一种计及风光荷相关性及风险特征的配网调度方法与流程

本发明涉及配电网调度技术，公开一种计及风光荷相关性及风险特征的配网调度方法 ，属于发电、变电或配电的。

背景技术：

1、我国风电、光伏等分布式新能源在配电网中的装机规模与渗透率持续攀升，传统配电网正朝着分布式电源化的方向发展。分布式新能源固有的强随机性、强波动性，叠加负荷侧用电行为的主动响应特性，加剧了配电网潮流调控、电压治理与安全稳定运行的难度，给配电网的优化调度与风险防控带来了严峻挑战。精准刻画风电、光伏与负荷多元变量间的耦合关联特性，生成贴合电网实际运行规律的典型运行场景，是保障配电网优化调控模型精度与决策有效性的核心前提。

2、目前，针对源荷相关性建模与场景生成，国内外学者已开展大量相关研究。传统线性相关分析方法不能满足精确刻画风光荷多元变量间非线性耦合关联特性的需求。pearson相关系数，仅能量化变量间的线性关联程度，无法捕捉风光荷间普遍存在的非线性、非对称及尾部相依特性；kendall、spearman等秩相关系数虽可描述变量间的非线性相关性，却难以实现高维变量时空耦合关系的全局刻画，无法适配配电网多源协同优化的场景需求。

3、现有技术多仅聚焦风光二维相关性建模，普遍忽略风电、光伏与负荷间的高维耦合特性，易导致场景生成结果与配电网实际运行特性产生显著模型偏差，无法为配电网日前优化调度、日内滚动调控提供可靠的数据支撑，难以适配高比例新能源接入下柔性互联配电网的多时间尺度优化调控需求。

4、二元copula函数凭借优异的非线性相关性刻画能力，被广泛应用于风光二维相关性建模，但该类方法难以拓展至风电、光伏、负荷构成的高维联合建模场景，无法完整刻画多元源荷间的复杂耦合关联。因此，亟需一种能够精准刻画风光荷真实出力特性与多元耦合相关性的场景生成方法以适配配网优化调控需求。

技术实现思路

1、本发明的目的是为克服现有技术的不足，提供一种计及风光荷相关性及风险特征的配网调度方法，通过精准捕捉风光荷多元变量间的高维耦合特性生成贴合配电网实际运行规律的场景，实现为配电网优化调控提供可靠场景数据支撑进而实现配网协同调度的发明目的，解决传统建模导致的模型偏差致使配网调度不能依据贴合实际运行场景获取最优柔性资源配置的技术问题。

2、本发明为实现上述发明目的采用如下技术方案：

3、一种计及风光荷相关性及风险特征的配网调度方法，包括：

4、s1，采集目标配电网内风电节点、光伏节点、负荷节点的运行历史时序数据，生成各节点风光荷随机变量样本，构建表征目标配电网风光荷随机变量的高维时空样本集；

5、s2，对高维时空样本集进行非参数的核密度估计得到各节点风光荷随机变量样本的概率密度函数及边缘分布函数，将各节点风光荷随机变量样本的运行历史时序数据转换为服从均匀分布的各节点风光荷随机变量伪观测样本；

6、s3，考虑各节点风光荷随机变量伪观测样本之间的同步秩相关分量、时滞秩相关分量以及爬坡变化相关分量，计算任意两个节点风光荷随机变量伪观测样本之间的多尺度秩熵相关系数，构建c藤copula结构；

7、s4，对c藤copula结构中每棵树的每条边连接的节点风光荷随机变量对选择pair-copula函数，由选定pair-copula函数的c藤copula结构构建得到风光荷高维联合分布函数；

