一种引发风电出力特性改变的转折性天气识别方法及装置制造方法及图纸

本发明专利技术涉及柔性直流输电技术领域，具体提供了一种引发风电出力特性改变的转折性天气识别方法及装置，包括：将待分析区域在分析时段的气象特征参数数据代入预先拟合的转折性天气识别函数，计算待分析区域在分析时段的转折性天气识别系数；基于所述待分析区域在分析时段的转折性天气识别系数识别待分析区域在分析时段的天气是否为转折性天气。本发明专利技术提供的技术方案，具有方法简单、快速、准确率高、泛性好、鲁棒性好的特点。鲁棒性好的特点。鲁棒性好的特点。

【技术实现步骤摘要】
一种引发风电出力特性改变的转折性天气识别方法及装置


[0001]本专利技术涉及柔性直流输电
，具体涉及一种引发风电出力特性改变的转折性天气识别方法及装置。

技术介绍

[0002]风力发电具有较强的波动性和随机性，给电力系统运行带来极大挑战，新能源调度运行技术是保障电力电量平衡和新能源高效消纳的基础，风电功率预测是新能源调度运行的核心技术。目前，我国已建立覆盖全国的风电功率预测系统，掌握了较为全面的、面向不同时空尺度的风电功率预测方案，在大部分时间内能够获得较高准确率的功率预测结果，显著促进了风电的消纳。
[0003]与此同时，功率预测结果中仍存在极端预测偏差，制约了风电的消纳空间。功率预测的主要输入为历史功率数据和数值天气预报数据，包含了风速、风向、温度、湿度、压强等气象要素特征信息。研究与实践表明，发生极端功率预测偏差的时段几乎全部位于转折性天气过程中，即各类气象要素从平稳少动或周期波动状态转为急剧变化，从而引起天气的干/湿、冷/暖的快速转换。转折性天气一般伴随着天气系统的移入和移出，在此过程中往往涉及多尺度天气的相互作用及更为复杂的物理过程和边界层交换。由于数值天气预报模式对这些复杂的过程描述都使用了不同的简化方案，导致模式对不同尺度天气过程的预报差异较大，从而出现不同天气过程下的气象特征与风电场出力特性的差异性。因此有必要针对转折性天气，对影响风电功率预测的关键环节进行专项优化，并针对不同天气过程分别构建差异化功率预测模型，以提升风电功率预测的精度。
[0004]广义的转折性天气是指能够发生重大转折性变化的天气，气象部门对转折性天气的定义无明确和统一的标准，以定性识别为主。在针对导致风电出力发生显著变化(如功率增升、功率跌落)的转折性天气过程方面，当前并无统一的气象要素判别指标，常依赖于经验性的定性判别和人工辨识，难以实现转折性天气的自动化定量识别。

