可再生能源季节不确定性的分析方法及装置与流程

1.本技术涉及电力系统可再生能源不确定性分析与建模技术领域，特别涉及一种可再生能源季节不确定性的分析方法及装置。


背景技术：

2.随着电力系统可再生能源渗透率的增加，在未来的新能源主导的电力系统中，以风电和光伏为代表的新能源的间歇性和不确定性会显著影响电力系统的运行和规划。
3.相关技术中，可以构建可再生能源约束与对应的模型，通过建立电力系统规划优化模型，以求解模型在电力系统中的最优规划方案，从而可以分析电力系统内p2x(power to x，电能转换其他形式)调度运行情况，并安排各类型发电机组协调出力。
4.然而，相关技术中，可再生能源出力在长时间尺度上具有很强的季节性波动特征，无法对可再生能源出力季节性变化进行分析，难以对持续性低可再生能源出力场景进行应对，持续性的低可再生能源出力场景给新能源的电力供应带来了严峻的挑战，亟待改善。


技术实现要素：

5.本技术提供一种可再生能源季节不确定性的分析方法及装置，以解决相关技术中，可再生能源出力在长时间尺度上具有很强的季节性波动特征，无法对可再生能源出力季节性变化进行分析，难以对持续性低可再生能源出力场景进行应对等问题。
6.本技术第一方面实施例提供一种可再生能源季节不确定性的分析方法，包括以下步骤：对历史的可再生能源出力使用多周期季节性分解，得到分解结果，并以年为周期，获取趋势分量、周期分量和残差分量，以分别表征可再生能源出力中的气候分量、季节分量和日分量；通过伊藤过程，基于历史数据分别对所述气候分量和所述日分量进行模拟，确定模拟得到的气候分量和日分量；将所述模拟得到的气候分量和日分量与所述季节分量进行叠加，得到所述可再生能源出力的模拟结果，并对所述可再生能源出力的低可再生能源出力场景进行分析，得到分析结果。
7.可选地，在本技术的一个实施例中，所述获取趋势分量、周期分量和残差分量的分解公式为：
8.ξ(t)＝t(t)+s(t)+r(t)，
9.ξ(t)＝t(t)
×
s(t)
×
r(t)，
10.其中，ξ(t)为所述历史数据，t(t)为所述趋势分量，s(t)为所述周期分量，r(t)为所述残差分量；
11.所述可再生能源出力中的气候分量、季节分量和日分量的公式为：
[0012][0013]
其中，ξd为所述可再生能源出力的日平均值序列，为所述气候分量，为所述季节分量，为所述日分量。
[0014]
可选地，在本技术的一个实施例中，所述伊藤过程的表述公式为：
[0015][0016]
其中，t为时间尺度坐标，ξ(t)为描述随机过程的随机变量，μ(
·
)为漂移系数，σ(
·
)为扩散系数，w(t)为以维纳过程导数计算得到的随机白噪声。
[0017]
可选地，在本技术的一个实施例中，所述基于历史数据分别对所述气候分量和所述日分量进行模拟，确定模拟得到的气候分量和日分量，包括：基于所述气候分量在年的时间尺度上反映新能源出力的长期波动特性，应用所述伊藤过程，建模所述气候分量在长时间尺度上的变化；基于原可再生能源时间序列中去除气候分量与季节分量得到日分量，在高比例可再生能源电力系统中，建模持续性低可再生能源出力场景。
[0018]
可选地，在本技术的一个实施例中，所述低可再生能源出力场景的分析公式为：
[0019][0020][0021][0022]
season：{spring，summer，autumn，winter}，
[0023][0024]
其中，表示平均出力，为m月中的日子构成的集合，为m月中的天数，ξ
s，month
为新能源月平均出力向量，s表示季节，为季节s中的月份构成的集合，为季节s中的天数，spring表示春季，summer表示夏季，autumn表示秋季，winter表示冬季。
[0025]
本技术第二方面实施例提供一种可再生能源季节不确定性的分析装置，包括：获取模块，用于对历史的可再生能源出力使用多周期季节性分解，得到分解结果，并以年为周期，获取趋势分量、周期分量和残差分量，以分别表征可再生能源出力中的气候分量、季节分量和日分量；确定模块，用于通过伊藤过程，基于历史数据分别对所述气候分量和所述日分量进行模拟，确定模拟得到的气候分量和日分量；分析模块，用于将所述模拟得到的气候分量和日分量与所述季节分量进行叠加，得到所述可再生能源出力的模拟结果，并对所述可再生能源出力的低可再生能源出力场景进行分析，得到分析结果。
