一种考虑来水-电价-发电空间联合不确定性的梯级水电调度场景集生成方法与流程

本发明涉及一种考虑来水-电价-发电空间联合不确定性的梯级水电调度场景集生成方法，属于发电调度与电力市场。

背景技术：

1、随着电力系统市场化改革的不断深入，梯级水电的调度模式正在被重塑，从传统计划发电方式下的“以水定电”、“以电定水”模式转变为由电力现货市场下的基于市场出清、电价决定的发电收益最大模式。在电力现货市场环境下，梯级水电为实现稳健调度，不得不考虑除来水外的电价、阻塞、市场竞争等多重不确定性。

2、然而，现有文献研究在处理上述不确定性时存在三项不足：

3、（1）不确定性来源局限：目前多数研究仅考虑电价不确定性和来水不确定性，忽略了水电站受通道、检修、断面约束等影响的“发电空间”这一关键不确定性来源；

4、（2）场景生成忽略变量相依关系：传统调度场景集生成通常假设来水流量、节点电价等变量相互独立，分别进行抽样生成场景。但实际运行中枯水期和高电价、发电空间受限和电价上涨之间存在一定的相依关系，假设各变量独立会导致场景集失真；

5、（3）场景集与调度决策不匹配：现有技术大多基于期望值计算概率场景集，没有对场景分类并根据不同的调度目标与场景进行匹配，导致场景集的工程应用价值有限。

6、亟需一种系统量化来水流量、节点电价、发电空间三者不确定性内在相依关系的方法，生成直接服务于不同调度优化目标的场景集，提升梯级水电在电力现货市场下调度运行的收益。

技术实现思路

1、本发明的目的在于克服现有技术中的不足，提供一种考虑来水-电价-发电空间联合不确定性的梯级水电调度场景集生成方法，生成直接服务于不同调度优化目标的场景集，提升梯级水电在电力现货市场下调度运行的收益。

2、为达到上述目的，本发明是采用下述技术方案实现的：

3、本发明的目的在于克服现有技术中存在的上述不足，而提供一种考虑来水-电价-发电空间联合不确定性的梯级水电调度场景集生成方法，以解决以下技术问题：

4、（1）克服单一或二维不确定性的局限：首次将“发电空间”作为独立的不确定性变量纳入梯级水电调度不确定性分析框架。

5、（2）刻画变量间的复杂相依关系：采用三维copula函数，捕捉来水流量、节点电价、发电空间之间相依性结构，实现对来水流量、节点电价、发电空间联合不确定性的建模。

6、（3）实现场景集与调度决策的耦合：通过场景分类机制，将场景集分为“高概率典型场景”和“低概率极端场景”，并在调度模型中显式引入“梯级水电最终出力上限为来水确定的潜在出力和发电空间的较小值”的约束逻辑，使场景集能够直接驱动不同调度目标（基准计划调度与鲁棒计划调度），提升调度方案的工程实用性。

7、本发明解决上述问题所采用的技术方案如下。

8、第一方面，本发明提供了一种考虑来水-电价-发电空间联合不确定性的梯级水电调度场景集生成方法，包括以下步骤：

9、步骤1：分别针对来水流量、节点电价和发电空间构建单变量不确定性量化模型，输出来水流量、节点电价和发电空间的边际概率分布；

10、步骤2：基于所述来水流量、节点电价和发电空间的边际概率分布，采用三维copula函数构建来水流量、节点电价和发电空间的联合概率分布，以刻画三者之间的相依关系；

11、步骤3：根据所述联合概率分布，采用蒙特卡洛方法生成初始多维不确定性场景集；

12、步骤4：对所述初始多维不确定性场景集进行场景缩减，并根据场景概率和特征对缩减后的场景进行分类推荐，得到高概率典型场景和低概率极端场景；

13、其中，所述发电空间是指在给定电网拓扑、通道容量、机组检修状态和振动区约束的物理边界条件下，水电站能够安全发出的功率上限。

14、进一步的，步骤1中，针对来水流量构建单变量不确定性量化模型，包括：

15、基于分布式水文模型提供的梯级水电来水预测的确定性预报和站点监测的实际来水流量，采用分位数回归技术，构建“预报-实测”映射模型：

16、；

17、其中，为分布式水文模型在t时刻生成的模拟流量；是待预测的分位数τ下的流量；为不确定性区间覆盖的分位数，。为截距项，代表物理模型的系统性偏差；为斜率项，代表物理模型对径流波动的放大或缩小倍数。

