概率化新能源年发电时序场景的生成方法和装置与流程

本技术涉及新能源机组，具体而言，涉及一种概率化新能源年发电时序场景的生成方法、装置、计算机可读存储介质和电子设备。

背景技术：

1、新能源的大规模并网引入了大量不确定性因素，基于运行模拟的中长期系统分析方法更加重要，而新能源8760小时出力场景则是中长期运行模拟的主要场景边界，如何获取同时满足新能源历史出力特性及规划分析年份新能源期望利用小时数的新能源出力场景，是基于运行模拟的中长期系统分析方法的核心技术难题。

2、现有的新能源出力场景生成方法大多仅考虑新能源历史概率分布特性，或基于蒙特卡洛随机模拟方法生成风光随机场景，一方面忽略了新能源出力曲线的时序特性，导致新能源出力曲线走势与历史场景不一致；另一方面未考虑新能源中长期的利用小时数水平，无法生成满足规划分析年份新能源期望利用小时数的新能源出力场景。

3、即因现有技术中新能源机组的预测电量分配曲线忽略了时序特性，而造成对新能源机组进行优化的可靠性较低。

技术实现思路

1、本技术的主要目的在于提供一种概率化新能源年发电时序场景的生成方法、装置、计算机可读存储介质和电子设备，以至少解决因现有技术中新能源机组的预测电量分配曲线忽略了时序特性，而造成对新能源机组进行优化的可靠性较低的问题。

2、为了实现上述目的，根据本技术的一个方面，提供了一种新能源时序场景的生成方法，该方法包括：获取新能源系统在历史时间段内的多个历史年发电利用小时数，所述新能源系统为以下之一：风电机组、光伏机组，所述历史年发电利用小时数用于表征在一年内平均新能源机组的容量在满负荷运行条件下的运行小时数；对所述多个历史年发电利用小时数进行聚类，得到概率化年发电利用小时数和所述概率化年发电利用小时数对应的场景概率；基于所述概率化年发电利用小时数确定概率化新能源年发电时序场景的分月发电利用小时数；根据所述概率化新能源年发电时序场景的所述分月发电利用小时数确定各月逐小时电量分配曲线；将所述各月逐小时电量分配曲线组合得到概率化新能源年发电时序场景。

3、可选地，获取新能源系统在历史时间段内的多个历史年发电利用小时数，包括：

4、根据确定多个出力标幺值，其中，为所述出力标幺值，p为出力实际值，pn为装机容量；

5、根据确定多个所述历史年发电利用小时数，其中，t为所述历史年发电利用小时数，为第t时刻的所述出力标幺值。

6、可选地，对所述多个历史年发电利用小时数进行聚类，得到概率化年发电利用小时数和所述概率化年发电利用小时数对应的场景概率，包括：

7、选择步骤：基于历史数据的年发电利用小时数样本集d中选择k个样本作为初始聚类中心{μ1,μ2,...,μk}，将簇划分c初始化为其中，输入为样本集d＝{x1,x2,...,xm}、聚类的簇数k和最大迭代次数。输出为簇划分c＝{c1,c2,...,ck}；

8、更新步骤：对于i＝1,2,...,m，计算样本xi与各聚类中心μj(j＝1,2,...,k)之间的距离：dij＝||xi-μj||，将样本xi归为最小的dij所对应的类别j，并更新簇为cj＝cj∪{xi}；

9、第一计算步骤：对于已划分好的每一类，重新计算各类的所有样本的中心点并将计算出的μj作为新的聚类中心点；

10、迭代步骤：重复所述更新步骤和所述第一计算步骤，直至达到最大迭代次数，终止迭代，得到所述最大迭代次数对应的所述聚类中心。

11、第二计算步骤：根据所述最大迭代次数对应的所述聚类中心，计算所述概率化年发电利用小时数和所述概率化年发电利用小时数对应的场景概率，其中，聚类结果中每一类样本的中心点μj为该类对应的年发电利用小时数，该类的样本个数占总样本的比例为该场景的概率。

12、可选地，基于所述概率化年发电利用小时数确定概率化新能源年发电时序场景的分月发电利用小时数，包括：基于所述概率化年发电利用小时数，选择年发电利用小时数最接近的历史场景的月度电量分配曲线，所述月度电量分配曲线为年总发电量在各月份的分布情况；基于所述年发电利用小时数最接近的所述历史场景的月度电量分配曲线将年发电利用小时数分配至逐月，得到所述概率化新能源年发电时序场景的所述分月发电利用小时数。

13、可选地，根据所述概率化新能源年发电时序场景的所述分月发电利用小时数确定各月逐小时电量分配曲线，包括：基于所述概率化新能源年发电时序场景的所述分月发电利用小时数，选择月发电利用小时数最接近的对应月份的历史场景的所述各月逐小时电量分配曲线。

14、可选地，将所述各月逐小时电量分配曲线组合得到概率化新能源年发电时序场景，包括：将各所述各月逐小时电量分配曲线组合得到多个逐月电量分配曲线；将各所述逐月电量分配曲线组合得到所述概率化新能源年发电时序场景。

15、根据本技术的另一方面，提供了一种概率化新能源年发电时序场景的生成装置，该装置包括：

16、获取单元，用于获取新能源系统在历史时间段内的多个历史年发电利用小时数，所述新能源系统为以下之一：风电机组、光伏机组，所述历史年发电利用小时数用于表征在一年内平均新能源机组的容量在满负荷运行条件下的运行小时数；

17、第一确定单元，用于对所述多个历史年发电利用小时数进行聚类，得到概率化年发电利用小时数和所述概率化年发电利用小时数对应的场景概率；

18、第二确定单元，用于基于所述概率化年发电利用小时数确定概率化新能源年发电时序场景的分月发电利用小时数；

19、第三确定单元，用于根据所述概率化新能源年发电时序场景的所述分月发电利用小时数确定各月逐小时电量分配曲线；

20、第四确定单元，用于将所述各月逐小时电量分配曲线组合得到概率化新能源年发电时序场景。

21、根据本技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的概率化新能源年发电时序场景的生成方法。

22、根据本技术的另一方面，提供了一种电子装置，电子装置包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行任意一种所述的概率化新能源年发电时序场景的生成方法。

23、根据本技术的另一方面，提供了一种电子设备，电子设备包括一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的概率化新能源年发电时序场景的生成方法。

24、应用本技术的技术方案，通过对所述多个历史年发电利用小时数进行聚类，并通过依次得到分月发电利用小时数、各月逐小时电量分配曲线和概率化新能源年发电时序场景，得以提高后续新能源机组的电量分配效率，从而解决了因现有技术中新能源机组的预测电量分配曲线忽略了时序特性，而造成对新能源机组进行优化的可靠性较低的问题。