CN106228468A - 一种潮汐流能发电场输出功率的概率模拟方法 - Google Patents

Abstract

本发明公开一种潮汐流能发电场输出功率的概率模拟方法，针对现有的潮汐流能发电场输出功率概率模拟方法的不足，提供一种潮汐流能发电场输出功率的概率模拟方法，该方法不仅能够充分考虑潮汐流速的规律性和不确定性，还可计及潮汐流能发电机组间的尾流效应，进而实现潮汐流能发电场输出功率特性的准确模拟。该方法能够为电力系统的经济、环保、安全效益评估以及规划和运行策略的合理制定等提供良好的分析基础。

Description

一种潮汐流能发电场输出功率的概率模拟方法

技术领域

本发明属于电力系统电源输出功率的概率模拟技术领域，具体涉及电力系统中潮汐流能发电场输出功率的概率模拟方法。

背景技术

潮汐流能发电具有绿色、环保、无污染、功率密度大、土地占用面积小等优点，近年来得到了广泛的关注和认可。美国、英国、荷兰、韩国、中国等二十余个国家已建成/在建潮汐流能发电场数十座。未来，潮汐流能发电作为一种重要的发电形式，将被广泛的开发、利用。

潮汐流能发电是一种相对新颖的电源形式，接入电力系统后，必然会对整个系统的规划、运行等多个方面产生深刻影响。准确模拟潮汐流能发电场的输出功率特性，不仅是评估电力系统环保、经济以及安全效益的理论基础，也是合理制定相关规划、运行策略的关键和前提。因此，亟需解决潮汐流能发电场输出功率的模拟难题。

潮汐流能发电场的输出功率主要依赖于潮汐流速等气象因素。受地球、月球以及太阳三者间引力以及离心力的影响，地球海洋表面将会出现周期性的涨落现象，也即，潮汐现象。那么相应的，潮汐流速也表现出了较强的规律性。此外，受海风、湍流等随机因素的影响，潮汐流速还呈现出一定的不确定性。更为关键的是，在潮汐流能发电场中，多个发电机组间还存在着不可忽视的尾流效应：潮汐流经过上游发电机组后，流速将有一定的下降，并会影响下游发电机组的功率输出。可见，在潮汐流能发电场输出功率的模拟中不仅要考虑潮汐流速的规律性和不确定性，还要计及并量化发电机组间的尾流效应。

目前，在潮汐流能发电场输出功率的概率模拟方面现有技术公开的方法是：首先，采用Wakeby分布建立潮汐流速的概率模型；其次，基于正态分布模拟海水密度的随机变化；最后，将两者结合，并根据潮汐流能发电机输出功率与海水密度、潮汐流速之间的函数关系，模拟潮汐流能发电机输出功率的概率分布。该方法的主要缺点是：1)忽略了潮汐流速的规律性；2)无法计及潮汐流能发电机组间的尾流效应。因此，该方法不能准确模拟潮汐流能发电场输出功率的变化特性，若应用于电力系统规划、运行等相关分析中，极有可能导致不合理甚至错误的结论。

发明内容

本发明的目的是针对现有的潮汐流能发电场输出功率概率模拟方法的不足，提供一种潮汐流能发电场输出功率的概率模拟方法，该方法不仅能够充分考虑潮汐流速的规律性和不确定性，还可计及潮汐流能发电机组间的尾流效应，进而实现潮汐流能发电场输出功率特性的准确模拟。该方法能够为电力系统的经济、环保、安全效益评估以及规划和运行策略的合理制定等提供良好的分析基础。

为实现本发明目的而采用的技术方案是这样的，利用计算机，通过程序，先输入潮汐流速的实测数据、潮汐流能发电机组的参数以及潮汐流能发电场内各机组的相对位置信息；然后，计算潮汐流速的日均值曲线，以表征潮汐流速的规律性；其次，根据潮汐流速的日均值曲线，计算各时刻潮汐流速随机分量的实测数据样本，以表征潮汐流速的不确定性；接着，基于正态分布，依次估计各时刻潮汐流速随机分量的概率密度函数，并产生随机样本；然后，根据潮汐流速的日均值曲线和各时刻潮汐流速随机分量的随机样本，产生潮汐流速的日随机样本；其次，根据潮汐流能发电场内各机组的相对位置信息，量化尾流效应的影响，并依次计算各机组各时刻的潮汐流速及输出功率；最后，根据潮汐流能发电场内各机组各时刻的输出功率，计算整个潮汐流能发电场各时刻的输出功率。所述方法的具体步骤如下：

