基于TDIC的风光电站出力多尺度动态相关性分析方法及系统技术方案

本发明专利技术公开了新能源发电技术领域的一种基于TDIC的风光电站出力多尺度动态相关性分析方法及系统，包括：S1：基于EMD对风、光电站中风电输出功率时间序列和光电输出功率时间序列分别进行多尺度分解，获得若干组第一风电内部模态函数和若干组第一光电内部模态函数；S2：采用EMD的改进算法基于自适应噪声的完整集合经验模式分解法，基于步骤S1进一步进行多尺度分解，获得若干组第二风电内部模态函数和若干组第二光电内部模态函数；基于S2，进行基于TDIC的动态相关性分析。可以在自适应的时间窗下挖掘到局部时间范围内的复杂关系，捕捉风光出力在多时间尺度下的动态变化，有助于提高电力系统运行、规划和优化资源配置的能力，提高系统运行的经济效益。

【技术实现步骤摘要】
基于TDIC的风光电站出力多尺度动态相关性分析方法及系统
本专利技术属于新能源发电
，具体涉及一种基于TDIC的风光电站出力多尺度动态相关性分析方法及系统。
技术介绍
近年来风力发电与光伏发电产业发展迅速，但由于其发电功率的随机性和波动性，同时给电力系统的运行和调度带来了挑战。通过电能的调度以实现平滑的功率输出，需要充分考虑二者之间的相关性和波动性。鉴于在同一地区内的风电场和光伏电站受到相似气象条件的影响，有研究证明其发电功率时间序列之间存在着紧密的联系。目前，相关性问题的分析方法主要分为静态相关性分析与动态相关性分析两类。传统的相关性分析大都基于数据是平稳和线性的假设，在分析其相关性时存在非平稳的结果。若仅通过全局相关性分析可能扭曲真实的互相关信息，提供非物理解释，而若通过滑动窗口或尺度相关方法来估计变量的关联，滑动窗口大小的定义存在困难，因此无法获得局部相关的信息。
技术实现思路
为解决现有技术中的不足，本专利技术的目的在于提供一种基于TDIC的风光电站出力多尺度动态相关性分析方法及系统，可以在自适应的时间本文档来自技高网...

【技术保护点】
1.一种基于TDIC的风光电站出力多尺度动态相关性分析方法，其特征是，包括：/nS1：基于EMD(经验模态分解)对风、光电站中风电输出功率时间序列和光电输出功率时间序列分别进行多尺度分解，获得若干组第一风电内部模态函数和若干组第一光电内部模态函数；/nS2：采用EMD的改进算法基于自适应噪声的完整集合经验模式分解法，并根据分解得到的第一风电内部模态函数和第一光电内部模态函数对风、光电站中风电输出功率时间序列和光电输出功率时间序列分别进行多尺度分解，获得若干组第二风电内部模态函数和若干组第二光电内部模态函数；/nS3：根据第二风电内部模态函数和第二光电内部模态函数，进行基于TDIC(时间内在相关...

【技术特征摘要】
1.一种基于TDIC的风光电站出力多尺度动态相关性分析方法，其特征是，包括：
S1：基于EMD(经验模态分解)对风、光电站中风电输出功率时间序列和光电输出功率时间序列分别进行多尺度分解，获得若干组第一风电内部模态函数和若干组第一光电内部模态函数；
S2：采用EMD的改进算法基于自适应噪声的完整集合经验模式分解法，并根据分解得到的第一风电内部模态函数和第一光电内部模态函数对风、光电站中风电输出功率时间序列和光电输出功率时间序列分别进行多尺度分解，获得若干组第二风电内部模态函数和若干组第二光电内部模态函数；
S3：根据第二风电内部模态函数和第二光电内部模态函数，进行基于TDIC(时间内在相关性分析方法)的动态相关性分析。


2.根据权利要求1所述的基于TDIC的风光电站出力多尺度动态相关性分析方法，其特征是，在所述步骤S1中，按照如下方法分别对风电输出功率时间序列和光电输出功率时间序列进行多尺度分解，具体为：
S11：根据原始信号x(t)的所有局部极大值和局部极小值得到上包络Un(t)和下包络Ln(t)；
S12：求出上、下包络的均值m1：
m1(t)＝(Un(t)+Ln(t))/2(1)；
S13：则原始信号x(t)与m1的差用c1(t)表示：c1(t)＝x(t)-m1(t)，判断c1(t)是否满足内部模态函数(IMF)的收敛条件，若满足，那么c1(t)是原始信号的第一阶内部模态函数，代表最高频率的分量；否则将c1(t)代替x(t)，重复步骤S11～S13直到原始信号满足IMF条件；
S14：从x(t)中分离c1(t)，得到r1(t)＝x(t)-c1(t)，将分离后的信号视为新的原始信号重复上述过程n次，可以得到n个IMF：
rn(t)＝rn-1(t)-cn(t)(2)；
S15：当rn(t)是呈单调变化或是一个极小的常量，无法继续分解时结束过程，原始信号可转化为n个内部模态函数ci(t)与残差rn(t)的和的形式：





3.根据权利要求2所述的基于TDIC的风光电站出力多尺度动态相关性分析方法，其特征是，内部模态函数(IMF)的收敛条件，包括：
(a)在整个数据集中，极值个数和过零点个数必须相等或最多相差一个；
(b)在任何点上，由局部极大值定义的包络和由局部极小值定义的包络的平均值为零。


4.根据权利要求1所述的基于TDIC的风光电站出力多尺度动态相关性分析方法，其特征是，在所述步骤S2中，按照如下方法，根据分解得到的第一风电内部模态函数和第一光电内部模态函数对风、光电站中风电输出功率时间序列和光电输出功率时间序列分别进行多尺度分解，具体为：
S21：首先定义算子Ej()代表通过给定信号经EMD获得的第j阶第一风电内部模态函数或第j阶第一光电内部模态函数；
S22：添加若干组高斯白噪声到原始信号上，得到：
Yi(t)＝x(t)+β0ωi(t)(4)
式中：ωi(t)为i组高斯白噪声，i＝1,...,I；β0为噪声...

【专利技术属性】
技术研发人员：王敏，伍超，张鹏，凡宗胤，于子暄，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32