[发明专利]一种考虑数据时序性的风电功率波动特性概率建模方法

权利要求书

1.一种考虑数据时序性的风电功率波动特性概率建模方法，其特征在于，包括以下步骤：

步骤S1：获取风电场分钟级平均功率数据；

步骤S2：对数据进行预处理，包括缺失数据补正及异常数据修正；

步骤S3：对数据进行时序性处理得到风电场功率序列；

步骤S4：对风电场功率序列进行指数加权平滑处理，得到风电场功率持续分量序列；

步骤S5：基于风电场功率序列与风电场功率持续分量序列，计算得到风电场分钟级功率波动分量序列；

步骤S6：基于风电场分钟级功率波动分量序列进行概率密度函数拟合，得到概率分布的相关参数；

步骤S7：基于拟合参数得到风电功率波动特性的概率模型。

2.根据权利要求1所述的考虑数据时序性的风电功率波动特性概率建模方法，其特征在于，所述对数据进行预处理包括以下步骤：

步骤S21：缺失数据补正：若数据缺失个数不超过误差允许的限值，则采用线性插值的方法对数据进行补正，否则使用相同或近似条件下的数据进行替代；

步骤S22：异常数据修正：根据对风电场出力数据的经验，对超出数据限值或短时突变的数据进行校验，删除确认有误的数据并进行缺失数据补正。

3.根据权利要求1所述的考虑数据时序性的风电功率波动特性概率建模方法，其特征在于，所述对数据进行时序性处理得到风电场功率序列，包括以下步骤：

步骤S31：将各分钟级风电功率数据按照其时间顺序进行排列，得到有时序的分钟级风电功率数据{x₁,x₂,...,x_n}。

4.根据权利要求1所述的考虑数据时序性的风电功率波动特性概率建模方法，其特征在于，所述对风电场功率序列进行指数加权平滑处理，包括以下步骤：

步骤S41：按照加权系数α，对风电场功率序列进行一次指数加权平均计算，得到该序列的一次指数平滑值

步骤S42：以一次指数平滑值为新的时间序列，再一次进行指数平滑，得到二次指数平滑值

步骤S43：将二次指数平滑值序列作为风电场功率持续分量序列{x_f1,x_f2,...,x_fn}。

5.根据权利要求1所述的考虑数据时序性的风电功率波动特性概率建模方法，其特征在于，所述基于风电场功率序列与风电场功率持续分量序列，计算得到风电场分钟级功率波动分量序列，包括以下步骤：

步骤S51：计算风电场功率序列与风电场功率持续分量序列之差，作为风电场分钟级功率波动分量序列{x_m1,x_m2,...,x_mn}：

x_mt＝x_t-x_ft

6.根据权利要求1所述的考虑数据时序性的风电功率波动特性概率建模方法，其特征在于，所述基于风电场分钟级功率波动分量序列进行概率密度函数拟合，得到概率分布的相关参数，包括以下步骤：

步骤S61：输入风电场分钟级功率波动分量序列数据；

步骤S62：利用计算机程序对输入数据进行t location-scale分布拟合，该概率密度函数表达式为：

式中，μ为位置参数；σ尺度参数；v为形状参数。

步骤S63：输出概率分布函数的相关参数μ,σ,v。