一种基于图时序分解的新能源消纳能力评估方法及系统与流程

摘要: 本发明属于新能源并网运行评估,具体涉及一种基于图时序分解的新能源消纳能力评估方法及系统。背景技术:1、风电和光伏出力具有随机性、间歇性和波动性。随着高比例新能源...
一种基于图时序分解的新能源消纳能力评估方法及系统与流程

本发明属于新能源并网运行评估,具体涉及一种基于图时序分解的新能源消纳能力评估方法及系统。

背景技术:

1、风电和光伏出力具有随机性、间歇性和波动性。随着高比例新能源接入,电力系统在不同运行方式下的新能源消纳能力呈现明显的时空差异。一个区域的新能源消纳能力不仅受到风光等新能源出力、本区域负荷、常规机组出力和储能运行状态的影响,还受到区域间联络线以及相邻区域运行状态的影响。因此,单独依据目标区域自身的风电、光伏和负荷时序,难以完整反映跨区域电力交换对新能源消纳能力的作用。

2、新能源消纳能力是给定电网结构、运行方式和评估时段内能够接纳并实际利用的新能源功率或电量。新能源消纳率为同一时刻的实际消纳功率与理论可发功率之比;按时段统计时,则为实际消纳电量与理论可发电量之比。传统生产模拟或最优潮流方法通常需要建立较完整的电源、电网、负荷和储能约束模型,并对大量时段逐一求解。在大规模、多区域电网及连续滚动评估场景下,此类方法存在建模复杂、计算量较大和求解时间较长的问题。

3、尤其是在多区域互联电网中,各区域并非相互独立运行。区域间联络线形成了实际的功率交换通道,目标区域的新能源消纳状态会随相邻区域负荷水平、新能源出力、常规机组出力、储能充放电状态以及联络线运行状态变化而改变。同一相邻区域在不同运行状态下对目标区域的影响程度也可能不同。因此,仅将各区域运行变量作为彼此独立的时间序列进行建模,难以充分反映区域间联络拓扑所形成的空间关联以及运行状态沿联络关系产生的传递作用。

4、已有数据驱动方法多将负荷、新能源出力和储能功率等变量作为普通时间序列输入循环神经网络或卷积神经网络,难以显式利用不同聚合电网之间的联络拓扑及相邻区域的差异化影响。同时,新能源消纳时序中通常同时存在趋势项、周期波动、短时扰动和非平稳噪声,直接使用单一时序模型进行评估,容易发生不同频率成分相互干扰,影响模型的评估精度和稳定性。

5、现有部分时序分析方式虽然能够通过序列分解降低不同频率成分之间的相互影响,但如果直接针对原始风电、光伏、负荷等单一运行变量进行分解,得到的各频率分量主要体现相应变量自身的时间变化特性,仍难以反映区域间功率交换、联络拓扑及相邻区域运行状态对目标区域新能源消纳能力的共同作用。另一方面,如果不区分趋势变化、周期性波动以及短时扰动等不同时间尺度,而直接由单一模型统一提取时序特征,又容易使不同尺度特征在同一模型中产生相互干扰,对局部峰谷、阶段性波动以及非平稳变化的识别能力受到限制。

6、因此,需要将区域电网拓扑关系与连续运行时序数据统一组织,在提取空间关联特征后处理消纳时序数据的非平稳性,为电网规划、新能源接入分析和调度运行提供辅助决策。

7、由此,现有新能源消纳能力评估面临的主要难点在于:既需要考虑目标区域自身连续运行状态,又需要描述区域间联络拓扑以及相邻区域运行状态产生的空间耦合影响;同时,还需要处理新能源消纳序列中趋势、周期波动、短时扰动以及非平稳噪声等多时间尺度成分。空间关联与时间多尺度特征相互耦合,使得仅采用传统物理优化模型或单一时间序列模型均难以兼顾评估效率、评估精度和连续滚动评估需求。

