CN104331572A - 考虑风速和风电机组故障相关性的风电场可靠性建模方法 - Google Patents

Abstract

本发明公开了一种考虑风速和风电机组故障相关性的风电场可靠性建模方法，包括步骤：参数初始化；计算各风电场风速的威布尔分布参数和风电场间风速的相关系数；计算各风电场的风速和故障风电机组的数目之间的相关系数；形成包含风电场风速之间、同一个风电场风速-故障风机数目的相关系数矩阵；选择最优的Copula函数；模拟产生相关的多维随机数序列；采用反变换法模拟产生各风电场的风速序列和故障风机台数序列；计算各风电场的单台风电机组正常运行时的小时输出功率序列；计算各风电场的小时输出功率序列；采用线性划分或聚类的方法建立等值多状态输出功率模型。本发明方法所建立的风电场可靠性模型弥补了传统风电场可靠性建模方法的不足。

Description

考虑风速和风电机组故障相关性的风电场可靠性建模方法

技术领域

本发明属于电力系统建模技术领域，尤其是涉及一种考虑风速和风电机组故障相关性的风电场可靠性建模方法。

背景技术

随着风力发电技术的发展，风电机组单机容量和风电接入系统的规模不断增大，大规模的风电接入将对电力系统的规划和运行产生较大的影响，因此有必要建立准确的风电场模型。在风电场的可靠性建模过程中，应考虑以下三种因素：

(1)风速和风电机组故障的不确定性；

(2)风电场之间风速的相关性，大规模的风电通过不同风电场接入系统，处于相似气候区域的风电场风速存在相关性；

(3)同一风电场内风速和风电机组故障停运的相关性，统计资料表明，风速会对风电机组的故障产生一定的影响，即同一风电场内的风速和风电机组的故障存在一定的相关性。

现有文献在进行风电场可靠性建模时，计入了前两种因素对风电场可靠性建模的影响，其中：风电场风速的不确定性通过风速预测技术或者历史风速数据的统计分布特性来表示，风电机组故障的不确定性通过两态模型(即正常运行状态和故障状态)来表示；风电场风速的相关性则通过相关性抽样技术模拟产生相关的风电场风速来表示。然而尚无文献在风电场可靠性建模时计入第三种因素的影响。

发明内容

为解决现有技术中的不足，本发明提供一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法。

为了实现上述目标，本发明采用如下技术方案：

一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法，其特征在于，包括步骤：

步骤1，参数初始化：各个风电场中风电机组的型号相同，风电场的数目为n，第i个风电场风电机组的台数为m_i；第i个风电场的风电机组的技术参数包括：额定功率P_Ri、风电机组的切入风速V_ci,i、风电机组的切出风速为V_co,i、风电机组的额定风速V_R,i、风电机组的强迫停运率为FOR(i)；风电场中风速模拟的小时数T；风电场等值状态数目为n_state；

步骤2，根据各个风电场风速的历史序列数据，计算各个风电场风速分布的威布尔分布尺度参数和形状参数、风电场之间风速的相关系数；

步骤3，根据各个风电场风速和故障风电机组数目的历史小时序列数据，计算各个风电场内的风速和故障的风电机组数目之间的相关系数；

步骤4：根据步骤2和3计算所得的相关系数，形成包含风电场风速之间、同一个风电场风速-故障风机数目的相关系数矩阵，该矩阵维数为(2n)×(2n)；

步骤5：根据最短欧式距离法选择最优的Copula函数；

步骤6：根据确定的最优Copula函数，采用条件抽样法产生相关的多维随机数序列(u₁(t),u₂(t),...,u_2n(t))；

步骤7：根据步骤6产生的多维随机数序列和步骤2所得的各风电场风速的威布尔边缘分布参数，采用反变换法模拟产生各个风电场的风速序列v_i(t)；

步骤8：根据步骤6产生的多维随机数序列和各风电场风电机组故障台数的二项分布参数，采用反变换法模拟产生各个风电场中风电机组的故障台数序列n_fi(t)；

步骤9：根据步骤7产生的各个风电场的小时风速序列v_i(t)和风电机组的输出功率特性，计算各个风电场中的单台风电机组正常运行时的小时输出功率序列PN_i(t)；

步骤10：根据步骤9所得的各个风电场中单台风电机组正常运行时的小时输出功率序列PN_i(t)和步骤8所得各风电场故障风机的台数序列n_fi(t)，计算各个风电场的小时输出功率序列P_i(t)；

