相比于常规能源,风电、光伏等可再生能源出力具有明显的随机性、波动性以及间歇性的特征,随着风电、光伏渗透率的不断增加,电力系统中长期规划运行与短期调度中都必须考虑风电、光伏出力的不确定性问题。电力系统场景分析由于可以概率性的描述风电、光伏出力的不确定因素因而被广泛使用,但精准刻画风电、光伏出力的随机性与波动性特征,以及如何解决大规模场景对电力系统规划造成时间复杂度较高的问题仍是目前场景分析亟需解决的方面。针对以上问题,本文提出了一种风电、光伏典型场景集生成方法,该方法分为场景生成与场景缩减两个方面:首先研究了基于预测出力的风电、光伏日前出力场景生成技术,以准确描述风电、光伏日前出力的不确定性特征;其次研究了一种面向时间序列分析的电力时序场景缩减方法,以对大量的风电、光伏以及负荷场景进行聚合缩减并达到可以精简数据、减少计算量的目的。本文首先详细的研究了含风电、光伏的电力系统场景分析理论,并对经典场景分析方法进行了归纳总结。其次在场景生成方面,本文重点研究了一种基于不等分预测箱技术与结合多元标准正态分布随机数与逆变换采样的风电、光伏场景生成方法,该方法首先建立符合风电、光伏历史统计数据分布特征的预测误差功率预测箱,并选用合适的分布函数拟合预测箱中的误差数据,其次利用多元标准正态分布随机数对预测箱中的误差数据进行逆变换采样,并最终叠加至预测出力上以生成日前风电、光伏出力场景,本文对生成的场景分别采用形态分析与相关评价指标验证了所提生成方法的合理性。在场景缩减方面,本文研究了一种基于改进谱聚类与遗传算法相结合的电力时序场景聚合方法,该方法首先针对风电、光伏负荷不同数据的结构特点,采用优化谱聚类算法构建原始数据的特征向量矩阵,并采用遗传聚类优化算法对优选后的特征向量进行聚类划分,并将最终划分结果映射回原始数据。本文分别采用标准时间序列、风电、光伏以及负荷实测数据对所提场景算法的分类效果进行评价,并验证了所提缩减方法的有效性。最后,本文分别将所提场景缩减与生成算法分别应用于考虑大规模风电接入的电网中长期确定性规划运行与短期随机调度的优化计算中,并通过对比分析不同算法间的相关评价指标,验证了所提场景生成与缩减算法在实际工程中的应用价值。
