一种基于天气差异特征的净负荷功率分解方法与流程

本发明涉及净负荷功率分解，特别涉及一种基于天气差异特征的净负荷功率分解方法。

背景技术：

1、随着"碳中和"和"碳达峰"目标的推进，分布式光伏能源引起了广泛的关注。越来越多的分布式光伏系统被纳入电网，但与大型光伏电站不同，小型分布式光伏通常安装在屋顶上，不配备独立的测量设备。因此，智能电表通常测量的是由实际负荷和光伏输出耦合形成的净负荷功率。对于电网公司来说，直接获得间歇性的光伏输出以及不稳定的实际负荷需求是一项具有挑战性的任务。因此，准确的净负荷功率分解方法对于理解用户负荷需求和光伏输出至关重要。然而，现有的光伏功率分解研究方法都存在一些局限性，不能完全解决上述问题，主要问题包括：

2、(1)一些研究利用时间序列模型对未安装时期的负荷进行建模，从而对存在光伏耦合情况下的实际负荷数据进行预测。虽然时间序列模型结构简单，训练速度快，但不能反映实际负荷序列的非线性特性，在长期预测的过程中，由于单体小用户的实际负荷平稳性较差导致难以取得准确的估计结果。同时当存在分布式光伏的场景下，用户的用电行为可能发生变化，导致利用历史负荷预测结果准确率将进一步降低。

3、(2)有一些场景利用用户光伏系统的安装位置信息，通过卫星云图来获取分布式光伏系统的图像。然后，借助深度学习算法进行图像识别，从中估算出用户光伏系统的容量、倾角、方位角等重要参数。接着，结合天气信息，并利用光伏的物理模型，估计分布式光伏系统的实际输出功率，以实现在净负荷数据下的光伏功率分解。然而，在实际操作中，这种方法的准确性不仅受深度学习模型和物理模型的性能影响，还受卫星信息和气象信息的制约，这无疑增加了使用者的信息成本。

4、因此，为了解决这些问题，迫切需要开发一种方法，能够在尽量减少信息依赖的情况下，利用相似地理区域内光伏系统的特性以及天气差异，实现净负荷功率的分解。

技术实现思路

1、针对上述现有技术存在的不足，本发明提供了一种基于天气差异特征的净负荷功率分解方法，以在存在分布式光伏的情况下实现对实际负荷的准确感知。

2、具体技术方案如下：

3、一种基于天气差异特征的净负荷功率分解方法，

4、依据为标准光伏功率曲线的所有每日光伏输出功率曲线对光伏系统的天气状况分类；

5、获取天气状况分类后对应的净负荷最优匹配；

6、对不同天气条件下反映具有不同容量的光伏之间差异的净负荷差异特征进行提取；

7、基于已知净负荷差异特征构建支持向量回归的容量估计模型，获取估计光伏容量；

8、利用估计得到的估计光伏容量乘以标准光伏功率曲线实现净负荷功率分解。

9、优选地，依据为标准光伏功率曲线的所有每日光伏输出功率曲线对光伏系统的天气状况分类，包括：

10、设为d＝{d|1,2,...,d}为日的集合；

11、建立四种通用天气条件，分别命名为wc-a、wc-b、wc-c和wc-d；

12、使用k-means算法将标准光伏功率曲线的所有每日光伏输出功率曲线分成四个簇，如式(1)所示：

13、

14、式中，||·||代表向量的第二范数，表示光伏在第d∈d天的日输出功率曲线，表示第k个簇的聚类中心；

15、每个集群对应四种天气条件中的一种，从而获得每天的广义天气条件标签；然后根据广义天气条件标签将集合d划分为da、db、dc、dd四个子集合，每个子集包含属于相应广义天气条件的所有天数。

16、优选地，获取天气状况分类后对应的净负荷最优匹配，包括：

17、1)先选取wc-a和wc-d之间的净负荷曲线；

18、2)构建净负荷曲线的最佳配对目标函数：

19、

20、

21、式中，和表示第da天和第dd天之间时刻t处实际负荷功率、净负载功率和标准光伏功率曲线的输出功率的差；

22、3)确定可能的容量上下限；容量的下限如下式(12)所示：

23、

24、式中，dmin表示出现最小净负荷功率当天的索引，tmin表示与最小净负荷相对应的时刻的索引；

25、容量上限可通过等式(13)来估计：

26、

27、式中，mean(·)代表平均值；ts代表日出时刻；

28、4)将容量从cmin到cmax均分形成n个可能的容量值，遍历每个容量值计算对应wc-a和wc-d天气下的f(da,dd)寻找净负荷配对；之后选择配对出现频率最高的配对为最优配对；

29、5)重复上述步骤，获取wc-a和wc-c、wc-b和wc-d组合的净负荷曲线优化配对。

30、优选地，步骤1)和2)包括：

31、基于分布式光伏的输出功率近似为其容量乘以标准光伏功率曲线的功率，可以得到：

32、

33、其中，和分别代表在da∈da和dd∈dd当天时刻t处的净负荷功率；和分别代表在da∈da和dd∈dd当天时刻t处的标准光伏功率；

34、在每个时刻t的第da天和第dd天之间的实际负荷功率的差通过等式(4)计算；

35、

36、设和表示第da天和第dd天之间时刻t处实际负荷功率、净负载功率和标准光伏功率曲线的输出功率的差，如下式(5)-(7)所示：

37、

38、因此，式(4)可以被重写为式(8)：

39、

40、将式(8)两边取平方可得：

41、

42、将找到一对净负荷曲线使两个相应的实际负荷曲线段之间的差异尽可能小，表示为优化问题，如式(10)所示：

43、

44、根据式(9)可知，式(10)中的目标函数f(da,dd)可以通过等式(11)来计算：

45、

46、优选地，对不同天气条件下反映具有不同容量的光伏之间差异的净负荷差异特征进行提取，包括：

47、在wc-a和wc-d天气下；

48、设(da*,dd*)表示对应于最佳净负荷曲线对的日索引；

49、提取反映具有不同容量的光伏之间差异的由和表示的两个特征，这两个特征如下式(14)-(15)所示：

50、

51、式中，te代表太阳日落点；

52、同样，可对wc-a和wc-c、wc-b和wc-d组合进行净负荷差异特征进行提取。

53、优选地，基于已知净负荷差异特征构建支持向量回归的容量估计模型，获取估计光伏容量，包括：

54、选择一部分已知用户净负荷曲线提取净负荷差异特征作为支持向量回归算法的输入，其实际容量作为输出，支持向量回归核函数选择径向基函数，其正则化参数选择0.1，完成构建容量估计模型；对未知用户利用上述训练好的模型可估计其光伏容量cest。

55、优选地，利用估计得到的估计光伏容量乘以标准光伏功率曲线实现净负荷功率分解，如下式(16)：。

56、

57、优选地，日出时刻ts为7：00。

58、优选地，太阳日落点te为17：00。

59、与现有技术相比，本发明的有益效果为：

60、本发明提出了一种光伏和实际负荷的解耦框架，以在存在分布式光伏的情况下实现对实际负荷的准确感知；包括两个阶段：容量估计和光伏输出功率估计。在第一阶段，通过基于聚类结果中的不同天气下净负荷差异提取特征，之后，训练支持向量回归模型来估计未知用户的光伏容量；在第二阶段，每个分布式光伏输出功率是由其容量乘以标准光伏输出功率来实现估计的。通过这两个阶段，实现对未知用户的净负荷功率下的光伏和实际负荷的准确分解。