一种计及日特性和季特性的含风能发电系统充裕度评估方法技术方案

一种计及日特性和季特性的含风能发电系统充裕度评估方法，从风场收集每小时风速数据，根据最大似然估计法，构建基于Gaussian copula函数的24小时风速联合概率分布模型；从24小时风速联合概率分布中抽样，生成计及日特性的模拟Ⅰ风速；构建关于季度修正系数的偏差函数，推导最优季度修正系数，最小化修正前仿真风速样本的各季均值和标准差与实测风速样本各季均值和标准差间的偏差，得到模拟Ⅱ风速。利用模拟Ⅰ风速和模拟Ⅱ风速，建立考虑日特性和季特性的风电联合发电系统季节充裕度评估程序，分析季节性模式，风电机组数量和系统峰值负荷对系统季节性充足性的影响。本发明专利技术为研究季节性模式、风电机组数量和系统峰值负荷对系统季节充足性的影响提供了依据。对系统季节充足性的影响提供了依据。对系统季节充足性的影响提供了依据。

【技术实现步骤摘要】
一种计及日特性和季特性的含风能发电系统充裕度评估方法


[0001]本专利技术属于电力系统仿真
，具体涉及一种计及日特性和季特性的含风能发电系统充裕度评估方法。

技术介绍

[0002]在高风电渗透水平下，风电将对含风能发电系统产生重要影响。风力的产生主要依赖于风速，由于风速受地形、季节等因素影响，风速呈现不确定性特征。因此，在进行风速建模时，考虑其不确定性是极为重要的。
[0003]人们普遍认为风速具有日变化和季节变化特征，受此影响全年风力资源分布不均匀。因此，提出适当的风速模型来考虑风速日特性和季特性是相当重要的。较风速解析模型，风速仿真模型可更精细地计及多类风速特征，是较好的解决方法。
[0004]当前，已有较多学者对不确定的风速模式使用几种风速分析和仿真模型进行了研究。但用风速仿真模型来研究风速日变化和季节变化的著作相对较少。已有的一种非齐次马尔可夫风速时间序列模型，考虑了日变化和季节变化特征。但是可能存在两个明显的局限性：首先，提出了一个不切实际的假设，即风速在几个区间内均匀分布。在实际应用中，我们发现风速并不是均匀分布的；其次，采用季节指数对模拟风速进行修正，使模拟风速的均值与各季节实际风速的均值接近，但是模拟风速的标准偏差可能与每个季节的实际风速的标准偏差不一致。另一种方法将风速数据按日和季节进行了分组，采用核密度法估计各簇的WSPD，用于风集成IEEE
‑
RTS发电系统的非序列蒙特卡洛模拟中产生风速样本。但可能很难确定核密度的最优带宽，核密度模型的逆累积密度函数没有参数化表达式，给风速采样带来困难。

