一种未来年负荷时间序列场景的确定方法和装置

1.一种未来年负荷时间序列场景的确定方法，其特征在于，包括：根据历史年每日的日负荷特性指标确定未来年每日的日负荷特性指标的边缘概率分布和历史年日负荷特性指标误差的相关系数矩阵，并根据未来年每日的日负荷特性指标的边缘概率分布和历史年日负荷特性指标误差的相关系数矩阵确定未来年每日的日负荷特性指标；根据预先构建的二次规划数学模型确定未来年每日的日负荷时间序列场景；根据未来年每日的日负荷时间序列场景确定未来年负荷时间序列场景；所述二次规划数学模型根据未来年每日的日负荷特性指标进行构建；所述二次规划数学模型包括目标函数和约束条件；所述目标函数以未来年每日的日负荷时间序列场景与历史年日负荷基准曲线的误差平方和最小为目标，并按下式构建：其中，Δ 1 表示未来年某日的日负荷时间序列场景与历史年工作日的日负荷基准曲线的误差平方和，Δ 2 表示未来年某日的日负荷时间序列场景与历史年休息日的日负荷基准曲线的误差平方和；x t (j)表示未来年第j日t时的负荷； 表示历史年工作日t时的日负荷基准值， 表示历史年休息日t时的日负荷基准值， 和 通过对历史年工作日的负荷集合和休息日的负荷集合分别进行k-means聚类得到；所述约束条件包括工作日的日负荷率约束、日峰谷差率约束、日最大负荷约束；所述工作日的日负荷率约束如下式：所述工作日的日峰谷差率约束如下式：其中，t min-work 表示历史年工作日的日负荷基准曲线最小负荷出现的时间， 表示未来年第j个工作日t min-work 时的负荷；所述工作日的日最大负荷约束如下式：其中，t max-work 表示历史年工作日的日负荷基准曲线最大负荷出现的时间；根据未来年休息日的日负荷特性指标确定的约束条件包括休息日的日负荷率约束、日峰谷差率约束和日最大负荷约束；所述休息日的日负荷率约束如下式：所述休息日的日峰谷差率约束如下式：其中，t min-off 表示历史年休息日的日负荷基准曲线最小负荷出现的时间， 表示未来年第j个休息日t min-off 时的负荷；所述休息日的日最大负荷约束如下式：其中，t max-off 表示历史年休息日的日负荷基准曲线最大负荷出现的时间；所述根据预先构建的二次规划数学模型确定未来年某日的日负荷时间序列场景包括：利用Cplex数学优化求解器求解二次规划数学模型，得到未来年第j日的日负荷时间序列场景d k (j)＝{x t (j),t＝1,2,...,24}；设未来年的总天数为M，执行j＝j+1，判断是否满足j>M，若j>M，将生成的M个日负荷时间序列场景按照未来年每日的排列顺序进行连接，得到第k个未来年的负荷时间序列场景{d k (1),d k (2),...,d k (M)}，并执行k＝k+1，并在k大于预设的未来年负荷时间序列场景数量N时，得到N个不同的未来年日负荷时间序列场景；若j≤M，继续确定未来年剩余工作日和休息日的日负荷率、日峰谷差率和日最大负荷，并根据未来年剩余工作日和休息日的日负荷率、日峰谷差率和日最大负荷求解二次优化模型，直至j>M结束。 2.根据权利要求1所述的未来年负荷时间序列场景的确定方法，其特征在于，所述根据历史年每日的日负荷特性指标确定未来年每日的日负荷特性指标误差的边缘概率分布和历史年日负荷特性指标误差的相关系数矩阵之前，包括：按下式确定历史年每日的日负荷特性指标误差：其中， 表示历史年第m个工作日的日负荷率误差， 表示历史年第m个工作日的日峰谷差率误差， 表示历史年第m个工作日的日最大负荷误差；M work 表示历史年的工作日总天数；γ work (m)表示历史年第m个工作日的日最大负荷，且γ work (m)＝max{l t (m)}，l t (m)表示历史年第m个工作日t时的负荷时间序列；α work (m)表示历史年第m个工作日的日负荷率，且 β work (m)表示历史年第m个工作日的日峰谷差率，且β work (m)＝(γ work (m)-min{l t (m)})γ work (m)； 表示历史年第n个休息日的日负荷率误差， 表示历史年第n个休息日的日峰谷差率误差， 表示历史年第n个休息日的日最大负荷误差；N off 表示历史年的休息日总天数；γ off (n)表示历史年第n个休息日的日最大负荷，且γ off (n)＝max{l t (n)}，l t (n)表示历史年第n个休息日t时的负荷时间序列；α off (n)表示历史年第n个休息日的日负荷率，且 β off (n)表示历史年第n个休息日的日峰谷差率，且β off (n)＝(γ off (n)-min{l t (n)})γ off (n)。 