(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 202210893519.1 (22)申请日 2022.07.27 (71)申请人 国网甘肃省电力公司经济技 术研究 院 地址 730050 甘肃省兰州市七里河区西津 东路628号 申请人 兰州理工大 学 (72)发明人 徐敏　张中丹　崔炎　冯智慧　 王涛　蔡萍　海晓燕　魏占宏　 杨震　 (74)专利代理 机构 北京慕达星云知识产权代理 事务所 (特殊普通合伙) 11465 专利代理师 符继超(51)Int.Cl. H02J 3/38(2006.01) H02J 3/46(2006.01) G06K 9/62(2022.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06F 17/18(2006.01) F24S 20/20(2018.01) F24S 50/00(2018.01) (54)发明名称 一种光热-光伏-风电联合出力概率建模方 法 (57)摘要 本发明公开了一种光热 ‑光伏‑风电联合出 力概率建模 方法， 包括： 分别获取风电出力、 光伏 出力和光热出力的实测数据； 对 该实测数据进行 归一化去量纲处理； 对归一化处理后的实测数据 进行K‑means聚类， 划分聚类区域， 并得到聚类区 域的聚类中心和聚类初始值； 根据聚类初始值， 以及获取到的风电出力和光伏出力的实测数据， 建立风电光伏联合出力概率模型； 根据归一化处 理后的光伏出力和光热出力的实测数据， 建立光 热光伏联合出力概率模型； 根据风电光伏联合出 力概率模型和光热光伏联合出力概率模型， 建立 光热‑光伏‑风电联合出力概率模型。 该方法基于 光热、 光伏和风电之间出力相关性和互补性分 析， 准确建立等效的出力概率模型， 提升新能源 利用率。 权利要求书2页 说明书9页 附图2页 CN 115189402 A 2022.10.14 CN 115189402 A 1.一种光热 ‑光伏‑风电联合出力概 率建模方法， 其特 征在于， 包括如下步骤： S1、 分别获取风电出力、 光伏出力和光热出力的实测数据； 对所述风电出力、 光伏出力 和光热出力的实测数据进行归一 化去量纲处 理； S2、 将欧式距离作为相似度指标， 分别对归一化处理后的风电出力的实测数据以及光 伏出力的实测数据进 行K‑means聚类， 划分聚类区域， 并得到所述聚类区域的聚类中心和聚 类初始值； 所述聚类初始值包括： 权 重系数、 均值矩阵和协方差矩阵； S3、 根据所述聚类初始值， 以及获取到的风电出力的实测数据和光伏出力的实测数据， 建立风电光伏联合出力概 率模型； S4、 根据归一化处理后的光伏出力的实测数据以及光热出力的实测数据， 建立光热光 伏联合出力概 率模型； S5、 根据所述风电光伏联合出力概率模型和所述光热光伏联合出力概率模型， 建立光 热‑光伏‑风电联合出力概 率模型。 2.如权利要求1所述的一种光热 ‑光伏‑风电联合出力概率建模方法， 其特征在于， 所述 步骤S2包括： S21、 将欧式距离作为相似度指标， 通过手肘法和轮廓系数法计算并确定最佳聚类个 数， 划分初始簇， 确定初始簇的中心点； S22、 将每个样本点划分到最近的所述中心点所代表的簇中； 所述样本点包括： 归一化 处理后的风电出力的实测数据以及光伏出力的实测数据； S23、 将各个簇中的样本点中心 代替初始确定的中心点； S24、 重复所述步骤S22～步骤S23， 直至中心点不变或达到预设迭代条件； 将此时的中 心点作为聚类中心； S25、 根据所述聚类中心， 获得聚类初始值。 3.如权利要求1所述的一种光热 ‑光伏‑风电联合出力概率建模方法， 其特征在于， 所述 步骤S3包括： 通过最大期望算法对所述聚类初始值进行迭代； 根据迭代收敛后的所述 聚类初始值， 以及获取到的风电出力的实测数据和光伏出力的 实测数据， 建立 风电光伏联合出力概 率模型。 4.如权利要求1所述的一种光热 ‑光伏‑风电联合出力概率建模方法， 其特征在于， 所述 风电光伏联合出力概 率模型的表达式为： 上式中， 是输入拟合数据， x表示风电出力的实测数据， y表示光伏出力的实测 数据； 是权重系数； U是均值矩阵； C是协方差矩阵； det(C)是协方差矩阵的行列式； K是风 电光伏联合出力概 率模型中子高斯模型的个数。 5.如权利要求1所述的一种光热 ‑光伏‑风电联合出力概率建模方法， 其特征在于， 所述 步骤S4包括：权　利　要　求　书 1/2 页 2 CN 115189402 A 2对归一化处理后的光伏出力的实测数据以及光热出力的实测数据分别进行相关性判 断和非参数核密度估计， 得到光热 出力的概 率分布和光伏出力的概 率分布； 对所述光热出力的概 率分布和光伏出力的概 率分布进行最大似然估计， 得到参数θ； 根据所述 参数θ， 建立 光热光伏联合出力概 率模型。 6.如权利要求5所述的一种光热 ‑光伏‑风电联合出力概率建模方法， 其特征在于， 所述 光热光伏联合出力概 率模型的表达式为： C(u,v)＝exp[ ‑[(‑lnu)θ+(‑lnv)θ]1/θ] 上式中， θ为通过最大似然估计得到的参数； u是光热出力通过非参数核密度估计后得 到的概率分布； v是光伏出力通过非参数核密度估计后得到的概 率分布。 7.如权利要求1所述的一种光热 ‑光伏‑风电联合出力概率建模方法， 其特征在于， 所述 步骤S5包括： 根据所述风电光伏联合出力概率模型和所述光热光伏联合出力概率模型， 得到风电 ‑ 光伏联合出力点阵 图和光热 ‑光伏联合出力点阵 图； 根据所述风电 ‑光伏联合出力点阵图和光热 ‑光伏联合出力点阵图， 得到风电场和光伏 电站的联合出力点阵 图， 以及光热电站和光伏电站的联合出力点阵 图； 根据所述风电场和光伏电站的联合出力点阵图， 以及光热电站和光伏电站的联合出力 点阵图， 得到光热电站、 光伏电站和风电场的联合出力点阵 图； 根据所述光热电站、 光伏电站和风电场的联合出力点阵图， 建立光热 ‑光伏‑风电联合 出力概率模型。 8.如权利要求7所述的一种光热 ‑光伏‑风电联合出力概率建模方法， 其特征在于， 所述 步骤S5还 包括： 对所述风电场和光伏电站的联合出力点阵图， 以及光热电站和光伏电站的联合出力点 阵图的异常数据进行筛 选剔除。 9.如权利要求1所述的一种光热 ‑光伏‑风电联合出力概率建模方法， 其特征在于， 还包 括： S6、 通过评价指标， 检验所述光热 ‑光伏‑风电联合出力概率模型的拟合优度； 所述评价 指标包括： 纳什效率系数、 均方根 误差和欧式距离 。权　利　要　求　书 2/2 页 3 CN 115189402 A 3