步骤11：采用线性划分或聚类的方法，将步骤10所得的各个风电场的小时输出功率序列模型等值成n_state个等值状态的输出功率模型。

前述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法，其特征是：所述步骤2和3中，相关系数的类型选择范围包括Pearson线性相关系数、Kendall秩相关系数、Spearman秩相关系数。

前述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法，其特征是：所述步骤5中，最短欧式距离法选择最优的Copula函数，具体包括通过参数估计方法估计Copula函数中的未知参数及通过最短欧式距离法选择最优的Copula函数。

前述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法，其特征是：所述步骤6中，根据确定的最优Copula函数，采用条件抽样法产生相关的多维随机数序列，具体步骤为：

1)，初始化时刻，t＝1；

2)，生成独立的服从(0,1)均匀分布的变量的随机数向量(Y₁(t),Y₂(t),...,Y_2n(t))；

3)，根据以下递推式生成服从指定Copula函数的随机数向量(u₁(t),u₂(t),...,u_2n(t))：

$u_i\left(t\right)=C_{(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right))}^{-1}\left(Y_i\left(t\right)\right),i=\mathrm{1,2},...,2n---\left(2\right)$

其中，

$\begin{array}{c}{C}_{(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right))}\left(u_i\left(t\right)\right)=\mathrm{Pr}\{U_i\left(t\right)\≤u_i\left(t\right)|U_1\left(t\right)=u_1\left(t\right),U_2\left(t\right)=u_2\left(t\right),...,U_{i-1}\left(t\right)=u_{i-1}\left(t\right)\}\\ =\frac{{\∂}_{(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right))}^{i-1}C(u_1\left(t\right),u_2\left(t\right),...,u_i\left(t\right),\mathrm{1,1},...,1)}{{\∂}_{(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right))}^{i-1}C(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right),\mathrm{1,1},...,1)}\end{array}---\left(3\right)$

${\∂}_{(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right))}^{i-1}C=\frac{{\∂}^{i-1}C}{{\∂u}_1\left(t\right){\∂u}_2\left(t\right)...{\∂u}_{i-1}\left(t\right)}---\left(4\right)$

式中,C(·,…,·)表示多元Copula函数，表示Copula函数的条件分布，是的反函数；Pr表示条件概率；

4)，判断t是否等于T；若t＝T，则结束；若否，转入步骤5)；

5)，t＝t+1；并转入步骤2)。

前述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法，其特征是：所述步骤7中，采用反变换法模拟产生各个风电场的风速序列v_i(t)；计算公式为：

$v_i\left(t\right)=F_i^{-1}\left(u_i\left(t\right)\right),i=\mathrm{1,2},...,n---\left(5\right)$

其中，v_i(t)是第i个风电场t时刻的风速，u_i(t)(i＝1,2,...,n)为步骤6产生的随机数，为F_i(·)的反函数，F_i(·)是威布尔分布函数且有c_i、k_i为步骤2计算所得的第i个风电场的风速分布的威布尔分布尺度参数和形状参数。

前述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法，其特征是：所述步骤8中，采用反变换法模拟产生各个风电场中风电机组的故障台数序列n_fi(t)，计算公式为：

$n_{\mathrm{fi}}\left(t\right)=G_i^{-1}\left(u_i\left(t\right)\right),i=n+1,n+2,...,2n---\left(6\right)$

其中，n_fi(t)是第i个风电场t时刻的故障风机数目，u_i(t)(i＝n+1,n+2,...,2n)是步骤6产生的随机数，表示G_i(·)的反函数，G_i(·)是二项分布函数且有：

$G_i\left(n_{\mathrm{fi}}\left(t\right)\right)=\left(\begin{array}{c}{m}_i\\ n_{\mathrm{fi}}\left(t\right)\end{array}\right){\mathrm{FOR}\left(i\right)}^{n_{\mathrm{fi}}\left(t\right)}{(1-\mathrm{FOR}\left(i\right))}^{m_i-n_{\mathrm{fi}}\left(t\right)}---\left(7\right)$

前述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法，其特征是：所述步骤9中，各个风电场中的单台风电机组正常运行时的小时输出功率序列PN_i(t)，其计算公式为：

