[发明专利]基于改进马尔科夫链的模拟风电功率时间序列生成方法

说明书

技术领域

本发明涉及风电并网规划中的风电功率时间序列模拟领域，是一种基于改进马尔科夫链的模拟风电功率时间序列生成方法。

背景技术

风力发电的随机性与不确定性使得风电并网后电力系统稳定、安全、可靠运行面临巨大挑战，提高风电功率模拟序列的准确性，在电力系统规划及安全性评估等领域具有重要意义。

模拟生成风电功率时间序列是指以历史风电功率时间序列为基础，生成多个在统计特征上与历史风电功率时间序列相吻合的新序列。

生成风电功率时间序列的方法可分为两类：风速法和风功率法。若以风速时间序列作为输入量，根据风速—功率转换模型生成风电功率时间序列，由于风电场的输出功率还受到地形、温度等其它因素的影响，使风速—功率转换模型很难准确，因此风速法生成的风电功率时间序列较之历史风电功率时间序列存在较大偏差。风功率法是直接利用历史风电功率时间序列进行模拟，避免了经过风速—功率转换模型而进一步造成的偏差；应用马尔科夫链模型并采用风功率法生成的风电功率时间序列，与其它模型生成的风电功率时间序列相比，在概率密度分布与自相关性上表现更好，然而，现有技术的风电功率时间序列方法的原始马尔科夫链模型没有考虑风电功率自身的时域特性，其模拟结果还有待提高。因此需建立一个考虑风电功率特性的基于马尔科夫链的风电功率时间序列模型的基于改进马尔科夫链的模拟风电功率时间序列生成方法。迄今为止，未见有关基于改进马尔科夫链的模拟风电功率时间序列生成方法的文献报道和实际应用。

发明内容

本发明的目的是，提供一种科学合理，简单实用，计算速度快，精度更高，模拟效果更佳的基于改进马尔科夫链的模拟风电功率时间序列生成方法。

实现本发明目的所采用的技术方案是，一种基于改进马尔科夫链的模拟风电功率时间序列生成方法，其特征在于，它包括以下步骤：

1)数据分类

基于改进马尔科夫链的模拟风电功率时间序列生成方法需要综合考虑风电功率的季节特性、日特性及波动特性，因此在计算状态转移矩阵之前需对历史数据进行分类，分类原则如下：

①考虑季节特性

风电功率的季节特性主要表现为一年当中不同月份输出功率的大小存在差异，为了在生成的风电功率时间序列中体现出季节特性，需将时间长度为一年的历史风电功率时间序列分为12个片段，用λ表示，λ＝1，2，…，12，每一个月为一个片段；

②考虑日特性

风电功率的日特性主要表现为由于日照的原因，一天当中不同时段风电功率的大小存在差异，且不同月份的日特性一般也不同，需将历史风电功率时间序列每一天的数据分为四部分，每一部分对应的时间分别为00:00-06:00，06:00-12:00，12:00-18:00，18:00-24:00，将四个时间段用θ表示，θ＝θ₁，θ₂，θ₃，θ₄；

将历史风电功率时间序列用Ω来表示，则月份λ里时段θ中的历史风电功率时间序列表示为Ω_λ.θ，其中λ＝1，2，…，12；θ＝θ₁，θ₂，θ₃，θ₄；

2)确定风电功率状态数

根据历史风电功率区间大小，将风电功率的取值区间平均分为S个部分，S为风电功率状态数；

3)计算风电功率状态转移矩阵

在风电功率的一阶马尔科夫链P＝{P₁，P₂，…，P_t，…，P_N}中，P_t为模拟风电功率时间序列中的元素，其中t＝1，2，…，N，N为模拟风电功率时间序列的数据个数，风电功率值均处于状态空间E中，E＝{E₁，E₂，…，E_i，…，E_S}，E_i为风电功率的第i个状态，i＝1，2，…，S，S为风电功率状态总个数，模拟风电功率时间序列每一时刻的功率值只能处于其中一个状态，风电功率从当前时刻状态转向下一时刻状态的过程称为状态转移，其在状态转移过程中，有S-1种方向是转向其它状态，有一种方向是转向自身，因此每一个状态都有S种转移方向；