng)所屬技術(shù)領(lǐng)域的普通技術(shù)人員通常理解的相同含義。

需要注意的是，這里所使用的術(shù)語(yǔ)僅是為了描述具體實(shí)施方式，而非意圖限制根據(jù)本申請(qǐng)的示例性實(shí)施方式。如在這里所使用的，除非上下文另外明確指出，否則單數(shù)形式也意圖包括復(fù)數(shù)形式，此外，還應(yīng)當(dāng)理解的是，當(dāng)在本說(shuō)明書(shū)中使用術(shù)語(yǔ)“包含”和/或“包括”時(shí)，其指明存在特征、步驟、操作、器件、組件和/或它們的組合。

正如背景技術(shù)所介紹的，現(xiàn)有技術(shù)中存在并未同時(shí)考慮風(fēng)場(chǎng)之間的時(shí)空相關(guān)性以及利用線性方法擬合預(yù)測(cè)誤差無(wú)法保持?jǐn)?shù)據(jù)的原始分布特性，用于規(guī)劃儲(chǔ)能會(huì)錯(cuò)誤估計(jì)所需容量的不足，為了解決如上的技術(shù)問(wèn)題，本申請(qǐng)?zhí)岢隽艘环N考慮多風(fēng)場(chǎng)預(yù)測(cè)誤差時(shí)空相關(guān)性的儲(chǔ)能容量?jī)?yōu)化配置方法。

主要貢獻(xiàn)如下：

1)提出了基于copula函數(shù)的預(yù)測(cè)誤差高維建模方法，建立多風(fēng)場(chǎng)預(yù)測(cè)誤差的聯(lián)合分布函數(shù)，該聯(lián)合分布包含了各風(fēng)場(chǎng)的時(shí)間相關(guān)性和風(fēng)場(chǎng)間的空間相關(guān)性。

2)基于預(yù)測(cè)誤差的聯(lián)合分布，本發(fā)明考慮儲(chǔ)能系統(tǒng)的投資成本與運(yùn)行成本兩者間對(duì)立關(guān)系，基于多場(chǎng)景技術(shù)，對(duì)儲(chǔ)能容量進(jìn)行優(yōu)化配置，使風(fēng)儲(chǔ)系統(tǒng)的綜合效益達(dá)到最優(yōu)。

3)通過(guò)對(duì)比分析預(yù)測(cè)誤差時(shí)空相關(guān)性對(duì)風(fēng)電場(chǎng)儲(chǔ)能配置有顯著影響，風(fēng)電場(chǎng)間的空間相關(guān)性越強(qiáng)，風(fēng)儲(chǔ)系統(tǒng)綜合成本效益越好，對(duì)風(fēng)電功率預(yù)測(cè)誤差的補(bǔ)償效果越好。

本申請(qǐng)的一種典型的實(shí)施方式中，所用數(shù)據(jù)來(lái)自冀北地區(qū)的四個(gè)風(fēng)電場(chǎng)，其地理位置分布如圖1所示，四個(gè)數(shù)據(jù)集合分別為a、b、c和d。每個(gè)數(shù)據(jù)集包含2013年全年數(shù)據(jù)，并根據(jù)各自裝機(jī)容量進(jìn)行歸一化處理。本發(fā)明采用文獻(xiàn)liangz,liangj,wangc,etal.short-termwindpowercombinedforecastingbasedonerrorforecastcorrection[j].energyconversionandmanagement,2016,119:215-226提出的風(fēng)電功率方法預(yù)測(cè)風(fēng)功率得到8688個(gè)預(yù)測(cè)功率數(shù)據(jù)和相應(yīng)的預(yù)測(cè)誤差。預(yù)測(cè)誤差等于功率實(shí)際值減去預(yù)測(cè)值，且位于[-1,1]之間。