${\mathrm{PN}}_i\left(t\right)=\left\{\begin{array}{cc}0,& 0\&le;v_i\left(t\right)<V_{\mathrm{ci},i}\\ [A_i+B_i\&times;v_i\left(t\right)+C_i\&times;v_i^2\left(t\right)]\&times;P_{\mathrm{Ri}},& V_{\mathrm{ci},i}\&le;v_i\left(t\right)<V_{R,i}\\ P_{\mathrm{Ri}},& V_{R,i}\&le;v_i\left(t\right)<V_{\mathrm{co},i}\\ 0,& v_i\left(t\right)\&GreaterEqual;V_{\mathrm{co},i}\end{array}\right.---\left(8\right)$

其中，P_Ri表示第i个风电场中风电机组的额定输出功率；V_ci,i、V_co,i、V_R,i分别为第i个风电场中风电机组的切入风速、切出风速和额定风速；参数A_i,B_i,C_i是V_ci,i和V_R,i的函数，计算公式为：

$A_i=\frac{1}{{(V_{\mathrm{ci},i}-V_{R,i})}^2}[V_{\mathrm{ci},i}(V_{\mathrm{ci},i}+V_{R,i})-{4V}_{\mathrm{ci},i}{V}_{R,i}{\left(\frac{V_{\mathrm{ci},i}+V_{R,i}}{2V_{R,i}}\right)}^3]---\left(9\right)$

$B_i=\frac{1}{{(V_{\mathrm{ci},i}-V_{R,i})}^2}[4(V_{\mathrm{ci},i}+V_{R,i}){\left(\frac{V_{\mathrm{ci},i}+V_{R,i}}{{2V}_{R,i}}\right)}^3-({3V}_{\mathrm{ci},i}+V_{R,i})]---\left(10\right)$

$C_i=\frac{1}{{(V_{\mathrm{ci},i}-V_{R,i})}^2}[2-4{\left(\frac{V_{\mathrm{ci},i}+V_{R,i}}{{2V}_{R,i}}\right)}^3]---\left(11\right)$

前述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法，其特征是：所述步骤10中，计算各个风电场的小时输出功率序列P_i(t)，其计算公式为：

P_i(t)＝[m_i-n_fi(t)]×PN_i(t)   (12)

其中，m_i是步骤1中给出的第i个风电场中风电机组的台数；n_fi(t)是步骤8中产生的第i个风电场t时刻的故障风机数目；PN_i(t)步骤9计算所得的第i个风电场中的单台风电机组正常运行时的t时刻的输出功率。

本发明所达到的有益效果：本发明通过Copula方法模拟产生相关的多维随机数，在此基础上，通过对威布尔分布和二项分布进行反变换模拟产生了各个风电场各个时刻的风速和故障风电机组的台数，建立了一种考虑更全面的风电场可靠性模型；本发明所建立的风电场可靠性模型既考虑了多个风电场风速之间的相关性、又考虑了同一风电场内风速和风电场故障风电机组台数的相关性，弥补了传统风电场可靠性建模方法的不足。

附图说明

图1是考虑风速和风电机组故障相关性的风电场可靠性建模方法流程图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

如图1所示，一种考虑风速和风电机组故障相关性的风电场可靠性建模方法，包含步骤如下：

步骤1，参数初始化：各个风电场中风电机组的型号相同，风电场的数目为n，第i个风电场风电机组的台数为m_i；第i个风电场的风电机组的技术参数包括：额定功率P_Ri、风电机组的切入风速V_ci,i、风电机组的切出风速为V_co,i、风电机组的额定风速V_R,i、风电机组的强迫停运率为FOR(i)；风电场中风速模拟的小时数T；风电场等值状态数目为n_state。

步骤2，根据各个风电场风速的历史序列数据，计算各个风电场风速分布的威布尔分布尺度参数和形状参数、风电场之间风速的相关系数；

其中风电场风速的威布尔分布尺度参数和形状参数可以采用最大似然估计方法计算。

风电场之间风速的相关性通过相关系数来度量，可以选择不同的相关系数的计算公式来度量变量之间的相关性，例如Pearson线性相关系数、Kendall秩相关系数、Spearman秩相关系数等。以Pearson相关系数为例，随机变量X,Y之间相关系数的计算公式为：