18、为获得在极端干旱和洪水条件下的鲁棒径流估计，该模型通过最小化检查球损失函数拟合模型参数与，公式如下：

19、

20、

21、其中，为误差值，即；为指示函数，如果误差小于0，值为1，否则为0。取=0.001，0.005，0.01，0.02，...，0.5，...，0.98，0.99，0.995，0.999，对和分别进行拟合，得到一组的散点表，利用广义帕累托分布（gpd）拟合极值洪水部分，其余部分用三次样条拟合，从而得到来水流量的边际分布。

22、进一步的，步骤1中，针对节点电价构建单变量不确定性量化模型，包括：

23、对节点电价和供需数据进行映射建模：

24、

25、

26、其中，为时刻送出端或受端系统的总负荷预测值；为时刻系统内其他电源的出力预测值；为时刻净负荷，代表了必须由本类电源来满足的剩余需求；为时刻送出通道节点的历史边际电价；是净负荷和电价之间的函数映射关系；，，，，为待求的模型参数，通过最小二乘法拟合求得；为指数项，模拟当净负荷接近系统装机极限等情况时的电价激增现象；为残差项，代表模型无法解释的随机波动，通常假设其符合正态分布。

27、根据上述公式可知，电价不确定性来源主要为负荷预测误差和其他能源预测误差：

28、

29、

30、假设两者误差独立同分布，则净负荷的联合标准差为：

31、

32、在净负荷标准差范围内，基于蒙特卡洛模拟生成海量电价结果：

33、

34、其中，是第次蒙特卡洛抽样的情景；是第次蒙特卡洛抽样得到的净负荷情景样本值；是外部模型提供的确定性电价预测值；是第次抽样的随机扰动项。然后进行净负荷和电价进行映射，即将生成的多组代入上述拟合好的净负荷~电价曲线~中，并叠加残差随机项，得到多个可能的电价场景。

35、将上述电价场景集转化为概率电价，其中期望电价表示为：

36、

37、按照从小到大排序，取和（）作为电价的置信区间，所得到的样本集合为电价的边际分布。

38、进一步的，步骤1中，针对发电空间构建单变量不确定性量化模型，包括：

39、基础特征数据准备：发电空间的基准规模根据梯级水电所在省域总出力预测值和预测的梯级水电站出力占比决定：

40、；

41、；

42、其中，为历史阶段目标水电站每日发电量。由于梯级水电站群的综合发电能力远高于小水电，因此一般属于一个稳定的区间范围。由于可能会受到政策、通道限制、检修事件等非常规因素影响存在极少概率的大幅波动，因此去除极端值影响，选择5%~95%区间的计算平均值。

43、物理与拓扑约束特征数据为硬约束，包括检修信息（机组检修停用开始时间和结束时间，通道当日输变电检修信息）、直流通道送出电量与断面约束、研究目标电站机组出力约束：

44、

45、市场与调度特征数据包括省间送电协议、历史和日前各水电站节点电价与交易结果、各水电站涉及的直流通道的历史每日送出电量。

46、高斯过程回归建模：对于每一个15min时间节点，构建特征向量：

47、

48、其中，为基于总预测出力分配的初始发电份额；为目标水电站对应通道的断面裕度；为日前/实时节点电价；为检修状态；为历史同类型日的典型出力形状因子。

49、接下来需要选择核函数。由于发电空间具有显著的日内周期性和平滑演变特征，因此选择混合核函数：

50、

51、其中，为径向基核，是常用的捕捉特征间非线性映射的核函数；为周期核，捕捉15min序列在日内的循环特性；为白噪声核，吸收测量误差和非系统性波动。

52、最后是模型训练与参数寻优。利用上述历史实测数据作为训练集，通过最大化对数边缘似然函数来确定核函数的超参数，从而对发电空间进行估计：

53、

54、其中，是训练集的样本数量；是训练集的输出向量；即历史实测的发电空间值；为核函数组成的矩阵，表示训练样本之间的协方差结构；为噪声方差；为单位矩阵；gpr模型训练完成后，对于待预测的日前某个时刻特征，gpr会给出发电空间的预测和概率分布，包括均值预测和方差预测：

