CN112883577B - 一种海上风电场出力典型场景生成方法及存储介质 - Google Patents

一种海上风电场出力典型场景生成方法及存储介质 Download PDF

Info

Publication number
CN112883577B
CN112883577B CN202110222885.XA CN202110222885A CN112883577B CN 112883577 B CN112883577 B CN 112883577B CN 202110222885 A CN202110222885 A CN 202110222885A CN 112883577 B CN112883577 B CN 112883577B
Authority
CN
China
Prior art keywords
output
offshore wind
wind farm
data
weather
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.)
Active
Application number
CN202110222885.XA
Other languages
English (en)
Other versions
CN112883577A (zh
Inventor
林勇
陈鸿琳
余浩
娄素华
许亮
左郑敏
张章亮
陈星�
彭穗
段瑶
龚贤夫
宫大千
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.)
Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid 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 Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202110222885.XA priority Critical patent/CN112883577B/zh
Publication of CN112883577A publication Critical patent/CN112883577A/zh
Application granted granted Critical
Publication of CN112883577B publication Critical patent/CN112883577B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种海上风电场出力典型场景生成方法及存储介质，方法包括，采集海上风电场出力数据和海上气象数据进行检测与处理，获取新的海上风电场出力数据和海上气象数据；根据海洋季风特征将新的海上风电场出力数据和海上气象数据划分为S季，获取海上风电场第s季出力的k个天气特征指标
Figure DDA0002953738060000011
其中，天气特征包括海洋非极端天气和海洋极端天气；根据海洋非极端天气的特征指标
Figure DDA0002953738060000012
确定第s季海洋非极端天气下的海上风电场出力典型场景及其概率；根据极端天的特征指标
Figure DDA0002953738060000013
确定第s季海洋极端天气下的海上风电场出力典型场景及其概率。本发明通过相关性分析，精准辨识出影响海上风电场出力的天气特征指标，提高了所选取场景的精确性和典型性。

