[发明专利]一种基于风过程划分的风电出力重构方法

说明书

技术领域

本发明涉及新能源发电技术领域，特别是一种基于风过程划分的风电出力重构方法。

背景技术

对于风电这种不确定性电源，现有研究多为采用时序仿真方法研究其对电力系统运行的 影响，首先对风电时间序列进行建模，然后应用随机生产模拟系统运行，统计各项运行指标 得到结果，风电出力时间序列建模是一个十分基础的环节。近年来，有大量学者对风电时间 序列特性及模型进行了研究，但各有缺点。根据风速服从威布尔分布随机抽样风速时间序列 并转化成风电出力时间序列，但这种方法得到的风电出力时间序列没有包含实际风电出力的 时序性，得到的风电出力极有可能会出现短时的波动非常大，不符合实际出力的情况。根据 时间序列ARMA及相关衍生模型对风电出力时间序列进行建模，此方法适用于短时风功率预 测，但长时间尺度模拟时风电出力水平的概率分布难以保证。基于随机差分方程的扩散过程 模拟风电时间序列，该方法保证了风电出力的概率分布和自相关特性符合实际情况，但无严 格证明风电时间序列服从由随机差分方程确定的扩散过程。对风速时间序列进行频谱分析， 利用小波逆变换得到风速时间序列。这种方法可以得到符合波动特性的风速时间序列，但不 能完整地模拟风速的随机性和波动性。利用马尔科夫随机过程模拟风电出力时间序列。这种 方法从概率角度看没有问题，各项统计指标均合理，但没有考虑长时间尺度内风的相关性， 导致应用价值不大。

因此，需要一种基于风过程划分的风电出力重构方法。

发明内容

本发明的目的是提出一种基于风过程划分的风电出力重构方法。

本发明的目的是通过以下技术方案来实现的：

本发明提供的基于风过程划分的风电出力重构方法，包括以下步骤：

获取风电出力时间序列并存储为历史风电时间序列；

对风电出力时间序列进行滤波处理；

将滤波处理后的风电出力时间序列划分为片段和风过程；

将风过程转移作为马尔科夫随机过程，片段在风过程内部随机分布，统计风过程转移概 率和片段概率分布；

通过序贯抽样技术随机抽取风过程及风过程内部的片段得到模拟风电出力轮廓；

确定模拟风电出力时间序列的模拟误差；

将模拟误差加到风电出力轮廓中得到模拟风电出力时间序列。

进一步，所述对风电出力时间序列进行滤波处理采用小波滤波处理。

进一步，所述对滤波处理后的风电出力时间序列划分为片段和风过程，具体过程如下：

对风电出力时间序列滤波得到风电出力轮廓；

获取风电出力轮廓的极值点；

在风电出力轮廓的极值点处将风电出力时间序列划分为首尾相连的片段；

并对片段进行归一化处理得到理想风电出力时间序列；

将理想风电出力时间序列按照如下方式划分为不同的风过程；

所述不同的风过程包括低出力风过程、小波动风过程和大波动风过程；

所述低出力风过程指起始值和结束值均小于判别阈值T1且风过程中最大值小于等于判 别阈值T1的风电出力时间序列片段；所述起始值和结束值均为极值点；

所述小波动风过程指风过程内部首尾两个极值点之间的值大于判别阈值T1且小于等于 判别阈值T2的风电出力时间序列片段；

所述大波动风过程指风过程内部首尾两个极值点之间的值大于判别阈值T2且风过程中 最大值大于判别阈值T2的风电出力时间序列片段。

进一步，所述通过序贯抽样技术随机抽取风过程及风过程内部的片段得到模拟风电出力 轮廓；根据不同的风过程采用不同的处理方法将风过程序列转化为风电出力时间序列；具体 步骤如下：

若风过程是低出力风过程，则根据低出力风过程持续时间概率分布，随机抽样低出力风 过程持续时间，然后将风电出力时间序列中相应位置相应长度的序列置零得到低出力风过程；

若风过程是小波动风过程或大波动风过程，则首先根据小波动风过程的起始片段三维概 率分布，随机抽样小波动风过程的起始片段，根据小波风过程内部片段的个数的概率分布随 机抽样内部片段个数，根据起始片段的结束值和小波动风过程下降片段三维概率分布随机抽 样小波动风过程下降片段，根据下降片段的结束值和上升片段三维概率分布随机抽样上升片 段，直至片段个数达到抽样得到的片段个数；最后利用最后一个上升片段的结束值和截止片 段的三维概率分布随机抽样小波动风过程的截止片段，将各个片段首尾连接起来即得到模拟 的小波动风过程出力时间序列，片段内部服从之前设定的理想片段的抛物线模式；