1)输入潮汐流能发电场潮汐流速的实测数据样本、潮汐流能发电机组的参数以及潮汐流能发电场内各机组的相对位置信息。具体地，获取潮汐流能发电场潮汐流速n天每天d个时刻的实测数据样本v_ij，其中潮汐流速第i天的实测数据样本为V_i＝[v_i1,v_i2,...,v_id]，i＝1,2,...,n，j＝1,2,...,d，d为日时刻数，海水密度ρ；

获取潮汐流能发电机组的切入流速V_cutin、额定流速V_rated、额定输出功率P_rated、获能系数C_p、推力系数C_T、叶片直径D、叶片扫过的面积A；

获取潮汐流能发电场内的机组总数N_g，每行的机组数N_h，每列的机组数N_l，各机组间的横向距离L_h和纵向距离L_z，各机组的相对位置信息G_k＝(g_kx,g_ky)，k为机组总序号，k＝1,2,…,N_g，x为机组行序号，g_kx＝1,2,…,N_h，第1行为被潮汐流最先冲击的机组；y为机组列序号，g_ky＝1,2,…,N_l，即表示第k个机组位于潮汐流能发电场内的第g_kx行第g_ky列；

2)计算潮汐流速的日均值曲线

潮汐流速第j个时刻的均值M_j：

$M_j=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{v}_{ij}---\left(1\right)$

式中，j＝1,2,…,d，根据公式(1)得到潮汐流速的日均值曲线为M＝[M₁,M₂,…,M_d]。

3)产生潮汐流速的日随机样本

3-1)计算各时刻潮汐流速随机分量的实测数据样本

计算各小时潮汐流速随机分量的历史样本s_ij：

s_ij＝v_ij-M_j (2)

3-2)估计各时刻潮汐流速随机分量的均值和标准差

计算各时刻潮汐流速随机分量的均值μ_j：

${\mathrm{\μ}}_j=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{s}_{ij}---\left(3\right)$

计算各时刻潮汐流速随机分量的标准差σ_j：

${\mathrm{\σ}}_j=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\sqrt{{(s_{ij}-{\mathrm{\μ}}_j)}^2}---\left(4\right)$

3-3)产生潮汐流速的日随机样本

利用公式(5)依次估计各时刻潮汐流速随机分量s_j的概率密度函数：

$f\left(s_j\right)=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_j}\exp (-\frac{{(s_j-{\mathrm{\μ}}_j)}^2}{2{\mathrm{\σ}}_j^2})---\left(5\right)$

3-4)根据公式(5)，依次产生各时刻潮汐流速随机分量的随机样本S_c＝[S_c1，S_c2，…，S_cd]；

3-5)计算潮汐流速日随机样本T_s＝[T_s1，T_s2，…，T_sd]中各时刻的潮汐流速值，公式(6)为：

T_sj＝S_cj+M_j (6)

4)计算潮汐流能发电场输出功率的日随机样本

4-1)依次计算各机组各时刻的潮汐流速值：

4-1-1)利用公式(7)依次计算位于第1行各个机组各时刻的潮汐流速值v_kj：

v_kj＝T_sj (7)

4-1-2)利用公式(8)依次计算除了第1行外各个机组各时刻的潮汐流速值v_kj，

$v_{kj}=v_{ukj}-(T_{sj}-T_{sj}\sqrt{1-C_T}(0.0927\left(L_z/D\right)+0.993))e^{\[-({(L_h+0.081L_z-(D/2\left)\right)}^2/(2{\left(0.081L_z\right)}^2))\]}---\left(8\right)$

