CN112307590A - 一种考虑相关性的风电场出力时序曲线仿真方法 - Google Patents

一种考虑相关性的风电场出力时序曲线仿真方法 Download PDF

Info

Publication number
CN112307590A
CN112307590A CN201910981846.0A CN201910981846A CN112307590A CN 112307590 A CN112307590 A CN 112307590A CN 201910981846 A CN201910981846 A CN 201910981846A CN 112307590 A CN112307590 A CN 112307590A
Authority
CN
China
Prior art keywords
wind power
output
correlation
time sequence
wind
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910981846.0A
Other languages
English (en)
Other versions
CN112307590B (zh
Inventor
叶荣
吴威
林章岁
孟永庆
邹艺超
李斯佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Original Assignee
Xian Jiaotong University
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University, State Grid Fujian Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd filed Critical Xian Jiaotong University
Priority to CN201910981846.0A priority Critical patent/CN112307590B/zh
Publication of CN112307590A publication Critical patent/CN112307590A/zh
Application granted granted Critical
Publication of CN112307590B publication Critical patent/CN112307590B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种考虑相关性的风电场出力时序曲线仿真方法，包括以下步骤：步骤S1:分季度分时段采集两个风电场历史出力数据为样本，并分别采用核密度估计法求解风电出力边缘分布；步骤S2:采用Frank Copula函数描述两个风电场相关性，得到相关性系数；步骤S3:根据得到的Frank Copula相关性系数和风电出力的概率分布，随机生成风功率样本点；步骤S4:根据的得到的风功率样本点，通过蒙特卡罗模拟得到风电出力时序曲线；步骤S5:基于风电场短时间的变化规律对时序曲线进行修正,得到最终的风电出力时序曲线。本发明全面地反映风电出力的真实情况，并解决了传统概率出力模型无法反映随机性、波动性的问题和传统时序出力模型计算量大、出力波动大的问题。