Description

一种海上风电场出力典型场景生成方法及存储介质
技术领域
本发明涉及海上风力发电技术领域，尤其涉及一种海上风电场出力典型场景生成方法及存储介质。
背景技术
我国海岸线很长，近海风能资源丰富，具有巨大的开发潜力。与陆地风资源相比，海上风能资源具有诸多优势，平均风速、有效风能密度、风功率等级、可利用有效风速小时数、湍流强度等多项指标均优于陆地风资源。但同时受地理位置影响，沿海风能资源的海洋性季风特征十分明显，如冬、夏季的风可能呈现某一特定的风向，且沿海气象灾害频繁发生，热带风暴、台风等热带气旋将会给海上风力发电带来利弊皆有的影响。受近海风能资源禀赋的影响，海上风电出力具有以下典型特性：海上风电出力波动性更低；出现反调峰的程度和概率将会强于陆地风电；出力与海洋气象密切相关；出力具有明显的季节性特征等。海上风电的各种特性给电力系统生产模拟分析带来了很大的挑战，而建立能准确反映海上风电出力特性的出力模型是实现大规模海上风电优化消纳及电力系统规划工作的前提。
现有的陆地风电出力建模方法常用典型场景法，此方法可保证出力数据的原始特性，并兼顾模型计算效率，在基于场景分析的电力系统研究中应用较广。除此方法以外，还有基于风电时序出力数据的概率统计方法、多状态机组法的风电出力建模方法。
然而，当前风电场出力建模的方法主要是针对陆地风电场特征，根据陆地风速与风机出力的映射关系建立，但由于海上风电从风速特征、风电场布置等多个方面均与陆地风电场有较大差异，更强烈的反调峰特性以及多变的海洋气候特征使得海上风电具有更多复杂、极端的出力场景，而这些出力场景对于含大规模海上风电系统的中长期发展规划研究及其重要，现有方法并不能适应海上风电场的出力特性，导致获取的海上风电数据不准确，影响海上风电场出力典型场景中建模计算的准确率。
发明内容
本发明目的在于，提供一种海上风电场出力典型场景生成方法及存储介质，通过相关性分析，精准辨识出影响海上风电场出力的天气特征指标，提高了所选取场景的精确性和典型性。
为实现上述目的，本发明实施例提供一种海上风电场出力典型场景生成方法，包括：
采集海上风电场出力数据和海上气象数据进行检测与处理，获取新的海上风电场出力数据和海上气象数据；
根据海洋季风特征将所述新的海上风电场出力数据和海上气象数据划分为S季，筛选所述新的海上风电场出力数据和海上气象数据，获取海上风电场第s季出力的k个天气特征指标
Figure BDA0002953738040000021
其中，所述天气特征包括海洋非极端天气和海洋极端天气；
根据所述海洋非极端天气的特征指标
Figure BDA0002953738040000022
确定第s季海洋非极端天气下的海上风电场出力典型场景及其概率；
根据所述极端天的特征指标
Figure BDA0002953738040000023
确定第s季海洋极端天气下的海上风电场出力典型场景及其概率。
优选地，所述采集海上风电场出力数据和海上气象数据进行检测与处理，获取新的海上风电场出力数据和海上气象数据，包括：
所述检测与处理包括缺失数据补正、异常数据修正以及海洋极端天气筛选；
所述缺失数据补正包括，若数据缺失个数不超过误差允许的限值，则采用线性插值对数据进行补正；
所述异常数据修正包括，对超出数据限值或短时突变的数据进行校验，删除所述超出数据限值或短时突变的数据并进行缺失数据补正；
所述海洋极端天气筛选包括，根据海洋极端天气对海上风电场出力的影响，筛选出海洋极端天气下的海上风电场出力数据并单独分析。
优选地，所述根据海洋季风特征将所述新的海上风电场出力数据和海上气象数据划分为S季，筛选所述新的海上风电场出力数据和海上气象数据，获取海上风电场第s季出力的k个天气特征指标
Figure BDA0002953738040000024
其中，所述天气特征包括海洋非极端天气和海洋极端天气，包括：
根据所述新的海上风电场出力数据和气候数据构建多元回归分析方程，第s季海上风电场出力x与气候数据y的Pearson相关系数Rxy如下：
Figure BDA0002953738040000025
其中，
Figure BDA0002953738040000026
与/>
Figure BDA0002953738040000027
为出力数据x与气候要素数据y的样本均值。
优选地，所述根据海洋季风特征将所述新的海上风电场出力数据和海上气象数据划分为S季，筛选所述新的海上风电场出力数据和海上气象数据，获取海上风电场第s季出力的天气特征指标
Figure BDA0002953738040000031
其中，所述天气特征包括海洋非极端天气和海洋极端天气，包括：
若所述相关系数Rxy为正，用于表示海上风电场出力数据x和气候数据y呈正相关；
若所述相关系数Rxy为负，用于表示海上风电场出力数据x和气候数据y呈负相关；