式中，

v_ukj为第uk个机组第j个时刻的潮汐流速值，uk＝x、x+1……N_g，x为第2行第1个机组的编号；j＝1,2,…,d，第uk个机组的位置信息为(g_kx-1,g_ky)。T_sj为第j个时刻潮汐流速的随机样本，j＝1,2,…,d，d为日时刻数，C_T为潮汐流能发电机组的推力系数，L_h为各机组间的横向距离，L_z为各机组间的纵向距离，D为潮汐流能发电机组的叶片直径；

4-2)依次计算各机组各时刻的输出功率p_kj：

$p_{kj}=\left\{\begin{array}{cc}0& 0<v_{kj}<V_{cutin}\\ 0.5C_p{\mathrm{\&rho;Av}}_{kj}^3& V_{cutin}\&le;v_{kj}<V_{rated}\\ P_{rated}& V_{rated}\&le;v_{kj}\end{array}\right.---\left(9\right)$

式中，V_cutin是潮汐流能发电机组的切入流速，V_rated是潮汐流能发电机组的额定流速，P_rated是潮汐流能发电机组的额定输出功率。

第I)步完成后，根据第I)步计算得到的各机组各时刻的潮汐流速值v_kj，利用公式(9)依次计算各机组各时刻的输出功率p_kj，k＝1,2,…,N_g，j＝1,2,…,d，d为日时刻数。公式(9)为：

$p_{kj}=\left\{\begin{array}{cc}0& 0<v_{kj}<V_{cutin}\\ 0.5C_p{\mathrm{\&rho;Av}}_{kj}^3& V_{cutin}\&le;v_{kj}<V_{rated}\\ P_{rated}& V_{rated}\&le;v_{kj}\end{array}\right.---\left(9\right)$

4-3)依次计算潮汐流能发电场各时刻的输出功率P_j：

$P_j=\frac{1}{N_g}\underset{k=1}{\overset{N_g}{\&Sigma;}}{p}_{kj}---\left(10\right)$

即得到潮汐流能发电场输出功率的日随机样本为P＝[P₁,P₂,...,P_d]。

本发明采用上述技术方案后，主要有以下效果：

1、本发明方法能够同时计及潮汐流速的规律性和随机性，进而可准确模拟潮汐流速以及潮汐流能发电机组输出功率的变化特性。

2、本发明方法充分考虑了潮汐流能发电机组间的尾流效应，并准确量化了尾流效应对各机组输出功率的影响，以实现潮汐流能发电场输出功率的精准估计。

3、本发明方法从潮汐流速的实测数据出发，基于常用的正态分布等模型和方法，利用计算机，即可全面模拟潮汐流能发电场输出功率的变化特性，具有较强的通用性和适应性，而且方法简单，易于实现，便于推广应用。

本发明可广泛应用于电力系统分析中潮汐流能发电场输出功率的概率模拟，为含潮汐流能发电场电力系统的概率分析提供计算依据，并为电力系统规划、运行策略的制定以及经济、环保和安全效益的评估等打下坚实基础。

附图说明

图1为本发明方法的程序流程框图。

具体实施方式

下面结合实施例对本发明作进一步说明，但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本发明的保护范围内。

我国X地区的一种潮汐流能发电场输出功率的概率模拟方法的具体步骤如下：

一种潮汐流能发电场输出功率的概率模拟方法，包括以下步骤:

1)输入潮汐流能发电场潮汐流速的实测数据样本、潮汐流能发电机组的参数以及潮汐流能发电场内各机组的相对位置信息

输入我国X地区潮汐流能发电场潮汐流速365天每天24个时刻的实测数据样本v_ij，其中潮汐流速第i天的实测数据样本为V_i＝[v_i1,v_i2,...,v_id]，i＝1,2,...,n，j＝1,2,...,d，d为日时刻数，n＝365，d＝24，海水密度ρ＝1025kg/m³；输入潮汐流能发电机组的切入流速V_cutin＝1.2m/s、额定流速V_rated＝2.5m/s、额定输出功率P_rated＝1MW、获能系数C_p＝0.5、推力系数C_T＝0.7、叶片直径D＝20m、叶片扫过的面积A＝314m²；输入潮汐流能发电场内的机组总数N_g＝4，每行的机组数N_h＝2，每列的机组数N_l＝2，各机组间的横向距离L_h＝60m和纵向距离L_z＝60m，各机组的相对位置信息G_k＝(g_kx,g_ky)，k＝1,2,…,N_g，g_kx＝1,2,…,N_h，g_ky＝1,2,…,N_l，这表示第k个机组位于潮汐流能发电场内的第g_kx行第g_ky列。G₁＝(g_1x＝1,g_1y＝1)，G₂＝(g_2x＝1,g_2y＝2)，G₃＝(g_3x＝2,g_3y＝1)，G₄＝(g_4x＝2,g_4y＝2)。