[0026]
可选地，在本技术的一个实施例中，所述获取趋势分量、周期分量和残差分量的分解公式为：
[0027]
ξ(t)＝t(t)+s(t)+r(t)，
[0028]
ξ(t)＝t(t)
×
s(t)
×
r(t)，
[0029]
其中，ξ(t)为所述历史数据，t(t)为所述趋势分量，s(t)为所述周期分量，r(t)为所述残差分量；
[0030]
所述可再生能源出力中的气候分量、季节分量和日分量的公式为：
[0031][0032]
其中，ξd为所述可再生能源出力的日平均值序列，为所述气候分量，为所述季节分量，为所述日分量。
[0033]
可选地，在本技术的一个实施例中，所述伊藤过程的表述公式为：
[0034][0035]
其中，t为时间尺度坐标，ξ(t)为描述随机过程的随机变量，μ(
·
)为漂移系数，σ(
·
)为扩散系数，w(t)为以维纳过程导数计算得到的随机白噪声。
[0036]
可选地，在本技术的一个实施例中，所述确定模块包括：第一建模单元，用于基于所述气候分量在年的时间尺度上反映新能源出力的长期波动特性，应用所述伊藤过程，建模所述气候分量在长时间尺度上的变化；第二建模单元，用于基于原可再生能源时间序列中去除气候分量与季节分量得到日分量，在高比例可再生能源电力系统中，建模持续性低可再生能源出力场景。
[0037]
可选地，在本技术的一个实施例中，所述低可再生能源出力场景的分析公式为：
[0038][0039][0040][0041]
season：{spring，summer，autumn，winter}，
[0042][0043]
其中，表示平均出力，为m月中的日子构成的集合，为m月中的天数，ξs，month为新能源月平均出力向量，s表示季节，为季节s中的月份构成的集合，为季节s中的天数，spring表示春季，summer表示夏季，autumn表示秋季，winter表示冬季。
[0044]
本技术第三方面实施例提供一种电子设备，包括：存储器、处理器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，所述处理器执行所述程序，以实现如上述实施例所述的可再生能源季节不确定性的分析方法。
[0045]
本技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的可再生能源季节不确定性的分析方法。
[0046]
本技术实施例能够在日、季、年尺度下对可再生能源出力进行分析建模，以及在日时间尺度下对可能出现的持续性低可再生能源出力场景进行模拟，有助于对可再生能源出力季节性变化的分析和对持续性低可再生能源出力场景的应对，提升高比例可再生能源电力系统运行的稳定性。由此，解决了相关技术中，可再生能源出力在长时间尺度上具有很强的季节性波动特征，无法对可再生能源出力季节性变化进行分析，难以对持续性低可再生能源出力场景进行应对等问题。
[0047]
本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
[0048]
本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得
明显和容易理解，其中：
[0049]
图1为根据本技术实施例提供的一种可再生能源季节不确定性的分析方法的流程图；
[0050]
图2为根据本技术一个实施例的可再生能源季节不确定性的分析方法的流程图；
[0051]
图3为根据本技术实施例提供的一种可再生能源季节不确定性的分析装置的结构示意图；
[0052]
图4为根据本技术实施例提供的电子设备的结构示意图。
具体实施方式
[0053]
下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
[0054]
