【技术实现步骤摘要】
本专利技术涉及风力发电
,具体地,涉及一种基于极大似然估计的风电功率波动概率分布描述方法。
技术介绍
近年来我国风力发电技术持续快速发展,风电并网装机容量迅速增长,截止2013年底,我国新增装机容量16.1GW,累计装机容量已达91.4GW,居世界首位。由于风资源的不确定性和风电机组本身的运行特性,使得风电场的输出功率具有随机波动性,风电出力的波动将对电力系统的运行造成很大影响,短时影响(如1min波动)将考验系统AGC的控制性能;较长时间尺度(如15min、1h波动)将影响电力系统的日内实时调度。因此,研究风电出力的波动特性将为电力系统调峰调频、运行控制方式等提供经验和依据。目前关于风电波动性的研究主要集中在对波动率的统计描述方向上,而关于风电功率波动的概率分布目前研究较少,鉴于风电功率波动的概率分布描述相比于波动率的统计描述,具有更高的风电场功率波动模拟精度,因此,有必要开展关于风电功率波动的概率分布的研究。
技术实现思路
本专利技术实施例的主要目的在于提供一种基于极大似然估计的风电功率波动概率分布描述方法,从概率的角度评估风电随机波动性对电力系统安全稳定运行带来的影响,有利于指导电力系统调度运行。为了实现上述目的,本专利技术实施例提供一种基于极大似然估计的风电功率波动概率分布描述方法,包括:步骤A,收集自时刻Tstart开始、时刻Tstart+T结束,时长T期间的风电场出力历史数据; >步骤B,以步长为时间尺度△t对所述时长T期间的风电场出力历史数据进行取样,得到风电场出力历史数据序列{Pm′本文档来自技高网...
【技术保护点】
一种基于极大似然估计的风电功率波动概率分布描述方法,其特征在于,包括:步骤A,收集自时刻Tstart开始、时刻Tstart+T结束,时长T期间的风电场出力历史数据;步骤B,以步长为时间尺度△t对所述时长T期间的风电场出力历史数据进行取样,得到风电场出力历史数据序列{Pm′};其中,Pm′为Tstart+(m×Δt)时刻的风电场出力历史数据;步骤C,计算风电场出力历史数据Pm′与Tstart+(m×Δt)时刻的风电装机容量Pinstall的比值,得到归一化的风电场出力历史数据序列{Pm};其中,步骤D,以窗长为时间尺度△T,步长为时间尺度△t滑动扫描所述归一化的风电场出力历史数据序列{Pm},每滑动一次扫描得到子序列{Pm,Pm+1,Pm+2,......Pm+H},共得到Q个所述子序列;其中,H=ΔTΔt,Q=T-ΔTΔt;]]>步骤E,根据以下公式计算每个子序列{Pm,Pm+1,Pm+2,......Pm+H}的波动幅度Zm,得到波动幅度序列{z1,z2…zQ};zm=Pm_max-Pm_min,TPm_max-Tstart>TPm_m ...
【技术特征摘要】
1.一种基于极大似然估计的风电功率波动概率分布描述方法,其特征在于,包括:
步骤A,收集自时刻Tstart开始、时刻Tstart+T结束,时长T...
【专利技术属性】
技术研发人员:王丰,李驰,黄越辉,吴涛,金海峰,王跃峰,刘德伟,张楠,
申请(专利权)人:国家电网公司,国网冀北电力有限公司电力科学研究院,中国电力科学研究院,中电普瑞张北风电研究检测有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。