[发明专利]一种风电功率建模最优状态数的确定方法及系统

说明书

本发明提供了一种风电功率建模最优状态数的确定方法和系统，包括：搜集和整理的历史风电出力数据，设定不同的出力状态数，划分风电功率的状态；建立不同出力状态数条件下各风电出力数据点之间的状态转移矩阵；根据状态转移矩阵生成不同状态数条件下的风电出力时间序列；计算历史风电出力时间序列滞后k时刻的自相关系数和生成的风电出力时间序列滞后k时刻的自相关系数；计算历史风电出力时间序列滞后k时刻的自相关系数和生成的风电出力时间序列滞后k时刻的自相关系数的均方差；选取自相关系数均方差最小值时的状态数为最优状态数。本发明提供的技术方案，通过选取风电功率建模的最优状态数，最大限度的提升了MCMC方法生成风电出力时间序列的精度。

技术领域

本发明涉及新能源发电技术领域，具体涉及一种风电功率建模最优状态数的确定方法及系统。

背景技术

马尔科夫链蒙特卡洛法(Markov Chain Monte Carlo,MCMC)法是一种简单实用的风电出力时间序列随机生成方法。利用该方法生成的风电出力随机变量能够满足其在所定义的不同状态之间的转移概率要求，同时MCMC方法能够使生成得风电出力时间序列保留原始数据的均值、标准差、概率密度函数(Probability Density Function,PDF)以及自相关系数(Autocorrelation Function,ACF)，因此有着较高的实用价值。

然而MCMC法只能用于生成离散的状态点，在各状态内风电功率的取值是任意的，一般采用均匀分布的随机数进行叠加。采用MCMC方法生成风电功率时间序列，生成的风电出力时间序列的特性与状态数的选取息息相关，目前主要是凭借经验来确定状态数，缺乏相应的理论基础，如何确定生成序列的最优状态数是亟需解决的一个重要问题。

因此为了解决上述问题，需要提供一种风电功率建模最优状态数的确定方法及系统，来提升MCMC方法的建模精度。

发明内容

本发明提供一种风电功率建模最优状态数的确定方法，所述方法包括下述步骤：

搜集和整理的历史风电出力数据，设定不同的出力状态数，划分风电功率的状态；

建立不同出力状态数条件下各风电出力数据点之间的状态转移矩阵；

根据状态转移矩阵生成不同状态数条件下的风电出力时间序列；

计算历史风电出力时间序列滞后k时刻的自相关系数和生成的风电出力时间序列滞后k时刻的自相关系数；

计算历史风电出力时间序列滞后k时刻的自相关系数和生成的风电出力时间序列滞后k时刻的自相关系数的均方差；

选取自相关系数均方差最小值时的状态数为最优状态数。

所述整理历史风电出力数据为：所述对历史风电出力数据进行归一化处理；

根据出力状态数划分风电功率的状态为：设定状态数为N，将归一化后的风电出力取值范围离散化，根据状态数划分离散区间，每个离散化区间代表风电功率的一个状态，归一化后的风电出力落入的离散化区间代表所述归一化后的风电出力的状态。

根据不同状态数N，建立N×N的状态转移矩阵，所述状态转移矩阵的元素P_ij如下式所示：

p_ij＝P_r(x_n＝j|x_n-1＝i) (3)

其中，P_ij为风电出力从当前时刻的状态i，转移到下一时刻的状态j的概率，x_n和x_n-1分别表示n和n-1时刻的状态。

根据式(4)分别计算历史风电出力时间序列滞后k时刻的自相关系数和生成的风电出力时间序列滞后k时刻的自相关系数；