1.本发明涉及电力系统调度净负荷领域，特别是一种电力系统日内净负荷备用需求评估方法、计算机装置。
背景技术：2.在新能源电站覆盖率逐步升高的趋势下，电力系统的能源结构、规划设计与净负荷方式正在发生改变。电力系统中新能源占比增高的同时，风电光伏等出力固有的可变特性对系统的负面影响也被放大，这些不利特性会增加电力供应不平衡发生的概率，此时电力系统的调度部门必须部署净负荷备用来缓解电力供应不平衡，这无疑增加了电力系统的调度压力，也使得电力系统需要增加供电灵活性确保其稳定净负荷。而调度部门部署净负荷备用的计划与方式会极大地影响到新能源高占比电力系统的可靠性和效率。大容量发电机组与输电线路发生故障的概率要远高于负荷突然较少的情况，因此，对于常规系统电力系统不太需要考虑向下备用，而具有大量可变新能源的系统发电量可能会意外地增加或减少输出，这可能会提高系统中向上和向下备用的重要性。
3.电力系统日前净负荷备用评估主要应用于系统开机容量的确定，而日内净负荷备用评估是在日内时间尺度配置备用容量，准确地进行日内备用评估可以优化备用容量配置，满足系统净负荷的可靠性。传统方法一般根据区域负荷量实际情况取适当百分比与负荷预测最大值的乘积，灵活性非常低且损耗电能很大，而非线性回归法则无法考虑净负荷备用的时序相关性。时间序列法常采用的emd（经验模态分解， empirical mode decomposition）与eemd（集合经验模态分解，ensemble empirical mode decomposition）等方法极易出现边界效应，会极大地影响净负荷备用的分解效果从而影响预测精度与评估效果。因此，如何对日内的净负荷备用进行准确评估，并依据日内净负荷备用评估结果对备用机组进行合理部署与配置仍是新型电力系统亟待解决的一个重要问题。
技术实现要素：4.本发明所要解决的技术问题是，针对现有技术不足，提供一种电力系统日内净负荷备用需求评估方法、计算机装置，无需依赖于气象数据，只需依据电力系统净负荷备用历史数据就可对日内未来时段的电力系统净负荷备用需求进行有效评估。
5.为解决上述技术问题，本发明所采用的技术方案是：一种电力系统日内净负荷备用需求评估方法，包括以下步骤：s1、采用vmd对电力系统日内净负荷备用需求评估时段的前一年实际净负荷备用值进行分解，获得多个具有趋势性和无趋势性的内赋模态分量；s2、对具有趋势性的内赋模态分量进行arima建模，并利用arima模型预测评估时段的各分量预测值，将各分量的预测值叠加得到评估时段的净负荷备用预测值；s3、根据历史净负荷备用实际值与净负荷备用预测值获得净负荷备用预测误差，根据所述净负荷备用预测误差，采用通用分布模型进行建模，获得评估时段的备用预测区
间。
6.本发明基于vmd方法，可以有效获取电力系统净负荷备用历史数据中具有趋势性的分量，基于arima模型对各趋势性分量进行日内未来时段的预测，将各趋势性分量叠加作为评估时段的净负荷备用预测值，能够在不依赖任何气象信息的情况下准确判断评估时段的净负荷备用变化趋势，只需依据电力系统净负荷备用历史数据就可对日内未来时段的电力系统净负荷备用需求进行有效评估，克服了大型区域电网由于新能源分布广且分散而导致的场站附近气象数据收集困难的问题。
7.步骤s1中，将中心频率值低于频率阈值的内赋模态分量视为趋势性分量，将中心频率值高于频率阈值的内赋模态分量视为无趋势性分量；其中，k个内赋模态分量，及内赋模态分量对应的中心频率的计算公式分别为：；；其中，为拉格朗日乘子，第n+1次迭代后得到的拉格朗日乘子为拉格朗日乘子，第n+1次迭代后得到的拉格朗日乘子的计算公式为；为抗扰动阈值参数，、和分别为、和的第n+1次迭代修正结果，r为电力系统日内净负荷备用评估时段的前一年实际净负荷备用值序列。
8.本发明基于vmd有效获取电力系统净负荷备用历史数据中具有趋势性的分量，舍弃不可预测的无趋势性的分量以降低其对预测结果的影响，vmd通过构建约束变分框架再解析完成了净负荷备用历史数据的分解，有效抑制了emd与eemd中的边界效应，因此极大地改善了净负荷备用的分解效果，进而提高了电力系统日内净负荷预测精度，改善了评估效果。