圖2為a風(fēng)場(chǎng)24小時(shí)預(yù)測(cè)誤差的均值、方差、偏度與峰度計(jì)算結(jié)果，bcd三風(fēng)場(chǎng)的計(jì)算結(jié)果圖如附錄圖1—圖3所示。由圖2(a)-圖2(d)可知，圖2(a)各時(shí)段預(yù)測(cè)誤差的均值均不為零；圖2(b)隨著預(yù)測(cè)區(qū)間增大，預(yù)測(cè)誤差的方差逐漸減?。粓D2(c)預(yù)測(cè)誤差大于2h后的偏度系數(shù)均小于零，表示對(duì)應(yīng)時(shí)間段的預(yù)測(cè)誤差分布為左偏，且隨著預(yù)測(cè)區(qū)間的增大，偏度系數(shù)絕對(duì)值逐漸增大，表示拖尾越長(zhǎng)；圖2(d)峰度隨著預(yù)測(cè)區(qū)間的增大而減小，表示誤差分布形態(tài)逐漸變緩，且峰度系數(shù)均大于3，表示誤差分布有明顯的厚尾特征。因此，a風(fēng)場(chǎng)24小時(shí)預(yù)測(cè)誤差形態(tài)呈現(xiàn)尖峰、厚尾、拖尾的特征，為了更加清晰地分析預(yù)測(cè)誤差的特征，本發(fā)明利用不同擬合方法計(jì)算并繪制預(yù)測(cè)誤差的概率分布，如圖3(a)-圖3(d)所示，為a多風(fēng)場(chǎng)提前1小時(shí)、7小時(shí)、8小時(shí)和24小時(shí)的預(yù)測(cè)誤差概率密度分布直方圖和利用正態(tài)分布、t分布和kde方法擬合的概率密度函數(shù)對(duì)比圖，可知，隨著預(yù)測(cè)區(qū)間的增大，(a)預(yù)測(cè)誤差概率密度分布曲線逐漸由凸變平；(b)基于正態(tài)分布的概率密度函數(shù)與預(yù)測(cè)誤差的經(jīng)驗(yàn)概率密度函數(shù)之間的區(qū)別逐漸增大，而基于kde的概率密度分布與經(jīng)驗(yàn)概率密度函數(shù)之間無(wú)明顯差別；(e)當(dāng)預(yù)測(cè)區(qū)間大于7小時(shí)時(shí)，t分布由于最大似然估計(jì)發(fā)散而無(wú)法擬合預(yù)測(cè)誤差；(f)預(yù)測(cè)誤差的概率密度分布的尾部逐漸變厚。

qq圖是用來(lái)擬合分布函數(shù)與經(jīng)驗(yàn)分布函數(shù)之間的距離，若兩者都重合或者接近于45°直線，說(shuō)明擬合度較高。圖4(a)-圖4(d)為a風(fēng)場(chǎng)提前1小時(shí)、7小時(shí)、8小時(shí)和24小時(shí)預(yù)測(cè)誤差擬合分布函數(shù)與經(jīng)驗(yàn)分布函數(shù)qq圖，可以看出kde擬合分布函數(shù)最接近45°直線，擬合效果最好?；谝陨戏治觯景l(fā)明選用kde方法擬合copula函數(shù)的邊緣分布函數(shù)。

預(yù)測(cè)誤差線性相關(guān)結(jié)構(gòu)如圖5所示。圖5表示相鄰時(shí)間區(qū)間的預(yù)測(cè)誤差具有很強(qiáng)的時(shí)間相關(guān)性。結(jié)合圖1的四風(fēng)場(chǎng)地理位置分布，ab兩風(fēng)場(chǎng)距離最小，其最大線性相關(guān)系數(shù)為0.6425，因此ab兩風(fēng)場(chǎng)預(yù)測(cè)誤差時(shí)空相關(guān)性最強(qiáng)。ac兩風(fēng)場(chǎng)的最大線性相關(guān)系數(shù)為0.4338，其距離大于ab間距離。ad兩風(fēng)場(chǎng)相距最遠(yuǎn)，其最大線性相關(guān)系數(shù)為0.06536，幾乎沒(méi)有相關(guān)性。因此，風(fēng)電場(chǎng)距離越近，其預(yù)測(cè)誤差線性相關(guān)系數(shù)越大，時(shí)空相關(guān)性越強(qiáng)。

copula函數(shù)提供了一種構(gòu)造不同獨(dú)立變量的聯(lián)合分布的方法，該分布包含了隨機(jī)變量的相關(guān)關(guān)系并且能夠捕捉其非線性相關(guān)關(guān)系。

數(shù)學(xué)上，sklar定理強(qiáng)調(diào)任何多元聯(lián)合分布可以寫(xiě)成單變量的邊緣分布和一個(gè)描述變量間相關(guān)結(jié)構(gòu)的copula函數(shù)。假設(shè)x1,x2,…xn為隨機(jī)變量，其邊緣分布函數(shù)為f1(x1),f2(x2),…,ft(xt)，且均遵循以下均勻分布：

f1(x1)～u(0,1),f2(x2)～u(0,1),…,fn(xn)～u(0,1)(2)

根據(jù)sklar定理，f1(x1),f2(x2),…,ft(xt)的聯(lián)合分布為：

f(x1,x2,…,xt)＝c(f1(x1),f2(x2),…,ft(xt))(3)

