(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110564003.8 (22)申请日 2021.05.24 (71)申请人 中国电力科 学研究院有限公司 地址 100192 北京市海淀区清河小营东路 15号 申请人 国网山东省电力公司电力科 学研究 院　 国家电网有限公司 (72)发明人 刘铠诚　何桂雄　李德智　钟鸣　 李克成　金璐　唐艳梅　黄伟　 张新鹤　陈洪银　 (74)专利代理 机构 北京安博达知识产权代理有 限公司 1 1271 专利代理师 徐国文(51)Int.Cl. G06F 30/27(2020.01) G06F 17/16(2006.01) G06F 111/06(2020.01) G06F 113/06(2020.01) G06F 119/02(2020.01) (54)发明名称 一种综合能源随机场景生成方法及系统 (57)摘要 本发明提出了一种综合能源随机场景生成 方法及系统， 包括： 基于影响各能源出力的不确 定因素的历史典型数据， 确定各不确定因素的参 考自相关性和参考互相关性； 基于各不确定性因 素的概率分布模型， 利用蒙特卡洛进行随机抽 样， 得到多个不确定性场景； 基于每个不确定性 场景， 利用各不确定因素的参考自相关性进行筛 选， 生成时序 自相关性场景集； 采用惯性权重粒 子群算法， 从时序自相关性场景集中筛选出多个 与各不确定因素间的参考互相关性最接近场景， 作为综合能源随机场景集； 对随机场景利用参考 自相关性和参考互相关性两次筛选， 得到了更加 符合真实情况的场景， 而且通过采用惯性权重线 性递减的粒子群算法可以有效优化场景数量， 提 高所生成场景的质量。 权利要求书3页 说明书10页 附图4页 CN 115392101 A 2022.11.25 CN 115392101 A 1.一种综合能源随机场景生成方法， 其特 征在于， 包括： 基于影响各能源出力的不确定因素的历史典型数据， 确定所述各不确定因素的参考自 相关性和参 考互相关性； 基于预先构建的各不确定性因素的概率分布模型， 利用蒙特卡洛进行随机抽样， 得到 多个不确定性场景； 基于每个不确定性场景， 利用各不确定因素的参考自相关性进行筛选， 生成时序自相 关性场景集； 采用惯性权重粒子群算法， 从所述 时序自相关性场景集中筛选出多个与所述各不确定 因素间的参 考互相关性 最接近场景， 作为综合能源随机场景集。 2.如权利要求1所述的方法， 其特征在于， 所述基于预先构建的各不确定性因素的概率 分布模型， 利用蒙特卡洛进行随机抽样， 得到多个不确定性场景， 包括： 基于获取的影响各能源出力的不确定因素的历史数据， 对预先构建的各不确定性因素 的概率分布模型进行计算， 得到各能源在不同季节不同时间下的时间序列； 采用蒙特卡洛对各能源在不同季节不同时间下的时间序列进行抽 样， 得到多个不确定 性场景； 其中， 所述影响各能源的不确定因素包括 风速、 光照强度和多种负荷； 所述不确定性模型包括： 风速不确定型模型、 光照强度不确定性模型、 负荷不确定性模 型。 3.如权利要求2所述的方法， 其特征在于， 所述基于获取的影响各能源出力的不确定因 素的历史数据， 对预先构建的各不确定性因素 的概率分布模型进行计算， 得到各能源在不 同季节不同时间下的时间序列， 包括： 基于风速不确定性模型利用风速数据计算 不同季节不同时间下的风机出力时序数据； 光照强度不确定性模型利用光照强度历史数据计算不同季节不同时间下的光伏出力 时序数据； 基于负荷不确定性模型确定每种负荷在不同季节不同时间下负荷量的均值和方差时 序数据。 4.如权利要求1所述的方法， 其特征在于， 所述基于每个不确定性场景， 利用各不确定 因素的参 考自相关性进行筛 选， 生成时序自相关性场景集， 包括： 基于每个不确定性场景中每个能源时间序列中不同时刻之间的关联度确定各能源的 自相关性矩阵； 对各能源时序自相关性矩阵进行Cholesky分解， 然后结合所述能源 的参考自相关性， 得到各能源的自相关性序列； 基于所有能源的自相关性序列确定时序自相关性随机场景集。 5.如权利要求 4所述的方法， 其特 征在于， 所述自相关性矩阵如下式： 权　利　要　求　书 1/3 页 2 CN 115392101 A 2式中， S表示 自相关性矩阵， 且对角线均为1； Acf(x,y)表示x、 y时刻的相关性， x、 y∈M； M 为序列的数量； 且Acf(x,y)＝Acf(y,x)。 6.如权利要求1所述的方法， 其特征在于， 所述采用惯性权重粒子群算法， 从所述时序 自相关性场景集中筛选出多个与所述各不确定因素间的参考互相关性最接近场景， 作为综 合能源随机场景集， 包括： 计算时序自相关性场景集中所有能源在相同时刻的关联度确定所述时序自相关性场 景集的互相关性； 将所述时序自相关性场景集的互相关性和参考互相关性带入预先建立的场景优化削 减模型， 利用预先确定的权重因子进行迭代计算； 确定所述时序自相关性场景集的互相关 性和参考互相关性 误差最小的场景集作为综合能源随机场景集。 7.如权利要求6所述的方法， 其特 征在于， 所述互相关性矩阵如下式： 式中， ρp表示P个随机变量间的互相关性矩阵， 且对角线均为1； ρ(X,Y)表示能量X、 Y的相 关性， X、 Y∈P； 且ρ(X,Y)＝ρ(Y,X)； 其中， 所述ρ(X,Y)的表达式如下： 式中， cov(·)表示协方差； σ( ·)表示标准差 。 8.如权利要求6所述的方法， 其特 征在于， 所述场景优化削减 模型包括如下目标函数： 式中， Er表示互相关性误差； smax表示所划分季节个数； qmax表示不确定因素个数， ρh,s表 示第h个随机场景s季节互相关性系数矩阵； i,j为 不确定因素序号。 9.如权利要求6所述的方法， 其特 征在于， 所述权 重因子包括如下表达式： 式中， ω(t)表示权重因子； t表示第t次迭代次数； tmax表示最大迭代次数； ωmax和ωmin 分别表示 最大惯性权 重和最小惯性权 重。 10.一种综合能源随机场景生成系统， 其特 征在于， 包括： 参考数据确定模块， 用于基于影响各能源出力的不确定因素的历史典型数据， 确定所 述各不确定因素的参 考自相关性和参 考互相关性； 初始化模块， 用于基于预先构建的各不确定性因素的概率分布模型， 利用蒙特卡洛进 行随机抽样， 得到多个不确定性场景； 第一筛选模块， 用于基于每个不确定性场景， 利用各不确定因素的参考自相关性进行 筛选， 生成时序自相关性场景集；权　利　要　求　书 2/3 页 3 CN 115392101 A 3