3.根据权利要求2所述的未来年负荷时间序列场景的确定方法，其特征在于，所述未来年每日的日负荷特性指标的边缘概率分布如下式：其中，x表示自变量， 表示未来年工作日的日负荷率的边缘概率分布， 表示未来年工作日的日峰谷差率的边缘概率分布， 表示未来年工作日的日最大负荷的边缘概率分布； 表示 平移 后的概率密度函数， 表示未来年工作日的日负荷率基准值， 表示历史年工作日的日负荷率误差的概率密度函数，且 h表示核函数带宽； 表示 平移 后的概率密度函数， 表示未来年工作日的日峰谷差率基准值， 表示历史年工作日的日峰谷差率误差的概率密度函数，且 表示 平移 后的概率密度函数， 表示未来年工作日的日最大负荷基准值， 表示历史年工作日的日最大负荷误差的概率密度函数，且 表示 平移 后的概率密度函数， 表示未来年休息日的日负荷率基准值， 表示历史年休息日的日负荷率误差的概率密度函数，且 表示 平移 后的概率密度函数， 未来年休息日的日峰谷差率基准值， 表示历史年休息日的日峰谷差率误差的概率密度函数，且 表示 平移 后的概率密度函数， 表示未来年休息日的日最大负荷基准值， 表示历史年休息日的日最大负荷误差的概率密度函数，且 4.根据权利要求3所述的未来年负荷时间序列场景的确定方法，其特征在于，所述历史年日负荷特性指标误差的相关系数矩阵如下式：其中，Σ work 表示历史年工作日的日负荷特性指标误差的相关系数矩阵，Σ off 表示历史年休息日的日负荷特性指标误差的相关系数矩阵；ρ 1 、ρ 2 、ρ 3 、ρ 4 、ρ 5 、ρ 6 均表示相关系数，按下式计算： 5.根据权利要求4所述的未来年负荷时间序列场景的确定方法，其特征在于，所述根据未来年每日的日负荷特性指标的边缘概率分布和历史年日负荷特性指标误差的相关系数矩阵确定未来年每日的日负荷特性指标，包括：确定未来年的总天数、未来年每日的类型和排列顺序，判断未来年的第j日的类型，若未来年的第j日为工作日，确定未来年工作日的日负荷率、日峰谷差率和日最大负荷；若未来年的第j日为休息日，确定未来年休息日的日负荷率、日峰谷差率和日最大负荷。 6.根据权利要求5所述的未来年负荷时间序列场景的确定方法，其特征在于，所述未来年工作日的日负荷率、日峰谷差率和日最大负荷包括：基于Σ work 构建多维高斯分布N(0,Σ work )，并随机抽样生成随机样本(y 1 ,y 2 ,y 3 )；根据随机样本(y 1 ,y 2 ,y 3 )，并通过下式计算未来年工作日的日负荷率、日峰谷差率和日最大负荷：其中，α work (j)表示未来年第j个工作日的日负荷率，β work (j)表示未来年第j个工作日的日峰谷差率，γ work (j)表示未来年第j个工作日的日最大负荷； 表示未来年工作日的日负荷率边缘概率分布的逆函数， 表示未来年工作日的日峰谷差率边缘概率分布的逆函数， 表示未来年工作日的日最大负荷边缘概率分布的逆函数。 7.根据权利要求6所述的未来年负荷时间序列场景的确定方法，其特征在于，所述确定未来年休息日的日负荷率、日峰谷差率和日最大负荷包括：基于Σ off 构建多维高斯分布N(0,Σ off )，并随机抽样生成随机样本(y 4 ,y 5 ,y 6 )；根据随机样本(y 4 ,y 5 ,y 6 )，并通过下式计算未来年休息日的日负荷率、日峰谷差率和日最大负荷：其中，α off (j)表示未来年第j个休息日的日负荷率，β off (j)表示未来年第j个休息日的日峰谷差率，γ off (j)表示未来年第j个休息日的日最大负荷； 表示未来年休息日的日负荷率边缘概率分布的逆函数， 表示未来年休息日的日峰谷差率边缘概率分布的逆函数， 表示未来年工作日的日最大负荷边缘概率分布的逆函数。 8.