[发明专利]一种基于相关性分析的风电场群风速分布预测方法

权利要求书

1.一种基于相关性分析的风电场群风速分布预测方法，其特征在于，包括以下步骤：

相关性分析步骤，用于读入风电场群地理信息以及历史风速数据，结合时延信息，进行修正经验变异函数下的风电场相关性分析；

相关区域划分步骤：选取合适的参考风电场，基于修正经验变异图来划分风电场群相关性区域；

相关性描述步骤，用于在相关区域划分步骤中划分的相关性区域内，利用经验分布函数描述风电场之间的相关性；

场景生成及削减步骤，用于利用逆变换抽样生成目标风电场风速场景，并进行场景削减；

风速曲线获取步骤，用于对削减场景求取目标风电场最优风速曲线，从而获取风电场群内各个风电场风速曲线；

所述相关性分析步骤进一步包括以下子步骤：

最优时延确定子步骤，基于公式1计算出最优时延，式1中，d表示风电场i与风电场j之间的空间距离，w(f_i,t)＝Z(f_i,t+1)-Z(f_i,t),Z(f_i，t)表示第i个风电场在时刻t的风速,Δt代表时延时间：γ(d)为修正经验变异函数，其中，所述最优时延是满足使γ(d)最小的时延；

变异函数拟合步子骤，在一个拥有n个风电场的风电场群中，以两个风电场为一组，求取最优时延下的修正经验变异函数，利用公式2对个修正经验变异函数点进行指数函数拟合，确定相关性区域的临界距离r，

g(d)＝Nu+s(1-exp(-3d/r)) 公式2

式中，块金值N_u为观测误差和距离间隔最小情况下变异强度的组合，r为临界距离，当d≤r时，风电场之间具有较强的空间相关性，当d>r时，风电场之间基本没有空间相关性。

2.根据权利要求1所述的一种基于相关性分析的风电场群风速分布预测方法，其特征在于，所述相关区域划分步骤进一步包括：

参考电场选取子步骤，选取具有较强的风速预测能力并且与周围风电场相关性较强的电场为参考风电场；

区域划分子步骤，以参考风电场为圆心，r为半径划分风电场群相关性区域。

3.根据权利要求2所述的一种基于相关性分析的风电场群风速分布预测方法，其特征在于，所述相关性描述步骤中采用“分箱”理论来分析参考风电场在不同风速下的目标风电场风速概率分布，并且进一步的包括以下子步骤：

分箱子步骤，将参考风电场风速数据整理到等长度的箱子中，使每一个箱子中都有若干个包括“参考风电场风速，目标风电场风速”的数据组；

描述子步骤，用经验分布函数求取每一个箱子内与参考风电场对应的目标风电场风速概率分布曲线。

4.根据权利要求3所述的一种基于相关性分析的风电场群风速分布预测方法，其特征在于，所述描述子步骤中，基于公式3中的经验分布函数来描述每个箱子中目标风电场风速的概率分布，

其中：

X为随机变量，(x₁，x₂，...，x_N)是数据样本。

5.根据权利要求4所述的一种基于相关性分析的风电场群风速分布预测方法，其特征在于，所述分箱子步骤中，将数据分到25个箱子中，并且每个箱子数据长度为0.04p.u.。

6.根据权利要求4所述的一种基于相关性分析的风电场群风速分布预测方法，其特征在于，场景生成及消减步骤中，生成场景的步骤具体包括以下子步骤：

函数生成子步骤，利用matlab工具箱生成d个T元正态分布函数Z～N(μ0，∑)，其中T为时间断面个数，μ0为均值，协方差矩阵∑为对角元素为1的正定矩阵，d为生成场景数量；

逆变换子步骤，对每一个时间断面t，使用d个T元正态分布函数Z～N(μ0，∑)对目标风电场概率分布曲线进行逆变换抽样，就可以得到目标风电场的d个风速场景。