下面参考附图描述本技术实施例的可再生能源季节不确定性的分析方法及装置。针对上述背景技术中提到的相关技术中，可再生能源出力在长时间尺度上具有很强的季节性波动特征，无法对可再生能源出力季节性变化进行分析，难以对持续性低可再生能源出力场景进行应对的问题，本技术提供了一种可再生能源季节不确定性的分析方法，在该方法中，能够在日、季、年尺度下对可再生能源出力进行分析建模，以及在日时间尺度下对可能出现的持续性低可再生能源出力场景进行模拟，有助于对可再生能源出力季节性变化的分析和对持续性低可再生能源出力场景的应对，提升高比例可再生能源电力系统运行的稳定性。由此，解决了相关技术中，可再生能源出力在长时间尺度上具有很强的季节性波动特征，无法对可再生能源出力季节性变化进行分析，难以对持续性低可再生能源出力场景进行应对等问题。
[0055]
具体而言，图1为本技术实施例所提供的一种可再生能源季节不确定性的分析方法的流程示意图。
[0056]
如图1所示，该可再生能源季节不确定性的分析方法包括以下步骤：
[0057]
在步骤s101中，对历史的可再生能源出力使用多周期季节性分解，得到分解结果，并以年为周期，获取趋势分量、周期分量和残差分量，以分别表征可再生能源出力中的气候分量、季节分量和日分量。
[0058]
在实际执行过程中，本技术实施例可以首先对历史的可再生能源出力使用mstl (multiple seasonal-trend decomposition using loess，多周期季节性分解)，得到分解结果，并以年为周期，获取趋势分量、周期分量和残差分量，以分别表征可再生能源出力中的气候分量、季节分量和日分量，从而为后续在日、季、年尺度下对可再生能源出力进行分析建模提供支撑，进而有助于对可再生能源出力季节性变化的分析。
[0059]
可选地，在本技术的一个实施例中，获取趋势分量、周期分量和残差分量的分解公式为：
[0060]
ξ(t)＝t(t)+s(t)+r(t)，
[0061]
ξ(t)＝t(t)
×
s(t)
×
r(t)，
[0062]
其中，ξ(t)为历史数据，t(t)为趋势分量，s(t)为周期分量，r(t)为残差分量；
[0063]
可再生能源出力中的气候分量、季节分量和日分量的公式为：
[0064][0065]
其中，ξd为可再生能源出力的日平均值序列，为气候分量，为季节分量，为日分量。
[0066]
在实际执行过程中，本技术实施例可以通过mstl分解，得到一个序列趋势分量、周期分量和残差分量的分解：
[0067]
ξ(t)＝t(t)+s(t)+r(t)，
ꢀꢀ
(1)
[0068]
ξ(t)＝t(t)
×
s(t)
×
r(t)，
ꢀꢀ
(2)
[0069]
其中，对于每个序列在t时刻的值，ξ(t)为历史数据，t(t)为序列的趋势分量，反映了序列在长期的波动特性；s(t)为分解得到的周期分量；r(t)为残差分量，反映了序列短期的不确定特性。
[0070]
式(1)为mstl分解的加法模型，各分量序列的变化以绝对变化量的形式表现；式(2)为mstl分解的乘法模型，各分量序列的变化以相对百分比表示。
[0071]
本技术实施例可以记可再生能源出力的日平均值序列为ξd，通过如式(3)所示的mstl乘法模型将其分解为气候分量季节分量和日分量
[0072][0073]
其中，气候分量和季节分量分别表征了跨年和季节性的长时段出力波动，而日分量则表征了日间的短期出力变化；由于持续性低可再生能源出力场景与可再生能源出力的日变化是高度相关的，因此可通过日分量对极端的低可再生能源出力场景进行建模。
[0074]
本技术实施例可以通过公式，提高可再生能源出力季节性变化分析的准确性。
[0075]
在步骤s102中，通过伊藤过程，基于历史数据分别对气候分量和日分量进行模拟，确定模拟得到的气候分量和日分量。
[0076]
可以理解的是，本技术实施例中的伊藤过程被广泛用于描述随机过程，同时能很好地描述时间序列的相关性。
[0077]
在实际执行过程中，本技术实施例可以通过伊藤过程，基于历史数据分别对气候分量和日分量进行模拟，确定模拟得到的气候分量和日分量，从而有助于对持续性低可再生能源出力场景进行模拟，提升高比例可再生能源电力系统运行的稳定性。
[0078]
可选地，在本技术的一个实施例中，伊藤过程的表述公式为：
[0079][0080]
其中，t为时间尺度坐标，ξ(t)为描述随机过程的随机变量，μ(
·
)为漂移系数，σ(
·
)为扩散系数，w(t)为以维纳过程导数计算得到的随机白噪声。
[0081]
在实际执行过程中，本技术实施例可以将伊藤过程表述为如式(4)所示的对时间积分与维纳过程积分的和：
[0082][0083]
