一种基于混合连接函数的多风电场出力分析方法技术

本发明专利技术涉及一种基于混合连接函数的多风电场出力分析方法，包括以下步骤：S1、构建h时刻的N个风电场风速矩阵；S2、采用韦伯分布估计每小时风速的边缘概率分布函数；S3、基于韦伯分布的累积密度函数将每小时的风速样本转换为0

【技术实现步骤摘要】
一种基于混合连接函数的多风电场出力分析方法


[0001]本专利技术涉及电力系统多风电场出力时空相关性建模
，尤其是一种基于混合连接函数的多风电场出力分析方法。

技术介绍

[0002]随着高比例大规模风电集群化的发展，风力发电带来高收益的同时其固有的随机性、波动性和不确定性为电力系统调度运行带来巨大挑战，尤其是处于同一风源且场间距离相近的多个风电场间具有显著的时空相关性，若不加以考虑该相关性则导致电力系统调度计划出现偏差。
[0003]已有不少学者对风电场出力时空相关性进行分析与建模研究，其建模方式大致可分为线性模型和非线性模型两大类，但是现有方法最主要的缺点是需要大量的风速、风向和功率数据作为模型的输入，在追求高精度模拟的同时却忽略了建模复杂度和计算时长，同时，分析时，只采用Copula函数，导致类型单一无法灵活捕捉多风电场之间的时空相关性。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供的一种基于混合连接函数的多风电场出力分析方法，基于多元正态分布构建多元高斯Copula函数，表征多个风电场出力间的空间相关性，再基于赤池信息量准则(AIC)选取最优阿基米德Copula函数以捕获多风电场出力相邻时间段的相关性，得到具有时空相关性的风电功率数据。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]一种基于混合连接函数的多风电场出力分析方法，包括以下步骤：
[0007]获取历史风速数据，基于历史风速数据和混合连接函数分析得到具有时空相关性的风电功率数据，分析过程具体为：
[0008]S1、构建h时刻的N个风电场风速矩阵，所述风速矩阵的第i行第j列的元素表示第i时刻第j个风电场的风速；
[0009]S2、采用韦伯分布估计每小时风速的边缘概率分布函数；
[0010]S3、基于韦伯分布的累积密度函数将每小时的风速样本转换为0
‑
1分布；
[0011]S4、采用高斯连接函数拟合S3得到的风速样本，得到各时刻各风电场间的空间相关性，根据估计的每小时对应的相关性矩阵得到具有空间相关性的样本向量，所述相关性矩阵基于斯皮尔曼系数评估，所述高斯连接函数基于边缘概率分布函数和累积密度函数确定；
[0012]S5、基于样本向量和阿基米德连接函数，建立表征时间相关性的样本矢量；
[0013]S6、基于S3的逆变换的累积密度函数将S5的样本矢量转换成风速，并采用风速
‑
风功率曲线，将风速转化为具有时空相关性的风电功率数据。
[0014]进一步地，S4中，采用的N维高斯连接函数C
G
的表达式为：
[0015]C
G
(u1,
…
,u
N
∣θ)＝Φ
θ
(Φ
‑1(u1),
…
,Φ
‑1(u
N
))
[0016]其中，u
m
＝F
k
(x
m
)，m＝1,
…
,N，F
k
(x
m
)为k时刻的风电场的风速边缘概率分布函数，x
m
为k时刻所有风电场的风速序列，k时刻所有风电场的风速序列由风速矩阵第k行的元素组成，Φ
θ
为多元正态分布和相关性矩阵θ的联合累积密度函数，Φ为单变量正态累积密度函数，u为同一时刻的所有风电场的风速边缘概率分布函数序列。
[0017]进一步地，相关性矩阵θ中的元素θ
k1,t
用斯皮尔曼系数表征，相关性矩阵θ中的元素θ
k1,t
的表达式为：
[0018][0019]其中，ρ
k1,t
为分布函数(F
k1
(x
m1
),，F
t
(x
p
))之间的相关系数，F
k1
和F
t
分别表示k1时刻的风电场的风速边缘概率分布函数和t时刻的风电场的风速边缘概率分布函数，x
m1
，m1＝1,2,
…
,N，表示k1时刻的风速序列，x
p
，p＝1,2,
…
,N，表示t时刻的风速序列，N表示共有N个风电场，相关系数的表达式为：
[0020][0021]其中，M为单风电场采集到的风速序列数，d
j
为两两变量之间的秩差，两两变量为x
m1
和x
p
。
[0022]进一步地，S6中采用的阿基米德连接函数的参数由连续风速数据中求取的肯德尔相关系数确定，确定系数后，基于赤池信息量准则确定阿基米德连接函数，所述阿基米德连接函数的赤池信息量准则的值最小。
[0023]进一步地，阿基米德连接函数的表达式为：
[0024][0025]其中，u
k2
＝F
k2
(x
m2
)，u＝[u1,
…
u
M
]，m2＝1,
…
M，M为单风电场采集到的风速序列数，x
m2
为第k2个风电场的风速序列，F
k2
(x
m2
)为第k2个风电场所有时刻的边缘概率分布函数，α为阿基米德连接函数的参数，u为同一风电场组成的所有时刻的风速边缘概率分布函数，Ψ(.)为生成器函数。
[0026]进一步地，风速矩阵的表达式为：
[0027][0028]其中，表示第i个风电场第j时刻的风速数据样本，1≤i≤N，1≤j≤M，M为风电场的风速时间序列长度，N为风电场总数。
[0029]进一步地，S2中，第i个风电场的每小时的风速边缘概率分布函数的表达式为：
[0030][0031]其中，为第i个风电场风速数据样本，为韦伯分布的形状系数，为韦伯分布的尺度系数。
[0032]进一步地，韦伯分布的形状系数的表达式为：
[0033][0034]其中，σ
w
为第i个风电场风速数据样本的平均值，μ
w
为第i个风电场风速数据样本的标准差；
[0035]韦伯分布的尺度系数的的表达式为：
[0036][0037]其中，Γ为gamma函数。
[0038]进一步地，S3中，转换得到的0
‑
1分布的函数的表达式为：
[0039][0040]其中，为风电场i第k个风速数据样本的0
‑
1分布函数，表示第i个风电场第j时刻的风速数据样本，为韦伯分布的形状系数，为韦伯分布的尺度系数。
[0041]进一步地，S3中得到的具有空间相关性的样本向量的表达式为：S
h
＝(s
1h
,s
2h
,
…
,s...