2)计算潮汐流速的日均值曲线

潮汐流速第j个时刻的均值M_j：j＝1,2,…,d，d＝24。d＝24即对应每天24个时刻。

$M_j=\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}{v}_{ij}---\left(1\right)$

式中，j＝1,2,…,d，根据公式(1)得到潮汐流速的日均值曲线为M＝[M₁,M₂,…,M_d]。

计算得到结果：M＝[M₁,M₂,…,M_d]＝[1.3753,1.3838,1.3854,1.4020,1.3882,1.3747,1.3583,1.3430,1.3523,1.3477,1.3408,1.3597,1.3702,1.3661,1.3707,1.3863,1.3869,1.3847,1.3813,1.3671,1.3671,1.3521,1.3699,1.3830]。

3)产生潮汐流速的日随机样本

3-1)根据第1)步输入的n＝365天每天d＝24个时刻的潮汐流速实测数据v_ij,i＝1,2,...,n，j＝1,2,...,d和第2)步计算得到的潮汐流速日均值曲线M＝[M₁,M₂,…,M_d]，d＝24为日时刻数。利用公式(2)依次计算各小时潮汐流速随机分量的历史样本s_ij,i＝1,2,...,n，j＝1,2,...,d。公式(2)为：

s_ij＝v_ij-M_j (2)

式中，s_ij为第j个时刻潮汐流速随机分量的第i个实测数据样本，v_ij为潮汐流速第i个日样本中第j个时刻的实测数据，M_j为潮汐流速第j个时刻的均值，i＝1,2,...,n，j＝1,2,...,d，n为潮汐流速实测数据的日样本数，d为日时刻数。n＝365，d＝24。

计算得到结果：以j＝1，i＝1为例，第j个时刻潮汐流速随机分量的第i个实测数据样本s_ij＝-0.3018。

3-2)估计各时刻潮汐流速随机分量的均值和标准差

第3-1)步完成后，根据计算得到的各时刻潮汐流速随机分量的实测数据样本s_ij，i＝1,2,...,n，j＝1,2,...,d，n＝365，d＝24利用公式(3)和(4)依次计算各时刻潮汐流速随机分量的均值μ_j和标准差σ_j,j＝1,2,...,d，d＝24为日时刻数。公式(3)和(4)分别为：

${\mathrm{\&mu;}}_j=\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}{s}_{ij}---\left(3\right)$

${\mathrm{\&sigma;}}_j=\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}\sqrt{{(s_{ij}-{\mathrm{\&mu;}}_j)}^2}---\left(4\right)$

式中，μ_j是第j个时刻潮汐流速随机分量的均值，σ_j是第j个时刻潮汐流速随机分量的标准差，n＝365为潮汐流速实测数据的日样本数，s_ij为第j个时刻潮汐流速随机分量的第i个实测数据样本，i＝1,2,…,n，j＝1,2,…,d，n＝365为潮汐流速实测数据的日样本数，d＝24为日时刻数。

计算得到的结果：以j＝1，i＝1为例，第j＝1个时刻潮汐流速随机分量的均值μ_j＝0，第j＝1个时刻潮汐流速随机分量的标准差σ_j＝0.7297。

3-3)产生潮汐流速的日随机样本

第II)步完成后，根据第II)步计算得到的各时刻潮汐流速随机分量的均值μ_j和标准差σ_j，j＝1,2,...,d，利用公式(5)依次估计各时刻潮汐流速随机分量s_j，j＝1,2,...,d的概率密度函数，d＝24为日时刻数。公式(5)为：

