一种计及季度趋势的变时间步长风电并网系统充裕度评估方法技术方案

一种计及季度趋势的变时间步长风电并网系统充裕度评估方法，包括步骤：步骤1：收集实测风速样本，确定实测风速样本的时间步长

【技术实现步骤摘要】
一种计及季度趋势的变时间步长风电并网系统充裕度评估方法


[0001]本专利技术属于电力系统中风电并网系统可靠性评估领域，具体涉及一种计及季度趋势的变时间步长风电并网系统充裕度评估方法。

技术介绍

[0002]随着净零排放成为全球目标，世界各国的风能产业持续扩张。风速具有随机性、间歇性和不可控性，难以精确测量，这种波动无论是对风力发电机组本身还是对其相连的电力系统都会产生一定的影响。风作为一种自然资源，具有明显的季度特征，风电功率也随之呈现较强的季度趋势，使得风电并网系统的充裕度水平呈现季度变化特征，且该特征可能随着全球风电装机容量迅速增长而增强。风电并网系统充裕度评估是在假设输电和配电系统可靠的前提下，衡量系统中发电机组是否能满足用户的负荷需求的能力，对风电并网系统的安全运行具有重要意义。因此，计及季度趋势的风速仿真模型，在风电并网系统中实现对风速季度趋势及其统计指标的准确仿真，得出计及季度趋势的充裕度指标，可为风电并网系统的最优规划提供科学的量化决策依据，进而产生可观的理论和工程价值。
[0003]目前，许多学者针对风速的季度趋势性和随机波动性进行了大量的研究，但对于仿真时间步长的设定仍然较为被动，通常仿真风速样本的时间步长受实测风速样本的时间步长的制约，且未充分计及风速的季度趋势，如将其应用于风电并网系统充裕度评估的风速仿真中，可能得出精度较低的充裕度评估结果，难以为风电并网系统的优化规划提供有价值参考。