一种未来年负荷时间序列场景的确定装置，其特征在于，包括：第一确定模块，用于根据历史年每日的日负荷特性指标确定未来年每日的日负荷特性指标的边缘概率分布和历史年日负荷特性指标误差的相关系数矩阵，并根据未来年每日的日负荷特性指标的边缘概率分布和历史年日负荷特性指标误差的相关系数矩阵确定未来年每日的日负荷特性指标；第二确定模块，用于根据预先构建的二次规划数学模型确定未来年每日的日负荷时间序列场景；第三确定模块，用于根据未来年每日的日负荷时间序列场景确定未来年负荷时间序列场景；所述二次规划数学模型根据未来年每日的日负荷特性指标进行构建；所述二次规划数学模型包括目标函数和约束条件；所述第二确定模块具体用于：以未来年每日的日负荷时间序列场景与历史年日负荷基准曲线的误差平方和最小为目标，并按下式构建目标函数：其中，Δ 1 表示未来年某日的日负荷时间序列场景与历史年工作日的日负荷基准曲线的误差平方和，Δ 2 表示未来年某日的日负荷时间序列场景与历史年休息日的日负荷基准曲线的误差平方和；x t (j)表示未来年第j日t时的负荷； 表示历史年工作日t时的日负荷基准值， 表示历史年休息日t时的日负荷基准值， 和 通过对历史年工作日的负荷集合和休息日的负荷集合分别进行k-means聚类得到；所述约束条件包括工作日的日负荷率约束、日峰谷差率约束、日最大负荷约束；所述工作日的日负荷率约束如下式：所述工作日的日峰谷差率约束如下式：其中，t min-work 表示历史年工作日的日负荷基准曲线最小负荷出现的时间， 表示未来年第j个工作日t min-work 时的负荷；所述工作日的日最大负荷约束如下式：其中，t max-work 表示历史年工作日的日负荷基准曲线最大负荷出现的时间；根据未来年休息日的日负荷特性指标确定的约束条件包括休息日的日负荷率约束、日峰谷差率约束和日最大负荷约束；所述休息日的日负荷率约束如下式：所述休息日的日峰谷差率约束如下式：其中，t min-off 表示历史年休息日的日负荷基准曲线最小负荷出现的时间， 表示未来年第j个休息日t min-off 时的负荷；所述休息日的日最大负荷约束如下式：其中，t max-off 表示历史年休息日的日负荷基准曲线最大负荷出现的时间；所述第三确定模块包括：求解单元，用于利用Cplex数学优化求解器求解二次规划数学模型，得到未来年第j日的日负荷时间序列场景d k (j)＝{x t (j),t＝1,2,...,24}；判断单元，用于执行j＝j+1，判断是否满足j>M，若j>M，将生成的M个日负荷时间序列场景按照未来年每日的排列顺序进行连接，得到第k个未来年的负荷时间序列场景{d k (1),d k (2),...,d k (M)}，并执行k＝k+1，并在k大于预设的未来年负荷时间序列场景数量N时，得到N个不同的未来年日负荷时间序列场景；若j≤M，继续确定未来年剩余工作日和休息日的日负荷率、日峰谷差率和日最大负荷，并根据未来年剩余工作日和休息日的日负荷率、日峰谷差率和日最大负荷求解二次优化模型，直至j>M结束，M表示未来年的总天数。 9.根据权利要求8所述的未来年负荷时间序列场景的确定装置，其特征在于，所述装置还包括：误差确定模块，用于按下式确定历史年每日的日负荷特性指标误差：其中， 表示历史年第m个工作日的日负荷率误差， 表示历史年第m个工作日的日峰谷差率误差， 表示历史年第m个工作日的日最大负荷误差；M work 表示历史年的工作日总天数；γ work (m)表示历史年第m个工作日的日最大负荷，且γ work (m)＝max{l t (m)}，l t (m)表示历史年第m个工作日t时的负荷时间序列；α work (m)表示历史年第m个工作日的日负荷率，且 β work (m)表示历史年第m个工作日的日峰谷差率，且β work (m)＝(γ work (m)-min{l t (m)})γ work (m)； 表示历史年第n个休息日的日负荷率误差， 表示历史年第n个休息日的日峰谷差率误差， 表示历史年第n个休息日的日最大负荷误差；N off 表示历史年的休息日总天数；γ off (n)表示历史年第n个休息日的日最大负荷，且γ off (n)＝max{l t (n)}，l t (n)表示历史年第n个休息日t时的负荷时间序列；α off (n)表示历史年第n个休息日的日负荷率，且 β off (n)表示历史年第n个休息日的日峰谷差率，且β off (n)＝(γ off (n)-min{l t (n)})γ off (n)。 