9.步骤s2的具体实现过程包括：1）对由电力系统历史净负荷备用值序列解析出的趋势性分量进行平稳性检验；2）根据检验结果确定arima模型差分阶数，并估计arima模型参数，得到预测的arima模型；3）将趋势性分量代入预测的arima模型，获得评估时段的各分量预测值；4）叠加各趋势性分量预测值，将叠加结果作为评估时段最终的净负荷备用预测值。
10.本发明仅使用电力系统历史净负荷备用值序列即可准确求得日内未来时段的净负荷备用，无需考虑气象数据、负荷风电预测方法等外界影响因素。
11.步骤s3中，在置信区间下，评估时段的备用预测区间为：置信区间下，评估时段的备用预测区间为：；其中，为日内净负荷备用预测值；；、和为形状参数；为的反函数，，x为备用预测误变量。相比于高斯分布、beta分布等，本发明采用的是通用分布模型，更符合电力系统日内净负荷备用预测误差的实际分布。
12.作为一个发明构思，本发明还提供了一种计算机装置，包括存储器、处理器及存储在存储器上的计算机程序；所述处理器执行所述计算机程序，以实现本发明上述方法的步骤。
13.作为一个发明构思，本发明还提供了一种计算机程序产品，包括计算机程序/指令；该计算机程序/指令被处理器执行时实现本发明上述方法的步骤。
14.作为一个发明构思，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序/指令；所述计算机程序/指令被处理器执行时实现本发明上述方法的步骤。
15.与现有技术相比，本发明所具有的有益效果为：1、本发明基于vmd（variational mode decomposition，变分模态分解算法）可以有效获取电力系统净负荷备用历史数据中具有趋势性的分量，舍弃不可预测的无趋势性的分量以降低其对预测结果的影响，vmd通过构建约束变分框架再解析完成了净负荷备用历史数据的分解，抑制了emd与eemd中的边界效应；2、本发明基于arima（autoregressive integrated moving average model，整合移动自回归平均模型）模型对各趋势性分量进行日内未来时段的预测，将各趋势性分量叠加作为评估时段的净负荷备用预测值，能够在不依赖任何气象信息的情况下准确判断评估时段的净负荷备用变化趋势，克服了大型区域电网由于新能源分布广且分散而导致的场站附近气象数据收集困难的问题；3、本发明基于通用分布模型对历史净负荷备用预测误差进行建模，获得在一定置信水平下的评估时段净负荷备用预测区间，为电力调度部门合理配置备用机组提供了可靠依据。
附图说明
16.图1是本发明实施例的方法流程图。
17.图2是本发明实施例基于vmd的电力系统净负荷备用值序列分解示意图。
18.图3是本发明实施例基于arima的电力系统净负荷备用预测结果图。
19.图4是本发明实施例基于通用分布模型的电力系统净负荷备用预测区间图。
具体实施方式
20.本发明实施例提出了一种基于数据分解与时间序列模型的电力系统备用评估方法，无需依赖气象数据，只需依据电力系统历史净负荷备用值，进而实现对电力系统净负荷备用的有效评估。
21.本发明实施例包括如下步骤：步骤1）：采用vmd对电力系统日内净负荷备用评估时段的前一年实际净负荷备用值序列进行分解，得多个具有趋势性和无趋势性的内赋模态分量；将所述电力系统日内净负荷备用评估时段的前一年实际净负荷备用值序列解析为t时刻具有不同频率f的内赋模态分量，使得各的带宽评估累加值最小，构建表达式为：；式中，为解析出的第k个内赋模态分量，为对应的中心频率，为dirac函数，为函数对时间的一阶偏微分，表示2-范数。
22.其中，的表达式为：。
23.式中，，为t时刻负荷、新能源预测误差，和的表达式分别为，，，为t时刻负荷、新能源出力实际值，，为t时刻负荷、新能源出力预测值。 （2）利用拉格朗日乘数法重构约束问题，消除约束项，即 式中，为拉格朗日乘子，为权衡参数，表示内积。 （3）初始化参数，和的初始值可在内随机选取，其中，，n为序列的长度；c、的初始值为零；的初始值一般设为1000。通过循环迭代修正、和，获得最终的k个内赋模态分量，及其中心频率，迭代公式如下： ； ；；
式中，p为概率值，即置信度。
30.在置信区间下的日内净负荷备用区间为：式中，为日内净负荷备用预测值。