技术实现思路

[0004]针对现有的风电并网系统充裕度评估方法难以准确评估季度充裕的不足，本专利技术提供了一种计及季度趋势的变时间步长风电并网系统充裕度评估方法，变时间步长是指仿真风速样本的时间步长不受限于实测风速样本的时间步长，可根据充裕评估精度要求，将仿真风速样本的时间步长设定为任意合适值。同时该方法包含一种计及季度趋势的任意时间步长风速仿真模型，可突破时间步长的制约，为风电并网系统充裕度评估提供具有季度趋势且精度较高的样本，便于得出精确的季度充裕度指标。
[0005]本专利技术采取的技术方案为：
[0006]一种计及季度趋势的变时间步长风电并网系统充裕度评估方法，包括以下步骤：
[0007]步骤1：收集实测风速样本，确定实测风速样本的时间步长Δt和样本量N，根据充裕度评估精度要求，设定待生成的仿真风速样本的时间步长Δm和仿真风速样本量M；
[0008]步骤2：抽样在运行及停运状态下各发电机组的状态持续步长数；
[0009]步骤3：对风速进行仿真，生成计及季度趋势且满足设定时间步长的仿真风速样本；
[0010]步骤4：基于步骤3中生成的仿真风速样本，结合Monte Carlo模拟法计算各发电机
组的季度可靠性指标；
[0011]步骤5：重复步骤2至步骤4，满足停止条件时，结束循环并输出各季度充裕度指标。
[0012]所述步骤1中：所设定的时间步长能够不受实测风速样本的制约，取任意合适值。因此可以仿真在任意时间步长下的风速样本，实现较高精度的风速仿真。
[0013]假设常规机组和风电机组在初始仿真时刻均处于正常运行状态，这与常规机组与风电机组在初始出厂时刻均处于正常运行状态这一实际情况相符。
[0014]所述步骤2中：
[0015]当第n台发电机组处于运行状态时，根据该发电机组的故障率λ对该发电机组处于运行状态的时间步长数TTR
n,Δm
进行抽样；
[0016][0017]式中：λ
n
表示第n台发电机组的故障率；r为[0,1]区间均匀分布的随机数；表示对数据进行向上取整的运算；Δm表示仿真时间步长。
[0018]当第n台发电机组处于停运状态时，根据该发电机组的修复率μ对该发电机组处于停运状态的时间步长数TTF
n,Δm
进行抽样。
[0019][0020]式中：μ
n
表示第n台发电机组的修复率。
[0021]所述步骤3包括以下步骤：
[0022]S3.1：将N组时间步长为Δt的实测风速样本v
Δt
,v
2Δt
,...,v
NΔt
通过BC变换转换为N组时间步长为Δt的过渡样本z
Δt
,z
2Δt
,...,z
NΔt
，BC变换表达式为：
[0023][0024]式中：a表示风速样本的偏移量，a>0；v
t
表示t时刻风速样本；z
t
表示t时刻过渡样本；λ表示变换参数，可通过最大似然法进行求取；
[0025]S3.2：通过奇异谱分析从过渡样本中提取季度趋势分量S和随机波动分量R；
[0026]通过奇异谱分析从过渡样本中提取季度趋势分量s
Δt
,s
2Δt
,...,s
NΔt
和随机波动分量r
Δt
,r
2Δt
,...,r
NΔt
；
[0027]将N个过渡样本z
Δt
,z
2Δt
,...,z
NΔt
转化为L维时间序列，由K个向量Z1,Z2,...,Z
K
构成K列轨迹矩阵，其中：K＝N
‑
L+1，轨迹矩阵Z为L
×
K阶：
[0028][0029]进一步地，对轨迹矩阵进行奇异值分解，求矩阵Z
T
Z的特征值，并根据特征值大小降序排列，记为λ1≥λ2≥...≥λ
L
≥0，λ1、λ2、...、λ
L
表示第1,2,
…
,L个特征值；
[0030]以及特征值对应的特征向量U1,U2,...,U
L
，U1,U2,...,U
L
表示第1,2,
…
,L个特征值
所对应的特征向量。
[0031]轨迹矩阵Z也可由初等矩阵组合而成：
[0032]Z＝Z
e1
+Z
e2
+...+Z
eG
；
[0033]式中：Z
e1
、Z
e2
、...、Z
eG
表示第1,2,
…
,G个初等矩阵。
[0034]U
g
和V
g
分别为轨迹矩阵Z第g个奇异值和其对应的左、右奇异向量，其中：g＝1,2,
…
,G；G为非零特征值的个数。
[0035]再进一步地，将式基本矩阵Z
eg
(g＝1,2,
…
,G)中的G划分成B个互不相交的子集I1,I2,...,I
B
，I＝{i1,i2,...,i
D
}，i1,i2,...,i
D