其中，所述相关系数绝对值趋向于1，表示海上风电场出力数据x和气候数据y的相关性越强，所述相关系数绝对值趋向于0，表示海上风电场出力数据x和气候数据y的相关性越弱。
优选地，所述根据海洋季风特征将所述新的海上风电场出力数据和海上气象数据划分为S季，筛选所述新的海上风电场出力数据和海上气象数据，获取海上风电场第s季出力的天气特征指标
Figure BDA0002953738040000032
其中，所述天气特征包括海洋非极端天气和海洋极端天气，包括：
根据所述相关系数Rxy>0.4的气候数据y，获取海上风电场第s季出力的天气特征指标
Figure BDA0002953738040000033
优选地，所述根据所述海洋非极端天气的特征指标
Figure BDA0002953738040000034
确定第s季海洋非极端天气下的海上风电场出力典型场景及其概率，包括:
所述海洋非极端天气的特征指标包括，日平均出力
Figure BDA0002953738040000035
和日负荷高峰出力/>
Figure BDA0002953738040000036
设置所述日负荷高峰出力
Figure BDA0002953738040000037
的置信水平α∈(0,1)，筛选出第s季日负荷高峰出力不小于/>
Figure BDA0002953738040000038
的概率大于α的海上风电场日出力曲线/>
Figure BDA00029537380400000315
如下：
Figure BDA0002953738040000039
根据所述海上风电场日出力曲线
Figure BDA00029537380400000316
筛选出第s季日平均出力/>
Figure BDA00029537380400000310
不小于所述海上风电场日出力曲线/>
Figure BDA00029537380400000317
的置信水平ε∈(0,1)的海上风电场日出力曲线Pε s，如下：
Figure BDA00029537380400000311
优选地，所述根据所述海洋非极端天气的特征指标
Figure BDA00029537380400000312
确定第s季海洋非极端天气下的海上风电场出力典型场景及其概率，包括:
根据所述海上风电场日出力曲线Pε s，确定第s季置信水平α下海上风电场在海洋非极端天气W下的出力典型场景
Figure BDA00029537380400000313
如下：
Figure BDA00029537380400000314
所述海上风电场出力典型场景的概率，计算如下：
Figure BDA0002953738040000041
其中，
Figure BDA0002953738040000042
为天气W和置信水平α下的出力典型场景的出现概率，Nε为天气W下Pε s中日出力曲线的总数量。
优选地，所述根据所述海洋极端天气的特征指标
Figure BDA0002953738040000043
确定第s季海洋极端天气下的海上风电场出力典型场景及其概率，包括：
所述海洋极端天气的特征指标包括，日平均出力
Figure BDA0002953738040000044
和日负荷高峰出力/>
Figure BDA0002953738040000045
设置所述日负荷高峰出力
Figure BDA0002953738040000046
的置信水平β∈(0,1)，筛选出第s季日负荷高峰出力不小于/>
Figure BDA0002953738040000047
的概率大于β的海上风电场日出力曲线/>
Figure BDA0002953738040000048
如下：
Figure BDA0002953738040000049
优选地，所述根据所述海洋极端天气的特征指标
Figure BDA00029537380400000410
确定第s季海洋极端天气下的海上风电场出力典型场景及其概率，包括：
第s季置信水平β下海上风电场在海洋极端天气W'下的出力典型场景
Figure BDA00029537380400000411
如下：
Figure BDA00029537380400000412
所述海上风电场出力典型场景的概率，计算如下：
Figure BDA00029537380400000413
其中，
Figure BDA00029537380400000414
为天气W'和置信水平β下的出力典型场景的出现概率，Nβ为天气W'下/>
Figure BDA00029537380400000415
中日出力曲线的总数量。
本发明实施例还提供一种计算机可读存储介质，其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执行时实现如上述任一实施例所述的海上风电场出力典型场景生成方法。