31.（4）选择备用覆盖率和平均无效备用作为日内净负荷备用区间的评价指标，分别定义为
ꢀꢀ
其中，n为实际净负荷备用时刻点的数量，的计算式为 其中，为实际净负荷备用值，为上调净负荷备用值。
32.dl/t 2238-2021《电力系统事故备用容量配置技术规范》中规定负荷备用一般为最大负荷的2%~5%，本发明将该方法作为传统方法，将传统方法与本发明方法进行对比。如图4所示，采用通用分布模型获得的评估时段的净负荷备用预测区间能够很好的包裹实际净负荷备用值，并且净负荷备用预测区间上下界也能很好的跟随实际净负荷备用值的变化趋势。表2展示了传统备用与采用本发明方法取得的方法备用的指标评价结果，由表2可以看出，本发明方法可以在提升覆盖率的同时，降低无效备用，在提高电力系统安全性的前提下满足了系统运行的经济性，对于电力调度部门配置备用机组具有实际的参考价值。
33.表2
技术特征：1.一种电力系统日内净负荷备用需求评估方法，其特征在于，包括以下步骤：s1、采用vmd对电力系统日内净负荷备用需求评估时段的前一年实际净负荷备用值进行分解，获得多个具有趋势性和无趋势性的内赋模态分量；s2、对具有趋势性的内赋模态分量进行arima建模，并利用arima模型预测评估时段的各分量预测值，将各分量的预测值叠加得到评估时段的净负荷备用预s3、根据历史净负荷备用实际值与净负荷备用预测值获得净负荷备用预测误差，根据所述净负荷备用预测误差，采用通用分布模型进行建模，获得评估时段的备用预测区间。2.根据权利要求1所述的电力系统日内净负荷备用需求评估方法，其特征在于，步骤s1中，将中心频率值低于频率阈值的内赋模态分量视为趋势性分量，将中心频率值高于频率阈值的内赋模态分量视为无趋势性分量；其中，k个内赋模态分量，及内赋模态分量对应的中心频率的计算公式分别为：；；其中，为拉格朗日乘子，第n+1次迭代后得到的拉格朗日乘子为拉格朗日乘子，第n+1次迭代后得到的拉格朗日乘子的计算公式为；为抗扰动阈值参数，、和分别为、和的第n+1次迭代修正结果，r为电力系统日内净负荷备用评估时段的前一年实际净负荷备用值序列。3.根据权利要求1所述的电力系统日内净负荷备用需求评估方法，其特征在于，步骤s2的具体实现过程包括：对由电力系统历史净负荷备用值序列解析出的趋势性分量进行平稳性检验；根据检验结果确定arima模型差分阶数，并估计arima模型参数，得到预测的arima模型；将趋势性分量代入预测的arima模型，获得评估时段的各分量预测值；叠加各趋势性分量预测值，将叠加结果作为评估时段最终的净负荷备用预测值。4.根据权利要求1所述的电力系统日内净负荷备用需求评估方法，其特征在于，步骤s3中，在置信区间下，评估时段的备用预测区间为：置信区间下，评估时段的备用预测区间为：；其中，为日内净负荷备用预测值；；、和为形状参数；为的反函数，，x为备用预测误变量。5.一种计算机装置，包括存储器、处理器及存储在存储器上的计算机程序；其特征在
于，所述处理器执行所述计算机程序，以实现权利要求1～4之一所述方法的步骤。6.一种计算机程序产品，包括计算机程序/指令；其特征在于，该计算机程序/指令被处理器执行时实现权利要求1～4之一所述方法的步骤。7.一种计算机可读存储介质，其上存储有计算机程序/指令；其特征在于，所述计算机程序/指令被处理器执行时实现权利要求1～4之一所述方法的步骤。
技术总结本发明公开了一种电力系统日内净负荷备用需求评估方法、计算机装置，通过变分模态分解算法将电力系统日内净负荷备用历史数据解析为多个内赋模态分量，取其中能反映数据趋势性的部分分量，再采用单变量整合移动自回归平均模型对趋势性分量建立电力系统日内净负荷备用预测模型，将各趋势性分量预测值叠加作为最终的电力系统日内净负荷备用预测值，最后采用通用分布模型对电力系统日净负荷行备用预测误差进行建模，得到在一定置信度下的预测时段的电力系统日内净负荷备用需求区间。该方法有利于电力调度部门及时提供资源，平衡系统有功功率，避免了电力供应不足而切负荷对社会生产净负荷造成不利影响。产净负荷造成不利影响。产净负荷造成不利影响。
技术研发人员：文云峰 张超 吴思嘉 王泽 况理
受保护的技术使用者：湖南大学
技术研发日：2022.03.22
技术公布日：2022/7/5