Description

一种考虑相关性的风电场出力时序曲线仿真方法
技术领域
本发明属于电力系统模拟方法领域，具体涉及一种考虑相关性的风电场出力时序曲线仿真方法。
背景技术
在世界能源短缺和环境污染日益严重的今天，风能作为一种清洁、技术成熟的可再生能源，近年来在世界各国取得了长足发展，已经成为全球可再生能源开发新的增长点与主要方向之一。由于风电出力具有随机性大、波动性强、出力不可控等特点，给输电系统的规划和运行带来了新的挑战，对风电出力的准确建模，是研究未来高比例可再生能源电力系统的规划和运行以保障系统安全、经济运行的前提。
常规的风电场出力建模可分为两种：基于风速的出力建模，首先对风速建模，然后根据风力发电机的功率特性曲线计算出实际输出功率。基于功率的出力建模，根据历史功率数据建立模型并利用实时数据预测输出功率。在含风电的电力系统规划和中长期运行模拟研究中，一般对风电出力的模拟主要考虑中长期的概率分布和总体特征量，即模拟出来的数据要满足一定的概率分布特性。但单纯的概率分布模型无法反应出风电出力波动性、随机性、间歇性的特点。
发明内容
有鉴于此，本发明的目的在于提供一种考虑相关性的风电场出力时序曲线仿真方法，解决了传统概率出力模型无法反映随机性、波动性的问题和传统时序出力模型计算量大、出力波动大的问题。
为实现上述目的，本发明采用如下技术方案：
一种考虑相关性的风电场出力时序曲线仿真方法，包括以下步骤：
步骤S1:分季度分时段采集两个风电场历史出力数据为样本，并分别采用核密度估计法求解风电出力边缘分布；
步骤S2:采用Frank Copula函数描述两个风电场相关性，得到相关性系数；
步骤S3:根据得到的Frank Copula相关性系数和风电出力的概率分布，随机生成风功率样本点；
步骤S4:根据的得到的风功率样本点，通过蒙特卡罗模拟得到风电出力时序曲线；
步骤S5:基于风电场短时间的变化规律对时序曲线进行修正,得到最终的风电出力时序曲线。
进一步的，所述季度包括3-5月的春季、6-8月的夏季、9-11月的秋季、12-次年2月的冬季四个季度；所述时段包括6:00-18:00、18:00-次日6:00两个时段。
进一步的，所述核密度估计法具体为，核密度函数如下：
Figure BDA0002235444550000021
式中：n为样本总数，h为平滑系数，Kh为核函数，zj为随机变量z的样本点。
进一步的，所述步骤S2采用Frank Copula函数来描述风功率的相关性，使用Kendall秩相关系数τ来度量相关程度，
Kendall秩相关系数τ的定义如下：设随机变量(X1,Y1)，(X2,Y2)独立同分布，令
τ＝P((X1-X2)(Y1-Y2)＞0)-P((X1-X2)(Y1-Y2)＜0) (2)
称τ是Kendall’τ系数，该系数表示能度量X和Y变化的一致性程度。
进一步的，所述步骤S3具体为：
步骤S31:基于Frank Copula相关性系数，由MATLAB的Copularnd函数随机生成满足相关性要求的M个风功率样本点；
步骤S32：对这M个风功率样本点，重新排列，根据风电场出力概率分布按比例从这M个风功率样本点中分别抽取K个风功率样本点作为昼、夜出力时序模拟的抽样框。
进一步的，所述修正具体为：确定累计概率为90％的风电出力变化率，若相邻两点变化率落在该变化率的两倍以内的区间，则将后一时刻的抽样值修正为两点的均值，即W(t+1)＝(W(t+1)+W(t))/2，其中W(t)为第t个的风电抽样点。
本发明与现有技术相比具有以下有益效果：
1、本发明可以同时满足风电出力的概率分布特征、相关性特征、季节和昼夜变化特征以及随机性、波动性的特点，可以全面地反映风电出力的真实情况。
2、本发明解决了传统概率出力模型无法反映随机性、波动性的问题和传统时序出力模型计算量大、出力波动大的问题。
附图说明
图1是本发明一实施例中风电场1夏季出力核密度估计分布函数；
图2是本发明一实施例中风电场2夏季出力核密度估计分布函数；
图3是本发明一实施例中两风电场夏季出力二元copula分布函数；
图4是本发明一实施例中基于Frank Copula相关系数生成的随机风功率样本点聚类图；
图5是本发明一实施例中蒙特卡罗模拟风电场时序出力曲线；
图6是本发明一实施例中修正后的风电场1的时序出力曲线；