本发明实施例的海上风电场出力典型场景生成方法中，通过获取海上风电场出力数据和海上气象数据，并进行检测和处理，根据所检测处理后的数据进行呢划分为s季，通过相关性分析，精准辨识出影响海上风电场出力的天气特征指标，提高了所选取场景的精确性和典型性。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明某一实施例提供的海上风电场出力典型场景生成方法的流程示意图；
图2是本发明某一实施例提供的微风天出力场景曲线图；
图3是本发明某一实施例提供的强风天出力场景曲线图；
图4是本发明某一实施例提供的大风天出力场景曲线图；
图5是本发明某一实施例提供的海洋极端天气出力场景曲线图。。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1，本发明实施例提供一种海上风电场出力典型场景生成方法，包括：
S101、采集海上风电场出力数据和海上气象数据进行检测与处理，获取新的海上风电场出力数据和海上气象数据。
具体的，海上风电场出力数据，记为P，收集海上气象数据，包括海上风电场的风速v、大气压p、气温T、降水量R、相对湿度U以及云量C等气候要素，收集的海上风电场出力数据和气候要素数据为对应数据与时间的序列，且数据需要采集自足够长的时间尺度，时间跨度要长于一个季度。对收集到的海上风电场出力数据和海上气象数据进行检测与处理，包括缺失数据补正、异常数据修正以及海洋极端天气筛选。
其中，缺失数据补正包括，若数据缺失个数不超过误差允许的限值，则采用线性插值对数据进行补正。
异常数据修正包括，对超出数据限值或短时突变的数据进行校验，删除所述超出数据限值或短时突变的数据并进行缺失数据补正。
海洋极端天气筛选包括，根据海洋极端天气对海上风电场出力的影响，筛选出海洋极端天气下的海上风电场出力数据并单独分析。
为进一步对不同海洋天气特征下海上风电场的出力建模建立基础，对所选场景的海上风电场出力数据和海上气象数据进行检测与处理，提高提取的精度。
S102、根据海洋季风特征将所述新的海上风电场出力数据和海上气象数据划分为S季，筛选所述新的海上风电场出力数据和海上气象数据，获取海上风电场第s季出力的k个天气特征指标
Figure BDA0002953738040000061
其中，所述天气特征包括海洋非极端天气和海洋极端天气。
具体的，根据海上风电场所处海域的海洋性季风特征，考虑每季海上风电场出力具有典型的特征，将海上风电场出力数据和海上气象数据划分为S季进行分析。在海上风电场出力与气候要素的多元回归分析中，以Pearson相关系数作为反映多变量之间相关性的方法，当变量间存在非线性关系时，需进行线性变换。不同季s的风电场出力所受影响因素可能不同，对S季分别计算该季的相关系数。
根据新的海上风电场出力数据和气候数据构建多元回归分析方程，第s季海上风电场出力x与气候数据y的Pearson相关系数Rxy如下：
Figure BDA0002953738040000062
其中，
Figure BDA0002953738040000063
与/>
Figure BDA0002953738040000064
为出力数据x与气候要素数据y的样本均值。若相关系数Rxy为正，用于表示海上风电场出力数据x和气候数据y呈正相关，若相关系数Rxy为负，用于表示海上风电场出力数据x和气候数据y呈负相关，其中，相关系数绝对值趋向于1，表示海上风电场出力数据x和气候数据y的相关性越强，相关系数绝对值趋向于0，表示海上风电场出力数据x和气候数据y的相关性越弱，根据相关系数Rxy>0.4的气候数据y，获取海上风电场第s季出力的天气特征指标/>
Figure BDA0002953738040000065
基于近海海域对海上风力发电影响显著的海洋季风性气候，将出力数据与气象数据划分S季进行研究，并通过相关性分析，精准辨识出影响海上风电场出力的天气特征指标，为不同海洋天气特征下海上风电场的出力建模建立基础，提高了所选取场景的精确性和典型性。
S1031、根据所述海洋非极端天气的特征指标
Figure BDA0002953738040000066
确定第s季海洋非极端天气下的海上风电场出力典型场景及其概率。
具体的，海洋非极端天气的特征指标包括，日平均出力
Figure BDA0002953738040000071
和日负荷高峰出力
Figure BDA0002953738040000072
以日负荷高峰出力/>
Figure BDA0002953738040000073
为依据，将第s季海洋非极端天气的海上风电场出力曲线Ps按
Figure BDA0002953738040000074