$f\left(s_j\right)=\frac{1}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}_j}\exp (-\frac{{(s_j-{\mathrm{\&mu;}}_j)}^2}{2{\mathrm{\&sigma;}}_j^2})---\left(5\right)$

式中，s_j表示第j个时刻潮汐流速的随机分量，f(s_j)为s_j的概率密度函数，μ_j是第j个时刻潮汐流速随机分量的均值，σ_j是第j个时刻潮汐流速随机分量的标准差，j＝1,2,...,d，d＝24为日时刻数。

计算得到的结果：以j＝1为例，第j＝1个时刻潮汐流速随机分量s_j的概率密度函数f(s_j)为：

$f\left(s_j\right)=\frac{1}{\sqrt{2\mathrm{\&pi;}}*0.7297}\exp (-\frac{{(s_j-0)}^2}{2*{0.7297}^2})$

利用计算机，根据公式(5)，依次产生各时刻潮汐流速随机分量的随机样本S_c＝[S_c1，S_c2，…，S_cd]。然后，利用公式(6)，依次计算潮汐流速日随机样本T_s＝[T_s1，T_s2，…，T_sd]中各时刻的潮汐流速值，d＝24为日时刻数。公式(6)为：

T_sj＝S_cj+M_j (6)

式中，T_sj为潮汐流速日随机样本中第j个时刻的潮汐流速值，S_cj是第j个时刻潮汐流速随机分量的随机样本，M_j为潮汐流速第j个时刻的均值，i＝1,2,...,n，j＝1,2,...,d，d＝24为日时刻数。

计算得到的结果：以j＝1为例，潮汐流速日随机样本中第j＝1个时刻的潮汐流速值T_sj＝S_cj+M_j＝0.3923+1.3753＝1.7676。

4)计算潮汐流能发电场输出功率的日随机样本

4-1)依次计算各机组各时刻的潮汐流速值：

即根据第3)步计算得到的潮汐流速日随机样本T_s＝[T_s1，T_s2，…，T_sd]，d＝24为日时刻数，和第1)步输入的潮汐流能发电机组参数以及潮汐流能发电场内机组的相对位置信息，依次计算各机组各时刻的潮汐流速和输出功率，以及潮汐流能发电场输出功率的日随机样本，具体步骤如下

4-1-1)依次判断第k个机组是否位于第一行，若g_kx＝1，则利用公式(7)依次计算第k个机组各时刻的潮汐流速值v_kj，k＝1,2,…,N_g＝4，j＝1,2,…,d，d＝24为日时刻数。公式(7)为：

v_kj＝T_sj (7)

式中，v_kj为第k个机组第j个时刻的潮汐流速值，k＝1,2,…,N_g＝4，T_sj为第j个时刻潮汐流速的随机样本，j＝1,2,…,d，d＝24为日时刻数。

4-1-2)若g_kx不等于1，则利用公式(8)依次计算第k个机组各时刻的潮汐流速值。公式(8)为：

$v_{kj}=v_{ukj}-(T_{sj}-T_{sj}\sqrt{1-C_T}(0.0927\left(L_z/D\right)+0.993))e^{\&lsqb;-({(L_h+0.081L_z-(D/2\left)\right)}^2/(2{\left(0.081L_z\right)}^2))\&rsqb;}---\left(8\right)$

式中，v_kj为第k个机组第j个时刻的潮汐流速值，k＝1,2,…,N_g＝4，v_ukj为第uk个机组第j个时刻的潮汐流速值，uk＝1,2,…,N_g＝4，j＝1,2,…,d，第uk个机组的位置信息为(g_kx-1,g_ky)。T_sj为第j个时刻潮汐流速的随机样本，j＝1,2,…,d，d＝24为日时刻数，C_T＝0.7为潮汐流能发电机组的推力系数，L_h＝60m为各机组间的横向距离，L_z＝60m为各机组间的纵向距离，D＝20m为潮汐流能发电机组的叶片直径。