8、s5，对风光荷高维联合分布函数进行采样，生成初始联合运行场景集；

9、s6，根据初始联合运行场景的负荷功率、风电出力和光伏出力，计算每个初始联合运行场景的净负荷风险序列和尾部风险指标；

10、s7，根据尾部风险指标将初始联合运行场景集划分为常规场景层和尾部风险场景层，结合最终保留的典型运行场景数量确定常规场景和尾部风险场景的保留数量；

11、s8，分别对保留的常规场景和保留的尾部风险场景进行聚类，并在每个聚类簇中选取实际场景样本作为代表性场景，根据代表性场景构建典型场景集；

12、s9，将构建的典型场景集作为目标配电网时序仿真的输入数据，获取目标配电网柔性资源调度结果。

13、作为一种计及风光荷相关性及风险特征的配网调度方法的进一步优化方案，s2中，对高维时空样本集进行非参数的核密度估计得到各节点风光荷随机变量样本的概率密度函数及边缘分布函数，具体为：通过核密度估计构建第个节点风光荷随机变量样本的概率密度函数，对第个节点风光荷随机变量样本的概率密度函数积分变换获取第个节点风光荷随机变量样本的边缘分布函数，其中，，为第个节点风光荷随机变量样本时刻的观测值，为节点风光荷随机变量样本的运行历史时序数据包含的观测值数量，为核函数带宽。

14、作为一种计及风光荷相关性及风险特征的配网调度方法的再进一步优化方案，s2中，将各节点风光荷随机变量样本的运行历史时序数据转换为服从均匀分布的各节点风光荷随机变量伪观测样本，具体为：将第个节点风光荷随机变量样本时刻的观测值代入边缘分布函数，求得服从[0,1]均匀分布的第个节点风光荷随机变量伪观测样本。

15、作为一种计及风光荷相关性及风险特征的配网调度方法的再进一步优化方案，s3中，考虑各节点风光荷随机变量伪观测样本之间的同步秩相关分量、时滞秩相关分量以及爬坡变化相关分量，计算任意两个节点风光荷随机变量伪观测样本之间的多尺度秩熵相关系数，具体为：，其中，为第个节点风光荷随机变量伪观测样本与第个节点风光荷随机变量伪观测样本之间的多尺度秩熵相关系数，为第个节点风光荷随机变量伪观测样本与第个节点风光荷随机变量伪观测样本之间的同步秩相关分量，同步秩相关分量用于描述两个节点风光荷随机变量在同一时刻下的秩相关强度，为第个节点风光荷随机变量伪观测样本与第个节点风光荷随机变量伪观测样本之间的时滞秩相关分量，时滞秩相关分量用于描述不同节点风光荷随机变量在不同时间滞后下的关联强度，为第个节点风光荷随机变量伪观测样本与第个节点风光荷随机变量伪观测样本之间的爬坡变化相关分量，爬坡变化相关分量用于描述两个节点风光荷随机变量在相邻时段功率变化趋势上的一致性，、、分别为同步秩相关分量、时滞秩相关分量、爬坡变化相关分量的权重系数，，，，，为kendall秩相关函数，为第个节点风光荷随机变量在时刻的伪观测样本，为第个节点风光荷随机变量在时刻的伪观测样本，为最大时滞阶数，为时滞阶数序号，为时滞权重，，为第个节点风光荷随机变量在时刻的伪观测样本，，，为第个节点风光荷随机变量在时刻的伪观测样本，为第个节点风光荷随机变量在时刻的伪观测样本。

16、作为一种计及风光荷相关性及风险特征的配网调度方法的再进一步优化方案，s3中，构建c藤copula结构的具体方法为：在当前节点风光荷随机变量伪观测样本与其余节点风光荷随机变量伪观测样本之间的风光荷多尺度秩熵相关系数之和取得最大值时，选取当前节点风光荷随机变量伪观测样本对应的当前节点风光荷随机变量作为c藤copula结构的核心变量，将当前节点风光荷随机变量伪观测样本与其余节点风光荷随机变量伪观测样本之间的风光荷多尺度秩熵相关系数作为c-vine结构中边的权重，采用最大生成树法优化藤的层级树拓扑结构。