图7是本发明一实施例中修正后的风电场2的时序出力曲线。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1，本发明提供一种考虑相关性的风电场出力时序曲线仿真方法，本实施例中，取东南沿海地理距离5公里左右的两风电场为具体应用例，其中风电场1装机容量为50MW，风电场2装机容量为56MW，取两风电场2017年夏季的风电出力数据标幺值为样本。
包括以下步骤：
步骤S1:分季度分时段采集两个风电场历史出力数据为样本，并分别采用核密度估计法求解风电出力边缘分布；所述季度包括3-5月的春季、6-8月的夏季、9-11月的秋季、12-次年2月的冬季四个季度；所述时段包括6:00-18:00、18:00-次日6:00两个时段。
本实施例，以夏季为例，夏季6-8月份的风电96点出力数据分为两组，一组为6:00-18:00时间段的出力数据，一组为18:00-次日6:00的出力数据，分别统计不同出力区间的概率如表2所示。
表2风电场昼夜出力概率分布
Figure BDA0002235444550000051
所述核密度估计法具体为，核密度函数如下：
Figure BDA0002235444550000052
式中：n为样本总数，h为平滑系数，Kh为核函数，zj为随机变量z的样本点。采用核密度估计法得到的两风电场夏季出力的边缘分布如图1、图2所示。
步骤S2:采用Frank Copula函数描述两个风电场相关性，得到相关性系数；
采用Frank Copula函数来描述风功率的相关性，使用Kendall秩相关系数τ来度量相关程度，
Kendall秩相关系数τ的定义如下：设随机变量(X1,Y1)，(X2,Y2)独立同分布，令
τ＝P((X1-X2)(Y1-Y2)＞0)-P((X1-X2)(Y1-Y2)＜0) (2)
称τ是Kendall’τ系数，该系数表示能度量X和Y变化的一致性程度。取值范围及相对应的意义如下表1所示，当相关系数大于0.5时，风电场出力的相关性不能忽视。
表1相关系数与相关程度
Figure BDA0002235444550000061
在本实施例中，同一季节昼夜不同时段两风电场的出力相关性无明显差异，因此，可视为同一季节不同时段两风电场出力相关程度相同。两风电场的二元Frank Copula分布函数如图3所示，计算得到两风电场的相关系数为0.7454，说明两风电场出力具有高度相关性。
步骤S3:根据得到的Frank Copula相关性系数和风电出力的概率分布，随机生成风功率样本点；
本实施例中，基于Frank Copula相关性系数，由MATLAB的Copularnd函数随机生成满足相关性要求的20000个风功率样本点，经模糊聚类后的样本点如图4所示。对这20000个样本点按风功率大小重新排列，根据风电场出力概率分布按比例从这20000个风功率样本点中分别抽取10000个风功率样本点作为昼、夜出力时序模拟的抽样框。
步骤S4:根据的得到的风功率样本点，通过蒙特卡罗模拟得到风电出力时序曲线；
在本实施例中，统计得到风电场1累计概率低于2％的15分钟内风电出力最大变化率为14.8％，风电场2相应最大变化率为9.2％。在15分钟内风电变化率不大于最大变化率的约束下进行蒙特卡罗模拟，得到风电场1和风电场2的某一天的时序出力曲线，如图5所示。
步骤S5:基于风电场短时间的变化规律对时序曲线进行修正,得到最终的风电出力时序曲线。
统计得到15分钟内风电场1出力变化率小于6％的累计概率为90％，可认为风电场1短时出力变化率集中在6％以下；风电场2出力变化率小于5.6％的累计概率为90％，可认为风电场1短时出力变化率集中在5.6％以下。在此基础上对步骤4得到的风电出力曲线进行修正，对风电场1当相邻两抽样点的变化率小于12％时，将后一时刻的抽样值修正为两点的均值，即W(t+1)＝(W(t+1)+W(t))/2，其中W(t)为第t个的风电抽样点。同理对风电场2当相邻两抽样点变化率小于11.2％时，将后一时刻的抽样值修正为两点的均值。得到两风电场最终的风电出力仿真曲线如图6、图7所示。
在本实施例中，模拟得到夏季91天的风电出力时序仿真曲线，分别统计不同出力区间的概率如表3所示，与历史出力数据相应的概率分布基本吻合，说明本方法得到的风电出力曲线能较为准确地刻画风电出力情况。
表3风电场昼夜模拟出力概率分布
Figure BDA0002235444550000081
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (6)

