本发明涉及电力系统可靠性，尤其涉及一种风电场可信容量评估方法和装置。
背景技术：
1、随着全球对可再生能源需求的不断增加，风力发电作为一种清洁能源，在电力系统中占据着越来越重要的地位。风能资源的利用不仅有助于减少碳排放，缓解气候变化，还能提升能源安全性，降低对化石燃料的依赖。然而，由于风力发电的间歇性和不稳定性，准确评估风电场的出力能力和供电可靠性成为了一个重要的技术挑战。这一问题对电网调度、电力系统的稳定性以及电力市场的运行效率具有深远影响。因此，发展一种能够准确评估风电场出力和可信容量的方法显得尤为重要。
2、风电场的观测数据往往存在不完整和不确定的问题。由于传感器故障、数据传输错误等原因，观测数据可能存在缺失值或异常值。这些不完整的数据会影响传统统计模型的准确性，进而影响风电场出力的预测。风速、风向与风电机组功率输出之间存在复杂的非线性关系。传统的线性模型难以准确捕捉这些复杂关系，导致预测结果的偏差较大。此外，环境条件(如气温、湿度等)也会对风电机组的功率输出产生影响，这进一步增加了建模的难度。风电场由多个风电机组组成，不同机组的性能和可靠性存在差异。传统的评估方法通常忽略了这一点，无法全面考虑机组之间的性能差异和不确定性，从而影响整体出力预测的准确性。
技术实现思路
1、有鉴于此，本发明提供一种风电场可信容量评估方法和装置，以解决上述提及的至少一个问题。
2、为了实现上述目的，本发明采用以下方案：
3、根据本发明的第一方面，提供一种风电场可信容量评估方法，所述方法包括：利用copula的变分推断模型获得风电场中关于机组可靠性的后验分布；基于所述后验分布，利用i-spline构建在风速增加时功率输出单调不减的风电场出力模型；利用所述风电场出力模型生成风电场输出功率的联合概率分布；采用序贯蒙特卡洛方法对所述联合概率分布进行随机抽样以计算输电系统的可靠性指标；利用二分法进行可信容量搜索以保证风电场接入后的可靠性指标与接入前相等。
4、作为本发明的一个实施例，上述方法中利用所述copula的变分推断模型获得风电场中关于机组可靠性的后验分布包括：
5、对风电场的历史数据进行预处理，所述历史数据包括风向、风速和机组输出功率，所述历史数据包括风向d、风速w、机组输出功率p；
6、将预处理后的历史数据作为观测数据x(t)，将机组可靠性r(t)作为潜在变量z(t)；
7、选择高斯copula函数cgaussian定义潜在变量z(t)的联合分布q(z)：
8、q(z)＝c(f(r))；
9、上式中，f(r)是威布尔分布的累积分布函数，r表示机组可靠性，z表示潜在变量；
10、结合所述观测数据x(t)，构建联合分布p(x,z)：
11、p(x,z)＝p(x|z)p(z)；
12、上式中，p(x|z)是观测数据x(t)在给定潜在变量z(t)条件下的分布，p(z)是潜在变量z(t)的先验分布；
13、构建目标函数elbo如下：
14、elbo＝eq(z)[logp(d,w,p,z)-logq(z)]
15、e表示期望值、d表示风向数据、w表示风速数据、p表示输出功率数据、z表示潜在变量。
16、通过利用梯度下降法最大化elbo，优化copula参数和边缘分布参数，得到最优机组可靠性r的后验分布q'(z)。
17、作为本发明的一个实施例，上述方法中基于所述后验分布，利用i-spline构建在风速增加时功率输出单调不减的风电场出力模型包括：
18、利用所述后验分布q(z)，生成潜在变量样本集合{zi}；
19、结合历史数据中的风速w、风向d、机组输出功率p，利用i-spline技术拟合风电场出力模型f(w,d,z)，以描述风速w、风向d、潜在变量z与输出功率p的关系：
20、p＝f(w,d,z)；
21、在利用i-spline技术拟合风电场出力模型f(w,d,z)过程中，通过最小二乘法最小化拟合误差，优化i-spline的系数βj，以保证拟合的功率模型在风速增加时功率输出单调不减，优化目标函数如下：
22、
23、上式中，sj表示基于节点的基函数；
24、优化过程中添加如下约束条件，保证导数非负：
25、
26、作为本发明的一个实施例，上述方法中可靠性指标包括电力不足概率、电力不足期望值和未供电能量。
27、作为本发明的一个实施例，上述方法中利用二分法进行可信容量搜索以保证风电场接入后的可靠性指标与接入前相等包括：
28、计算风电场并网时的功率缺额，在确保风电场接入电网的基础上，设定负荷增加的梯度值，并基于所述梯度值逐步提升电网负荷；
29、计算每一次电网负荷提升后的eens，并将计算结果与预设阈值相比较，若eens值低于第一预设阈值，则继续增加负载；若eens值高于第一预设阈值，则停止增加负载；
30、基于上述过程确定可信容量搜索范围的两个边界负荷值；
31、取所述两个边界负荷值的平均数，并计算此时的eens，如果得到的eens值小于第二预设阈值，便将所述平均数更新为搜索范围的左端点；若eens值大于或等于第二预设阈值，则将所述平均数更新为搜索范围的右端点；
32、左右端点之间的差值小于设定的第三预设阈值时，搜索过程结束，将此时确定的负荷增加量作为风电场可信容量。
33、根据本发明的第二方面，提供一种风电场可信容量评估装置，所述装置包括：后验分布获取单元，用于利用copula的变分推断模型获得风电场中关于机组可靠性的后验分布；出力模型构建单元，用于基于所述后验分布，利用i-spline构建在风速增加时功率输出单调不减的风电场出力模型；概率分布生成单元，用于利用所述风电场出力模型生成风电场输出功率的联合概率分布；可靠性计算单元，用于采用序贯蒙特卡洛方法对所述联合概率分布进行随机抽样以计算输电系统的可靠性指标；可信容量确定单元，用于利用二分法进行可信容量搜索以保证风电场接入后的可靠性指标与接入前相等。
