一种考虑相关性的风电场出力时序曲线仿真方法技术

本发明专利技术涉及一种考虑相关性的风电场出力时序曲线仿真方法，包括以下步骤：步骤S1:分季度分时段采集两个风电场历史出力数据为样本，并分别采用核密度估计法求解风电出力边缘分布；步骤S2:采用Frank Copula函数描述两个风电场相关性，得到相关性系数；步骤S3:根据得到的Frank Copula相关性系数和风电出力的概率分布，随机生成风功率样本点；步骤S4:根据的得到的风功率样本点，通过蒙特卡罗模拟得到风电出力时序曲线；步骤S5:基于风电场短时间的变化规律对时序曲线进行修正,得到最终的风电出力时序曲线。本发明专利技术全面地反映风电出力的真实情况，并解决了传统概率出力模型无法反映随机性、波动性的问题和传统时序出力模型计算量大、出力波动大的问题。出力波动大的问题。出力波动大的问题。

【技术实现步骤摘要】
一种考虑相关性的风电场出力时序曲线仿真方法


[0001]本专利技术属于电力系统模拟方法领域，具体涉及一种考虑相关性的风电场出力时序曲线仿真方法。

技术介绍

[0002]在世界能源短缺和环境污染日益严重的今天，风能作为一种清洁、技术成熟的可再生能源，近年来在世界各国取得了长足发展，已经成为全球可再生能源开发新的增长点与主要方向之一。由于风电出力具有随机性大、波动性强、出力不可控等特点，给输电系统的规划和运行带来了新的挑战，对风电出力的准确建模，是研究未来高比例可再生能源电力系统的规划和运行以保障系统安全、经济运行的前提。
[0003]常规的风电场出力建模可分为两种：基于风速的出力建模，首先对风速建模，然后根据风力发电机的功率特性曲线计算出实际输出功率。基于功率的出力建模，根据历史功率数据建立模型并利用实时数据预测输出功率。在含风电的电力系统规划和中长期运行模拟研究中，一般对风电出力的模拟主要考虑中长期的概率分布和总体特征量，即模拟出来的数据要满足一定的概率分布特性。但单纯的概率分布模型无法反应出风电出力波动性、随机性、间歇性的特点。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种考虑相关性的风电场出力时序曲线仿真方法，解决了传统概率出力模型无法反映随机性、波动性的问题和传统时序出力模型计算量大、出力波动大的问题。
[0005]为实现上述目的，本专利技术采用如下技术方案：
[0006]一种考虑相关性的风电场出力时序曲线仿真方法，包括以下步骤：
[0007]步骤S1:分季度分时段采集两个风电场历史出力数据为样本，并分别采用核密度估计法求解风电出力边缘分布；
[0008]步骤S2:采用Frank Copula函数描述两个风电场相关性，得到相关性系数；
[0009]步骤S3:根据得到的Frank Copula相关性系数和风电出力的概率分布，随机生成风功率样本点；
[0010]步骤S4:根据的得到的风功率样本点，通过蒙特卡罗模拟得到风电出力时序曲线；
[0011]步骤S5:基于风电场短时间的变化规律对时序曲线进行修正,得到最终的风电出力时序曲线。
[0012]进一步的，所述季度包括3-5月的春季、6-8月的夏季、9-11月的秋季、12-次年2月的冬季四个季度；所述时段包括6:00-18:00、18:00-次日6:00两个时段。
[0013]进一步的，所述核密度估计法具体为，核密度函数如下：
[0014][0015]式中：n为样本总数，h为平滑系数，K
h
为核函数，z
j
为随机变量z的样本点。
[0016]进一步的，所述步骤S2采用Frank Copula函数来描述风功率的相关性，使用Kendall秩相关系数τ来度量相关程度，
[0017]Kendall秩相关系数τ的定义如下：设随机变量(X1,Y1)，(X2,Y2)独立同分布，令
[0018]τ＝P((X
1-X2)(Y
1-Y2)＞0)-P((X
1-X2)(Y
1-Y2)＜0)
ꢀꢀꢀ
(2)
[0019]称τ是Kendall
’
τ系数，该系数表示能度量X和Y变化的一致性程度。
[0020]进一步的，所述步骤S3具体为：
[0021]步骤S31:基于Frank Copula相关性系数，由MATLAB的Copularnd函数随机生成满足相关性要求的M个风功率样本点；
[0022]步骤S32：对这M个风功率样本点，重新排列，根据风电场出力概率分布按比例从这M个风功率样本点中分别抽取K个风功率样本点作为昼、夜出力时序模拟的抽样框。