从小到大进行排序，考虑出力过低的情况，设置日负荷高峰出力/>
Figure BDA0002953738040000075
的置信水平α∈(0,1)，筛选出第s季日负荷高峰出力不小于/>
Figure BDA0002953738040000076
的概率大于α的海上风电场日出力曲线/>
Figure BDA0002953738040000077
Figure BDA0002953738040000078
根据海上风电场日出力曲线
Figure BDA00029537380400000720
筛选出第s季日平均出力/>
Figure BDA0002953738040000079
不小于海上风电场日出力曲线/>
Figure BDA00029537380400000721
的置信水平ε∈(0,1)的海上风电场日出力曲线Pε s，如下：
Figure BDA00029537380400000710
考虑海洋天气对海上风电场出力的影响，并以影响海上风电场第s季出力的天气特征指标
Figure BDA00029537380400000711
作为相似天气的评判依据，当仅以风速作为天气特征指标时，以日平均风速划分天气特征为微风天、强风天、大风天以及海洋极端天气。对应各种非极端的海洋天气/>
Figure BDA00029537380400000712
考虑负荷高峰时段海上风电场出力不足最严重的情形以提前预留足够的备用容量，将Pε s中日负荷高峰出力/>
Figure BDA00029537380400000713
最小的一条日出力曲线，作为第s季置信水平α下海上风电场在海洋非极端天气W下的出力典型场景/>
Figure BDA00029537380400000714
根据海上风电场日出力曲线Pε s，确定第s季置信水平α下海上风电场在海洋非极端天气W下的出力典型场景
Figure BDA00029537380400000715
如下：
Figure BDA00029537380400000716
出力典型场景的出现概率可对天气W和置信水平α下，海上风电场出力情况进行大致评估，此概率越小，表明海上风电场受该类型天气影响越多，海上风电场出力典型场景的概率，计算如下：
Figure BDA00029537380400000717
其中，
Figure BDA00029537380400000718
为天气W和置信水平α下的出力典型场景的出现概率，Nε为天气W下Pε s中日出力曲线的总数量。
本实施例基于近海海域对海上风力发电影响显著的海洋季风性气候，将出力数据与气象数据划分S季进行研究，并通过相关性分析，精准辨识出影响海上风电场出力的天气特征指标，为海洋非极端天气特征下海上风电场的出力建模建立基础，提高了所选取场景的精确性和典型性；
S1032、根据所述极端天的特征指标
Figure BDA00029537380400000719
确定第s季海洋极端天气下的海上风电场出力典型场景及其概率。
具体的，考虑到热带风暴等高风速海洋极端天气下，海上风电场出力接近满发，以日平均出力
Figure BDA0002953738040000081
为依据，将第s季海洋极端天气下的海上风电场出力曲线Ps'按/>
Figure BDA0002953738040000082
从小到大进行排序，海洋极端天气的特征指标包括，日平均出力/>
Figure BDA0002953738040000083
和日负荷高峰出力/>
Figure BDA0002953738040000084
设置日负荷高峰出力/>
Figure BDA0002953738040000085
的置信水平β∈(0,1)，筛选出第s季日负荷高峰出力不小于/>
Figure BDA0002953738040000086
的概率大于β的海上风电场日出力曲线/>
Figure BDA0002953738040000087
如下：
Figure BDA0002953738040000088
以影响海上风电场第s季出力的天气特征指标
Figure BDA0002953738040000089
作为相似海洋极端天气的评判依据。对应各种极端的海洋天气/>
Figure BDA00029537380400000810
将/>
Figure BDA00029537380400000811
中日平均出力/>
Figure BDA00029537380400000812
最大的一条日出力曲线，作为第s季置信水平β下海上风电场在海洋极端天气W'下的出力典型场景/>
Figure BDA00029537380400000813
第s季置信水平β下海上风电场在海洋极端天气W下的出力典型场景
Figure BDA00029537380400000814
如下：
