[发明专利]一种风电出力典型特性的分析模型构建方法

说明书

本发明公开一种风电出力典型特性的分析模型构建方法，获取原始数据并对数据预处理，采用表征多时空尺度的风电波动性、同时率评价指标对数据进行归一化处理，分段聚合降低维度；基于改进的自适应模糊聚类算法，计算自适应函数α(c)，确定最佳聚类数c，对风电出力特性分类；引入变异离散度系数β_i，剔除风电出力畸变数据；提出分区加权中位值概率估计法，辨识并提取风电出力日典型特性曲线/区间带。本发明对多空间尺度的大规模风电出力特性，月、季度或年多时间尺度的风电出力特性进行分析计算，提取风电出力日典型特性曲线/区间带，使电力运行人员能更好地把握风电出力规律，为电力系统实时调度、调度计划安排、风电场规划及系统备用配置提供技术参考。

技术领域

本发明涉及电力系统控制技术领域，尤其涉及一种风电场出力日典型特性曲线/区间带分析模型构建方法。

背景技术

随着风力发电技术的发展，风力发电是目前世界上发展最快的可再生能源，装机容量在电网中所占比逐日俱增,风电出力具有间歇性和随机性，与负荷需求不同步、反调峰的特点，风电大规模并网对电网产生的影响也越来越明显，例如对电网安全稳定、风电送出、调频调峰、电能质量、备用安排、运行单位众多、协调困难等问题的影响,不仅影响到电网的安全运行,也限制了电网接纳风电的能力，导致弃风量进一步增大，造成能源浪费。

由于风电出力的间歇性不确定性，风电出力特性与负荷需求不一样，采用常规出力指标(日最大值/最小值、日平均值、日峰谷差、日峰谷差率等)难以直观得到风电出力特性曲线的大概轮廓。而风电出力特性的评价指标体系是风电并网研究的基础，目前风电出力特性的研究大多为定性分析，缺乏系统性的风电出力特性指标体系，从而导致难以深入掌握大规模风电出力的规律和典型特性，缺少对风电场出力典型特性模型构建方法,导致电力工作者无法更好地把握风电出力规律，电力系统实时调度、调度计划安排、风电场规划及系统备用配置缺失依据标准。

发明内容

本发明的目的在于提供一种风电出力典型特性的分析模型构建方法，综合考虑了风电出力的不确定性，波动性及随机性等不同表现形式，更益于识别风电出力日典型特性，保留了风电出力波动过程的完整性与连续性，协助电力工作者更好地把握风电出力规律，为电力系统实时调度、调度计划安排、风电场规划及系统备用配置提供技术参考。

为实现上述目的，本发明的技术方案为：一种风电出力典型特性的分析模型构建方法，所述构建方法包括以下步骤：

1)获取风电出力的样本数据，计算风电出力特性评价指标及空间特性指标并对其进行归一化处理；

2)依据电价表的峰平谷时段，对风电出力的样本数据分段聚合降维处理；

3)对分段后的数据集，初始化模糊聚类算法的参数，获得初始聚类中心和模糊矩阵；

4)根据聚类数的自适应函数α(c)，迭代计算，找出最大的α(c)，获得最佳模糊聚类数c；

5)根据最佳模糊聚类数，获得样本数据的模糊离散度及变异系数倒数，并计算出样本数据的变异离散度系数β_i；

6)根据变异离散度系数β_i，设选出当|β_i|＞ε时的样本，得到畸变样本数据i，删除畸变样本数据；

7)对删除畸变样本数据后的风电出力数据，采用分区加权中位值概率估计法，获取各采样点的典型特性点，获得风电出力日典型特性曲线；

8)计算j采样点的风电出力值p_w,j与典型特性点值p_c,j的差值，记为差值p_w-c,j，再计算j采样点风电出力日典型特性区间带的上界p_up,j和下界p_down,j，获得j采样点的典型特性区间带，然后获得风电出力日典型特性区间带。