其中，ξ(t)为描述随机过程的随机变量；μ(
·
)为漂移系数，反映随机过程的平均变化；σ(
·
)为扩散系数，描述随机变量的净移动；漂移系数和扩散系数都是时间和随机变量的函数；w(t)表示以维纳过程导数计算得到的随机白噪声。
[0084]
进一步地，基于式(4)，伊藤过程可被表述为如式(5)所示的随机微分方程。为了将伊藤过程方程应用于可再生能源的建模与分析，将微分方程离散化得到如式(6)所示的差
分方程：
[0085]
dξ(t)＝μ(t，ξ(t))dt+σ(t，ξ(t))dw(t)，
ꢀꢀ
(5)
[0086]
ξ
t
＝ξ
t-1
+μ(t，ξ
t-1
)δt+σ(t，ξ
t-1
)δw
t
，
ꢀꢀ
(6)
[0087]
一般地，漂移系数μ(
·
)和扩散系数σ(
·
)需满足如式(7)所示的对于概率密度函数f(ξ
t
)的福克-普朗克方程。对式(7)两侧积分，可得到表示漂移系数和扩散系数间关系的式(8)。式(9)采用了高斯混合模型拟合概率函数，其中向量矩阵a＝[a1，...，ai，...ak]、b＝[b1，...，bi，...，bk]、c＝[c1，...，ci，...，ck]为高斯混合模型的参数：
[0088][0089][0090][0091]
可选地，在本技术的一个实施例中，基于历史数据分别对气候分量和日分量进行模拟，确定模拟得到的气候分量和日分量，包括：基于气候分量在年的时间尺度上反映新能源出力的长期波动特性，应用伊藤过程，建模气候分量在长时间尺度上的变化；基于原可再生能源时间序列中去除气候分量与季节分量得到日分量，在高比例可再生能源电力系统中，建模持续性低可再生能源出力场景。
[0092]
在实际执行过程中，本技术实施例可以通过伊藤过程描述气候分量与日分量的随机过程，由于气候分量在年的时间尺度上反映了新能源出力的长期波动特性，因此伊藤过程可在考虑时间序列相关性的同时很好地获取其分布特征，本技术实施例可以应用伊藤过程来对气候分量在长时间尺度上的变化进行建模：
[0093][0094][0095][0096][0097]
其中，式(10)为气候分量的伊藤过程方程，漂移函数μc(
·
)通过式(11)计算；θc为时间自相关系数，ξ-c
为气候分量的均值，式(12)基于式(8)所示的福克-普朗克方程计算扩散函数σc(
·
)；式(13)用高斯混合模型描述了概率分布函数
[0098]
进一步地，本技术实施例中的日分量由原可再生能源时间序列中去除气候分量与季节分量得到，因此可以描述可再生能源出力的短期随机变化。在高比例可再生能源电力系统中，日分量能够对持续性低可再生能源出力场景进行建模。为了在保持时间序列相关性的同时对短期不确定性进行建模，本技术实施例可以通过应用伊藤过程来描述日分量的变化：
[0099][0100]
[0101][0102][0103]
其中，式(14)描述了日分量在相邻日的变化，漂移函数μd(
·
)通过式(15)计算；θd为时间自相关系数，ξ-d
为气候分量的均值，式(16)基于式(8)所示的福克-普朗克方程计算扩散函数σd(
·
)；式(17)用高斯混合模型描述了概率分布函数
[0104]
本技术实施例可以在日、季、年尺度下对可再生能源出力进行分析建模，有助于对可再生能源出力季节性变化进行分析。
[0105]
在步骤s103中，将模拟得到的气候分量和日分量与季节分量进行叠加，得到可再生能源出力的模拟结果，并对可再生能源出力的低可再生能源出力场景进行分析，得到分析结果。
[0106]
可以理解的是，本技术实施例中的季节分量是周期性分量，可用于描述一年中新能源出力的季节性变化，如季节性季风和太阳辐射，都与地球运动有直接关系，可被季节分量所反映。
[0107]
作为一种可能实现的方式，本技术实施例可以将模拟得到的气候分量和日分量与季节分量进行叠加，得到可再生能源出力的模拟结果，并对可再生能源出力的低可再生能源出力场景进行分析，得到分析结果，从而在日时间尺度下对可能出现的持续性低可再生能源出力场景进行模拟，有助于对持续性低可再生能源处理场景的应对。
[0108]
可选地，在本技术的一个实施例中，低可再生能源出力场景的分析公式为：
[0109][0110][0111][0112]
season：{spring，summer，autumn，winter}，
