考虑时空相关性的两风电场出力场景生成方法及其系统技术方案

本发明专利技术公开了考虑时空相关性的两风电场出力场景生成方法及其系统，方法具体步骤为：(1)采用变结构copula模型对两风电场出力空间相关性建模，得到两风电场空间相关性有功出力序列；(2)采用剥离季节成分的改进随机微分方程对中心风电场有功出力时间相关性建模，得到中心风电场时间相关性有功出力序列及中心风电场有功出力波动序列；(3)对两风电场空间相关性有功出力序列进行序列重构，计算重构序列子序列与实际出力各个子序列之间均方根误差，对重构序列子序列重新排序，得到具有时间连续性的两风电场在时间、空间2个维度上的相关性有功出力序列。本发明专利技术不仅准确描述多风电场出力时间序列的空间相关性，还还原了原始多风电场有功出力序列的时空相关性。场有功出力序列的时空相关性。场有功出力序列的时空相关性。

Generation method and system of output scenarios of two wind farms considering spatio-temporal correlation

【技术实现步骤摘要】
考虑时空相关性的两风电场出力场景生成方法及其系统


[0001]本专利技术涉及电力系统新能源发电领域，具体涉及考虑时空相关性的两风电场出力场景生成方法及其系统。

技术介绍

[0002]现有时间相关性分析方法多采用自回归滑动平均模型(Auto
‑
Regressive and Moving Average Model，ARMA)、多元回归法、支持向量机法(Support Vector Machine，SVM)等。但以上时间相关性分析方法只能对超短期或短期时间序列进行有效分析，难以满足对中长期时间序列及其波动特性进行分析的要求。目前，随机微分方程开始初步应用于中长期时间序列时间相关性建模，然而对于具有周期性、季节性的时间序列，将大大提高模型构建复杂度，且时间相关性拟合精度难以保证。
[0003]现有空间相关性分析方法多采用相关系数矩阵或copula模型等。其中相关系数矩阵难以描述变量间空间相关性的非线性、尾部相关性等特点。静态copula模型作为新能源出力间空间相关性的常用模型，能准确捕捉变量间非线性及尾部相关性特征，但无法分析相关性的变化特征。