1.一种考虑相关性的风电场出力时序曲线仿真方法，其特征在于，包括以下步骤：
步骤S1:分季度分时段采集两个风电场历史出力数据为样本，并分别采用核密度估计法求解风电出力边缘分布；
步骤S2:采用Frank Copula函数描述两个风电场相关性，得到相关性系数；
步骤S3:根据得到的Frank Copula相关性系数和风电出力的概率分布，随机生成风功率样本点；
步骤S4:根据的得到的风功率样本点，通过蒙特卡罗模拟得到风电出力时序曲线；
步骤S5:基于风电场短时间的变化规律对时序曲线进行修正,得到最终的风电出力时序曲线。
2.根据权利要求1所述的一种考虑相关性的风电场出力时序曲线仿真方法，其特征在于：所述季度包括3-5月的春季、6-8月的夏季、9-11月的秋季、12-次年2月的冬季四个季度；所述时段包括6:00-18:00、18:00-次日6:00两个时段。
3.根据权利要求1所述的一种考虑相关性的风电场出力时序曲线仿真方法，其特征在于：所述核密度估计法具体为，核密度函数如下：
Figure FDA0002235444540000011
式中：n为样本总数，h为平滑系数，Kh为核函数，zj为随机变量z的样本点。
4.根据权利要求1所述的一种考虑相关性的风电场出力时序曲线仿真方法，其特征在于，所述步骤S2采用Frank Copula函数来描述风功率的相关性，使用Kendall秩相关系数τ来度量相关程度，
Kendall秩相关系数τ的定义如下：设随机变量(X1,Y1)，(X2,Y2)独立同分布，令
τ＝P((X1-X2)(Y1-Y2)＞0)-P((X1-X2)(Y1-Y2)＜0) (2)
称τ是Kendall’τ系数，该系数表示能度量X和Y变化的一致性程度。
5.根据权利要求1所述的一种考虑相关性的风电场出力时序曲线仿真方法，其特征在于，所述步骤S3具体为：
步骤S31:基于Frank Copula相关性系数，由MATLAB的Copularnd函数随机生成满足相关性要求的M个风功率样本点；
步骤S32：对这M个风功率样本点，重新排列，根据风电场出力概率分布按比例从这M个风功率样本点中分别抽取K个风功率样本点作为昼、夜出力时序模拟的抽样框。
6.根据权利要求1所述的一种考虑相关性的风电场出力时序曲线仿真方法，其特征在于，所述修正具体为：确定累计概率为90％的风电出力变化率，若相邻两点变化率落在该变化率的两倍以内的区间，则将后一时刻的抽样值修正为两点的均值，即W(t+1)＝(W(t+1)+W(t))/2，其中W(t)为第t个的风电抽样点。
CN201910981846.0A 2019-10-16 2019-10-16 一种考虑相关性的风电场出力时序曲线仿真方法 Active CN112307590B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910981846.0A CN112307590B (zh) 2019-10-16 2019-10-16 一种考虑相关性的风电场出力时序曲线仿真方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910981846.0A CN112307590B (zh) 2019-10-16 2019-10-16 一种考虑相关性的风电场出力时序曲线仿真方法