Figure BDA00029537380400000815
出力典型场景的出现概率反映了天气W'和置信水平β下，海上风电场在海洋极端天气下日平均出力最高的情况出现的概率，可对海上风电场在海洋极端天气下出力情况进行大致评估。海上风电场出力典型场景的概率，计算如下：
Figure BDA00029537380400000816
其中，
Figure BDA00029537380400000817
为天气W'和置信水平β下的出力典型场景的出现概率，Nβ为天气W'下/>
Figure BDA00029537380400000818
中日出力曲线的总数量。
本发明基于近海海域对海上风力发电影响显著的海洋季风性气候，充分考虑海洋极端天气对海上风电场出力的巨大影响，将出力数据与气象数据划分s季进行研究，并通过相关性分析，精准辨识出影响海上风电场出力的天气特征指标，为不同海洋天气特征下海上风电场的出力建模建立基础，提高了所选取场景的精确性和典型性。
在一实施例中，首先对出力数据和气象数据划分季度，并进行相关性分析确定天气特征指标，然后计算海洋非极端天气、海洋极端天气下的海上风电场出力特征指标，最后根据置信度设置筛选出力典型场景。本实例基于中国东南部某一大型海上风电场2019年全年出力数据进行分析，出力数据和气象数据采样时间间隔为一小时。
(1)根据海上风电场所处海域的海洋性季风特征，将海上风电场出力数据和海上气象数据划分为s季进行分析。其中，S＝{1,2,3,4}，分别表示2019年的四季度。
(2)对海上风电场出力数据P及风速v、温度T、降水量R、云量C四种气候要素进行多元回归分析，以Pearson相关系数反映出力与其中某一气候要素的相关性，筛选相关性强的气候要素作为s季的天气特征指标。经计算，风电场出力与四种气候要素的相关系数如表1所示，故对该海上风电场，仅以风速v作为天气特征指标，对应天气特征为海洋非极端天气和海洋极端天气，其中，天气特征中的海洋非极端天气又被详细划分为微风、强风和大风三种。
表1风电场出力与四种气候要素的相关系数
S v T R C
1 0.497 -0.135 0.073 0.135
2 0.473 -0.189 0.137 -0.014
3 0.693 -0.044 0.148 0.206
4 0.500 -0.215 -0.042 0.164
(3)计算第s季海洋非极端天气下海上风电场日出力曲线的特征指标，计算第s季海洋极端天气下海上风电场日出力曲线的特征指标。
(4)请参照图2、图3、图4和图5，以日负荷高峰出力为依据，设置置信水平α＝0.9与平均出力指标ε＝0.2，筛选海洋非极端天气下s季的海上风电场日出力曲线的集合Pε s，选取日负荷高峰出力指标最小的日出力曲线作为出力典型场景
Figure BDA0002953738040000091
(5)以日平均出力为依据，设置置信水平γ＝0.95，筛选海洋极端天气下s季的海上风电场日出力曲线的集合，选取日平均出力指标最大的日出力曲线中作为海洋极端天气下出力场景
Figure BDA0002953738040000092
图中各季场景具有很高的日平均出力，反映了海洋极端天气下海上风电接近满发的情况，应用这些场景可计及海洋极端天气出力对机组调度、系统调峰等的影响。
本发明基于近海海域对海上风力发电影响显著的海洋季风性气候，将出力数据与气象数据划分s季进行研究，并通过相关性分析，精准辨识出影响海上风电场出力的天气特征指标，为不同海洋天气特征下海上风电场的出力建模建立基础，提高了所选取场景的精确性和典型性，本发明还提供了常规海洋天气下海上风电场出力典型场景选取方法以及其概率计算方法，该场景可反映海上风电场在各种海洋天气特征下的出力情况，可用于未来高比例海上风电并网后，含海上风电系统的运行模拟及效益评估，并充分考虑海洋极端天气对海上风电场出力的巨大影响，创造性地提出了极端海洋天气下海上风电场出力典型场景的选取方法，将该场景应用于系统运行模拟中，可进一步保障电网的安全稳定，优化海上风电场规划方案，并提高海上风电的消纳率。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述任意一个实施例中的海上风电场出力典型场景生成方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器，上述程序指令可由计算机终端设备的处理器执行以完成上述的海上风电场出力典型场景生成方法，并达到如上述方法一致的技术效果。
以上所述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，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (9)