技术实现思路

[0004]针对现有技术的以上不足或改进需求，本专利技术提供一种考虑时空相关性的两风电场出力场景生成方法及其系统，该方法综合考虑了具有周期性、季节性的中长期多风电场出力时间序列及其波动序列的时间相关性和变结构空间相关性，实现了可靠的时空相关性建模，为电力系统中长期电力系统规划、运行相关专题分析提供了合理、有效的场景基础。/>[0005]为了达到上述目的，本专利技术是通过以下技术方案来实现的：
[0006]本专利技术的一种考虑时空相关性的两风电场出力场景生成方法，包括如下步骤：
[0007]步骤1，获取历史数据，包括两风电场全年有功出力时间序列，采用变结构copula模型对两风电场出力空间相关性建模，得到两风电场空间相关性有功出力序列；步骤2，基于中心风电场全年有功出力时间序列，采用剥离季节成分的改进随机微分方程对中心风电场有功出力时间相关性建模，得到中心风电场时间相关性有功出力序列及中心风电场有功出力波动序列；两风电场中选取一个研究对象作为中心风电场，步骤1和步骤2都是基于风电场全年有功出力时间序列进行研究的。步骤3，基于所述中心风电场有功出力波动序列，对两风电场空间相关性有功出力序列进行序列重构，计算重构序列子序列与实际出力各个子序列之间均方根误差，最小值对应的日期则为该重构序列子序列的真实顺序，对重构序列子序列重新排序，得到具有时间连续性的两风电场在时间、空间2个维度上的相关性有功出力序列。
[0008]步骤1的具体操作步骤如下：
[0009]步骤1.1，获取间隔30分钟采样的两地理位置中心距离≤80km的风电场全年有功出力时间序列，分别计算两风电场有功出力序列的组合相关性系数ρ
c1
，ρ
c2
：
[0010]ρ
c1
＝ω1ρ
p
+ω2ρ
s
[0011]其中，ρ
c2
与ρ
c1
计算公式相同，ρ
p
为Pearson相关系数，ρ
s
为Spearman相关系数，ω1、ω2分别为ρ
p
、ρ
s
的权重系数；
[0012]步骤1.2，基于两风电场有功出力序列的组合相关性系数，进行变结构点诊断，得到两风电场有功出力序列的相关性变结构点位置；
[0013]步骤1.3，基于所述相关性变结构点位置，将所述两风电场有功出力序列进行分段，对各段建立copula相关性模型，得到两风电场有功出力的变结构copula模型；
[0014]步骤1.4，基于所述变结构copula模型，通过蒙特卡洛抽样得到两风电场概率分布值组成的数据集；
[0015]步骤1.5，基于所述两风电场概率分布值组成的数据集，通过对两风电场有功出力序列的边缘概率分布函数求逆，得到两风电场空间相关性有功出力序列[S
W1
,S
W2
],取S
W1
为中心风电场空间相关性有功出力序列。
[0016]步骤2的具体操作步骤为：
[0017]步骤2.1，基于过去三年的中心风电场有功出力时间序列，建立时间序列模型，并计算季节指数，将中心风电场全年有功出力时间序列除以相应的季节指数，剥离季节成分；其中时间序列模型表达式为：
[0018]Y＝T*S*C*I
[0019]其中，T为长期趋势，S为季节指数，C为循环变动，I为不规则变动；
[0020]步骤2.2，构建包含长期波动变化趋势的随机微分方程，公式如下：
[0021]dx＝[Tr+θ
x
(μ
x
‑
x)]dt+σ
x
·
xdW
x
[0022]dTr＝θ
Tr
·
Trdt+σ
Tr
·
TrdW
Tr
[0023]其中，x、dx分别为剥离季节成分的中心风电场有功出力序列及其波动值，θ
x
为序列对干扰反应的衰减率，μ
x
为序列均值，σ
x
为序列方差，W
x
为标准Wiener过程；Tr、dTr为剥离季节成分的中心风电场出力长期波动变化序列及其波动值，θ
Tr
为随机趋势序列对干扰反应的衰减率，σ
Tr
为随机趋势序列方差，W
Tr
为标准Wiener过程，dt为微分时间间隔；
[0024]步骤2.3，基于所述包含长期波动变化趋势的随机微分方程，利用极大似然估计法对模型中的参数进行估计，乘以相应的季节指数得到中心风电场时间相关性有功出力序列x
sim
及中心风电场有功出力波动序列Δx。
[0025]在步骤3中，对两风电场空间相关性有功出力序列进行序列重构的具体步骤为：步骤3.1，基于中心风电场出力波动序列Δx，根据中心风电场空间相关性有功出力样本点S
W1,t
和出力波动序列样本点Δx
t
，计算S
W1,t
+Δx
t
，在S
W1
中找到最接近的值作为S
W1,t+1
，并将[S
W1,t+1
,S
W2,t+1
]作为两风电场时空相关性序列的下一时刻场景有功出力值；
[0026]步骤3.2，遍历中心风电场空间相关性有功出力S
W1,t
，得到重构的风电场空间相关性有功出力[S
′
W1
,S
′
W2
]。
[0027]本专利技术的两风电场出力场景生成系统，两风电场出力场景生成系统包括：网络接口，存储器和处理器；其中，
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑时空相关性的两风电场出力场景生成方法，其特征在于：包括如下步骤：步骤1，获取历史数据，包括两风电场全年有功出力时间序列，采用变结构copula模型对两风电场出力空间相关性建模，得到两风电场空间相关性有功出力序列；步骤2，基于中心风电场全年有功出力时间序列，采用剥离季节成分的改进随机微分方程对中心风电场有功出力时间相关性建模，得到中心风电场时间相关性有功出力序列及中心风电场有功出力波动序列；步骤3，基于所述中心风电场有功出力波动序列，对两风电场空间相关性有功出力序列进行序列重构，计算重构序列子序列与实际出力各个子序列之间均方根误差，最小值对应的日期则为该重构序列子序列的真实顺序，对重构序列子序列重新排序，得到具有时间连续性的两风电场在时间、空间2个维度上的相关性有功出力序列。2.根据权利要求1所述的一种考虑时空相关性的两风电场出力场景生成方法，其特征在于：步骤1的具体操作步骤如下：步骤1.1，获取间隔30分钟采样的两地理位置中心距离≤80km的风电场全年有功出力时间序列，分别计算两风电场有功出力序列的组合相关性系数ρ
c1
，ρ
c2
：ρ
c1
＝ω1ρ
p
+ω2ρ
s
其中，ρ
c2
与ρ
c1
计算公式相同，ρ
p
为Pearson相关系数，ρ
s
为Spearman相关系数，ω1、ω2分别为ρ
p
、ρ
s
的权重系数；步骤1.2，基于两风电场有功出力序列的组合相关性系数，进行变结构点诊断，得到两风电场有功出力序列的相关性变结构点位置；步骤1.3，基于所述相关性变结构点位置，将所述两风电场有功出力序列进行分段，对各段建立copula相关性模型，得到两风电场有功出力的变结构copula模型；步骤1.4，基于所述变结构copula模型，通过蒙特卡洛抽样得到两风电场概率分布值组成的数据集；步骤1.5，基于所述两风电场概率分布值组成的数据集，通过对两风电场有功出力序列的边缘概率分布函数求逆，得到两风电场空间相关性有功出力序列[S
W1
,S
W2
],取S
W1
为中心风电场空间相关性有功出力序列。3.根据权利要求2所述的一种考虑时空相关性的两风电场出力场景生成方法，其特征在于：步骤2的具体操作步骤为：步骤2.1，基于过去三年的中心风电场有功出力时间序列，建立时间序列模型，并计算季节指数，将中心风电场全年有功出力时间序列除以相应的季节指数，剥离季节成分；其中时间序列模型表达式为：Y＝T*S*C*I其中，T为长期趋势，S为季节指数，C为循环变动，I为不规则变动；步骤2.2，构建包含长期波动变化趋势的随机微分方程，公式如下：dx＝[Tr+θ
x
(μ

【专利技术属性】
技术研发人员：王玉荣，杨若琳，汤奕，
申请(专利权)人：东南大学溧阳研究院，
类型：发明
国别省市：