Publications (2)

Publication Number Publication Date
CN112307590A true CN112307590A (zh) 2021-02-02
CN112307590B CN112307590B (zh) 2022-07-05

Family

ID=74486791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910981846.0A Active CN112307590B (zh) 2019-10-16 2019-10-16 一种考虑相关性的风电场出力时序曲线仿真方法

Country Status (1)

Country Link
CN (1) CN112307590B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113761706A (zh) * 2021-07-19 2021-12-07 国网新疆电力有限公司经济技术研究院 获取风电出力波动相关性的方法
CN113807019A (zh) * 2021-09-24 2021-12-17 清华大学 基于改进场景分类和去粗粒化的mcmc风电模拟方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101764413A (zh) * 2009-11-25 2010-06-30 中国电力科学研究院 一种大规模风电集中接入电网的系统仿真方法
WO2012042362A1 (en) * 2010-09-30 2012-04-05 Energie Etiche S.R.L. Combined system for evaluating the producibility of a wind farm
CN105303266A (zh) * 2015-11-23 2016-02-03 国网山东省电力公司经济技术研究院 一种准确估计风电功率预测误差区间的方法
CN107038292A (zh) * 2017-04-01 2017-08-11 三峡大学 一种基于自适应多变量非参数核密度估计的多风电场出力相关性建模方法
CN108197394A (zh) * 2018-01-05 2018-06-22 上海电气分布式能源科技有限公司 一种风速曲线仿真方法
CN109492315A (zh) * 2018-11-19 2019-03-19 西安交通大学 一种基于Copula函数的时空相关风光序列模拟方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101764413A (zh) * 2009-11-25 2010-06-30 中国电力科学研究院 一种大规模风电集中接入电网的系统仿真方法
WO2012042362A1 (en) * 2010-09-30 2012-04-05 Energie Etiche S.R.L. Combined system for evaluating the producibility of a wind farm
CN105303266A (zh) * 2015-11-23 2016-02-03 国网山东省电力公司经济技术研究院 一种准确估计风电功率预测误差区间的方法
CN107038292A (zh) * 2017-04-01 2017-08-11 三峡大学 一种基于自适应多变量非参数核密度估计的多风电场出力相关性建模方法
CN108197394A (zh) * 2018-01-05 2018-06-22 上海电气分布式能源科技有限公司 一种风速曲线仿真方法
CN109492315A (zh) * 2018-11-19 2019-03-19 西安交通大学 一种基于Copula函数的时空相关风光序列模拟方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘波: "基于semi-Markov过程和Copula函数的风电系统可靠性分析", 《中国博士学位论文全文数据库》 *
李权等: "基于非参数估计和最优Copula的电力系统概率潮流算法", 《电气自动化》 *
李玉敦: "计及相关性的风速模型及其在发电系统可靠性评估中的应用", 《中国博士学位论文全文数据库》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113761706A (zh) * 2021-07-19 2021-12-07 国网新疆电力有限公司经济技术研究院 获取风电出力波动相关性的方法
CN113807019A (zh) * 2021-09-24 2021-12-17 清华大学 基于改进场景分类和去粗粒化的mcmc风电模拟方法

Also Published As

Publication number Publication date
CN112307590B (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
Wang et al. Wind speed forecasting for power system operational planning
Omer On the wind energy resources of Sudan
CN104318077B (zh) 气候变化和人类活动对河川径流变化定量分析方法
CN108491682B (zh) 降雨径流预报系统
CN103218757B (zh) 一种确定光伏发电容量可信度的方法
CN107528350B (zh) 一种适应中长期电源规划的风电出力典型场景生成方法
Suomalainen et al. Synthetic wind speed scenarios including diurnal effects: Implications for wind power dimensioning
CN112307590B (zh) 一种考虑相关性的风电场出力时序曲线仿真方法
CN103683326A (zh) 一种区域电网风电多点接入最佳接纳能力的计算方法
CN110334870B (zh) 基于门控循环单元网络的光伏电站短期功率预测方法
CN109783841A (zh) 一种基于多场景状态转移矩阵与条件概率抽样的光伏出力时间序列模拟方法
CN110909911B (zh) 考虑时空相关性的多维时序数据的聚合方法
CN104091077B (zh) 一种风电场光伏电站联合出力模拟方法
McIntyre et al. Local wind-energy potential for the city of Guelph, Ontario (Canada)
CN104794325A (zh) 一种基于随机差分方程的集群风电场出力时序模拟方法
CN113191918A (zh) 基于时序生成对抗网络的月度风光发电功率场景分析方法
Yu et al. Wind speed modeling and energy production simulation with Weibull sampling
CN106485093A (zh) 基于改进马尔可夫链的太阳辐照度时间序列合成方法
CN103996079A (zh) 一种基于条件概率的风电功率加权预测方法
CN107403015A (zh) 一种基于时间序列相似性的短期光功率预测方法
CN104835075A (zh) 一种基于风电调度运行综合评价的风电优先消纳方法
CN106557867B (zh) 适用中长时间尺度电网分析的光伏发电概率模型建模方法
CN106355264B (zh) 一种参考作物腾发量组合预测方法
CN103886185A (zh) 一种用于风资源评估的年风速生成方法
CN115765044A (zh) 风光水电系统联合运行及风险分析方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant