一種風電接入電網的風險預測評估方法
【技術領域】
[0001] 本發明涉及電力領域，特別涉及一種風電接入電網的風險預測評估方法。
【背景技術】
[0002] 隨著風力發電技術的不斷發展，風電場裝機容量的不斷提高，風電的間歇性、波動 性等特點使其在并網時成為一個擾動源對電網的安全運行水平造成很大影響。因此，準確 進行短期風電功率預測，并利用預測結果對風電接入后的電網進行動態安全性評估，對提 高風電接入后的電網的安全運行水平具有重要的意義與價值。
[0003] 近幾年來，風電功率進行短期預測方面，Volterra自適應濾波器以其訓練速度 快，所需樣本量小等優點得到了廣大學者的關注，如"Volterra models and three-layer perceptrons(Marmarelis V Z，Zhao X. . Neural Networks,IEEE Transactions on，1997， 8(6) : 1421-1433.)。但Volterra自適應濾波器的預測效果易受與預測點信息不相關或對 預測點貢獻較小的相點影響。目前研究表明采用鄰近點作為訓練集，證明合理篩選鄰近點， 建立局域模型，可提高模型的精度如《時空混沌序列的局域支持向量機預測》（張家樹，黨建 亮，李恒超..物理學報，2007,56(1) :67-77.) -文中，針對鄰近點的選擇，目前主要判據有 歐式距離、向量夾角、關聯度等方法。另一方面，在工程應用中，模型的有效性不僅要求算法 精度高，同時也要求模型的計算速度快。使用K均值算法可有效提高模型的計算速度，參看 "Short-term prediction of wind power with a clustering approach. '，（Kusiak A，Li ff. Renewable Energy, 2010,35(10) :2362-2369.)
[0004] 而在現有技術中，風電功率進行短期預測方面采用的Volterra自適應濾波器鄰 近點計算，忽略了相點自身的不同坐標分量的時間次序對預測點產生的影響不同，容易引 入"偽鄰近點"，導致算法的計算精度與計算速度穩定性差。
【發明內容】
[0005] 本發明在于克服現有技術的上述不足，提供一種計算精度、計算速度穩定性好的 風電接入電網的風險預測評估方法。
[0006] 為了實現上述發明目的，本發明采用的技術方案是：
[0007] -種風電接入電網的風險預測評估方法，包括以下步驟：
[0008] 采集風電場原始數據，得到初始風電功率時間序列；
[0009] 對所述初始風電功率時間序列進行相空間重構，得到相點向量；
[0010] 對所述相點向量進行K均值聚類計算；
[0011] 引入權重向量改進鄰近點的距離與趨勢的判據，建立綜合判據，得到鄰近點集 合；
[0012] 將所述鄰近點集合作為volterra自適應濾波器的訓練集合，得到風電場功率預 測數據。進一步地，所述引入權重向量改進鄰近點的距離與趨勢的判據，建立綜合判據，得 到鄰近點集合包括：
[0013] 定義一種運算方式：
[0015] 其中A, B均為m維的向量，&1，h分別為向量A、B的第i維分量；
[0016] 則當前預測點X(p)與相點X(i)間的距離為：
[0018] 式中，X(p)表示第p個預測點，X⑴表示第i個相點，α為權重向量，且對于m維 的向量α而言，α (1)彡α (2)彡…彡a (m)，考慮到坐標分量間的間隔時間為均為τ，取
[0019] 其中，d(p, i)越小，當前預測點Χ(ρ)與相點X(i)的距離越近；
[0020] 定義多步回溯的差值向量為：
[0023] 其中，q表示回溯步長，X(p)為X(p-q)的q步演化相點，X(i)為X(i-q)的q步演 化相點；
[0024] 多步回溯的預測點與相點間的方向夾角為：
[0026] 對上式進行加權，可得預測點與相點的發展趨勢判據為：
[0028] cos Θ (p，i)是由向量間的夾角的余弦演化而來，其中，β為權重向量，且
[0029] cos θ (ρ，i)越小，表示當前預測點Χ(ρ)與相點X(i)的發展趨勢越接近；
[0030] 預測點X(p)與相點X(i)間的相似度為：
[0032] 其中γ丫2分別為距離指標與演化趨勢指標的權重值，且γ i+Yf 1。
[0033] 對所述相似度排序，選擇相似度較大的多個值作為鄰近點。
[0034] 進一步地，還包括：
[0035] 風電場負荷數據，根據RBF神經網絡模型得到負荷預測數據；
[0036] 根據所述風電場功率預測數據和負荷預測數據得到風電功率和負荷預測值；
[0037] 選定多個評估時間點，根據每個所述評估時間段的風電功率和負荷預測值對電網 進行風險評估，得到多個風險評估結果；
[0038] 根據所述多個風險評估結果得到電網風險預測曲線。
[0039] 進一步地，所述根據每個所述評估時間段的風電功率和負荷預測值對電網進行風 險評估包括：
[0040] 根據電網中各元件的重要度，分別建立表征電網節點、支路重要度的節點重要度 因子、支路重要度因子；
[0041] 引入所述支路重要度因子，修正電網系統的支路過載嚴重度函數，引入所述節點 重要度因子，修正電網系統的節點低電壓嚴重度函數；
[0042] 根據所述支路過載嚴重度函數、所述節點低電壓嚴重度函數得到表征電網運行狀 態的嚴重度指標；
[0043] 引入負荷經濟因子，得到表征負荷損失的失負荷嚴重度函數；
[0044] 對所述電網運行嚴重度指標、失負荷嚴重度函數分別進行加權處理，得到表征電 網事故的綜合嚴重度函數。
[0045] 進一步地，還包括：根據所述綜合嚴重度函數和事故發生概率得到綜合風險指標， 并根據所述指標對電網系統進行風險評估。
[0046] 與現有技術相比，本發明的有益效果
[0047] 1、本發明的一種風電接入電網的風險預測評估方法在利用Vo 1 terra自適應濾波 器計算時，綜合考慮預測點與相點的當前距離和相點間的多步演化趨勢，既考慮了相點的 演化相關性，又考慮了相點各坐標在時間上的不同影響，消除了現有技術中，"忽略了相點 自身的不同坐標分量的時間次序對預測點的影響不同，易引入'偽鄰近點'"的技術缺陷， 因此能有效避開"虛偽鄰近點"，選出在距離和演化趨勢均與預測點相似的鄰近點，提高了 計算精度和計算速度。
[0048] 2、由于風電并入電網后，具有波動性及不確定性，系統的運行狀態一直處于一個 變化的狀態，其安全風險也處于變化中，而現有技術并沒有一個很好的方法來評估風電接 入電網后的電網安全性風險，本發明的一種風電接入電網的風險預測評估方法，考慮風險 評估的評估時間窗，將各個時間點的風險值進行綜合利用系統風險走勢曲線可以為系統運 行人員預測和掌握系統運行狀態，能夠很好的預測風電場功率，從而有效預防由于風電波 動造成的電力系統事故，避免造成大面積停電。
【附圖說明】
[0049] 圖1所示是本發明的一個具體實施例示出的一種風電接入電網的風險預測評估 方法的風電場功率預測流程圖。
[0050] 圖2所