【技术保护点】

【技术特征摘要】
1.一种基于混合连接函数的多风电场出力分析方法，其特征在于，包括以下步骤：获取历史风速数据，基于历史风速数据和混合连接函数分析得到具有时空相关性的风电功率数据，分析过程具体为：S1、构建h时刻的N个风电场风速矩阵，所述风速矩阵的第i行第j列的元素表示第i时刻第j个风电场的风速；S2、采用韦伯分布估计每小时风速的边缘概率分布函数；S3、基于韦伯分布的累积密度函数将每小时的风速样本转换为0
‑
1分布；S4、采用高斯连接函数拟合S3得到的风速样本，得到各时刻各风电场间的空间相关性，根据估计的每小时对应的相关性矩阵得到具有空间相关性的样本向量，所述相关性矩阵基于斯皮尔曼系数评估，所述高斯连接函数基于边缘概率分布函数和累积密度函数确定；S5、基于样本向量和阿基米德连接函数，建立表征时间相关性的样本矢量；S6、基于S3的逆变换的累积密度函数将S5的样本矢量转换成风速，并采用风速
‑
风功率曲线，将风速转化为具有时空相关性的风电功率数据。2.根据权利要求1所述的一种基于混合连接函数的多风电场出力分析方法，其特征在于，S4中，采用的N维高斯连接函数C
G
的表达式为：C
G
(u1,
…
,u
N
∣θ)＝Φ
θ
(Φ
‑1(u1),
…
,Φ
‑1(u
N
))其中，u
m
＝F
k
(x
m
)，m＝1,
…
,N，F
k
(x
m
)为k时刻的风电场的风速边缘概率分布函数，x
m
为k时刻所有风电场的风速序列，k时刻所有风电场的风速序列由风速矩阵第k行的元素组成，Φ
θ
为多元正态分布和相关性矩阵θ的联合累积密度函数，Φ为单变量正态累积密度函数，u为同一时刻的所有风电场的风速边缘概率分布函数序列。3.根据权利要求2所述的一种基于混合连接函数的多风电场出力分析方法，其特征在于，相关性矩阵θ中的元素θ
k1,
用斯皮尔曼系数表征，相关性矩阵θ中的元素θ
k1,
的表达式为：其中，ρ
k1,
为分布函数(F
k1
(x
m1
),，F
t
(x
p
))之间的相关系数，F
k1
和F
t
分别表示k1时刻的风电场的风速边缘概率分布函数和t时刻的风电场的风速边缘概率分布函数，x
m1
，m1＝1,2,
…
,N，表示k1时刻的风速序列，x
p
，p＝1,2,
…
,N，表示t时刻的风速序列，N表示共有N个风电场，相关系数的表达式为：其中，M为单风电场采集到的风速序列数，d
j
为两两变量之间的秩差，两两变量为x
m1
和x
p
。4...

【专利技术属性】
技术研发人员：杨心刚，宋杰，潘爱强，方陈，张智伟，张雅君，朱昌辉，边晓燕，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：