计算所得结果：以k＝1，j＝1为例，第k个机组第j个时刻的潮汐流速值v_kj＝T_sj＝1.7676。

4-2)计算潮汐流能发电场内各机组各时刻的输出功率

4-1)步完成后，根据计算得到的各机组各时刻的潮汐流速值v_kj，利用公式(9)依次计算各机组各时刻的输出功率p_kj，k＝1,2,…,N_g＝4，j＝1,2,…,d，d＝24为日时刻数。公式(9)为：

$p_{kj}=\left\{\begin{array}{cc}0& 0<v_{kj}<V_{cutin}\\ 0.5C_p{\mathrm{\&rho;Av}}_{kj}^3& V_{cutin}\&le;v_{kj}<V_{rated}\\ P_{rated}& V_{rated}\&le;v_{kj}\end{array}\right.---\left(9\right)$

式中，p_kj为第k个机组第j个时刻的输出功率，v_kj为第k个机组第j个时刻的潮汐流速值，k＝1,2,…,N_g＝4，j＝1,2,…,d＝24，C_p＝0.5为潮汐流能发电机组的获能系数，ρ＝1025kg/m³为海水密度，A＝314m²为潮汐流能发电机组叶片扫过的面积，V_cutin＝1.2m/s是潮汐流能发电机组的切入流速，V_rated＝2.5m/s是潮汐流能发电机组的额定流速，P_rated＝1MW是潮汐流能发电机组的额定输出功率。

计算所得结果：：以k＝1，j＝1为例，第k个机组第j个时刻的输出功率p_kj＝0.4444MW。

4-3)计算潮汐流能发电场各时刻的输出功率

第4-2)步完成后，根据计算得到的各机组各时刻的输出功率值p_kj，k＝1,2,…,N_g，j＝1,2,…,d，d＝24为日时刻数。利用公式(10)依次计算潮汐流能发电场各时刻的输出功率。公式(10)为：

$P_j=\frac{1}{N_g}\underset{k=1}{\overset{N_g}{\&Sigma;}}{p}_{kj}---\left(10\right)$

式中，P_j为潮汐流能发电场第j个时刻的输出功率，N_g＝4为潮汐流能发电场内的机组个数，p_kj为第k个机组第j个时刻的输出功率，k＝1,2,…,N_g＝4，j＝1,2,…,d，d＝24为日时刻数。

计算所得结果：以j＝1为例，潮汐流能发电场第j个时刻的输出功率P_j＝0.8888MW。

至此，建模结束，得到潮汐流能发电场输出功率的日随机样本为P＝[P₁,P₂,...,P_d]，d＝24为日时刻数。

计算所得结果为P＝[P₁,P₂,...,P_d]＝[0.8888,2.0103,0,0,4.0000,0,0,0,3.3845,2.0325,0,2.4929,0,0,2.1745,1.6114,0,0,0,2.4479,0,0,1.7733,1.5183]。

试验效果：

对本实施例我国X地区的潮汐流能发电场，设计以下仿真算例，验证本发明方法的正确性。

对本实施例我国X地区的潮汐流能发电场，输入我国X地区潮汐流能发电场潮汐流速365天每天24个时刻的实测数据样本v_ij，其中潮汐流速第i天的实测数据样本为V_i＝[v_i1,v_i2,...,v_id]，i＝1,2,...,n，j＝1,2,...,d，d为日时刻数，n＝365，d＝24，海水密度ρ＝1025kg/m³；输入潮汐流能发电机组的切入流速V_cutin＝1.2m/s、额定流速V_rated＝2.5m/s、额定输出功率P_rated＝1MW、获能系数C_p＝0.5、推力系数C_T＝0.7、叶片直径D＝20m、叶片扫过的面积A＝314m²；输入潮汐流能发电场内的机组总数N_g＝4，每行的机组数N_h＝2，每列的机组数N_l＝2，各机组间的横向距离L_h＝60m和纵向距离L_z＝60m，各机组的相对位置信息G_k＝(g_kx,g_ky)，k＝1,2,…,N_g，g_kx＝1,2,…,N_h，g_ky＝1,2,…,N_l，这表示第k个机组位于潮汐流能发电场内的第g_kx行第g_ky列。G₁＝(g_1x＝1,g_1y＝1)，G₂＝(g_2x＝1,g_2y＝2)，G₃＝(g_3x＝2,g_3y＝1)，G₄＝(g_4x＝2,g_4y＝2)。采用本发明方法建立潮汐流能发电场输出功率的概率模型，并随机抽样。分别根据实测数据和抽样数据计算各时刻潮汐流能发电场输出功率的均值，如表1所示。分别根据实测数据和抽样数据计算各时刻潮汐流能发电场输出功率的标准差，如表2所示。

