[发明专利]风电场群出力预测与分析方法

权利要求书

1.一种风电场群出力预测与分析方法，其特征在于，具体包括如下步骤：

1)输入单元：获取各风电场出力历史实测时序数据，形成风电场群输出功率实测数据库；

2)预测单元：根据输入单元提供的风电场出力基础数据，分别建立自回归移动平均ARMA模型、累积式自回归移动平均ARIMA模型和ARIMA-GARCH模型，并通过原实测数据和模型拟合数据的比较，对比各预测模型的拟合效果，选取最佳预测模型，进而对各风电场的出力变化趋势进行预测；

3)分析单元：由风电场出力样本观测数据来估算所选最佳预测模型的各参数值，再利用T-1时刻之前数据信息集，预估下一时刻T的的边缘概率分布，结合Copula函数分析两两风电场之间的相关关系，然后再利用R藤Pair Copula结构分析整个风电场群的相依程度，给出各风电场同时出力的概率值，得到风电场群出力相关性分析模型；

4)输出单元：根据步骤2)的最佳预测模型和步骤3)所得风电场群出力相关性分析模型，给出目标规划年的风电场群出力预测值及风电场间的同时出力相关概率。

2.根据权利要求1所述风电场群出力预测与分析方法，其特征在于，所述步骤2)中ARIMA-GARCH模型是将ARIMA(p,d,q)模型和GARCH(p,q)模型相结合，建立单一风电场输出功率的预测模型，其中，ARIMA(1,1,1)-GARCH(1,1)联立模型如下：

x_t为时刻t风电场输出功率数据；u_t为时序数据序列的均值项；ε_t为时刻t的干扰项；B为后移差分算子；为时刻t的干扰项ε_t的方差；ξ_t为期望为μ，方差为常数σ²的独立同分布随机变量；N(μ,σ²)为以μ为期望、σ²为方差的正态分布；β₀、β₁、β₂均为待估计的参数。

3.根据权利要求2所述风电场群出力预测与分析方法，其特征在于，所述步骤3)边缘概率分布所求方法：

风电场输出功率数据序列X_t，t＝1,2,…,T-1，即序列{x₁,x₂,…,x_T-1}，利用{x₁,x₂,…,x_T-1}和最佳ARIMA-GARCH模型估计出参数μ、σ、β₀、β₁、β₂之后，可以求得下一时刻x_T的边缘概率分布：

其中，Ω_T-1为到时刻T-1为止的信息集；为参数为μ和σ的正态分布函数。

4.根据权利要求1所述风电场群出力预测与分析方法，其特征在于，所述步骤3)中分析单元包括基于正态Copula的R藤Pair-Copula子单元、基于t-Copula的R藤Pair-Copula子单元和经验Copula子单元；

基于正态Copula的R藤Pair-Copula子单元是将正态分布函数与多元Copula的PairCopula理论相结合，构建基于正态Copula的R藤Pair-Copula结构模型，分析符合正态分布的风电场出力之间的群相关特性；

基于t-Copula的R藤Pair-Copula子单元是将t分布函数与多元Copula的Pair Copula理论相结合，构建基于t-Copula的R藤Pair-Copula结构模型，分析符合t分布的风电场出力之间的群相关特性；

经验Copula子单元直接对风电场出力历史实测数据进行分析，建立样本的三元经验Copula函数。

5.根据权利要求4所述风电场群出力预测与分析方法，其特征在于，所述步骤4)中输出单元通过分别比较步骤3)所得三元经验Copula函数与基于正态Copula的R藤Pair-Copula概率分布函数、基于t-Copula的R藤Pair-Copula概率分布函数的相近程度，选取更为合适的风电场群出力相关性分析模型，并给出各风电场出力预测值和同时出力的概率值。