[0113][0114]
其中，表示平均出力，为m月中的日子构成的集合，为m月中的天数，ξ
s，month
为新能源月平均出力向量，s表示季节，为季节s中的月份构成的集合，为季节s中的天数，spring表示春季，summer表示夏季，autumn表示秋季，winter表示冬季。
[0115]
具体而言，由于本技术实施例中的季节性分量是以年为周期的周期分量，因此只需对一年中的季节分量进行分析，其余年份的分析结果与该年相同：
[0116][0117][0118][0119]
season：{spring，summer，autumn，winter}，(20)
[0120]
ξ
s，season
＝[ξ
s，spring
，ξ
s，summer
，ξ
s，autumn
，ξ
s，winter
]，(21)
[0121]
其中，式(18)计算了m月中新能源的平均出力其中，式(18)计算了m月中新能源的平均出力为m月中的日子构成的集合，为m月中的天数；式(19)为新能源月平均出力向量；式(20)计算了季节s中新能源的平均出力，为季节s中的月份构成的集合，为季节s中的天数。
[0122]
根据中国的季节变化特征，本技术实施例定义不同季节的月份范围如下：春季(3-5月)、夏季(6-8月)、秋季(9-11月)、冬季(12-2月)。式(21)为新能源季节平均出力向量。
[0123]
本技术实施例可以通过公式，进一步对可能出现的持续性低可再生能源出力场景进行模拟，有助于对持续性低可再生能源出力场景的应对。
[0124]
具体地，可以结合图2所示，对本技术实施例的可再生能源季节不确定性的分析方法进行详细阐述。
[0125]
如图2所示，本技术实施例可以包括以下步骤：
[0126]
步骤s201：时间序列ξd进行多周期季节性分解(mstl)。
[0127]
其中，本技术实施例可以记可再生能源出力的日平均值序列为ξd，通过mstl乘法模型将其分解为气候分量季节分量和日分量
[0128]
步骤s202：气候分量
[0129]
步骤s203：季节分量
[0130]
步骤s204：日分量
[0131]
步骤s205：伊藤过程
[0132]
其中，本技术实施例中的伊藤过程被广泛用于描述随机过程，同时能很好地描述时间序列的相关性。
[0133]
步骤s206：气候分量(模拟)。
[0134]
其中，本技术实施例可以应用伊藤过程来对气候分量在长时间尺度上的变化进行建模。
[0135]
步骤s207：日分量(模拟)。
[0136]
其中，本技术实施例在高比例可再生能源电力系统中，日分量能够对持续性低可再生能源出力场景进行建模。
[0137]
根据本技术实施例提出的可再生能源季节不确定性的分析方法，能够在日、季、年尺度下对可再生能源出力进行分析建模，以及在日时间尺度下对可能出现的持续性低可再生能源出力场景进行模拟，有助于对可再生能源出力季节性变化的分析和对持续性低可再生能源出力场景的应对，提升高比例可再生能源电力系统运行的稳定性。由此，解决了相关技术中，可再生能源出力在长时间尺度上具有很强的季节性波动特征，无法对可再生能源出力季节性变化进行分析，难以对持续性低可再生能源出力场景进行应对的问题。
[0138]
其次参照附图描述根据本技术实施例提出的可再生能源季节不确定性的分析装置。
[0139]
图3是本技术实施例的可再生能源季节不确定性的分析装置的结构示意图。
[0140]
如图3所示，该可再生能源季节不确定性的分析装置10包括：获取模块100、确定模块200和分析模块300。
[0141]
具体地，获取模块100，用于对历史的可再生能源出力使用多周期季节性分解，得
到分解结果，并以年为周期，获取趋势分量、周期分量和残差分量，以分别表征可再生能源出力中的气候分量、季节分量和日分量。
[0142]
确定模块200，用于通过伊藤过程，基于历史数据分别对气候分量和日分量进行模拟，确定模拟得到的气候分量和日分量。
[0143]
分析模块300，用于将模拟得到的气候分量和日分量与季节分量进行叠加，得到可再生能源出力的模拟结果，并对可再生能源出力的低可再生能源出力场景进行分析，得到分析结果。
[0144]
可选地，在本技术的一个实施例中，获取趋势分量、周期分量和残差分量的分解公式为：
[0145]
ξ(t)＝t(t)+s(t)+r(t)，