表1

时刻	本发明方法(MW)	实测数据(MW)	本发明方法误差
				1	1.0908	1.0946	0.35％
2	1.0811	1.0857	0.42％
				3	1.033	1.0029	3.00％
4	1.1302	1.1499	1.71％
				5	1.0944	1.13	3.15％
6	1.1159	1.1505	3.01％
				7	1.0235	1.0749	4.78％
8	1.1601	1.09	6.43％
				9	1.0728	1.0489	2.28％
10	1.1133	1.14	2.34％
				11	1.0812	1.067	1.33％
12	1.1145	1.1064	0.73％
				13	1.1473	1.1604	1.13％
14	1.124	1.0924	2.89％
				15	1.1078	1.1235	1.40％
16	1.0933	1.0539	3.74％
				17	1.1218	1.072	4.65％
18	1.0611	1.1379	6.75％
				19	1.1255	1.152	2.30％
20	1.0688	1.1157	4.20％
				21	1.1526	1.1006	4.72％
22	0.9874	1.0555	6.45％
				23	1.0062	1.0642	5.45％
24	0.973	0.9223	5.50％

表2

时刻	本发明方法(MW)	实测数据(MW)	本发明方法误差
				1	1.4413	1.4809	2.67％
2	1.4235	1.463	2.70％
				3	1.3794	1.4498	4.86％
4	1.4438	1.438	0.40％
				5	1.4574	1.4768	1.31％
6	1.4448	1.4751	2.05％
				7	1.3712	1.4243	3.73％
8	1.4752	1.4195	3.92％
				9	1.4099	1.3908	1.37％
10	1.4324	1.3459	6.43％
				11	1.4437	1.3368	8.00％
12	1.4322	1.3358	7.22％
				13	1.4804	1.3967	5.99％
14	1.4632	1.4415	1.51％
				15	1.3572	1.3459	0.84％
16	1.3506	1.3324	1.37％
				17	1.1589	1.1319	2.39％
18	1.4269	1.4199	0.49％
				19	1.4549	1.4594	0.31％
20	1.4127	1.4219	0.65％
				21	1.4852	1.435	3.50％
22	1.3362	1.4127	5.42％
				23	1.379	1.3791	0.01％
24	1.2482	1.2241	1.97％

Claims (1)

1.一种潮汐流能发电场输出功率的概率模拟方法，其特征在于，包括以下步骤:

1)获取潮汐流能发电场潮汐流速n天每天d个时刻的实测数据样本v_ij，其中潮汐流速第i天的实测数据样本为V_i＝[v_i1,v_i2,...,v_id]，i＝1,2,...,n，j＝1,2,...,d，d为日时刻数，海水密度ρ；

获取潮汐流能发电机组的切入流速V_cutin、额定流速V_rated、额定输出功率P_rated、获能系数C_p、推力系数C_T、叶片直径D、叶片扫过的面积A；

获取潮汐流能发电场内的机组总数N_g，每行的机组数N_h，每列的机组数N_l，各机组间的横向距离L_h和纵向距离L_z，各机组的相对位置信息G_k＝(g_kx,g_ky)，k为机组总序号，k＝1,2,…,N_g，x为机组行序号，g_kx＝1,2,…,N_h；y为机组列序号，g_ky＝1,2,…,N_l；

2)计算潮汐流速的日均值曲线

潮汐流速第j个时刻的均值M_j：

$M_j=\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}{v}_{ij}---\left(1\right)$

式中，j＝1,2,…,d，根据公式(1)得到潮汐流速的日均值曲线为M＝[M₁,M₂,…,M_d]。

3)产生潮汐流速的日随机样本

3-1)计算各时刻潮汐流速随机分量的实测数据样本

计算各小时潮汐流速随机分量的历史样本s_ij：

s_ij＝v_ij-M_j (2)