10.根据权利要求8所述的未来年负荷时间序列场景的确定装置，其特征在于，所述第一确定模块包括：边缘概率分布确定单元，用于按下式确定未来年每日的日负荷特性指标的边缘概率分布：其中，x表示自变量， 表示未来年工作日的日负荷率的边缘概率分布， 表示未来年工作日的日峰谷差率的边缘概率分布， 表示未来年工作日的日最大负荷的边缘概率分布； 表示 平移 后的概率密度函数， 表示未来年工作日的日负荷率基准值， 表示历史年工作日的日负荷率误差的概率密度函数，且 h表示核函数带宽； 表示 平移 后的概率密度函数， 表示未来年工作日的日峰谷差率基准值， 表示历史年工作日的日峰谷差率误差的概率密度函数，且 表示 平移 后的概率密度函数， 表示未来年工作日的日最大负荷基准值， 表示历史年工作日的日最大负荷误差的概率密度函数，且 表示 平移 后的概率密度函数， 表示未来年休息日的日负荷率基准值， 表示历史年休息日的日负荷率误差的概率密度函数，且 表示 平移 后的概率密度函数， 未来年休息日的日峰谷差率基准值， 表示历史年休息日的日峰谷差率误差的概率密度函数，且 表示 平移 后的概率密度函数， 表示未来年休息日的日最大负荷基准值， 表示历史年休息日的日最大负荷误差的概率密度函数，且 11.根据权利要求10所述的未来年负荷时间序列场景的确定装置，其特征在于，所述第一确定模块还包括：相关系数矩阵确定单元，用于按下式确定历史年日负荷特性指标误差的相关系数矩阵：其中，Σ work 表示历史年工作日的日负荷特性指标误差的相关系数矩阵，Σ off 表示历史年休息日的日负荷特性指标误差的相关系数矩阵；ρ 1 、ρ 2 、ρ 3 、ρ 4 、ρ 5 、ρ 6 均表示相关系数，按下式计算： 12.根据权利要求11所述的未来年负荷时间序列场景的确定装置，其特征在于，所述第一确定模块还包括：日负荷特性指标确定单元，用于确定未来年的总天数、未来年每日的类型和排列顺序，判断未来年的第j日的类型，若未来年的第j日为工作日，确定未来年工作日的日负荷率、日峰谷差率和日最大负荷；若未来年的第j日为休息日，确定未来年休息日的日负荷率、日峰谷差率和日最大负荷。 13.根据权利要求12所述的未来年负荷时间序列场景的确定装置，其特征在于，所述日负荷特性指标确定单元包括工作日的日负荷特性指标确定单元和休息日的日负荷特性指标确定单元。 14.根据权利要求13所述的未来年负荷时间序列场景的确定装置，其特征在于，所述工作日的日负荷特性指标确定单元包括：第一随机样本生成单元，用于基于Σ work 构建多维高斯分布N(0,Σ work )，并随机抽样生成随机样本(y 1 ,y 2 ,y 3 )；工作日的日负荷特性指标计算单元，用于根据随机样本(y 1 ,y 2 ,y 3 )，并通过下式计算未来年工作日的日负荷率、日峰谷差率和日最大负荷：其中，α work (j)表示未来年第j个工作日的日负荷率，β work (j)表示未来年第j个工作日的日峰谷差率，γ work (j)表示未来年第j个工作日的日最大负荷； 表示未来年工作日的日负荷率边缘概率分布的逆函数， 表示未来年工作日的日峰谷差率边缘概率分布的逆函数， 表示未来年工作日的日最大负荷边缘概率分布的逆函数。 15.根据权利要求13所述的未来年负荷时间序列场景的确定装置，其特征在于，所述休息日的日负荷特性指标确定单元包括：第二随机样本生成单元，用于基于Σ off 构建多维高斯分布N(0,Σ off )，并随机抽样生成随机样本(y 4 ,y 5 ,y 6 )；休息日的日负荷特性指标计算单元，用于根据随机样本(y 4 ,y 5 ,y 6 )，并通过下式计算未来年休息日的日负荷率、日峰谷差率和日最大负荷：其中，α off (j)表示未来年第j个休息日的日负荷率，β off (j)表示未来年第j个休息日的日峰谷差率，γ off (j)表示未来年第j个休息日的日最大负荷； 表示未来年休息日的日负荷率边缘概率分布的逆函数， 表示未来年休息日的日峰谷差率边缘概率分布的逆函数， 表示未来年工作日的日最大负荷边缘概率分布的逆函数。