34、作为本发明的一个实施例，上述后验分布获取单元具体用于：
35、对风电场的历史数据进行预处理，所述历史数据包括风向、风速和机组输出功率，所述历史数据包括风向d、风速w、机组输出功率p；
36、将预处理后的历史数据作为观测数据x(t)，将机组可靠性r(t)作为潜在变量z(t)；
37、选择高斯copula函数cgaussian定义潜在变量z(t)的联合分布q(z)：
38、q(z)＝c(f(r))；
39、上式中，f(r)是威布尔分布的累积分布函数，r表示机组可靠性，z表示潜在变量；
40、结合所述观测数据x(t)，构建联合分布p(x,z)：
41、p(x,z)＝p(x|z)p(z)；
42、上式中，p(x|z)是观测数据x(t)在给定潜在变量z(t)条件下的分布，p(z)是潜在变量z(t)的先验分布；
43、构建目标函数elbo如下：
44、elbo＝eq(z)[logp(d,w,p,z)-logq(z)]
45、e表示期望值、d表示风向数据、w表示风速数据、p表示输出功率数据、z表示潜在变量。
46、通过利用梯度下降法最大化elbo，优化copula参数和边缘分布参数，得到最优机组可靠性r的后验分布q'(z)。
47、作为本发明的一个实施例，上述出力模型构建单元具体用于：
48、利用所述后验分布q(z)，生成潜在变量样本集合{zi}；
49、结合历史数据中的风速w、风向d、机组输出功率p，利用i-spline技术拟合风电场出力模型f(w,d,z)，以描述风速w、风向d、潜在变量z与输出功率p的关系：
50、p＝f(w,d,z)；
51、在利用i-spline技术拟合风电场出力模型f(w,d,z)过程中，通过最小二乘法最小化拟合误差，优化i-spline的系数βj，以保证拟合的功率模型在风速增加时功率输出单调不减，优化目标函数如下：
52、
53、上式中，sj表示基于节点的基函数；
54、优化过程中添加如下约束条件，保证导数非负：
55、
56、作为本发明的一个实施例，上述可靠性指标包括电力不足概率、电力不足期望值和未供电能量。
57、作为本发明的一个实施例，上述可信容量确定单元具体用于：
58、计算风电场并网时的功率缺额，在确保风电场接入电网的基础上，设定负荷增加的梯度值，并基于所述梯度值逐步提升电网负荷；
59、计算每一次电网负荷提升后的eens，并将计算结果与预设阈值相比较，若eens值低于第一预设阈值，则继续增加负载；若eens值高于第一预设阈值，则停止增加负载；
60、基于上述过程确定可信容量搜索范围的两个边界负荷值；
61、取所述两个边界负荷值的平均数，并计算此时的eens，如果得到的eens值小于第二预设阈值，便将所述平均数更新为搜索范围的左端点；若eens值大于或等于第二预设阈值，则将所述平均数更新为搜索范围的右端点；
62、左右端点之间的差值小于设定的第三预设阈值时，搜索过程结束，将此时确定的负荷增加量作为风电场可信容量。
63、根据本发明的第三方面，提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，处理器执行所述计算机程序时实现上述方法的步骤。
64、根据本发明的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
65、本发明所提出的风电场可信容量评估方法和装置，通过引入copula变分推断技术，能够准确捕捉风速、风向、机组可靠性与功率输出之间的复杂非线性关系，与传统的线性模型相比，copula变分推断能够更有效地处理数据的不确定性和依赖关系，提高了出力预测的准确性。并且i-spline技术确保了功率曲线的平滑性和单调性，即使在观测数据不完整的情况下，也能提供可靠的预测结果。通过构建风电机组可靠性的后验分布，全面考虑了不同风电机组之间的性能差异和不确定性，这种方法不仅提高了单个机组出力预测的精度，还提升了整体风电场出力评估的可靠性。最后通过选择合适的可靠性指标并结合后验分布，同时考虑了风资源和机组可靠性，在不同置信水平下准确评估风电场的供电能力，有助于提升供电可靠性评估的准确性。
1.一种风电场可信容量评估方法，其特征在于，所述方法包括：
2.如权利要求1所述的风电场可信容量评估方法，其特征在于，所述的利用所述copula的变分推断模型获得风电场中关于机组可靠性的后验分布包括：
3.如权利要求2所述的风电场可信容量评估方法，其特征在于，所述的基于所述后验分布，利用i-spline构建在风速增加时功率输出单调不减的风电场出力模型包括：
4.如权利要求1所述的风电场可信容量评估方法，其特征在于，所述可靠性指标包括电力不足概率、电力不足期望值和未供电能量。
5.如权利要求1所述的风电场可信容量评估方法，其特征在于，所述利用二分法进行可信容量搜索以保证风电场接入后的可靠性指标与接入前相等包括：
6.一种风电场可信容量评估装置，其特征在于，所述装置包括：
7.如权利要求6所述的风电场可信容量评估装置，其特征在于，所述后验分布获取单元具体用于：
8.如权利要求7所述的风电场可信容量评估装置，其特征在于，所述出力模型构建单元具体用于：
9.如权利要求6所述的风电场可信容量评估装置，其特征在于，所述可靠性指标包括电力不足概率、电力不足期望值和未供电能量。
10.如权利要求6所述的风电场可信容量评估装置，其特征在于，所述可信容量确定单元具体用于：
11.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一项所述方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5任一项所述方法的步骤。