其中c即為copula函數(shù)。

由于normal/tcopula可以用于多元建模，允許任何邊緣分布和正定矩陣，因此本發(fā)明利用normal/tcopula函數(shù)建立日前預(yù)測(cè)誤差多元分布函數(shù)。normal/tcopula函數(shù)如式(4)(5)所示：

f(x1,x2,…,xt；ρ)＝c(f1(x1),f2(x2),…,ft(xt)；ρ)

＝φρ(φ^-1(f1(x1)),φ^-1(f2(x2)),…,φ^-1(ft(xt)))(4)

f(x1,x2,…,xt；ρ,k)＝c(f1(x1),f2(x2),…,ft(xt)；ρ,k)

＝tρ,k(tk^-1(f1(x1)),tk^-1(f2(x2)),…,tk^-1(ft(xt)))(5)

其中，

φ^-1標(biāo)準(zhǔn)正態(tài)分布的分布函數(shù)的反函數(shù)

φρ標(biāo)準(zhǔn)正態(tài)分布的分布函數(shù)

ρ對(duì)稱(chēng)正定矩陣

t分布的分布函數(shù)的反函數(shù)

tρ,kt分布的分布函數(shù)

k自由度

利用copula理論的多風(fēng)場(chǎng)風(fēng)電功率預(yù)測(cè)誤差建模步驟

基于以上分析，n風(fēng)場(chǎng)預(yù)測(cè)誤差的高維建模步驟如下。

1)生成n風(fēng)場(chǎng)功率預(yù)測(cè)誤差矩陣。假設(shè)每風(fēng)場(chǎng)有t個(gè)時(shí)間段，每個(gè)時(shí)間段內(nèi)有t個(gè)觀測(cè)值。則預(yù)測(cè)誤差矩陣可由式(6)表示。

其中為第n個(gè)風(fēng)電場(chǎng)t時(shí)間段第t個(gè)預(yù)測(cè)誤差值。

2)利用kde擬合方法計(jì)算預(yù)測(cè)誤差邊緣分布。擬合結(jié)果形式如式(7)所示。

3)利用最大似然估計(jì)法對(duì)normal/tcopula函數(shù)參數(shù)進(jìn)行估計(jì)。normalcopula函數(shù)參數(shù)為t×t秩相關(guān)矩陣ρ，tcopula函數(shù)參數(shù)為t×t秩相關(guān)矩陣ρ和自由度k。

4)利用normal/tcopula方程計(jì)算得到多風(fēng)場(chǎng)預(yù)測(cè)誤差聯(lián)合分布函數(shù)(jcdf)。

在由normal/tcopula生成的聯(lián)合分布函數(shù)的基礎(chǔ)上，可生成預(yù)測(cè)誤差場(chǎng)景。圖6為多場(chǎng)景的生成步驟，其中ppre為風(fēng)電功率預(yù)測(cè)值。根據(jù)圖6可生成m-t維風(fēng)電功率預(yù)測(cè)誤差場(chǎng)景。

為減小模型規(guī)模提高運(yùn)算效率，有必要對(duì)中生成的場(chǎng)景進(jìn)行縮減。本發(fā)明利用向后縮減技術(shù)對(duì)原始場(chǎng)景進(jìn)行縮減。以尋找最接近原始系統(tǒng)的場(chǎng)景。

蓄電池儲(chǔ)能容量?jī)?yōu)化的目的為：(a)補(bǔ)償風(fēng)電功率預(yù)測(cè)誤差；(b)使儲(chǔ)能系統(tǒng)投資成本與風(fēng)儲(chǔ)系統(tǒng)運(yùn)行成本最小以實(shí)現(xiàn)綜合效益最優(yōu)。本發(fā)明利用折中方法考慮投資成本和運(yùn)行成本間的對(duì)立關(guān)系以實(shí)現(xiàn)風(fēng)儲(chǔ)系統(tǒng)的優(yōu)化運(yùn)行。運(yùn)行成本包括棄風(fēng)成本和損失成本，兩者隨額定容量和充放電功率的變化而變化。為更加有效的分析風(fēng)電功率預(yù)測(cè)誤差的時(shí)空相關(guān)性對(duì)蓄電池儲(chǔ)能容量?jī)?yōu)化配置的影響，本發(fā)明分析當(dāng)?shù)氐娘L(fēng)況并選取特征最為明顯的月份作為研究對(duì)象。

縮減場(chǎng)景數(shù)之后，每個(gè)場(chǎng)景的棄風(fēng)能量和損失能量如式(8)(9)所示。

式(8)與(9)中

ci,bessn＝max(ci,bess(t))-min(ci,bess(t))(15)

pi,bessn＝max(pi,besscen,|pi,bessden|)(16)