3-2)估计各时刻潮汐流速随机分量的均值和标准差

计算各时刻潮汐流速随机分量的均值μ_j：

${\mathrm{\&mu;}}_j=\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}{s}_{ij}---\left(3\right)$

计算各时刻潮汐流速随机分量的标准差σ_j：

${\mathrm{\&sigma;}}_j=\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}\sqrt{{(s_{ij}-{\mathrm{\&mu;}}_j)}^2}---\left(4\right)$

3-3)产生潮汐流速的日随机样本

利用公式(5)依次估计各时刻潮汐流速随机分量s_j的概率密度函数：

$f\left(s_j\right)=\frac{1}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}_j}\exp (-\frac{{(s_j-{\mathrm{\&mu;}}_j)}^2}{2{\mathrm{\&sigma;}}_j^2})---\left(5\right)$

3-4)根据公式(5)，依次产生各时刻潮汐流速随机分量的随机样本S_c＝[S_c1，S_c2，…，S_cd]；

3-5)计算潮汐流速日随机样本T_s＝[T_s1，T_s2，…，T_sd]中各时刻的潮汐流速值，公式(6)为：

T_sj＝S_cj+M_j (6)

4)计算潮汐流能发电场输出功率的日随机样本

4-1)依次计算各机组各时刻的潮汐流速值：

4-1-1)利用公式(7)依次计算位于第1行各个机组各时刻的潮汐流速值v_kj：

v_kj＝T_sj (7)

4-1-2)利用公式(8)依次计算除了第1行外各个机组各时刻的潮汐流速值v_kj，

$v_{kj}=v_{ukj}-\left(T_{sj}-T_{sj}\sqrt{1-C_T}\left(0.0927\left(L_z/D\right)+0.993\right)\right)e^{\&lsqb;-\left({\left(L_h+0.081L_z-\left(D/2\right)\right)}^2/\left(2{\left(0.081L_z\right)}^2\right)\right)\&rsqb;}---\left(8\right)$

式中，v_ukj为第uk个机组第j个时刻的潮汐流速值，uk＝x、x+1……N_g，x为第2行第1个机组的编号；j＝1,2,…,d，第uk个机组的位置信息为(g_kx-1,g_ky)。T_sj为第j个时刻潮汐流速的随机样本，j＝1,2,…,d，d为日时刻数，C_T为潮汐流能发电机组的推力系数，L_h为各机组间的横向距离，L_z为各机组间的纵向距离，D为潮汐流能发电机组的叶片直径；

4-2)依次计算各机组各时刻的输出功率p_kj：

$p_{kj}=\left\{\begin{array}{cc}0& 0<v_{kj}<V_{cutin}\\ 0.5C_p{\mathrm{\&rho;Av}}_{kj}^3& V_{cutin}\&le;v_{kj}<V_{rated}\\ P_{rated}& V_{rated}\&le;v_{kj}\end{array}\right.---\left(9\right)$

式中，V_cutin是潮汐流能发电机组的切入流速，V_rated是潮汐流能发电机组的额定流速，P_rated是潮汐流能发电机组的额定输出功率。

第I)步完成后，根据第I)步计算得到的各机组各时刻的潮汐流速值v_kj，利用公式(9)依次计算各机组各时刻的输出功率p_kj，k＝1,2,…,N_g，j＝1,2,…,d，d为日时刻数。公式(9)为：

$p_{kj}=\left\{\begin{array}{cc}0& 0<v_{kj}<V_{cutin}\\ 0.5C_p{\mathrm{\&rho;Av}}_{kj}^3& V_{cutin}\&le;v_{kj}<V_{rated}\\ P_{rated}& V_{rated}\&le;v_{kj}\end{array}\right.---\left(9\right)$

4-3)依次计算潮汐流能发电场各时刻的输出功率P_j：

$P_j=\frac{1}{N_g}\underset{k=1}{\overset{N_g}{\&Sigma;}}{p}_{kj}---\left(10\right)$

即得到潮汐流能发电场输出功率的日随机样本为P＝[P₁,P₂,...,P_d]。