一种考虑风光荷相关性的中长时间尺度序列生成方法技术

本发明专利技术公开了一种考虑风光荷相关性的中长时间尺度序列生成方法，包括：步骤1）获取历史年数据，通过聚类分析方法获得考虑风光荷相关性及各时刻出力匹配的典型状态集合；步骤2）选择概率分布密度函数进行拟合，生成风电、光伏、负荷波动分量；步骤3）构建考虑风光荷相关性的状态转移矩阵；步骤4）基于蒙特卡洛抽样方法，并结合所述状态转移矩阵模拟获得风电、光伏、负荷中长时间尺度出力状态序列；步骤5）在生成的每时刻的风电、光伏、负荷出力状态序列上分别叠加所述风电、光伏、负荷波动分量，得到考虑风光荷相关性的中长时间尺度序列。有益效果：基于对于风电出力指标随机性以及多状态场景相关性的考虑，增加风电出力指标预测的精确性。

【技术实现步骤摘要】

本专利技术涉及风电储能，尤其涉及一种考虑风光荷相关性的中长时间尺度序列生成方法。

技术介绍

1、风能以其储量大、分布范围广等特点,受到人们的重视。但是由于风的随机性、不确定性的特点,风力发电的功率会不断波动,如果将其直接并入电力系统,会对电力系统的稳定性产生影响。风电功率预测是风电并网的必要技术之一,通过提前对风电场发电功率进行预测,提高风电并网率,并降低对电力系统稳定性的影响。风电功率预测需要对大量的风电数据进行提前处理,从而更好地挖掘数据内部隐含的规律。风光短期预测现在已有广泛的研究，但是针对中长时间尺度序列的研究较少(中长时间尺度指的是数天以上，月、季、年时间尺度)，现有研究只考虑单一场景例如只针对风电功率，没有考虑多场景相关性，而在实际应用场景中发现多场景之间存在一定的相关性。

2、马尔可夫是一种重要的随机过程，具有无后效性。研究考虑基于多阶马尔可夫链的风电出力预测模型，充分利用马尔可夫预测目标只与当前状态有关的特性，针对研究风电，光伏，负荷相关性，有效提高了风电出力指标预测的精确性。

3、目前国内外针对风电出力预测方面开展本文档来自技高网...

【技术保护点】

1.一种考虑风光荷相关性的中长时间尺度序列生成方法，其特征在于包括如下步骤：

2.根据权利要求1所述的考虑风光荷相关性的中长时间尺度序列生成方法，其特征在于所述步骤1)具体包括：

3.根据权利要求1所述的考虑风光荷相关性的中长时间尺度序列生成方法，其特征在于所述步骤2)具体为：

4.根据权利要求2所述的考虑风光荷相关性的中长时间尺度序列生成方法，其特征在于所述步骤3)包括如下步骤：

5.根据权利要求2所述的考虑风光荷相关性的中长时间尺度序列生成方法，其特征在于，步骤4)中风电、光伏、负荷中长时间尺度出力状态序列的获取包括如下步骤：

<...

【技术特征摘要】

1.一种考虑风光荷相关性的中长时间尺度序列生成方法，其特征在于包括如下步骤：

2.根据权利要求1所述的考虑风光荷相关性的中长时间尺度序列生成方法，其特征在于所述步骤1)具体包括：

3.根据权利要求1所述的考虑风光荷相关性的中长时间尺度序列生成方法，其特征在于所述步骤2)具体为：

4.根据权利要求2所述的考虑风光荷相关性的中长时间尺度序列生成方法，其特征在于所述步骤3)包括如下步骤：

5.根据权利要求2所述的考虑风光荷相关性的中长时间尺度序列生成方法，其特征在于，步骤4)中风电、光伏、负荷中长时间尺度出力...

【专利技术属性】
技术研发人员：史静，李海波，刘柏良，秦建茹，程锦闽，李泽森，胡晓燕，许偲轩，孙文涛，葛毅，
申请(专利权)人：国网江苏省电力有限公司经济技术研究院，
类型：发明
国别省市：