對(duì)于第i個(gè)場(chǎng)景，其中

si,su1(t)布爾量，用于描述由充電功率限制產(chǎn)生的棄風(fēng)能量

si,su2(t)布爾量，用于描述由蓄電池額定容量限制產(chǎn)生的棄風(fēng)能量

si,sh1(t)布爾量，用于描述由放電功率限制產(chǎn)生的損失能量

si,sh1(t)布爾量，用于描述由蓄電池最小容量限制產(chǎn)生的損失能量

t時(shí)間尺度

pi(t)t時(shí)刻的風(fēng)電功率

參考輸出功率區(qū)間

pi,besscen額定充電功率

pi,ce(t)t時(shí)刻的充電功率

pi,bessden額定放電功率

pi,de(t)t時(shí)刻的放電功率

ci,bess(t)t時(shí)刻的荷電狀態(tài)

ci,bessn額定容量

dod放電深度

xi,c(t)0-1變量，表示t時(shí)刻的充電功率

xi,d(t)0-1變量，表示t時(shí)刻的放電功率

本發(fā)明釩電池為例進(jìn)行具體分析說(shuō)明，其相關(guān)參數(shù)如表1所示。

表1釩電池參數(shù)

儲(chǔ)能配置的目標(biāo)函數(shù)是風(fēng)儲(chǔ)系統(tǒng)的成本最小。每個(gè)場(chǎng)景下的目標(biāo)函數(shù)為：

minf＝ksuρ1wi,su+kshρ2wi,sh

+kin(ρcci.bessn+ρppi.bessn+rs)(17)

對(duì)于第i個(gè)場(chǎng)景，其中

ρ1棄風(fēng)能量對(duì)應(yīng)單價(jià)

ρ2損失能量對(duì)應(yīng)單價(jià)

ρc額定容量對(duì)應(yīng)單價(jià)

ρp額定功率對(duì)應(yīng)單價(jià)

rs儲(chǔ)能系統(tǒng)安裝成本

ksu棄風(fēng)能量成本系數(shù)

ksh損失能量成本系數(shù)

kin投資成本系數(shù)

約束條件包括蓄電池約束和輸出功率約束：

充電功率約束：

放電功率約束：

輸出功率約束：

分別計(jì)算m個(gè)場(chǎng)景的優(yōu)化結(jié)果，其額定容量和充放電功率如下：

其中pi為第i個(gè)場(chǎng)景的概率。

為驗(yàn)證提出的儲(chǔ)能配置模型，在求出式(21)—式(23)額定容量和充放電功率的基礎(chǔ)上，將其作為b中模型的已知量，利用風(fēng)電功率實(shí)測(cè)數(shù)據(jù)作為模型的輸入量(即上述模型中的pi(t))，計(jì)算棄風(fēng)成本、損失成本和最優(yōu)綜合成本。

為分析預(yù)測(cè)誤差時(shí)空相關(guān)性對(duì)風(fēng)儲(chǔ)系統(tǒng)綜合成本效益的影響以及證明上述方法的有效性和可行性，本發(fā)明對(duì)風(fēng)電場(chǎng)30天數(shù)據(jù)，設(shè)計(jì)以下4個(gè)算例為a風(fēng)電場(chǎng)配置儲(chǔ)能：(a)不考慮預(yù)測(cè)誤差的時(shí)空相關(guān)性；(b)考慮ab兩風(fēng)場(chǎng)間預(yù)測(cè)誤差時(shí)空相關(guān)性最強(qiáng)的情況；(c)考慮ac兩風(fēng)場(chǎng)間預(yù)測(cè)誤差較強(qiáng)空間相關(guān)性以及風(fēng)場(chǎng)自身的時(shí)間相關(guān)性的情況；(d)考慮ad兩風(fēng)場(chǎng)間預(yù)測(cè)誤差最弱空間相關(guān)性和風(fēng)場(chǎng)自身的時(shí)間相關(guān)性的情況。根據(jù)第四部分提出的蓄電池儲(chǔ)能優(yōu)化模型，需要首先確定輸出功率參考值。假設(shè)輸出功率參考值為一個(gè)區(qū)間，該區(qū)間由相應(yīng)的預(yù)測(cè)誤差分布。圖7為a風(fēng)場(chǎng)第一天的參考功率，由圖7可以看出輸出功率的范圍隨著預(yù)測(cè)區(qū)間增加而增大。

