[发明专利]考虑风速-风向相关性的风电场频率风险评估方法

说明书

本发明公开了一种考虑风速‑风向相关性的风电场频率风险评估方法，由于风向改变对风速相关性有不可忽视的影响，针对现有方法对风向影响考虑不足的现状，该方法在已有的考虑时间、空间相关性的秒级风速序列基础上，增加了风向因素，以Von Mises分布和Weibull分布为基础，分析两者的相关性，通过蒙特卡罗采样得到考虑两者相关性的风速‑风向序列，进一步地描述风电场内的风速相关性，从而更加精准地评估风电场出力波动导致的电网频率偏差。

技术领域

本发明属于风电并网控制领域，具体涉及一种考虑风速-风向相关性的风电场频率风险评估方法。

背景技术

随着风电渗透率的不断提升，风电场的随机功率波动将引起严重的电力系统频率波动，而由于风电场的输出功率与风速的波动特性密切相关，对风速模型的精准模拟是关键问题。

风速的模拟要考虑其随机性和相关性，以往的风速模拟主要是从频域的角度出发，从风机的位置、布局等方面量化了相关程度，构建了短时间内具有空间相关性的秒级风速，能够反映秒级的风功率波动和由此引发的电网频率偏差。

然而，在风电场频率风险评估的背景下，只考虑风速的秒级风速相关性往往是不够精确的，风向对风速相关性的影响也不可忽视。现有技术中缺少考虑风向影响的风电场频率风险评估方法。

发明内容

本发明的目的在于提供一种考虑风速-风向相关性的风电场频率风险评估方法，在模拟考虑风速-风向相关性的风速序列的基础上进行风电场的频率风险估计。

实现本发明目的的技术解决方案为：一种考虑风速-风向相关性的风电场频率风险评估方法，包括以下步骤：

步骤1、求出Weibull分布的密度函数f_v(v)；

步骤2、将圆周均匀分成N个区间，设样本数据集为{θ}，落入各个区间的数据子集为{θ_i}，求出{θ_i}关于均值参数μ_i的离散程度κ_i，将κ_i代入第一类贝塞尔方程求得集中度参数I₀(κ_i)；

步骤3、利用I₀(κ_i)求得混合Von Mises分布的密度函数f_θ(θ)；

步骤4、将f_v(v)和f_θ(θ)代入联合分布密度函数，得到二维联合概率分布f_v,θ；

步骤5、利用步骤4得到的f_v,θ，将风速v和风向θ进行Monte Carlo抽样，得到一组风速风向序列V(N)、θ(N)；

步骤6、用V(N)作为卡尔曼功率谱密度函数的输入参数来拟合出功率谱密度将时域转化为频域；

步骤7、利用风轮转子模型将轮毂处风速等效为风机浆叶扫风平面的风速；

步骤8、若风电场内有M×M台风机，计算出M×M台风机中两两风机间的相关性系数γ_[r,c](f)，得到M×M的相关系数矩阵γ(f)，由相关系数矩阵得到计及相关性的频域风速S(f)；

步骤9、通过时频变换将计及相关性的频域风速S(f)转化为时域的风速V(f)；

步骤10、由步骤9得到每台风机的计及相关性的风速V(t)，经计算叠加得到风电场的功率波动P(t)；

步骤11、将步骤10得到的功率波动P(t)经过matlab的电网模型进行仿真，得到频率偏差ΔP(t)；

步骤12、将频率偏差风险定义为风力波动可能引起的最大偏差，使用时间占比曲线作为统计工具对频率偏差风险进行评估。