技术实现思路

[0005]为了克服上述缺陷，本专利技术提出了一种引发风电出力特性改变的转折性天气识别方法及装置。
[0006]第一方面，提供一种引发风电出力特性改变的转折性天气识别方法，所述引发风电出力特性改变的转折性天气识别方法包括：
[0007]将待分析区域在分析时段的气象特征参数数据代入预先拟合的转折性天气识别函数，计算待分析区域在分析时段的转折性天气识别系数；
[0008]基于所述待分析区域在分析时段的转折性天气识别系数识别待分析区域在分析时段的天气是否为转折性天气。
[0009]优选的，所述气象特征参数包括下述中的至少一种：风速、气温、气压、降水量、24小时变温、24小时变压。
[0010]优选的，所述预先拟合的转折性天气识别函数的拟合过程包括：
[0011]获取待分析区域在历史设定时段的气象特征参数数据；
[0012]划分待分析区域在历史设定时段中转折性气象特征参数数据和非转折性气象特征参数数据；
[0013]利用待分析区域在历史设定时段中转折性气象特征参数数据拟合第一概率密度函数，利用待分析区域在历史设定时段中非转折性气象特征参数数据拟合第二概率密度函数；
[0014]基于所述第一概率密度函数和第二概率密度函数确定各类气象特征参数数据对应的转折性天气识别隶属度函数和的权重系数；
[0015]基于各类气象特征参数数据对应的转折性天气识别隶属度函数和的权重系数确定所述预先拟合的转折性天气识别函数。
[0016]进一步的，所述划分待分析区域在历史设定时段中转折性气象特征参数数据和非转折性气象特征参数数据，包括：
[0017]获取待分析区域在历史设定时段的实际功率数据；
[0018]基于所述待分析区域在历史设定时段的实际功率数据确定待分析区域在历史设定时段中的实际功率数据发生转折性变化的时间段；
[0019]将待分析区域在历史设定时段中的实际功率数据发生转折性变化的时间段对应的气象特征参数数据作为转折性气象特征参数数据，将待分析区域在历史设定时段中除所述实际功率数据发生转折性变化的时间段之外的时间段对应的气象特征参数数据作为非转折性气象特征参数数据。
[0020]进一步的，所述基于所述待分析区域在历史设定时段的实际功率数据确定待分析区域在历史设定时段中的实际功率数据发生转折性变化的时间段，包括：
[0021]当待分析区域在历史设定时段中的实际功率在预设时间段内增升量或跌落量超出预设范围时，该预设时段为待分析区域在历史设定时段中的实际功率数据发生转折性变化的时间段。
[0022]进一步的，所述第一概率密度函数的数学模型如下：
[0023][0024]所述第二概率密度函数的数学模型如下：
[0025][0026]上式中，F
T
为第一概率密度函数值，σ1为第一平滑因子，n为待分析区域在历史设定时段中转折性气象特征参数数据的样本数，e为自然常数，X
i
为待分析区域在历史设定时段中第i个转折性气象特征参数数据，x为待分析区域在历史设定时段中转折性气象特征参数数据的均值，F
NT
为第二概率密度函数值，σ2为第二平滑因子，m为待分析区域在历史设定时段中非转折性气象特征参数数据的样本数，Y
j
为待分析区域在历史设定时段中第j个非转折性气象特征参数数据，y为待分析区域在历史设定时段中非转折性气象特征参数数据的
均值。
[0027]进一步的，所述第一平滑因子的数学模型如下：
[0028][0029]所述第二平滑因子的数学模型如下：
[0030][0031]上式中，SD1为待分析区域在历史设定时段中转折性气象特征参数数据的标准方差，SD2为待分析区域在历史设定时段中非转折性气象特征参数数据的标准方差。
[0032]进一步的，所述各类气象特征参数数据对应的转折性天气识别隶属度函数的数学模型如下：
[0033][0034]上式中，MF
p
为第p类气象特征参数数据对应的转折性天气识别隶属度函数值，F
Tp
为第p类气象特征参数数据对应的第一概率密度函数值，F
NTp
为第p类气象特征参数数据对应的第二概率密度函数值。
[0035]进一步的，所述各类气象特征参数数据对应的权重的数学模型如下：
[0036][0037]上式中，W
p
为第p类气象特征参数数据对应的权重，A
p
为第p类气象特征参数数据对应的第一概率密度函的曲线与第二概率密度函的曲线的交集面积，P为气象特征参数数据总类别数。
[0038]进一步的，所述预先拟合的转折性天气识别函数的数学模型如下：
[0039][0040]上式中，Q为转折性天气识别系数。
[0041]优选的，所述基于所述待分析区域在分析时段的转折性天气识别系数识别待分析区域在分析时段的天气是否为转折性天气，包括：