$\mathrm{\&rho;}(X,Y)=\frac{E\left(\mathrm{XY}\right)-E\left(X\right)E\left(Y\right)}{\mathrm{\&sigma;}\left(X\right)\mathrm{\&sigma;}\left(Y\right)}---\left(1\right)$

式中，E(X),E(Y)为随机变量X,Y的数学期望，E(XY)是XY的数学期望；σ(X),σ(Y)为标准差。

步骤3，根据各个风电场风速和故障风电机组数目的历史小时序列数据，计算各个风电场内的风速和故障的风电机组数目之间的相关系数；

与步骤2类似，可以选择使用Pearson线性相关系数、Kendall秩相关系数、Spearman秩相关系数等来度量随机变量之间的相关关系。

步骤4：根据步骤2和3计算所得的相关系数，形成包含风电场风速之间、同一个风电场风速-故障风机数目的相关系数矩阵，该矩阵维数为(2n)×(2n)；

步骤5：根据最短欧式距离法选择最优的Copula函数；

具体包括通过参数估计方法(如最大似然估计法)估计Copula函数中的未知参数、通过最短欧式距离法选择最优的Copula函数。

步骤6：根据确定的最优Copula函数，采用条件抽样法产生相关的多维随机数序列，具体步骤为：

1)，初始化时刻，t＝1,其中，t是指模拟的时刻(t＝1…T)，T为模拟时间的总小时数；

2)，生成独立的服从(0,1)均匀分布的变量的随机数向量(Y₁(t),Y₂(t),...,Y_2n(t))；其中，Y_i(t)是生成的第i个t时刻的随机数，用于产生第i个风电场t时刻的风速(i＝1～n)或故障风机的台数(i＝n+1至i＝2n)；

3)，根据以下递推式生成服从指定Copula函数的随机数向量(u₁(t),u₂(t),...,u_2n(t))：

$u_i\left(t\right)=C_{(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right))}^{-1}\left(Y_i\left(t\right)\right),i=\mathrm{1,2},...,2n---\left(2\right)$

其中，

$\begin{array}{c}{C}_{(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right))}\left(u_i\left(t\right)\right)=\mathrm{Pr}\{U_i\left(t\right)\&le;u_i\left(t\right)|U_1\left(t\right)=u_1\left(t\right),U_2\left(t\right)=u_2\left(t\right),...,U_{i-1}\left(t\right)=u_{i-1}\left(t\right)\}\\ =\frac{{\&PartialD;}_{(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right))}^{i-1}C(u_1\left(t\right),u_2\left(t\right),...,u_i\left(t\right),\mathrm{1,1},...,1)}{{\&PartialD;}_{(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right))}^{i-1}C(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right),\mathrm{1,1},...,1)}\end{array}---\left(3\right)$

${\&PartialD;}_{(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right))}^{i-1}C=\frac{{\&PartialD;}^{i-1}C}{{\&PartialD;u}_1\left(t\right){\&PartialD;u}_2\left(t\right)...{\&PartialD;u}_{i-1}\left(t\right)}---\left(4\right)$

式中,C(·,…,·)表示多元Copula函数，表示Copula函数的条件分布，是的反函数；Pr表示条件概率。

4)，判断t是否等于T；若t＝T，则结束；若否，转入步骤5)；

5)，t＝t+1；并转入步骤2)。

步骤7：根据步骤6产生的多维随机数(u₁(t),u₂(t),...,u_2n(t))和步骤2所得的各风电场风速的威布尔边缘分布参数，采用反变换法模拟产生各个风电场的风速序列v_i(t)，计算公式为：

$v_i\left(t\right)=F_i^{-1}\left(u_i\left(t\right)\right),i=\mathrm{1,2},...,n---\left(5\right)$

其中，v_i(t)是第i个风电场t时刻的风速，u_i(t)(i＝1,2,...,n)为步骤6产生的随机数，为F_i(·)的反函数，F_i(·)是威布尔分布函数且有c_i、k_i为步骤2计算所得的第i个风电场的风速分布的威布尔分布尺度参数和形状参数。

步骤8：根据步骤6产生的多维随机数和各风电场的故障风机台数的二项分布参数(m_i和FOR(i))，采用反变换法模拟产生各个风电场中风电机组的故障台数序列n_fi(t)；