[0146]
ξ(t)＝t(t)
×
s(t)
×
r(t)，
[0147]
其中，ξ(t)为历史数据，t(t)为趋势分量，s(t)为周期分量，r(t)为残差分量；
[0148]
可再生能源出力中的气候分量、季节分量和日分量的公式为：
[0149][0150]
其中，ξd为可再生能源出力的日平均值序列，为气候分量，为季节分量，为日分量。
[0151]
可选地，在本技术的一个实施例中，伊藤过程的表述公式为：
[0152][0153]
其中，t为时间尺度坐标，ξ(t)为描述随机过程的随机变量，μ(
·
)为漂移系数，σ(
·
)为扩散系数，w(t)为以维纳过程导数计算得到的随机白噪声。
[0154]
可选地，在本技术的一个实施例中，确定模块200包括：第一建模单元和第二建模单元。
[0155]
其中，第一建模单元，用于基于气候分量在年的时间尺度上反映新能源出力的长期波动特性，应用伊藤过程，建模气候分量在长时间尺度上的变化。
[0156]
第二建模单元，用于基于原可再生能源时间序列中去除气候分量与季节分量得到日分量，在高比例可再生能源电力系统中，建模持续性低可再生能源出力场景。
[0157]
可选地，在本技术的一个实施例中，低可再生能源出力场景的分析公式为：
[0158][0159][0160][0161]
season：{spring，summer，autumn，winter}，
[0162]
ξ
s，season
＝[ξ
s，spring
，ξ
s，summer
，ξ
s，autumn
，ξ
s，winter
]，
[0163]
其中，表示平均出力，为m月中的日子构成的集合，为m月中的天数，ξ
s，month
为新能源月平均出力向量，s表示季节，为季节s中的月份构成的集合，为季节s中的天数，spring表示春季，summer表示夏季，autumn表示秋季，winter表示冬季。
[0164]
需要说明的是，前述对可再生能源季节不确定性的分析方法实施例的解释说明也适用于该实施例的可再生能源季节不确定性的分析装置，此处不再赘述。
[0165]
根据本技术实施例提出的可再生能源季节不确定性的分析装置，能够在日、季、年尺度下对可再生能源出力进行分析建模，以及在日时间尺度下对可能出现的持续性低可再生能源出力场景进行模拟，有助于对可再生能源出力季节性变化的分析和对持续性低可再生能源出力场景的应对，提升高比例可再生能源电力系统运行的稳定性。由此，解决了相关技术中，可再生能源出力在长时间尺度上具有很强的季节性波动特征，无法对可再生能源出力季节性变化进行分析，难以对持续性低可再生能源出力场景进行应对的问题。
[0166]
图4为本技术实施例提供的电子设备的结构示意图。该电子设备可以包括：
[0167]
存储器401、处理器402及存储在存储器401上并可在处理器402上运行的计算机程序。
[0168]
处理器402执行程序时实现上述实施例中提供的可再生能源季节不确定性的分析方法。
[0169]
进一步地，电子设备还包括：
[0170]
通信接口403，用于存储器401和处理器402之间的通信。
[0171]
存储器401，用于存放可在处理器402上运行的计算机程序。
[0172]
存储器401可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0173]
如果存储器401、处理器402和通信接口403独立实现，则通信接口403、存储器401和处理器402可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(industry standard architecture，简称为isa)总线、外部设备互连(peripheral component，简称为pci)总线或扩展工业标准体系结构(extended industry standard architecture，简称为eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0174]
可选地，在具体实现上，如果存储器401、处理器402及通信接口403，集成在一块芯片上实现，则存储器401、处理器402及通信接口403可以通过内部接口完成相互间的通信。
[0175]
