基于风速时间周期特征的风电并网系统风险评估方法技术方案

本发明专利技术公开了基于风速时间周期特征的风电并网系统风险评估方法，将传统的全年风速概率分布处理成风速随时间变化的时变分布函数，用时间周期拟合函数来反映风速的主要变化规律，用服从某种概率分布的随机变量来反映风速的波动特征，时间周期拟合函数与风速随机变量叠加得到风速的时间周期特征模型；通过时变风速与风电机组出力之间的函数关系计算风电场的时变出力，据此采用蒙特卡洛抽样方法，评估风电并网系统的时变风险指标；能计算出随时间变化的系统风险指标，可为电网规划设计，系统调度及运维决策等提供辅助信息，有助于管控电网运行风险、提高电力系统运行可靠性水平。

Wind power grid connected system risk assessment method based on wind speed time cycle characteristics

The invention discloses a wind speed time period characteristic of wind power system risk assessment method based on the traditional annual wind speed probability distribution of wind velocity with the time-varying distribution function, the main changes with the time period to reflect the fitting function of wind speed, with a random variable with some probability distribution to reflect the fluctuation characteristics of wind speed time, cycle time period model fitting function and wind speed random variable wind speed was obtained by superposition; time-varying function relationship between wind speed and wind turbine output calculation of wind farm output variable, according to the Monte Carlo sampling method, the assessment of wind power grid system with time-varying risk index; system risk index can be calculated with the the time change, for the grid planning and design, provide auxiliary information system of dispatching and operation decision-making, help to control power grid operation Line risk, improve the reliability level of power system operation.

【技术实现步骤摘要】
基于风速时间周期特征的风电并网系统风险评估方法
本专利技术涉及发输电系统风险评估
，具体地，涉及基于风速时间周期特征的风电并网系统风险评估方法。
技术介绍
自2005年我国颁布《可再生能源开发利用促进法》以来，风能等可再生能源在国家政策支持下开始高速发展。近年来，已经有越来越多的大型风电场接入了电网，但由于风力发电本身存在随机性和间歇性的特点，导致其对电力系统运行可靠性产生了较大的影响。风电发展至今，许多学者已经对大规模风电接入下电力系统风险评估进行了研究。建立风电场的可靠性模型首先需要确定风速。风速预测的方法很多，常见的有神经网络法、时间序列法以及利用概率分布来模拟风速等。其中神经网络法是通过历史数据来反复训练模型参数，实现神经网络模型的优化；时间序列法是通过前一时刻的风速对后一时刻的风速造成影响来反映风速的自相关性。这两类方法适用于短期风速预测。在长期风速预测方面，目前使用最为广泛的是利用概率分布来模拟风速。常见的风速概率分布模型包括Chi-2分布，瑞利分布，威布尔分布以及对数正态分布等。虽然每种分布有所区别，但总体来说，这类方法是将风速看作一个随机变量，利用概率分布来反映本文档来自技高网...

【技术保护点】
基于风速时间周期特征的风电并网系统风险评估方法，其特征在于，包括如下步骤：步骤1：根据风电场多年日风速数据，建立风电场出力的时间周期特征模型；步骤2：根据步骤1中的模型，使用蒙特卡洛抽样法评估风电并网系统的风险；步骤3：判断是否继续抽样，如果是，则执行步骤2，如果不需要继续抽样，则输出系统风险指标；步骤4：结束。

【技术特征摘要】
1.基于风速时间周期特征的风电并网系统风险评估方法，其特征在于，包括如下步骤：步骤1：根据风电场多年日风速数据，建立风电场出力的时间周期特征模型；步骤2：根据步骤1中的模型，使用蒙特卡洛抽样法评估风电并网系统的风险；步骤3：判断是否继续抽样，如果是，则执行步骤2，如果不需要继续抽样，则输出系统风险指标；步骤4：结束。2.根据权利要求1所述的基于风速时间周期特征的风电并网系统风险评估方法，其特征在于，步骤1中，所述建立风电场出力的时间周期特征模型，具体包括如下步骤：步骤100：建立风速时间周期拟合函数模型；步骤110：建立风速波动分量的概率分布模型；步骤120：根据上两步骤的模型建立风速的时间周期特征模型；步骤130：根据上述步骤100-120的模型建立风电场出力的时间周期特征模型。3.根据权利要求2所述的基于风速时间周期特征的风电并网系统风险评估方法，其特征在于，所述步骤100具体为，根据当地风电场多年日风速数据，绘制多年日风速的散点图；根据拟合优度，从多种时间周期拟合函数中选取最优的拟合函数f(t)反映风速的主要变化趋势。4.根据权利要求2所述的基于风速时间周期特征的风电并网系统风险评估方法，其特征在于，所述步骤110具体为，步骤111：计算风速的波动分量ΔV(t)，风速的波动分量为实际风速样本与拟合函数值的差值：ΔV(t)＝V0(t)-f(t)(1)；ΔV(t)是第t天风速的波动分量，V0(t)是第t天的多年日平均风速，f(t)是第t天的拟合函数值；ΔV(t)在0附近来回波动，具有随机性，可看作是服从某一概率分布的随机变量δ(v)；步骤112：运用数理统计的方法绘制ΔV(t)的频率直方图，此频率密度直方图的矩形顶边接近一光滑曲线，该曲线就是随机变量δ(v)服从的频率密度函数曲线；步骤113：根据该曲线的分布特征选取合适的概率分布。5.根据权利要求2所述的基于风速时间周期特征的风电并网系统风险评估方法，其特征在于，所述步骤120具体为，利用时间周期拟合函数f(t)和波动特征用随机变量δ(v)计算风速的时间周期特征，具体为，F(t)＝f(t)+δ(v)(2)，式中F(t)为风速的时间周期特征模型，f(t)为风速的时间周期拟合函数，δ(v)为风速的波动分量。6.根据权利要求2所述的基于风速时间周期特征的风电并网系统风险评估方法，其特征在于，所述步骤130具体为，通过风速和风电机组出力的函数关系计算得到风电场的出力，具体为，

【专利技术属性】
技术研发人员：万小花，熊小伏，付兵彬，魏勇，王建，李浩然，雒亿平，梁魁，孙志宏，
申请(专利权)人：国网甘肃省电力公司经济技术研究院，国家电网公司，国网甘肃省电力公司，重庆大学，
类型：发明
国别省市：甘肃,62