$n_{\mathrm{fi}}\left(t\right)=G_i^{-1}\left(u_i\left(t\right)\right),i=n+1,n+2,...,2n---\left(6\right)$

其中，n_fi(t)是第i个风电场t时刻的故障风机数目，u_i(t)(i＝n+1,n+2,...,2n)是步骤6产生的随机数，表示G_i(·)的反函数，是二项分布函数且有：

$G_i\left(n_{\mathrm{fi}}\left(t\right)\right)=\left(\begin{array}{c}{m}_i\\ n_{\mathrm{fi}}\left(t\right)\end{array}\right){\mathrm{FOR}\left(i\right)}^{n_{\mathrm{fi}}\left(t\right)}{(1-\mathrm{FOR}\left(i\right))}^{m_i-n_{\mathrm{fi}}\left(t\right)}---\left(7\right)$

步骤9：根据步骤7产生的各个风电场的小时风速序列v_i(t)和风电机组的输出功率特性，计算各个风电场中的单台风电机组正常运行时的小时输出功率序列PN_i(t)，其计算公式为：

${\mathrm{PN}}_i\left(t\right)=\left\{\begin{array}{cc}0,& 0\&le;v_i\left(t\right)<V_{\mathrm{ci},i}\\ [A_i+B_i\&times;v_i\left(t\right)+C_i\&times;v_i^2\left(t\right)]\&times;P_{\mathrm{Ri}},& V_{\mathrm{ci},i}\&le;v_i\left(t\right)<V_{R,i}\\ P_{\mathrm{Ri}},& V_{R,i}\&le;v_i\left(t\right)<V_{\mathrm{co},i}\\ 0,& v_i\left(t\right)\&GreaterEqual;V_{\mathrm{co},i}\end{array}\right.---\left(8\right)$

其中，P_Ri表示第i个风电场中风电机组的额定输出功率；V_ci,i、V_co,i、V_R,i分别为第i个风电场中风电机组的切入风速、切出风速和额定风速；参数A_i,B_i,C_i是V_ci,i和V_R,i的函数，计算公式为：

$A_i=\frac{1}{{(V_{\mathrm{ci},i}-V_{R,i})}^2}[V_{\mathrm{ci},i}(V_{\mathrm{ci},i}+V_{R,i})-{4V}_{\mathrm{ci},i}{V}_{R,i}{\left(\frac{V_{\mathrm{ci},i}+V_{R,i}}{2V_{R,i}}\right)}^3]---\left(9\right)$

$B_i=\frac{1}{{(V_{\mathrm{ci},i}-V_{R,i})}^2}[4(V_{\mathrm{ci},i}+V_{R,i}){\left(\frac{V_{\mathrm{ci},i}+V_{R,i}}{{2V}_{R,i}}\right)}^3-({3V}_{\mathrm{ci},i}+V_{R,i})]---\left(10\right)$

$C_i=\frac{1}{{(V_{\mathrm{ci},i}-V_{R,i})}^2}[2-4{\left(\frac{V_{\mathrm{ci},i}+V_{R,i}}{{2V}_{R,i}}\right)}^3]---\left(11\right)$

步骤10：根据步骤9所得的各个风电场中单台风电机组正常运行时的小时输出功率序列PN_i(t)和步骤8所得各风电场故障风机的台数序列n_fi(t)，计算各个风电场的小时输出功率序列P_i(t)，其计算公式为：

P_i(t)＝[m_i-n_fi(t)]×PN_i(t)  (12)

其中，m_i是步骤1中给出的第i个风电场中风电机组的台数；n_fi(t)是步骤8中产生的第i个风电场t时刻的故障风机数目；PN_i(t)步骤9计算所得的第i个风电场中的单台风电机组正常运行时的t时刻的输出功率。

步骤11：采用线性划分或聚类的方法，将步骤10所得的各个风电场的小时输出功率序列模型等值成n_state个等值状态的输出功率模型。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法，其特征在于，包括步骤：

步骤1，参数初始化：各个风电场中风电机组的型号相同，风电场的数目为n，第i个风电场风电机组的台数为m_i；第i个风电场的风电机组的技术参数包括：额定功率P_Ri、风电机组的切入风速V_ci,i、风电机组的切出风速为V_co,i、风电机组的额定风速V_R,i、风电机组的强迫停运率为FOR(i)；风电场中风速模拟的小时数T；风电场等值状态数目为n_state；

