面向数据特征的可再生能源区间预测与并网分层调度模型研究

Due to the stochasticity of the renewable energy and the unknown mathematical relationship between the variables in the prediction model, the renewable energy prediction becomes the bottleneck of its large-scale access and consumption in the power grid. Using the interval prediction with greater future information instead of the point prediction provides the solution. Besides, how to couple the prediction model with power system schedule model considering the reliability and economical also becomes the key of the renewable energy consumption. This project starts from the data analysis and conduct the research on the renewable energy consumption from the interval prediction, day-ahead schedule and intra-day schedule three aspects. The details include: 1) Propose the data-feature based data analysis model. For the different forecast objectives and scenarios, match the best forecasting approaches and build the interval prediction models; 2) Couple the short-term predicted interval based uncertainty set, build the day-ahead robust schedule model and propose the prediction error based uncertainty operator to adjust the conservation of schedule plan. 3) Propose the ultra-short-term interval prediction based intra-day hierarchical scheduling strategy, and construct the intra-day economic scheduling and interval economic scheduling respectively based on the steady and stochastic feature of the predicted interval. The prediction models and optimization models in this project own the good generalization, which can be further applied in the other integrated energy systems, such as the micro-grid.

可再生能源的随机性以及预测模型数学解析表达的未知，使得可再生能源预测成为了其在电网大规模接入与消纳的瓶颈，利用信息丰富的区间预测代替单一信息的点预测，为此提供了解决途径。此外，如何兼顾可靠性与经济性，耦合预测模型，建立电网调度优化模型，同样成为可再生能源消纳的关键。本课题从数据特征与分析角度入手，从区间预测、日前调度和日内滚动调度三方面展开可再生能源并网消纳研究，包括：1）提出面向数据特征的数据分析模型，针对不同预测对象与场景，匹配最优预测方法，针对性地构建区间预测模型；2）耦合基于短期预测区间的不确定性集，构建日前鲁棒调度模型，提出基于预测误差的不确定性算子用于调整调度计划的保守性；3）提出基于超短期区间预测的日内分层滚动调度策略，以预测区间稳态特征量与随机特征量分别构建日内滚动经济调度与滚动区间经济调度。课题中的预测模型与优化模型均具有较好泛化性，能够近一步推广到微电网等综合能源系统。

根据“30碳达峰、60碳中和”的目标，2030年中国非化石能源在一次能源占比要提升至25%，风电、光伏发电累计装机要达到 12 亿千瓦以上，随着数据爆发式增长与数据分析技术的崛起，信息化与电力系统的深度融合，尤其是在可再生能源方面在电力领域得到了空前关注，利用数据分析与数据模型，对可再生能源精确预测，有助于可再生能源的消纳以及电网的安全与平衡。.本研究基于面向数据特征的区间预测与电网调度耦合建模，从可再生能源区间预测和含可再生能源微电网优化日前鲁棒调度两个方面开展相关研究，解决不同预测场景下可再生能源的区间预测模型建立、区间预测与电网调度耦合建模、电网调度经济性与安全性的平衡等一系列问题。.在区间预测方面，研究了区间预测的训练优化目标，提出了基于有偏凸损失函数和自编码的光伏出力组合区间预测模型，基于有偏凸损失函数，将区间预测分为两个点预测模型，结合凸优化方法，提高了传统区间预测方法的稳定性。在含可再生能源微电网日前调度方面，研究了可再生能源处理的不确定性描述模型，提出了基于自适应不确定算子驱动的微电网两阶段鲁棒优化模型，基于预测区间的综合区间宽度确定合适的不确定算子，以调节鲁棒调度决策的保守性。.此外，在进行区间预测研究的过程中，考虑到风电机组目前的装机容量的提升，以及风电数据预处理过程中发现存在大量的异常数据，因此，本项目增加了风电机组规划与运行管理的研究，具体为（1）提出了基于数据驱动进化算法的风电机组最优布局方法，提高了风机布局优化算法效率（2）提出了基于图像处理的风电机组异常数据清洗模型，提高了异常数据清洗的准确度和清洗效率。.本项目的研究成果为可再生能源预测以及与微电网的耦合建模优化调度，提供了理论支撑，推动可再生能源大规模地消纳，加强信息技术与电气工程的融合，大力推进数据分析在电力系统中的应用。