1.一种海上风电场出力典型场景生成方法，其特征在于，包括：
采集海上风电场出力数据和海上气象数据进行检测与处理，获取新的海上风电场出力数据和海上气象数据，包括：所述检测与处理包括缺失数据补正、异常数据修正以及海洋极端天气筛选；所述缺失数据补正包括，若数据缺失个数不超过误差允许的限值，则采用线性插值对数据进行补正；所述异常数据修正包括，对超出数据限值或短时突变的数据进行校验，删除所述超出数据限值或短时突变的数据并进行缺失数据补正；所述海洋极端天气筛选包括，根据海洋极端天气对海上风电场出力的影响，筛选出海洋极端天气下的海上风电场出力数据并单独分析；
根据海洋季风特征将所述新的海上风电场出力数据和海上气象数据划分为S季，筛选所述新的海上风电场出力数据和海上气象数据，获取海上风电场第s季出力的k个天气特征指标
Figure FDA0004258739260000013
其中，所述天气特征包括海洋非极端天气和海洋极端天气；
根据所述海洋非极端天气的特征指标，确定第s季海洋非极端天气下的海上风电场出力典型场景及其概率；
根据所述海洋极端天气的特征指标，确定第s季海洋极端天气下的海上风电场出力典型场景及其概率。
2.根据权利要求1所述的海上风电场出力典型场景生成方法，其特征在于，所述根据海洋季风特征将所述新的海上风电场出力数据和海上气象数据划分为S季，筛选所述新的海上风电场出力数据和海上气象数据，获取海上风电场第s季出力的k个天气特征指标
Figure FDA0004258739260000011
其中，所述天气特征包括海洋非极端天气和海洋极端天气，包括：
根据所述新的海上风电场出力数据和气候数据构建多元回归分析方程，第s季海上风电场出力x与气候数据y的Pearson相关系数Rxy如下：
Figure FDA0004258739260000012
其中，
Figure FDA0004258739260000014
与/>
Figure FDA0004258739260000015
为出力数据x与气候数据y的样本均值。
3.根据权利要求2所述的海上风电场出力典型场景生成方法，其特征在于，所述根据海洋季风特征将所述新的海上风电场出力数据和海上气象数据划分为S季，筛选所述新的海上风电场出力数据和海上气象数据，获取海上风电场第s季出力的天气特征指标
Figure FDA0004258739260000021
其中，所述天气特征包括海洋非极端天气和海洋极端天气，包括：
若所述相关系数Rxy为正，用于表示海上风电场出力数据x和气候数据y呈正相关；
若所述相关系数Rxy为负，用于表示海上风电场出力数据x和气候数据y呈负相关；
其中，所述相关系数绝对值趋向于1，表示海上风电场出力数据x和气候数据y的相关性越强，所述相关系数绝对值趋向于0，表示海上风电场出力数据x和气候数据y的相关性越弱。
4.根据权利要求3所述的海上风电场出力典型场景生成方法，其特征在于，所述根据海洋季风特征将所述新的海上风电场出力数据和海上气象数据划分为S季，筛选所述新的海上风电场出力数据和海上气象数据，获取海上风电场第s季出力的天气特征指标
Figure FDA0004258739260000022
其中，所述天气特征包括海洋非极端天气和海洋极端天气，包括：
根据所述相关系数Rxy>0.4的气候数据y，获取海上风电场第s季出力的天气特征指标
Figure FDA0004258739260000023
5.根据权利要求2所述的海上风电场出力典型场景生成方法，其特征在于，所述根据所述海洋非极端天气的特征指标，确定第s季海洋非极端天气下的海上风电场出力典型场景及其概率，包括:
所述海洋非极端天气的特征指标包括，日平均出力
Figure FDA0004258739260000024
和日负荷高峰出力/>
Figure FDA0004258739260000025
设置所述日负荷高峰出力
Figure FDA0004258739260000026
的置信水平α∈(0,1)，筛选出第s季日负荷高峰出力不小于/>
Figure FDA0004258739260000027
的概率大于α的海上风电场日出力曲线/>
Figure FDA0004258739260000028
如下：
Figure FDA0004258739260000029
根据所述海上风电场日出力曲线
Figure FDA00042587392600000210
筛选出第s季日平均出力/>
Figure FDA00042587392600000211
不小于所述海上风电场日出力曲线/>
Figure FDA00042587392600000212
的置信水平ε∈(0,1)的海上风电场日出力曲线/>
Figure FDA00042587392600000213
如下：
Figure FDA00042587392600000214
6.根据权利要求5所述的海上风电场出力典型场景生成方法，其特征在于，所述根据所述海洋非极端天气的特征指标，确定第s季海洋非极端天气下的海上风电场出力典型场景及其概率，包括:
根据所述海上风电场日出力曲线
Figure FDA0004258739260000031
确定第s季置信水平α下海上风电场在海洋非极端天气W下的出力典型场景/>
Figure FDA0004258739260000032
如下：
Figure FDA0004258739260000033
所述海上风电场出力典型场景的概率，计算如下：
Figure FDA0004258739260000034
其中，
Figure FDA0004258739260000035
为天气W和置信水平α下的出力典型场景的出现概率，Nε为天气W下/>
Figure FDA00042587392600000316
中日出力曲线的总数量。
7.根据权利要求2所述的海上风电场出力典型场景生成方法，其特征在于，所述根据所述海洋极端天气的特征指标，确定第s季海洋极端天气下的海上风电场出力典型场景及其概率，包括：
所述海洋极端天气的特征指标包括，日平均出力
Figure FDA0004258739260000036
和日负荷高峰出力/>
Figure FDA0004258739260000037
设置所述日负荷高峰出力
Figure FDA0004258739260000038
的置信水平β∈(0,1)，筛选出第s季日负荷高峰出力不小于/>
Figure FDA0004258739260000039
的概率大于β的海上风电场日出力曲线/>
Figure FDA00042587392600000310
如下：
Figure FDA00042587392600000311
8.根据权利要求3所述的海上风电场出力典型场景生成方法，其特征在于，所述根据所述海洋极端天气的特征指标，确定第s季海洋极端天气下的海上风电场出力典型场景及其概率，包括：
第s季置信水平β下海上风电场在海洋极端天气W'下的出力典型场景
Figure FDA00042587392600000317
如下：
Figure FDA00042587392600000312
所述海上风电场出力典型场景的概率，计算如下：
Figure FDA00042587392600000313
其中，
Figure FDA00042587392600000314
为天气W'和置信水平β下的出力典型场景的出现概率，Nβ为天气W'下/>
Figure FDA00042587392600000315
中日出力曲线的总数量。
9.一种计算机可读存储介质，其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执行时实现如权利要求1至8任一项所述的海上风电场出力典型场景生成方法。
CN202110222885.XA 2021-02-26 2021-02-26 一种海上风电场出力典型场景生成方法及存储介质 Active CN112883577B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110222885.XA CN112883577B (zh) 2021-02-26 2021-02-26 一种海上风电场出力典型场景生成方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110222885.XA CN112883577B (zh) 2021-02-26 2021-02-26 一种海上风电场出力典型场景生成方法及存储介质

