[发明专利]基于云模型的风电场功率爬坡风险评估方法

权利要求书

1.一种基于云模型的风电场功率爬坡风险评估方法，包括步骤：

S1：划分风险等级，并利用一标准风险云模型生成标准风险云；

S2：根据风险评估需求，采集风电场功率爬坡风险相关数据，并对采集到的所述风电场功率爬坡风险相关数据进行预处理；

S3：通过一风险属性云逆向生成模型生成风险属性云；

S4：利用一综合风险模型对所述风险属性云进行计算获得综合风险云；

S5：风险评估步骤；

S6：计算当前风险值。

2.根据权利要求1所述的基于云模型的风电场功率爬坡风险评估方法，其特征在于，所述S1步骤进一步包括步骤：

预设一风险值取值范围；

将所述风险值取值范围分为n个子区间，其中第i子区间表示为其中为第i子区间的最小值，为第i子区间的最大值，n为大于2的自然数，i为自然数；

利用所述标准风险云模型生成所述标准风险云。

3.根据权利要求1所述的基于云模型的风电场功率爬坡风险评估方法，其特征在于，所述标准风险云模型为：n为大于2的自然数；

其中，表示标准风险云；表示所述标准风险云的期望；表示所述标准风险云的熵；表示所述标准风险云的超熵；η表示所述标准风险云的随机性系数。

4.根据权利要求3所述的基于云模型的风电场功率爬坡风险评估方法，其特征在于，所述风电场功率爬坡风险相关数据包括：爬坡持续时间和爬坡量。

5.根据权利要求4所述的基于云模型的风电场功率爬坡风险评估方法，其特征在于，所述预处理步骤包括：对每种所述风电场功率爬坡风险相关数据划分多个等级。

6.根据权利要求5所述的基于云模型的风电场功率爬坡风险评估方法，其特征在于，所述S3进一步包括步骤：

基于所述风险属性云逆向生成模型利用MATLSB编程形成一风险属性云逆向生成器；

输入多个样本点X_i(x_i1,x_i2,…x_im)，i＝1,2,…,n；

所述风险属性云逆向生成器生成所述风险属性云；

所述风险属性云逆向生成模型为：

其中，表示风险属性云；表示第i所述风险属性云的期望；表示第i所述风险属性云的熵；He′_i表示第i所述风险属性云的超熵；X_i表示第i所述样本点的均值；S²表示第i所述样本点的方差。

7.根据权利要求6所述的基于云模型的风电场功率爬坡风险评估方法，其特征在于，所述综合风险模型表示为：

其中，m为所述风电场功率爬坡风险相关数据的种类数，λ_i为所述种类对应的权重。

8.根据权利要求7所述的基于云模型的风电场功率爬坡风险评估方法，其特征在于，所述S5步骤中：

通过一相似度公式计算所述综合风险云中各子云与所述标准风险云中各子云的相似度；

根据所述相似度寻找获得与综合风险云相似度最高的所述标准风险云中的子云；并将该子云对应的信任等级作为实际的风险等级。

9.根据权利要求8所述的基于云模型的风电场功率爬坡风险评估方法，其特征在于，所述相似度公式为：

其中，δ表示相似度，u_i表示所述综合风险云中第i子云在所述标准风险云中第i子云中的隶属度，u′_i表示所述标准风险云中第i子云在所述综合风险云中第i子云中的隶属度。

10.根据权利要求9所述的基于云模型的风电场功率爬坡风险评估方法，其特征在于，所述S6步骤中：

每种所述风电场功率爬坡风险相关数据的第i个等级得分区间为根据一风险值评估公式计算该区间的当前风险值：

其中N为总评价数，M为等级个数。