处理器402可能是一个中央处理器(central processing unit，简称为cpu)，或者是特定集成电路(application specific integrated circuit，简称为asic)，或者是被配置成实施本技术实施例的一个或多个集成电路。
[0176]
本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的可再生能源季节不确定性的分析方法。
[0177]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或n个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0178]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性
或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“n个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0179]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或n个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0180]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或n个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0181]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，n个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0182]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0183]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0184]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种可再生能源季节不确定性的分析方法，其特征在于，包括以下步骤：对历史的可再生能源出力使用多周期季节性分解，得到分解结果，并以年为周期，获取趋势分量、周期分量和残差分量，以分别表征可再生能源出力中的气候分量、季节分量和日分量；通过伊藤过程，基于历史数据分别对所述气候分量和所述日分量进行模拟，确定模拟得到的气候分量和日分量；将所述模拟得到的气候分量和日分量与所述季节分量进行叠加，得到所述可再生能源出力的模拟结果，并对所述可再生能源出力的低可再生能源出力场景进行分析，得到分析结果。2.根据权利要求1所述的方法，其特征在于，所述获取趋势分量、周期分量和残差分量的分解公式为：ξ(t)＝t(t)+s(t)+r(t)，ξ(t)＝t(t)
×
s(t)
×
r(t)，其中，ξ(t)为所述历史数据，t(t)为所述趋势分量，s(t)为所述周期分量，r(t)为所述残差分量；所述可再生能源出力中的气候分量、季节分量和日分量的公式为：其中，ξ
d
为所述可再生能源出力的日平均值序列，为所述气候分量，为所述季节分量，为所述日分量。3.根据权利要求1所述的方法，其特征在于，所述伊藤过程的表述公式为：其中，t为时间尺度坐标，ξ(t)为描述随机过程的随机变量，μ(
·
)为漂移系数，σ(
·
)为扩散系数，w(t)为以维纳过程导数计算得到的随机白噪声。4.根据权利要求1所述的方法，其特征在于，所述基于历史数据分别对所述气候分量和所述日分量进行模拟，确定模拟得到的气候分量和日分量，包括：基于所述气候分量在年的时间尺度上反映新能源出力的长期波动特性，应用所述伊藤过程，建模所述气候分量在长时间尺度上的变化；基于原可再生能源时间序列中去除气候分量与季节分量得到日分量，在高比例可再生能源电力系统中，建模持续性低可再生能源出力场景。5.根据权利要求1或4所述的方法，其特征在于，所述低可再生能源出力场景的分析公式为：式为：式为：