[0042]当所述待分析区域在分析时段的转折性天气识别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种引发风电出力特性改变的转折性天气识别方法，其特征在于，所述方法包括：将待分析区域在分析时段的气象特征参数数据代入预先拟合的转折性天气识别函数，计算待分析区域在分析时段的转折性天气识别系数；基于所述待分析区域在分析时段的转折性天气识别系数识别待分析区域在分析时段的天气是否为转折性天气。2.如权利要求1所述的方法，其特征在于，所述气象特征参数包括下述中的至少一种：风速、气温、气压、降水量、24小时变温、24小时变压。3.如权利要求1所述的方法，其特征在于，所述预先拟合的转折性天气识别函数的拟合过程包括：获取待分析区域在历史设定时段的气象特征参数数据；划分待分析区域在历史设定时段中转折性气象特征参数数据和非转折性气象特征参数数据；利用待分析区域在历史设定时段中转折性气象特征参数数据拟合第一概率密度函数，利用待分析区域在历史设定时段中非转折性气象特征参数数据拟合第二概率密度函数；基于所述第一概率密度函数和第二概率密度函数确定各类气象特征参数数据对应的转折性天气识别隶属度函数和的权重系数；基于各类气象特征参数数据对应的转折性天气识别隶属度函数和的权重系数确定所述预先拟合的转折性天气识别函数。4.如权利要求3所述的方法，其特征在于，所述划分待分析区域在历史设定时段中转折性气象特征参数数据和非转折性气象特征参数数据，包括：获取待分析区域在历史设定时段的实际功率数据；基于所述待分析区域在历史设定时段的实际功率数据确定待分析区域在历史设定时段中的实际功率数据发生转折性变化的时间段；将待分析区域在历史设定时段中的实际功率数据发生转折性变化的时间段对应的气象特征参数数据作为转折性气象特征参数数据，将待分析区域在历史设定时段中除所述实际功率数据发生转折性变化的时间段之外的时间段对应的气象特征参数数据作为非转折性气象特征参数数据。5.如权利要求4所述的方法，其特征在于，所述基于所述待分析区域在历史设定时段的实际功率数据确定待分析区域在历史设定时段中的实际功率数据发生转折性变化的时间段，包括：当待分析区域在历史设定时段中的实际功率在预设时间段内增升量或跌落量超出预设范围时，该预设时段为待分析区域在历史设定时段中的实际功率数据发生转折性变化的时间段。6.如权利要求3所述的方法，其特征在于，所述第一概率密度函数的数学模型如下：所述第二概率密度函数的数学模型如下：
上式中，F
T
为第一概率密度函数值，σ1为第一平滑因子，n为待分析区域在历史设定时段中转折性气象特征参数数据的样本数，e为自然常数，X
i
为待分析区域在历史设定时段中第i个转折性气象特征参数数据，x为待分析区域在历史设定时段中转折性气象特征参数数据的均值，F
NT
为第二概率密度函数值，σ2为第二平滑因子，m为待分析区域在历史设定时段中非转折性气象特征参数数据的样本数，Y
j
为待分析区域在历史设定时段中第j个非转折性气象特征参数数据，y为待分析区域在历史设定时段中非转折性气象特征参数数据的均值。7.如权利要求6所述的方法，其特征在于，所述第一平滑因子的数学模型如下：所述第二平滑因子的数学模型如下：上式中，SD1为待分析区域在历史设定时段中转折性气象特征参数数据的标准方差，SD2为待分析区域在历史设定时段中非转折性气象特征参数数据的标准方差。8.如权利要求3所述的方法，其特征在于，所述各类气象特征参数数据对应的转折性天气识别隶属度函数的数学模型如下：上式中，MF
p
为第p类气象特征参数数据对应的转折性天气识别隶属度函数值，FT
p
为第p类气象特征参数数据对应的第一概率密度函数值，F
NTp
为第p类气象特征参数数据对应的第二概率密度函数值。9.如权利要求8所述的方法，其特征在于，所述各类气象特征参数数据对应的权重的数学模型如下：上式中，W
p
为第p类气象特征参数数据对应的权重，A
p
为第p类气象特征参数数据对应的第一概率密度函的曲线与第二概率密度函的曲线的交集面积，P为气象特征参数数据总类别数。10.如权利要求9所述的方法，其特征在于，所述预先拟合的转折性天气识别函数的数学模型如下：上式中，Q为转折性天气识别系数。11.如权利要求1所述的方法，其特征在于，所述基于所述待分析区域在分析时段的转折性天气识别系数识别待分析区域在分析时段的天气是否为转折性天气，包括：
当所述待分析区域在分析时段的转折性天气识别系数超出阈值时，待分析区域在分析时段的天气为转折性天气。12.如权利要求11所述的方法，其特征在于，所述阈值的获取过程包括：步骤1.设置阈值初始值；步骤2.将多组待分...

【专利技术属性】
技术研发人员：刘晓琳，王勃，李庆，靳双龙，王铮，宋宗朋，滑申冰，王姝，柴荣繁，赵艳青，丁禹，汪步惟，车建峰，王钊，姜文玲，陈帅，
申请(专利权)人：国家电网有限公司国网辽宁省电力有限公司电力科学研究院，
类型：发明
国别省市：