本发明专利技术公开了一种计及Bayes判别准则的风电场等值误差阈值最小风险量化方法，包括：1、搭建风电场详细模型和等值模型并仿真获取两模型的功率曲线；2、选取欧几里得误差函数处理风电场等值误差并将等值误差曲线划分为多个时间窗口，求取每个窗口的等值误差均值；3、选取核密度估计法求取风电场等值误差的概率密度函数；4、选取实时加权先验概率算法和参数设定相结合求取等值误差的先验概率；5、根据风电场仿真风险确定错判损失；6、基于Bayes判别准则，求取风电场每个时间窗口的等值误差阈值。本发明专利技术实现了对风电场等值模型各评价指标误差阈值的参数确定，解决了风电场作为实际电力系统的一个元件的精度问题。
【技术实现步骤摘要】
本专利技术涉及判断风电场等值模型有效性的研究领域，具体地说是一种计及bayes判别准则的风电场等值误差阈值最小风险量化方法。
技术介绍
1、新能源在给电力大家庭带来清新、活力、机遇的同时也带来了新的挑战。为了扬长避短、实现电网形态由量变向质变的平稳切换，电网运营商进行了大量的仿真计算。与此同时，仿真模型的准确度及结果分析的可信度也受到了电力科学和工程界的共同关注，特别是对于在电力系统稳定性分析中已广泛应用、但建模方法却源于同步电机转子摇摆与燃煤电厂将若干台大容量同步电机等效为一台等值机的方式不同，风电场内部机组台数多、动态交互机理复杂，多时间尺度模型聚合等值易畸变与等值建模理论不严格的问题突出。迄今为止，虽然国内外研究者对风电场等值模型及其有效性验证进行了广泛研究，但所报道的各类等值建模方法在模型结构和参数计算上几乎都存在不同程度的欠缺，尤其是没能提出一个得到学术界和工程界公认的通用模型准确度评价体系，从而使得等值模型的标准化成为了风电场建模领域的一个难题。
2、研究表明：风电场输出功率变化具有多时间尺度、多物理量耦合、多不确定性的特点，这些错综复杂的因素严重影响了风电场等值模型的准确度，而将误差阈值量化与准确度评价分离的研究思路仍然存在无法最终验证模型有效性的困难。
3、实际应用中，风电场等值模型有效和无效的概率不相等，且模型有效性漏判和误判带来了损失亦不相同。但是，基于3σ准则和最小错误概率判别准则的误差阈值量化方法均无法表征上述因素的差异。
技术实现思路
<
p>1、本专利技术为避免上述现有技术存在的不足之处，提供一种计及bayes判别准则的风电场等值误差阈值最小风险量化方法，能够提高风电场等值模型的精确度，降低风电场的系统风险，从而能实现风电场等值模型简化度和准确度之间相互平衡的目标。2、本专利技术为解决技术问题采用如下技术方案：
3、本专利技术一种计及bayes判别准则的风电场等值误差阈值的最小风险量化方法的特点是，所述风电场等值误差阈值最小风险量化方法按如下步骤进行：
4、步骤1、将n台型号相同的双馈风电机组经变压器的升压后接入电网，从而搭建风电场的详细模型；将n台型号相同的双馈风电机组等值成一台风电机组，并经变压器的升压后接入电网，从而搭建风电场的单机等值模型；
5、步骤2、仿真获取风电场的详细模型和单机等值模型功率曲线：
6、设定在t0时刻风电场的详细模型和等值模型中风电场的并网点处发生三相短路故障，并在t1时刻后故障消除；
7、以t为步长，采样t2时刻至t3时刻期间风电场并网点处的n组功率响应曲线，得到详细模型并网点处的n组功率响应曲线和单机等值模型并网点处的n组功率响应曲线，其中，详细模型的第n组功率响应曲线记为单机等值模型的第n组功率响应曲线记为其中，表示详细模型在i时刻的第n组有功功率，表示详细模型在i时刻的第n组无功功率；表示单机等值模型在i时刻的第n组有功功率，表示单机等值模型在i时刻的第n组无功功率；且均取其标幺值；m表示t2时刻至t3时刻期间采样的时刻数；
8、步骤3、选取欧几里得误差函数作为风电场等值误差的测度函数，从而得到风电场的第n组有功功率的等值误差和第n组无功功率的等值误差其中，表示第i时刻风电场的第n组有功功率的等值误差；表示第i时刻风电场的第n组无功功率的等值误差；
9、步骤4、将m个时刻划成j个时间窗口，并对第j个时间窗口中每组数据的等值误差求平均值，得到第j个时间窗口中每组数据的等值误差均值其中，表示第j个时间窗口中风电场的第n组有功功率等值误差的平均值；表示第j个时间窗口中风电场的第n组无功功率等值误差的平均值；
10、步骤5、利用核密度估计法计算第j个时间窗口中等值误差x的概率密度函数，记为其中，表示第j个时间窗口中风电场的有功功率等值误差有效的概率密度函数；表示第j个时间窗口中风电场的有功功率等值误差无效的概率密度函数，并采用均值移位的方式求取；表示第j个时间窗口中风电场的无功功率等值误差有效的概率密度函数；表示第j个时间窗口中风电场的无功功率等值误差无效的概率密度函数，并采用均值移位的方式求取；
11、步骤6、设置j个时间窗口中等值误差的先验概率的范围{qmax(ok),qmin(ok)，qmax(fault),qmin(fault)}，其中，{qmax(ok),qmin(ok)}表示j个时间窗口中等值误差有效的先验概率最大值和最小值范围；{qmax(fault),qmin(fault)}表示j个时间窗口中等值误差无效的先验概率最大值和最小值范围；