步骤2，根据各个风电场风速的历史序列数据，计算各个风电场风速分布的威布尔分布尺度参数和形状参数、风电场之间风速的相关系数；

步骤3，根据各个风电场风速和故障风电机组数目的历史小时序列数据，计算各个风电场内的风速和故障的风电机组数目之间的相关系数；

步骤4：根据步骤2和3计算所得的相关系数，形成包含风电场风速之间、同一个风电场风速-故障风机数目的相关系数矩阵，该矩阵维数为(2n)×(2n)；

步骤5：根据最短欧式距离法选择最优的Copula函数；

步骤6：根据确定的最优Copula函数，采用条件抽样法产生相关的多维随机数序列(u₁(t),u₂(t),...,u_2n(t))；

步骤7：根据步骤6产生的多维随机数序列和步骤2所得的各风电场风速的威布尔边缘分布参数，采用反变换法模拟产生各个风电场的风速序列v_i(t)；

步骤8：根据步骤6产生的多维随机数序列和各风电场风电机组故障台数的二项分布参数，采用反变换法模拟产生各个风电场中风电机组的故障台数序列n_fi(t)；

步骤9：根据步骤7产生的各个风电场的小时风速序列v_i(t)和风电机组的输出功率特性，计算各个风电场中的单台风电机组正常运行时的小时输出功率序列PN_i(t)；

步骤10：根据步骤9所得的各个风电场中单台风电机组正常运行时的小时输出功率序列PN_i(t)和步骤8所得各风电场故障风机的台数序列n_fi(t)，计算各个风电场的小时输出功率序列P_i(t)；

步骤11：采用线性划分或聚类的方法，将步骤10所得的各个风电场的小时输出功率序列模型等值成n_state个等值状态的输出功率模型。

2.根据权利要求1所述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法，其特征是：所述步骤2和3中，相关系数的类型选择范围包括Pearson线性相关系数、Kendall秩相关系数、Spearman秩相关系数。

3.根据权利要求1所述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法，其特征是：所述步骤5中，最短欧式距离法选择最优的Copula函数，具体包括通过参数估计方法估计Copula函数中的未知参数及通过最短欧式距离法选择最优的Copula函数。

4.根据权利要求1所述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法，其特征是：所述步骤6中，根据确定的最优Copula函数，采用条件抽样法产生相关的多维随机数序列，具体步骤为：

1)，初始化时刻，t＝1；

2)，生成独立的服从(0,1)均匀分布的变量的随机数向量(Y₁(t),Y₂(t),...,Y_2n(t))；

3)，根据以下递推式生成服从指定Copula函数的随机数向量(u₁(t),u₂(t),...,u_2n(t))：

$u_i\left(t\right)=C_{(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right))}^{-1}\left(Y_i\left(t\right)\right),i=\mathrm{1,2},...,2n---\left(2\right)$

其中，

$\begin{array}{c}{C}_{(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right))}\left(u_i\left(t\right)\right)=\mathrm{Pr}\{U_i\left(t\right)\&le;u_i\left(t\right)|U_1\left(t\right)=u_1\left(t\right),u_2\left(t\right)=u_2\left(t\right),...,U_{i-1}\left(t\right)=u_{i-1}\left(t\right)\}\\ =\frac{{\&PartialD;}_{(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right))}^{i-1}C(u_1\left(t\right),u_2\left(t\right),...,u_i\left(t\right),\mathrm{1,1},...,1)}{{\&PartialD;}_{(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right))}^{i-1}C(u_1\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right),\mathrm{1,1},...,1)}\end{array}---\left(3\right)$

${\&PartialD;}_{(u_i\left(t\right),u_2\left(t\right),...,u_{i-1}\left(t\right))}^{i-1}C=\frac{{\&PartialD;}^{i-1}C}{{\&PartialD;u}_1\left(t\right){\&PartialD;u}_2\left(t\right)...{\&PartialD;u}_{i-1}\left(t\right)}---\left(4\right)$

式中,C(·,…,·)表示多元Copula函数，表示Copula函数的条件分布，是的反函数；Pr表示条件概率；

4)，判断t是否等于T；若t＝T，则结束；若否，转入步骤5)；

5)，t＝t+1；并转入步骤2)。

5.根据权利要求1所述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法，其特征是：所述步骤7中，采用反变换法模拟产生各个风电场的风速序列v_i(t)；计算公式为：