17、作为一种计及风光荷相关性及风险特征的配网调度方法的再进一步优化方案，s4中，对c藤copula结构中每棵树的每条边连接的节点风光荷随机变量对选择pair-copula函数，具体方法为：对pair-copula备选函数的参数进行极大似然估计，采用贝叶斯信息准则筛选拟合效果最优的pair-copula函数。

18、作为一种计及风光荷相关性及风险特征的配网调度方法的再进一步优化方案，s6中，根据初始联合运行场景的负荷功率、风电出力和光伏出力，计算每个初始联合运行场景的净负荷风险序列和尾部风险指标，具体方法为：，，其中，为第个初始联合运行场景时刻的净负荷风险量，为第个初始联合运行场景时刻负荷功率，为第个初始联合运行场景时刻第个风电节点出力，为第个初始联合运行场景时刻参与发电的风电节点数量，为第个初始联合运行场景时刻第个光伏节点出力，为第个初始联合运行场景时刻参与发电的光伏节点数量，为第个初始联合运行场景尾部风险指标，，为第个初始联合运行场景时刻的净负荷风险量，为净负荷风险量的分位点，，为权重系数。

19、作为一种计及风光荷相关性及风险特征的配网调度方法的再进一步优化方案，s7中，

20、根据尾部风险指标将初始联合运行场景集划分为常规场景层和尾部风险场景层，具体为：将尾部风险指标大于或等于尾部风险阈值的初始联合运行场景划分为尾部风险场景层，将尾部风险指标小于尾部风险阈值的初始联合运行场景划分为常规场景层；

21、结合最终保留的典型运行场景数量确定常规场景和尾部风险场景的保留数量，具体为：，，其中，为尾部风险场景的保留数量，为尾部风险场景的最小保留数量，为最终保留的典型运行场景数量，为第个初始联合运行场景的初始概率，为示性函数，为尾部风险放大系数，为常规场景的保留数量。

22、作为一种计及风光荷相关性及风险特征的配网调度方法的进一步优化方案，s8具体为：采用欧氏距离分别对保留的常规场景和保留的尾部风险场景进行聚类，选择每个常规场景聚类簇的聚类中心对应的常规场景样本为代表性常规场景，选择每个尾部风险场景聚类簇的聚类中心对应的尾部风险场景样本为代表性尾部风险场景，所述代表性常规场景和代表性尾部风险场景组成典型场景集。

23、作为一种计及风光荷相关性及风险特征的配网调度方法的再进一步优化方案，s9中，将构建的典型场景集作为目标配电网时序仿真的输入数据，以目标配电网的全天总网损最小、全网节点电压总偏差最小为双重优化目标，采用nsga-ⅱ多目标遗传优化算法求解配电网柔性资源协调调度模型，获取目标配电网柔性资源调度结果。

24、本发明采用上述技术方案，具有以下有益效果：

25、1、本发明基于c藤copula构建风电、光伏与负荷的高维联合分布模型，突破了传统方法仅考虑风光二维相关性的局限，能够更准确刻画源荷变量之间的非线性、非对称及尾部相依关系，降低因相关性建模不足造成的场景偏差。

26、2、本发明采用非参数核密度估计拟合各风电、光伏和负荷变量的边缘分布，并结合考虑各节点风光荷随机变量之间的同步耦合强度、滞后耦合强度、波动趋势耦合强度的kendall秩相关系数、pair-copula分解及信息准则选型构建联合分布模型，全局刻画高维变量时空耦合关系的同时，避免单一分布假设对实际运行数据的限制，提高了风光荷随机出力特性的拟合精度和适应性。

27、3、本发明在场景削减阶段引入尾部风险分层聚类方法，根据净负荷风险指标区分常规场景和尾部风险场景，并保留高净负荷、低新能源出力及快速爬坡等低概率高风险场景，使生成的典型场景更贴合实际运行特性，将生成的典型场景集用于配电网优化调度能够实现柔性资源的协调调度，将生成的典型场景集配电网安全校核和风险评估能够及时准确地提供用于防范配网潜在安全风险的预警信息。