技术实现思路

1、本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种基于图时序分解的新能源消纳能力评估方法及系统,用于解决现有新能源消纳能力评估方法通常将风电、光伏、负荷等运行变量作为相互独立的时间序列进行处理,或直接对原始序列进行模态分解,没有在时序分解前充分利用区域间联络拓扑及相邻区域运行状态,导致所得时序特征难以体现区域间功率交换、运行状态传递及相邻区域对目标区域新能源消纳能力的影响,同时对于包含趋势变化、周期波动、短时扰动和非平稳噪声的新能源消纳序列,采用单一时序模型容易造成不同时间尺度特征相互干扰,对局部峰谷、阶段性波动及跨区域耦合变化识别能力不足,影响多区域电网新能源消纳功率及新能源消纳率评估精度和稳定性的技术问题。

2、本发明采用以下技术方案:

3、一种基于图时序分解的新能源消纳能力评估方法,包括以下步骤:

4、获取连续多个采样时刻的聚合电网运行数据和区域间联络线连接数据,将各聚合电网作为图节点、区域间联络线作为图边,并根据各图节点的运行特征构建连续多个采样时刻的图时序样本;

5、选定目标聚合电网节点,将各采样时刻的所述图时序样本分别输入图注意力网络,根据区域间联络拓扑对所述目标聚合电网节点及其相邻图节点的运行特征进行加权聚合,将各采样时刻的聚合结果分别映射为初步新能源消纳表征值,并按照时间顺序组成所述目标聚合电网节点的初步新能源消纳时序;

6、对所述初步新能源消纳时序进行变分模态分解,得到时间索引一致且满足加性重构关系的多个模态分量;

7、将各所述模态分量分别输入与其一一对应的时序卷积网络分支,分别获得同一目标时刻对应的模态评估值;

8、按照所述加性重构关系叠加各所述模态评估值,并进行反归一化处理,得到所述目标聚合电网节点的新能源消纳功率,并根据所述目标时刻的新能源理论可发功率计算新能源消纳率。

9、进一步的,所述构建连续多个采样时刻的图时序样本,包括:

10、将各聚合电网的系统负荷、常规机组出力、风电出力、光伏出力及储能充放电功率中的多项作为对应图节点的运行特征;

11、按照统一采样间隔对各图节点的运行特征进行时间对齐和归一化,并按照固定的节点编号和特征排列顺序形成各采样时刻的节点特征矩阵;

12、根据各聚合电网之间的区域间联络线连接关系形成各采样时刻的邻接矩阵,并利用连续多个采样时刻的所述节点特征矩阵和邻接矩阵构成所述图时序样本。

13、进一步的,采用预设长度的滑动时间窗口从连续采样数据中形成所述图时序样本;

14、当所述滑动时间窗口内区域间联络线的投退状态发生变化时,更新发生变化的采样时刻对应的邻接矩阵,并保持各图节点的节点编号和运行特征排列顺序不变。

15、进一步的,所述生成初步新能源消纳时序,包括:

16、针对每一采样时刻,根据所述目标聚合电网节点及其相邻图节点的运行特征计算对应的注意力系数;

17、在所述目标聚合电网节点的邻域范围内对所述注意力系数进行归一化,根据归一化后的注意力系数对所述相邻图节点的运行特征进行加权聚合;

18、对加权聚合结果进行输出映射,获得对应采样时刻的初步新能源消纳表征值,并将连续多个采样时刻的初步新能源消纳表征值按照时间顺序排列,形成所述初步新能源消纳时序。

19、进一步的,所述对初步新能源消纳时序进行变分模态分解,包括:

20、以所述初步新能源消纳时序作为变分模态分解的输入,通过求解带重构约束的变分问题,将所述初步新能源消纳时序分解为具有不同中心频率和有限带宽的多个模态分量;

21、利用麻雀搜索算法,以重构误差和模态分离程度作为评价量,确定所述变分模态分解的模态数和二次惩罚因子。

22、进一步的,所述将各模态分量分别输入与其一一对应的时序卷积网络分支,包括:

23、每一所述时序卷积网络分支仅接收对应模态分量在当前采样时刻及历史采样时刻的数据;

24、所述时序卷积网络分支包括因果卷积、膨胀卷积和残差连接,通过递增扩张率扩大时间感受野,并输出对应模态分量在目标时刻的模态评估值。

25、进一步的,所述按照加性重构关系叠加各所述模态评估值,包括:

26、将各时序卷积网络分支输出的同一目标聚合电网节点、同一目标时刻的模态评估值进行叠加,并利用训练数据对应的归一化参数进行反归一化,获得所述目标聚合电网节点的新能源消纳功率;

27、在获得所述目标时刻的新能源理论可发功率时,根据所述新能源消纳功率与新能源理论可发功率确定新能源消纳率。

28、进一步的,还包括模型训练过程:

29、按照时间先后顺序将历史图时序样本划分为训练集、验证集和测试集;

30、利用所述训练集训练所述图注意力网络和各时序卷积网络分支,利用所述验证集选择滑动时间窗口长度、网络结构和变分模态分解参数,并利用所述测试集评价模型性能;

31、其中,所述图注意力网络根据新能源实际消纳功率进行训练,训练完成后生成历史初步新能源消纳时序,各所述时序卷积网络分支分别以对应模态分量的历史序列进行训练。

32、进一步的,所述方法还包括滚动评估:

33、获取最新连续多个采样时刻的聚合电网运行数据和区域间联络线连接数据,按照与模型训练阶段相同的节点编号、运行特征排列顺序和归一化参数更新所述图时序样本;

34、每获得一个新的采样时刻的数据,将所述新的采样时刻的数据加入滑动时间窗口,并移除所述滑动时间窗口中最早的采样时刻的数据,使滑动时间窗口长度保持不变;

35、将更新后的图时序样本输入训练完成的评估模型,获得下一采样时刻或目标评估时段的新能源消纳功率和/或新能源消纳率。

36、第二方面,本发明实施例提供了一种基于图时序分解的新能源消纳能力评估系统,包括:

37、数据模块,用于获取连续多个采样时刻的聚合电网运行数据和区域间联络线连接数据,将各聚合电网作为图节点、区域间联络线作为图边,并根据各图节点的运行特征构建图时序样本;

38、提取模块,用于将各采样时刻的图时序样本输入图注意力网络,对目标聚合电网节点及其相邻图节点的运行特征进行加权聚合,将各采样时刻的聚合结果映射为初步新能源消纳表征值,并按照时间顺序组成初步新能源消纳时序;

39、分解模块,用于对所述初步新能源消纳时序进行变分模态分解,得到时间索引一致且满足加性重构关系的多个模态分量;

40、评估模块,用于将各所述模态分量分别输入与其一一对应的时序卷积网络分支,获得同一目标时刻对应的模态评估值;

41、重构模块,用于按照所述加性重构关系叠加各所述模态评估值并进行反归一化,获得所述目标聚合电网节点的新能源消纳功率,并根据新能源理论可发功率确定新能源消纳率;

42、输出模块,用于训练所述图注意力网络和时序卷积网络,并根据连续更新的聚合电网运行数据和区域间联络线连接数据进行新能源消纳能力滚动评估。

43、第三方面,一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于图时序分解的新能源消纳能力评估方法的步骤。

44、第四方面,本发明实施例提供了一种计算机可读存储介质,包括计算机程序,所述计算机程序被处理器执行时实现上述基于图时序分解的新能源消纳能力评估方法的步骤。

45、与现有技术相比,本发明至少具有以下有益效果:

46、一种基于图时序分解的新能源消纳能力评估方法,以聚合电网为图节点、区域间联络线为图边构建图时序样本,先利用图注意力网络融合目标区域及相邻区域的运行状态,形成包含跨区域空间关联的初步新能源消纳时序,再对该时序进行变分模态分解,并由多个时序卷积网络分支分别评估不同模态。使区域间功率交换和相邻区域运行状态能够进入后续各时间尺度的分析过程,同时减少趋势变化、周期波动及短时扰动之间的相互干扰。各模态结果按照加性关系重构后直接得到新能源消纳功率,使空间关联提取、时序分解和能力评估形成连续的数据处理链,提高新能源消纳能力评估的准确性和稳定性。

47、进一步的,将负荷、常规机组出力、风电出力、光伏出力及储能充放电功率中的多项作为节点运行特征,并按照统一采样间隔和固定节点、特征顺序形成节点特征矩阵,使影响新能源消纳的主要运行状态能够在同一图结构中统一表达;同时结合区域间联络线形成邻接矩阵,为图注意力网络识别不同聚合电网之间的空间关联提供结构化输入。

48、进一步的,采用滑动时间窗口组织连续图时序样本,在保持固定历史观察长度的情况下持续引入最新运行数据;当联络线投退状态改变时,只更新对应时刻的邻接矩阵而保持节点编号及特征顺序不变,能够反映电网拓扑的动态变化,避免因数据组织形式改变影响后续模型输入的一致性,适用于新能源消纳能力连续滚动评估。

49、进一步的,根据目标节点与相邻节点当前运行特征计算注意力系数,并进行差异化加权聚合,使不同相邻区域对目标区域消纳能力的影响能够随实际运行状态动态变化,而非采用固定权重处理。将聚合结果进一步映射为单一初步新能源消纳表征值,可将多节点、多变量空间信息压缩为连续融合消纳时序,为后续统一进行模态分解提供直接的数据基础。

50、进一步的,以融合空间关联后的初步新能源消纳时序作为变分模态分解对象,使所得各模态不仅表征不同频率尺度,而且包含区域间空间耦合信息;利用麻雀搜索算法根据重构误差和模态分离程度确定模态数及二次惩罚因子,降低模态数设置不当造成的分解不足、模态混叠或冗余分量问题,提高后续分模态评估的有效性。

51、进一步的,为各模态分别配置对应的时序卷积网络分支,使不同频率特征独立进行时序建模,减少不同尺度信息之间的干扰。因果卷积仅利用当前及历史数据,避免目标时刻之后的数据进入评估过程;膨胀卷积扩大时间感受野,残差连接保留原始模态信息,使模型能够同时提取短期波动和较长时间范围内的依赖关系。

52、进一步的,将同一目标时刻的各模态评估值按照变分模态分解的加性关系进行叠加,并采用训练阶段确定的参数反归一化,使分模态输出能够恢复为具有实际物理含义的新能源消纳功率;结合理论可发功率计算消纳率,同时形成绝对消纳能力和相对消纳水平两个评价结果。

53、进一步的,按照时间先后顺序划分训练集、验证集和测试集,避免后续时段信息进入前序训练过程;利用验证集选择滑动窗口长度、网络结构及分解参数,使模型参数能够围绕实际评估误差进行确定。gat与各tcn分支采用分阶段训练,能够使空间关联提取、模态分解及模态时序评估分别完成针对性优化。

54、进一步的,采用固定长度滑动窗口持续接收最新运行数据,每新增一个采样点即更新输入窗口,并同步根据联络线状态更新图结构,使训练完成的模型持续适配当前电网运行状态,实现下一采样时刻或目标评估时段的滚动评估,满足连续运行场景下新能源接入分析、跨区域功率协调及调度运行的评估需求。

55、综上所述,本发明先利用区域联络拓扑提取目标区域与相邻区域的空间关联,再对融合后的新能源消纳时序进行模态分解和分支评估,兼顾跨区域耦合及多尺度时序波动,减少不同频率成分相互干扰,能够提高新能源消纳功率及消纳率评估的准确性、稳定性和滚动评估能力。

56、下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。