表示子集I中的第1,2,本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计及季度趋势的变时间步长风电并网系统充裕度评估方法，其特征在于包括以下步骤：步骤1：收集实测风速样本，确定实测风速样本的时间步长Δt和样本量N，设定待生成的仿真风速样本的时间步长Δm和仿真风速样本量M；步骤2：抽样在运行及停运状态下各发电机组的状态持续步长数；步骤3：对风速进行仿真，生成计及季度趋势且满足设定时间步长的仿真风速样本；步骤4：基于步骤3中生成的仿真风速样本，结合Monte Carlo模拟法计算各发电机组的季度可靠性指标；步骤5：重复步骤2至步骤4，满足停止条件时，结束循环并输出各季度充裕度指标。2.根据权利要求1所述一种计及季度趋势的变时间步长风电并网系统充裕度评估方法，其特征在于：所述步骤1中：所设定的时间步长能够不受实测风速样本的制约，取任意合适值。3.根据权利要求1所述一种计及季度趋势的变时间步长风电并网系统充裕度评估方法，其特征在于：所述步骤2中：当第n台发电机组处于运行状态时，根据该发电机组的故障率λ对该发电机组处于运行状态的时间步长数TTR
n,Δm
进行抽样；式中：λ
n
表示第n台发电机组的故障率；r为[0,1]区间均匀分布的随机数；表示对数据进行向上取整的运算；Δm表示仿真时间步长；当第n台发电机组处于停运状态时，根据该发电机组的修复率μ对该发电机组处于停运状态的时间步长数TTF
n,Δm
进行抽样；式中：μ
n
表示第n台发电机组的修复率。4.根据权利要求1所述一种计及季度趋势的变时间步长风电并网系统充裕度评估方法，其特征在于：所述步骤3包括以下步骤：S3.1：将N组时间步长为Δt的实测风速样本v
Δt
,v
2Δt
,...,v
NΔt
通过BC变换转换为N组时间步长为Δt的过渡样本z
Δt
,z
2Δt
,...,z
NΔt
，BC变换表达式为：式中：a表示风速样本的偏移量，a>0；v
t
表示t时刻风速样本；z
t
表示t时刻过渡样本；λ表示变换参数；S3.2：通过奇异谱分析从过渡样本中提取季度趋势分量S和随机波动分量R；通过奇异谱分析从过渡样本中提取季度趋势分量s
Δt
,s
2Δt
,...,s
NΔt
和随机波动分量r
Δt
,r
2Δt
,...,r
NΔt
；将N个过渡样本z
Δt
,z
2Δt
,...,z
NΔt
转化为L维时间序列，由K个向量Z1,Z2,...,Z
K
构成K列
轨迹矩阵，其中：K＝N
‑
L+1，轨迹矩阵Z为L
×
K阶：进一步地，对轨迹矩阵进行奇异值分解，求矩阵Z
T
Z的特征值，并根据特征值大小降序排列，记为λ1≥λ2≥...≥λ
L
≥0，λ1、λ2、...、λ
L
表示第1,2,
…
,L个特征值；以及特征值对应的特征向量U1,U2,...,U
L
，U1,U2,...,U
L
表示第1,2,
…
,L个特征值所对应的特征向量；轨迹矩阵Z也可由初等矩阵组合而成：Z＝Z
e1
+Z
e2
+...+Z
eG
；式中：Z
e1
、Z
e2
、...、Z
eG
表示第1,2,
…
,G个初等矩阵；,G个初等矩阵；U
g
和V
g
分别为轨迹矩阵Z第g个奇异值和其对应的左、右奇异向量，其中：g＝1,2,
…
,G；G为非零特征值的个数；再进一步地，将式基本矩阵Z
eg
(g＝1,2,
…
,G)中的G划分成B个互不相交的子集I1,I2,...,I
B
，I＝{i1,i2,...,i
D
}，i1,i2,...,i
D
表示子集I中的第1,2,
…
,D个元素；Z
I
＝Z
i1
+Z
i2
+...+Z
iD
，Z
i1
、Z
i2
、...、Z
iD
表示第i个互不相交的子集第1,2,
…
,D个基本矩阵计算I1,I2,...,I
B
的每个合成矩阵，基本矩阵Z可以表示为：Z＝Z
I1
+Z
I2
+...+Z
IB
Z
I1
、Z
I2
、...、Z
IB
表示第1,2,
…
,B个互不相交的子集；更进一步地，将上式中的每个矩阵变换为一个长度为M的新序列，即得到分解后的序列；令Y为一个L
×
K的矩阵，元素为z
pq
，其中：1≤p≤L,1≤q≤K，p表示矩阵Y中第p行，q表示矩阵Y中第q列，L表示矩阵Y的行数；K表示矩阵Y的列数；令L
*
＝min(L,K)，K
*
＝max(L,K)，L
*
表示L和K中的较小值；K
*
表示L和K中的较大值；如果L<K，否则，否则，表示在不同L，K取值下z
pq
的大小；矩阵Y转换为序列z1,z2,...,z
L
公式如下：n表示所求序列编号，b表示Y矩阵元素对应的行数；N表示样本的个数；更进一步地，奇异谱分析得出的多组分量按其对应的特征值大小降序排列，第i(i＝1,2,
…
,L)个分量贡献率c
i
可由L个分量的特征值计算：
式中：e
i
表示第i个分量的特征值；e
i
表示第j个分量的特征值；在过渡样本中，使用Mann
‑
Kendall检验法对各分量进行检验，当显著性水平为...

【专利技术属性】
技术研发人员：缪书唯，帅小涵，
申请(专利权)人：三峡大学，
类型：发明
国别省市：