Publications (2)

Publication Number Publication Date
CN112883577A CN112883577A (zh) 2021-06-01
CN112883577B true CN112883577B (zh) 2023-07-04

Family

ID=76054960

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110222885.XA Active CN112883577B (zh) 2021-02-26 2021-02-26 一种海上风电场出力典型场景生成方法及存储介质

Country Status (1)

Country Link
CN (1) CN112883577B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113326636B (zh) * 2021-06-30 2023-01-20 广东电网有限责任公司 一种远海海上风电场时序出力曲线快速生成方法及系统
CN113988648A (zh) * 2021-10-29 2022-01-28 广东电网有限责任公司 一种风电柔直系统风险值的计算方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103296679B (zh) * 2013-05-20 2016-08-17 国家电网公司 电力系统中长期优化运行的中长期风电出力模型建模方法
CN105207255B (zh) * 2015-09-15 2018-03-20 国家电网公司 一种适用于风电出力的电力系统调峰计算方法
CN106786791B (zh) * 2016-11-30 2019-04-23 云南电网有限责任公司 一种风电出力场景的生成方法
CN107528350B (zh) * 2017-09-28 2019-09-13 华中科技大学 一种适应中长期电源规划的风电出力典型场景生成方法
CN109902340B (zh) * 2019-01-20 2023-04-07 东北电力大学 一种计及复杂气象耦合特性的多源-荷联合场景生成方法
CN110889779B (zh) * 2019-12-03 2022-10-21 华北电力大学（保定） 多风电场出力的典型场景模型构建方法和机组恢复方法
CN111062617A (zh) * 2019-12-18 2020-04-24 广东电网有限责任公司电网规划研究中心 一种海上风电出力特性分析方法及系统
CN111709112B (zh) * 2020-04-30 2023-05-16 广东电网有限责任公司电网规划研究中心 一种海上风电运行模拟方法、装置及存储介质

Also Published As

Publication number Publication date
CN112883577A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
Lai et al. Daily clearness index profiles cluster analysis for photovoltaic system
CN112883577B (zh) 一种海上风电场出力典型场景生成方法及存储介质
CN106845080B (zh) 基于差异修正的景区旅游气象灾害智能预测方法
CN110619291B (zh) 一种植被覆盖度与气候因子非线性响应关系的识别方法
de Oliveira et al. Generalized extreme wind speed distributions in South America over the Atlantic Ocean region
CN116402203A (zh) 计及天气情况的短时光伏发电量预测方法、系统及介质
CN106919645A (zh) 复杂地貌大景区的景点气象要素智能精细预测方法
CN113052386A (zh) 基于随机森林算法的分布式光伏日发电量预测方法和装置
CN116911806A (zh) 基于互联网+的电力企业能源信息管理系统
CN115936177A (zh) 一种基于神经网络的光伏输出功率预测方法及系统
CN113920349A (zh) 基于密度峰值-fcm的含气象数据的风光典型场景构造方法
CN114996943A (zh) 一种用于水库蓄水气候效应评估的中尺度数值模拟方法
CN106934094B (zh) 一种基于二十四节气的风电功率预测方法
CN117833216A (zh) 基于混合神经网络的光伏电站发电功率预测方法及装置
CN117236720A (zh) 利用多气象因子特征的光伏电站发电功率预测方法
CN115296298A (zh) 一种风电场功率预测方法
CN115238967A (zh) 一种结合云图和相邻电站集群的光伏功率预测方法及装置
CN114781749A (zh) 一种小水电厂发电流量数据的预测方法及系统
CN110390481B (zh) 一种水平面太阳散射辐照量评估方法及装置
CN113704696A (zh) 一种水库水温结构判别方法及判别设备
Nemes Statistical analysis of wind speed profile: a case study from Iasi Region, Romania
KR20180023078A (ko) 기상정보를 이용한 태양광 발전량 예측방법
CN111476393B (zh) 一种用于光伏项目可行性定量评估的方法
CN116742625B (zh) 变电站下网负荷的预测方法及系统
CN117688853B (zh) 基于短期潮位和长期气象资料的区域风暴潮破坏性评估方法及系统

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