根據(jù)基于normal/tcopula得到的多元聯(lián)合分布函數(shù)，可分別得到每個(gè)算例中各個(gè)時(shí)間段的1000個(gè)場(chǎng)景，并利用向后縮減法將1000個(gè)場(chǎng)景縮減為10個(gè)。

圖8(a)-圖8(d)為場(chǎng)景縮減后的10個(gè)場(chǎng)景：圖8(a)不考慮時(shí)空相關(guān)性；圖8(b)時(shí)空相關(guān)性最強(qiáng)；圖8(c)時(shí)間相關(guān)性最強(qiáng)空間相關(guān)性較強(qiáng)，圖8(d)時(shí)間相關(guān)性最強(qiáng)空間相關(guān)性最弱。可以看出，所有場(chǎng)景均隨預(yù)測(cè)區(qū)間的增大而呈現(xiàn)發(fā)散趨勢(shì)。對(duì)比四個(gè)算例的場(chǎng)景縮減圖，不考慮時(shí)空相關(guān)性時(shí)的場(chǎng)景波動(dòng)最為劇烈，隨著空間相關(guān)性的增強(qiáng)，場(chǎng)景波動(dòng)隨之減弱。

本發(fā)明利用gams平臺(tái)對(duì)第三部分提出的優(yōu)化模型進(jìn)行計(jì)算。充電功率、放電功率和額定容量計(jì)算結(jié)果如表3所示。由表3可以看出：(a)與其他三種算例相比，不考慮預(yù)測(cè)誤差時(shí)空相關(guān)性時(shí)額定充電功率和額定放電功率絕對(duì)值最大；(b)考慮時(shí)空相關(guān)性時(shí)，額定容量比不考慮時(shí)空相關(guān)性的算例1大得多；(c)比較算例2、算例3和算例4，額定充電功率和額定放電功率的絕對(duì)值隨著空間相關(guān)性的減弱而增大；(d)考慮時(shí)空相關(guān)性時(shí)，額定容量隨著空間相關(guān)性的減弱而減小；(e)基于tcopula計(jì)算得到的額定充電功率和額定放電功率的絕對(duì)值大于由normalcopula求得的結(jié)果；(f)由tcopula計(jì)算得到的額定容量比基于normalcopula得到的要小。

表3儲(chǔ)能優(yōu)化模型額定充放電功率和額定容量?jī)?yōu)化計(jì)算結(jié)果

表4為運(yùn)行成本和最優(yōu)綜合成本。由表4可以看出，(a)算例1基于kde計(jì)算得到的運(yùn)行成本和綜合成本最大；(b)考慮預(yù)測(cè)誤差時(shí)空相關(guān)性的算例中，運(yùn)行成本與綜合成本均隨著空間相關(guān)性的減弱而增大；(c)對(duì)于算例2、算例3和算例4，基于tcopula的計(jì)算結(jié)果均小于由normalcopula計(jì)算得到的結(jié)果。

表4運(yùn)行成本和綜合成本計(jì)算結(jié)果

圖9為原始預(yù)測(cè)誤差曲線和經(jīng)過(guò)儲(chǔ)能補(bǔ)償?shù)念A(yù)測(cè)誤差曲線。由上圖可明顯看出為風(fēng)電場(chǎng)配置儲(chǔ)能可以有效補(bǔ)償預(yù)測(cè)誤差，且風(fēng)電場(chǎng)間預(yù)測(cè)誤差的空間相關(guān)性越強(qiáng)，補(bǔ)償效果越好。

總之，若不考慮風(fēng)電功率短期預(yù)測(cè)誤差的時(shí)空相關(guān)性，則會(huì)導(dǎo)致額定容量被高估、充放電功率被低估。若考慮預(yù)測(cè)誤差時(shí)空相關(guān)性，不同空間相關(guān)性的綜合成本效益差異明顯，風(fēng)電場(chǎng)間的空間相關(guān)性越強(qiáng)，風(fēng)儲(chǔ)系統(tǒng)綜合成本效益越好，對(duì)風(fēng)電功率預(yù)測(cè)誤差的補(bǔ)償效果越好。

以上所述僅為本申請(qǐng)的優(yōu)選實(shí)施例而已，并不用于限制本申請(qǐng)，對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，本申請(qǐng)可以有各種更改和變化。凡在本申請(qǐng)的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本申請(qǐng)的保護(hù)范圍之內(nèi)。

上述雖然結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式進(jìn)行了描述，但并非對(duì)本發(fā)明保護(hù)范圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不需要付出創(chuàng)造性勞動(dòng)即可做出的各種修改或變形仍在本發(fā)明的保護(hù)范圍以內(nèi)。