season：{spring，summer，autumn，winter}，其中，表示平均出力，为m月中的日子构成的集合，为m月中的天数，ξ
s，month
为新能源月平均出力向量，s表示季节，为季节s中的月份构成的集合，为季节s中的天数，spring表示春季，summer表示夏季，autumn表示秋季，winter表示冬季。6.一种可再生能源季节不确定性的分析装置，其特征在于，包括：获取模块，用于对历史的可再生能源出力使用多周期季节性分解，得到分解结果，并以年为周期，获取趋势分量、周期分量和残差分量，以分别表征可再生能源出力中的气候分量、季节分量和日分量；确定模块，用于通过伊藤过程，基于历史数据分别对所述气候分量和所述日分量进行模拟，确定模拟得到的气候分量和日分量；分析模块，用于将所述模拟得到的气候分量和日分量与所述季节分量进行叠加，得到所述可再生能源出力的模拟结果，并对所述可再生能源出力的低可再生能源出力场景进行分析，得到分析结果。7.根据权利要求6所述的装置，其特征在于，所述获取趋势分量、周期分量和残差分量的分解公式为：ξ(t)＝t(t)+s(t)+r(t)，ξ(t)＝t(t)
×
s(t)
×
r(t)，其中，ξ(t)为所述历史数据，t(t)为所述趋势分量，s(t)为所述周期分量，r(t)为所述残差分量；所述可再生能源出力中的气候分量、季节分量和日分量的公式为：其中，ξ
d
为所述可再生能源出力的日平均值序列，为所述气候分量，为所述季节分量，为所述日分量。8.根据权利要求6所述的装置，其特征在于，所述伊藤过程的表述公式为：其中，t为时间尺度坐标，ξ(t)为描述随机过程的随机变量，μ(
·
)为漂移系数，σ(
·
)为扩散系数，w(t)为以维纳过程导数计算得到的随机白噪声。9.根据权利要求6所述的装置，其特征在于，所述确定模块包括：第一建模单元，用于基于所述气候分量在年的时间尺度上反映新能源出力的长期波动特性，应用所述伊藤过程，建模所述气候分量在长时间尺度上的变化；第二建模单元，用于基于原可再生能源时间序列中去除气候分量与季节分量得到日分量，在高比例可再生能源电力系统中，建模持续性低可再生能源出力场景。10.根据权利要求6或9所述的装置，其特征在于，所述低可再生能源出力场景的分析公式为：
season：{spring，summer，autumn，winter}，ξ
s，season
＝[ξ
s，spring
，ξ
s，summer
，ξ
s，autumn
，ξ
s，winter
]，其中，表示平均出力，为m月中的日子构成的集合，为m月中的天数，ξ
s，month
为新能源月平均出力向量，s表示季节，为季节s中的月份构成的集合，为季节s中的天数，spring表示春季，summer表示夏季，autumn表示秋季，winter表示冬季。11.一种电子设备，其特征在于，包括：存储器、处理器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，所述处理器执行所述程序，以实现如权利要求1-5任一项所述的可再生能源季节不确定性的分析方法。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，该程序被处理器执行，以用于实现如权利要求1-5任一项所述的可再生能源季节不确定性的分析方法。

技术总结
本申请涉及一种可再生能源季节不确定性的分析方法及装置，其中，方法包括：对历史的可再生能源出力使用多周期季节性分解，得到分解结果，并以年为周期，获取趋势分量、周期分量和残差分量，以分别表征可再生能源出力中的气候分量、季节分量和日分量；通过伊藤过程，基于历史数据分别对气候分量和日分量进行模拟，确定模拟得到的气候分量和日分量；将模拟得到的气候分量和日分量与季节分量进行叠加，对可再生能源出力的低可再生能源出力场景进行分析，得到分析结果。由此，解决了相关技术中，可再生能源出力在长时间尺度上具有很强的季节性波动特征，无法对可再生能源出力季节性变化进行分析，难以对持续性低可再生能源出力场景进行应对等问题。对等问题。对等问题。


技术研发人员：姜海洋 罗嘉骏 张宁 杜尔顺 王鹏 苏运 方陈
受保护的技术使用者：国网上海市电力公司
技术研发日：2023.07.12
技术公布日：2023/10/11