$v_i\left(t\right)=F_i^{-1}\left(u_i\left(t\right)\right),i=\mathrm{1,2},...,n---\left(5\right)$

其中，v_i(t)是第i个风电场t时刻的风速，u_i(t)(i＝1,2,...,n)为步骤6产生的随机数，为F_i(·)的反函数，F_i(·)是威布尔分布函数且有c_i、k_i为步骤2计算所得的第i个风电场的风速分布的威布尔分布尺度参数和形状参数。

6.根据权利要求1所述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法，其特征是：所述步骤8中，采用反变换法模拟产生各个风电场中风电机组的故障台数序列n_fi(t)，计算公式为：

$n_{\mathrm{fi}}\left(t\right)=G_i^{-1}\left(u_i\left(t\right)\right),i=n+1,n+2,...,2n---\left(6\right)$ 其中，n_fi(t)是第i个风电场t时刻的故障风机数目，u_i(t)(i＝n+1,n+2,...,2n)是步骤6产生的随机数，表示G_i(·)的反函数，G_i(·)是二项分布函数且有：

$G_i\left(n_{\mathrm{fi}}\left(t\right)\right)=\left(\begin{array}{c}{m}_i\\ n_{\mathrm{fi}}\left(t\right)\end{array}\right){\mathrm{FOR}\left(i\right)}^{n_{\mathrm{fi}}\left(t\right)}{(1-\mathrm{FOR}\left(i\right))}^{m_i-n_{\mathrm{fi}}\left(t\right)}---\left(7\right)$

7.根据权利要求1所述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法，其特征是：所述步骤9中，各个风电场中的单台风电机组正常运行时的小时输出功率序列PN_i(t)，其计算公式为：

${\mathrm{PN}}_i\left(t\right)=\left\{\begin{array}{cc}0,& 0\&le;v_i\left(t\right)<V_{\mathrm{ci},i}\\ [A_i+B_i\&times;v_i\left(t\right)+C_i\&times;v_i^2\left(t\right)]\&times;P_{\mathrm{Ri}},& V_{\mathrm{ci},i}\&le;v_i\left(t\right)<V_{R,i}\\ P_{\mathrm{Ri}},& V_{R,i}\&le;v_i\left(t\right)<V_{\mathrm{co},i}\\ 0,& v_i\left(t\right)\&GreaterEqual;V_{\mathrm{co},i}\end{array}\right.---\left(8\right)$

其中，P_Ri表示第i个风电场中风电机组的额定输出功率；V_ci,i、V_co,i、V_R,i分别为第i个风电场中风电机组的切入风速、切出风速和额定风速；参数A_i,B_i,C_i是V_ci,i和V_R,i的函数，计算公式为：

$A_i=\frac{1}{{(V_{\mathrm{ci},i}-V_{R,i})}^2}[V_{\mathrm{ci},i}(V_{\mathrm{ci},i}+V_{R,i})-4V_{\mathrm{ci},i}{V}_{R,i}\left(\frac{V_{\mathrm{ci},i}+V_{R,i}}{2V_{R,i}}\right)]---\left(9\right)$

$B_i=\frac{1}{{(V_{\mathrm{ci},i}-V_{R,i})}^2}[4(V_{\mathrm{ci},i}+V_{R,i}){\left(\frac{V_{\mathrm{ci},i}+V_{R,i}}{2V_{R,i}}\right)}^3-({3V}_{\mathrm{ci},i}+V_{R,i})]---\left(10\right)$

$C_i=\frac{1}{{(V_{\mathrm{ci},i}-V_{R,i})}^2}[2-4{\left(\frac{V_{\mathrm{ci},i}+V_{R,i}}{{2V}_{R,i}}\right)}^3]---\left(11\right)$

8.根据权利要求1所述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法，其特征是：所述步骤10中，计算各个风电场的小时输出功率序列P_i(t)，其计算公式为：

P_i(t)＝[m_i-n_fi(t)]×PN_i(t)   (12)

其中，m_i是步骤1中给出的第i个风电场中风电机组的台数；n_fi(t)是步骤8中产生的第i个风电场t时刻的故障风机数目；PN_i(t)步骤9计算所得的第i个风电场中的单台风电机组正常运行时的t时刻的输出功率。