技术实现思路

[0005]为解决上述技术问题，本专利技术提供一种计及日特性和季特性的含风能发电系统充裕度评估方法，以风速仿真模型为研究对象，以计及日特性和季特性为目标，针对风速日周期变化特征、季节变化特征，设计一种计及日特性和季特性的两阶段风速仿真模型。为研究季节性模式、风电机组数量和系统峰值负荷对系统季节充足性的影响提供了依据。
[0006]本专利技术采取的技术方案为：
[0007]一种计及日特性和季特性的含风能发电系统充裕度评估方法，包括以下步骤：
[0008]步骤一：从风场收集每小时风速数据，根据最大似然估计法，确定多种候选概率分布的参数，计算多种候选概率分布的AIC指标，选取AIC指标最小的候选概率分布，为最优拟合的每小时风速边缘概率分布模型；
[0009]步骤二：构建基于Gaussian copula函数的24小时风速联合概率分布模型；
[0010]步骤三：根据cholesky分解法、标准正态分布随机数，从24小时风速联合概率分布中抽样，生成计及日特性的模拟Ⅰ风速；
[0011]步骤四：引入季度修正系数，通过修正方程修正模拟
‑Ⅰ
风速样本，构建关于季度修
正系数的偏差函数，推导最优季度修正系数最小化修正前仿真风速样本的各季均值和标准差与实测风速样本各季均值和标准差间的偏差，得到模拟Ⅱ风速样本。
[0012]步骤五：利用模拟Ⅰ风速样本和模拟Ⅱ风速，建立考虑日特性和季特性的风电联合发电系统季节充裕度评估程序，分析季节性模式，风电机组数量和系统峰值负荷对系统季节性充足性的影响。
[0013]所述步骤一包括以下步骤：
[0014]S1.1:访问开放气象数据库，收集风电场24小时风速数据集，
[0015]S1.2:利用风速数据，进行最大似然估计估计，算出九种候选概率分布的参数值，九种候选概率分布包括:Weibull、Rayleigh、Lognormal、Gamma、Inverse Gaussian、Birnbaum
‑
Saunders、Nakagami、Logistic、GeneralizedExtremeValue；
[0016]S1.3:计算九种候选概率分布的AIC指标，以Weibull候选概率分布、风速V1为例，AIC指标计算计算式为：
[0017]S1.4:选取AIC指标最小的候选概率分布，为最优拟合的每小时风速边缘概率分布模型。所述步骤二中，由于高斯Copula能够以相对明确的表达式描述高维相关性，因此采用高斯Copula。基于Gaussian copula函数的24小时风速联合概率分布模型其公式如下：
[0018][0019]上述函数中：f(
·
)为24小时风速联合概率密度函数，v(i,j)表示第i天第j小时的风速，F
j
(
·
)和f
j
(
·
)分别为使用AIC准则从9组候选参数概率分布中优选确定的第j小时边际风速的累积概率密度函数和概率密度函数；
[0020]为Gaussian copula概率密度函数，其表达式为：
[0021][0022]上式中，符号向量x
i
表示为I为单位矩阵，Φ
‑1(
·
)为标准正态累积概率密度函数的逆函数，符号|
·
|表示对矩阵求取行列式，R为Gaussian copula函数的相关系数矩阵，同时也是也是Gaussian copula函数唯一待确定的参数，可由估计得到。x
iT
、R
‑1、N分别为x
i
的转置矩阵，R的逆矩阵和采集风速样本的天数。
[0023]所述步骤三中，根据cholesky分解法和标准正态分布随机数，将从24小时风速联合概率密度函数中抽样出来，得到模拟Ⅰ风速；为模拟第k(k＝1，
…
，M)天的第j(j＝1，
…
，24)小时的模拟Ⅰ风速，M不一定等于N,M可以
是任何正整数。
[0024]所述步骤四中，修正方程为：
[0025][0026]式中：ω
(s,t)
和ξ
(s,t)
为第t时段s季节的季节修正系数，为修正前的模拟Ⅰ风速，为修正后的模拟Ⅱ风速。
[0027]根据样本均值和标准差公式，模拟Ⅰ风速和模拟Ⅱ风速的均值和标准差满足以下两个关系式：
[0028][0029]式中：和分别为修正前模拟Ⅰ风速在第t时段s季节的均值和标准差；
[0030]和分别为模拟Ⅱ风速在第t时段s季节的均值和标准差；
[0031]季度修正系数的偏差函数为：
[0032][0033]μ
(s,t)
、σ
(s,t)
分别为实际风速t时段s季节的平均值和标准差当偏差函数取最小值时，推导得最优修正系数表达式：
[0034][0035]通过将最优季度修正系数应用到修正方程中，实现最优修正，该最优修正使修正后的模拟Ⅱ风速的均值和标准差与实测风速均值和标准差间偏差最小，从而得到具有日特性和季特性的最优模拟Ⅱ风速样本。
[0036]所述步骤五中，采集风电联产系统的实际风速样本、机组参数、系统负荷需求数据，计算季节性缺电时间期望值SLO本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计及日特性和季特性的含风能发电系统充裕度评估方法，其特征在于：对于风速日周期变化特征，首先根据最大似然估计法，确定九种候选概率分布的参数，并借助AIC指标，构建最优拟合的每小时风速边缘概率分布模型；接着选取Gaussian copula函数，构建24小时风速联合概率分布模型，并根据cholesky分解法、标准正态分布随机数从中抽样生成计及日特性的模拟Ⅰ风速。2.一种计及日特性和季特性的含风能发电系统充裕度评估方法，其特征在于：对于风速季特性变化的特征，引入修正方程和季度修正系数，构建关于季度修正系数的偏差函数，推导得到最优季度修正系数；将最优季度修正系数代入修正方程，修正抽样产生的模拟Ⅰ风速，实现最优修正，得到呈现季特性的模拟Ⅱ风速。3.一种计及日特性和季特性的含风能发电系统充裕度评估方法，其特征在于包括以下步骤：步骤一：从风场收集每小时风速数据，根据最大似然估计法，确定多种候选概率分布的参数，计算多种候选概率分布的AIC指标，选取AIC指标最小的候选概率分布，为最优拟合的每小时风速边缘概率分布模型；步骤二：构建基于Gaussian copula函数的24小时风速联合概率分布模型；步骤三：根据cholesky分解法、标准正态分布随机数，从24小时风速联合概率分布中抽样，生成计及日特性的模拟Ⅰ风速；步骤四：引入季度修正系数，通过修正方程修正模拟
‑Ⅰ
风速样本，构建关于季度修正系数的偏差函数，推导最优季度修正系数最小化修正前仿真风速样本的各季均值和标准差与实测风速样本各季均值和标准差间的偏差，得到模拟Ⅱ风速样本；步骤五：利用模拟Ⅰ风速样本和模拟Ⅱ风速，建立考虑日特性和季特性的风电联合发电系统季节充裕度评估程序，分析季节性模式，风电机组数量和系统峰值负荷对系统季节性充足性的影响。4.根据权利要求3所述一种计及日特性和季特性的含风能发电系统充裕度评估方法，其特征在于：所述步骤一包括以下步骤：S1.1:访问开放气象数据库，收集风电场24小时风速数据集，S1.2:利用风速数据，进行最大似然估计估计，算出九种候选概率分布的参数值，九种候选概率分布包括:Weibull、Rayleigh、Lognormal、Gamma、Inverse Gaussian、Birnbaum
‑
Saunders、Nakagami、Logistic、GeneralizedExtremeValue；S1.3:计算九种候选概率分布的AIC指标，以Weibull候选概率分布、风速V1为例，AIC指标计算计算式为：S1.4：选取AIC指标最小的候选概率分布，为最优拟合的每小时风速边缘概率分布模型。5.根据权利要求3所述一种计及日特性和季特性的含风能发电系统充裕度评估方法，其特征在于：所述步骤二中，基于Gaussian copula函数的24小时风速联合概率分布模型其公式如下：
上述函数中：f(
·
)为24小时风速联合概率密度函数，v(i,j)表示第i天第j小时的风速，F
j
(
·
)和f
j
(
·
)分别为使用AIC准则从9组候选参数概率分布中优选确定的第j小时边际风速的累积概率密度函数和概率密度函数；为Gaussian copula概率密度函数，其表达式为：上式中，符号向量x
i
表示为I为单位矩阵，Φ
‑1(
·
)为标准正态累积概率密度函数的逆函数，符号|
·
|表示对矩阵求取行列式...

【专利技术属性】
技术研发人员：缪书唯，杨永康，周海涛，蒋晨，熊昊然，李书璇，
申请(专利权)人：三峡大学，
类型：发明
国别省市：