[0023]进一步的，所述修正具体为：确定累计概率为90％的风电出力变化率，若相邻两点变化率落在该变化率的两倍以内的区间，则将后一时刻的抽样值修正为两点的均值，即W(t+1)＝(W(t+1)+W(t))/2，其中W(t)为第t个的风电抽样点。
[0024]本专利技术与现有技术相比具有以下有益效果：
[0025]1、本专利技术可以同时满足风电出力的概率分布特征、相关性特征、季节和昼夜变化特征以及随机性、波动性的特点，可以全面地反映风电出力的真实情况。
[0026]2、本专利技术解决了传统概率出力模型无法反映随机性、波动性的问题和传统时序出力模型计算量大、出力波动大的问题。
附图说明
[0027]图1是本专利技术一实施例中风电场1夏季出力核密度估计分布函数；
[0028]图2是本专利技术一实施例中风电场2夏季出力核密度估计分布函数；
[0029]图3是本专利技术一实施例中两风电场夏季出力二元copula分布函数；
[0030]图4是本专利技术一实施例中基于Frank Copula相关系数生成的随机风功率样本点聚类图；
[0031]图5是本专利技术一实施例中蒙特卡罗模拟风电场时序出力曲线；
[0032]图6是本专利技术一实施例中修正后的风电场1的时序出力曲线；
[0033]图7是本专利技术一实施例中修正后的风电场2的时序出力曲线。
具体实施方式
[0034]下面结合附图及实施例对本专利技术做进一步说明。
[0035]请参照图1，本专利技术提供一种考虑相关性的风电场出力时序曲线仿真方法，本实施例中，取东南沿海地理距离5公里左右的两风电场为具体应用例，其中风电场1装机容量为50MW，风电场2装机容量为56MW，取两风电场2017年夏季的风电出力数据标幺值为样本。
[0036]包括以下步骤：
[0037]步骤S1:分季度分时段采集两个风电场历史出力数据为样本，并分别采用核密度估计法求解风电出力边缘分布；所述季度包括3-5月的春季、6-8月的夏季、9-11月的秋季、12-次年2月的冬季四个季度；所述时段包括6:00-18:00、18:00-次日6:00两个时段。
[0038]本实施例，以夏季为例，夏季6-8月份的风电96点出力数据分为两组，一组为6:00-18:00时间段的出力数据，一组为18:00-次日6:00的出力数据，分别统计不同出力区间的概率如表2所示。
[0039]表2风电场昼夜出力概率分布
[0040][0041]所述核密度估计法具体为，核密度函数如下：
[0042][0043]式中：n为样本总数，h为平滑系数，K
h
为核函数，z
j
为随机变量z的样本点。采用核密度估计法得到的两风电场夏季出力的边缘分布如图1、图2所示。
[0044]步骤S2:采用Frank Copula函数描述两个风电场相关性，得到相关性系数；
[0045]采用Frank Copula函数来描述风功率的相关性，使用Kendall秩相关系数τ来度量相关程度，
[0046]Kendall秩相关系数τ的定义如下：设随机变量(X1,Y1)，(X2,Y2)独立同分布，令
[0047本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑相关性的风电场出力时序曲线仿真方法，其特征在于，包括以下步骤：步骤S1:分季度分时段采集两个风电场历史出力数据为样本，并分别采用核密度估计法求解风电出力边缘分布；步骤S2:采用Frank Copula函数描述两个风电场相关性，得到相关性系数；步骤S3:根据得到的Frank Copula相关性系数和风电出力的概率分布，随机生成风功率样本点；步骤S4:根据的得到的风功率样本点，通过蒙特卡罗模拟得到风电出力时序曲线；步骤S5:基于风电场短时间的变化规律对时序曲线进行修正,得到最终的风电出力时序曲线。2.根据权利要求1所述的一种考虑相关性的风电场出力时序曲线仿真方法，其特征在于：所述季度包括3-5月的春季、6-8月的夏季、9-11月的秋季、12-次年2月的冬季四个季度；所述时段包括6:00-18:00、18:00-次日6:00两个时段。3.根据权利要求1所述的一种考虑相关性的风电场出力时序曲线仿真方法，其特征在于：所述核密度估计法具体为，核密度函数如下：式中：n为样本总数，h为平滑系数，K
h
为核函数，z
j
为随机变量z的样本点。4.根据权利要求1所述的一种考虑相关性的风电场出力时序曲线仿真方法，其特征在于，所述步骤S2采用Frank Copula函数来描...

【专利技术属性】
技术研发人员：叶荣，吴威，林章岁，孟永庆，邹艺超，李斯佳，
申请(专利权)人：国网福建省电力有限公司经济技术研究院西安交通大学，
类型：发明
国别省市：