55、

56、

57、

58、其中，是新输入的自变量与训练集的协方差变量。此时发电空间的边际概率分布为：

59、

60、物理约束校验：由于gpr输出的是统计学上的但水电调度必须遵循硬性物理约束，因此需要进行约束截断和不确定性修正。预测的发电空间需满足如下公式：

61、

62、其中，为不确定性区间。发电空间的边际分布为右截断正态分布。如果在某个时刻发生了通道输变电检修或机组检修，该时刻的均值就强制修正为0，且方差也应趋近于0，在右截断正态分布的基础上，离散部分服从0值退化分布。

63、进一步的，步骤2中，基于所述来水流量、节点电价和发电空间的边际概率分布，采用三维copula函数构建来水流量、节点电价和发电空间的联合概率分布，以刻画三者之间的相依关系，包括：

64、利用步骤1得到的来水流量、节点电价和发电空间的边际概率分布，采用三维高斯copula函数构建来水流量、节点电价、发电空间的联合概率分布；

65、来水流量、节点电价、发电空间构成一个系统状态向量：

66、

67、分别拟合出它们的边缘累积分布函数；将实际物理空间中的变量、、通过其累积分布函数转换为[0,1]区间上的概率空间变量，以表示：

68、

69、其中，表示第i个概率空间变量，分别表示来水流量、节点电价和发电空间的概率空间变量；

70、记概率空间向量；由此，三个变量的真实联合分布可表示为：

71、

72、其中，为3*3的皮尔逊相关系数矩阵；当采用三维高斯copula函数c，其数学解析式为：

73、

74、其中，是标准正态分布的逆函数，是均值为向量0、相关系数矩阵为的三维标准正态分布累积函数；定义辅助向量，其中：

75、;

76、其中，表示第i个辅助变量，分别表示来水流量、节点电价和发电空间的辅助变量。

77、进一步的，步骤3中，根据所述联合概率分布，采用蒙特卡洛方法生成初始多维不确定性场景集，包括：

78、采用蒙特卡洛方法生成n个独立的三维随机向量：

79、；

80、其中，右上标（k）表示蒙特卡洛方法生成的第k个，总共n个；

81、对相关系数矩阵进行cholesky分解：

82、；

83、；

84、此时，具备了来水、发电空间、电价之间的物理相依关系，通过两次逆变换还原回物理空间：

85、；

86、；

87、其中，表示第i个变量的边缘累积分布函数的逆函数；表示第k个初始场景；

88、此时可获得n个初始场景集合：

89、；

90、由于是蒙特卡洛随机等概率抽样，因此每个场景发生的初始概率均为：

91、。

92、进一步的，步骤4中，对所述初始多维不确定性场景集进行场景缩减，并根据场景概率和特征对缩减后的场景进行分类推荐，得到高概率典型场景和低概率极端场景，包括：

93、对初始场景集合的各变量进行z-score标准化，得到第k个标准化后的场景；

94、定义任意两个场景和之间的三维几何距离：

95、

96、其中，

97、设定目标保留场景集合为，初始为空集，待削减场景集合为，初始为n个场景，通过同步回代消除法选出个点：

98、①找到绝对中心点：找出到所有其他点距离之和最小的点，放入中，从中剔除；

99、②循环挑选：对于中剩下的每一个候选点，计算如果把加进中，整个系统未被选中的点到被选中的点集合的概率距离的下降值，寻找使这个距离下降幅度最大的点，将其放入。

100、③终止判定：重复挑选直到集合中刚好包含个场景。

101、被削减的场景将自己的概率加到中离其最近的保留场景中，最终保留场景的最终推荐概率为：

102、

103、其中，代表所有被淘汰的场景中，离代表场景r最近的场景集合。

104、取最高概率的前m个场景，确保上述场景累计概率超过50%，得到高概率典型场景集合，代表高概率典型场景，服务于基准计划调度。

105、从剩余场景中选取发电空间、来水流量、节点电价物理数值各自或联合处于边界的场景，得到低概率极端场景集合，代表低概率极端场景，服务于鲁棒计划调度。

106、进一步的，所述方法还包括：

107、步骤5：将所述高概率典型场景和/或所述低概率极端场景嵌入梯级水电优化调度模型中，生成面向不同调度目标的调度方案。

108、进一步的，步骤5中，将所述高概率典型场景和/或所述低概率极端场景嵌入梯级水电优化调度模型中，生成面向不同调度目标的调度方案，包括：

109、将生成的来水流量、节点电价、发电空间场景集嵌入梯级水电优化调度模型中，其中来水确定水能资源的供给总量和过程；电价引导优化模型分配出力获得最大化收益；发电空间作为出力上限约束，反映电网通道、检修、断面等外部物理边界的对出力的限制。