12、基于先验概率的范围，利用实时加权先验概率求解法求得第j个时间窗口中第n组等值误差的先验概率，记为其中，表示第j个时间窗口中风电场的第n组有功功率等值误差有效的先验概率，表示第j个时间窗口中风电场的第n组有功功率等值误差无效的先验概率；表示第j个时间窗口中风电场的第n组无功功率等值误差有效的先验概率，表示第j个时间窗口中风电场的第n组无功功率等值误差无效的先验概率；
13、步骤7、根据风电场的失负荷量、电压越限、线路过载计算风电场的风险值，根据等值模型的阶数和仿真的计算时间计算模型的仿真代价，从而得到单机等值模型的漏判损失l(ok|fault)和误判损失l(fault|ok)，其中，l(ok|fault)表示风电场处于无效状态fault而漏判为有效状态ok所带来的损失值；l(fault|ok)表示风电场处于有效状态ok而误判为无效状态fault所带来的损失值；从而利用式(1)计算风电场等值模型的错判损失l：
14、
15、步骤8、将概率密度函数、先验概率、错判损失和误判损失代入bayes判别函数中，求得风电场的单机等值模型在第j个时间窗口的等值误差最优阈值thj，若风电场等值误差低于thj，则表示单机等值模型有效，否则，表示单机等值模型无效。
16、本专利技术所述的计及bayes判别准则的风电场等值误差阈值的最小风险量化方法的特点也在于，步骤3中是分别利用式(2)和式(3)计算第n组有功功率的等值误差和第n组无功功率的等值误差
17、
18、
19、步骤4是利用式(4)和式(5)分别计算第j个时间窗口中风电场的第n组有功功率的等值误差的平均值和第n组无功功率的等值误差的平均值
20、
21、
22、步骤5是利用式(6)和式(7)计算风电场等值误差的概率密度函数
23、
24、
25、式(5)和式(6)中，k( )表示核函数；h表示窗宽；n表示采样组数。
26、步骤6中是利用式(8)和式(9)分别计算先验概率和
27、
28、
29、式(7)和式(8)，m表示加权重数；且w0>w1>…>wm，wk表示第(n-1-k)组等值误差有效的先验概率对第n组等值误差有效本文档来自技高网
...
【技术保护点】
1.一种计及Bayes判别准则的风电场等值误差阈值的最小风险量化方法，其特征在于，是按如下步骤进行：
2.根据权利要求1所述的计及Bayes判别准则的风电场等值误差阈值的最小风险量化方法，其特征是，步骤3中是分别利用式(2)和式(3)计算第n组有功功率的等值误差和第n组无功功率的等值误差
3.根据权利要求2所述的计及Bayes判别准则的风电场等值误差阈值的最小风险量化方法，其特征是，步骤4是利用式(4)和式(5)分别计算第j个时间窗口中风电场的第n组有功功率的等值误差的平均值和第n组无功功率的等值误差的平均值
4.根据权利要求3所述的计及Bayes判别准则的风电场等值误差阈值的最小风险量化方法，其特征是，步骤5是利用式(6)和式(7)计算风电场等值误差的概率密度函数
5.根据权利要求4所述的计及Bayes判别准则的风电场等值误差阈值最小风险量化方法，其特征是，步骤6中是利用式(8)和式(9)分别计算先验概率和
6.根据权利要求5所述的计及Bayes判别准则的风电场等值误差阈值最小风险量化方法，其特征是，步骤8中是利用式(10)构建Bayes判别函数，并对式(10)进行求解得出的x值，即为风电场等值误差最优阈值Thj；
7.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行权利要求1-6中任一所述风电场等值误差阈值最小风险量化方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
8.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1-6中任一所述风电场等值误差阈值最小风险量化方法的步骤。
...
【技术特征摘要】
1.一种计及bayes判别准则的风电场等值误差阈值的最小风险量化方法，其特征在于，是按如下步骤进行：
2.根据权利要求1所述的计及bayes判别准则的风电场等值误差阈值的最小风险量化方法，其特征是，步骤3中是分别利用式(2)和式(3)计算第n组有功功率的等值误差和第n组无功功率的等值误差
3.根据权利要求2所述的计及bayes判别准则的风电场等值误差阈值的最小风险量化方法，其特征是，步骤4是利用式(4)和式(5)分别计算第j个时间窗口中风电场的第n组有功功率的等值误差的平均值和第n组无功功率的等值误差的平均值
4.根据权利要求3所述的计及bayes判别准则的风电场等值误差阈值的最小风险量化方法，其特征是，步骤5是利用式(6)和式(7)计算风电场等值误差的概率密度函数
5.根据权利要求4所述的...
【专利技术属性】
技术研发人员：朱乾龙，金小强，陶骏，苏凡亚，张文萱，彭飞翔，
申请(专利权)人：安徽大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。