110、以发电效益最大化为目标，构建梯级水电日前优化调度模型。目标函数为：

111、；

112、其中，为时段序号；为总时段数；为水电站序号；为整个梯级的水电站总数。为电站在时段的发电功率；为场景下时段的预测节点出清价格；为时段步长。

113、以发电效益最大化为目标，构建梯级水电日前优化调度模型；目标函数为：

114、；

115、其中，为时段序号；为总时段数；为水电站序号；为整个梯级的水电站总数；为电站在时段的发电功率；为场景下时段的预测节点出清价格；为时段步长；

116、在基准计划调度模式下，将高概率典型场景下的来水流量、节点电价、发电空间同时输入梯级水电日前优化调度模型，求解得到最优出力过程，作为日前市场的基准发电计划；

117、在鲁棒计划调度模式下，将低概率极端场景下的来水流量、节点电价、发电空间代入梯级水电日前优化调度模型，若超限，则调整策略，求解得到的最优出力过程作为鲁棒调度方案；

118、约束条件包括：

119、水量平衡约束：

120、

121、其中和为电站在时段和时段的库容，和分别为电站在时段的入库流量和出库流量。

122、出力-发电流量-水头关系：

123、

124、其中为nhq曲线函数，为电站在时段的净水头，为电站在时段的发电流量。

125、发电空间约束：

126、

127、其中为中期计划出力，为可配置的允许正向偏差参数，为可配置的允许负向偏差参数，为场景下时段的电站可发功率上限。

128、短期发电量约束：

129、

130、其中为中期调度给定的日发电量目标。

131、库水位约束：

132、

133、其中、和分别为电站在t时刻的水位、死水位和正常蓄水位。

134、发电流量约束：

135、

136、其中、和分别为电站在t时刻的发电流量、最小发电流量和最大发电流量。

137、出库流量约束：

138、

139、其中、和分别为电站在t时刻的出库流量、最小出库流量和最大出库流量。

140、出力爬坡约束：

141、

142、其中为电站相邻时段出力变化的最大允许幅度。

143、振动区避让约束：

144、

145、其中为振动区序号，为振动区总数，和分别为振动区下限和上限。

146、水流滞时：

147、

148、其中为电站和电站之间的区间入流，如果m为龙头电站，那么就是电站自然入流，为水流从上游电站坝址流至下游电站坝址所需时间。

149、第二方面，本发明提供一种考虑来水-电价-发电空间联合不确定性的梯级水电调度场景集生成装置，包括处理器及存储介质；

150、所述存储介质用于存储指令；

151、所述处理器用于根据所述指令进行操作以执行根据第一方面所述方法的步骤。

152、本发明与现有技术相比，具有以下优点和效果：

153、（1）首次提出“来水-电价-发电空间”三维不确定性联合建模框架：解决了现有技术忽略电网通道、机组检修等物理约束对水电出力限制的问题。通过将发电空间独立纳入“来水-电价-发电空间”三维copula联合建模，生成的场景集能够同时反映资源、市场和运行三重不确定性，使调度计划更贴近实际可执行能力。

154、（2）通过“中期计划-发电空间”松弛取小约束，实现场景与调度嵌套的精准衔接：传统场景生成后要么直接用于随机规划的期望值计算，要么仅作为展示用途，未与调度业务中的长-中-短期嵌套流程形成有机衔接。本发明通过“中期计划-发电空间”松弛取小约束，使发电空间场景值直接参与短期出力上限决策，在保障物理可行性的同时保留经济优化空间，显著提升计划可执行率。

155、（3）建立“典型场景-极端场景”分类驱动机制，实现效益与风险的协同优化：改变了现有方法对多场景全部输入求期望的模式，本发明利用典型场景驱动基准调度以追求高概率收益，极端场景单独用于鲁棒性校验以识别低概率风险，两者结合可在不牺牲期望效益的前提下有效降低弃水/缺电风险，平衡调度的收益和风险鲁棒性。