[发明专利]一种基于EMD的风电功率概率的最优分位点确定方法

说明书

本发明涉及一种基于EMD的风电功率概率的最优分位点确定方法，包括步骤：通过最小化EMD获得风电功率概率的最优分位点，将连续的概率密度函数离散成若干个概率密度点；求解各个最优分位点对应的概率。本发明方法求得的离散分布和原分布的逼近精度高，误差小，可以构造出逼近实际风电功率分布的高质量场景集。

技术领域

本发明涉及电力系统领域，特别是涉及一种基于EMD的风电功率概率的最优分位点确定方法。

背景技术

近年来，风电等可再生能源发电的渗透率不断提高，研究其出力不确定性具有重要意义。场景分析法是处理出力不确定性的主要方法之一，它通过把具有连续概率分布的随机向量离散成场景集合，将随机优化问题转换为确定性问题处理。

如何提高场景集对原问题的逼近精度，以及生成高质量场景集的计算效率，是应用场景分析法处理可再生能源出力不确定性的难点。

发明内容

本发明主要解决的技术问题是采用EMD指标，提供一种基于EMD的风电功率概率的最优分位点确定方法。

本发明采用以下的技术方案：

输入风电功率概率密度函数的距离测度阶数、形状参数；切入、额定、切出风速；风速参数；

通过最小化EMD获得风电功率概率的最优分位点，将连续的概率密度函数离散成若干个概率密度点；

求解各个最优分位点对应的概率。

具体的，包括步骤：

输入风电功率概率密度函数的距离测度阶数、形状参数；切入、额定、切出风速；风速参数；

通过EMD最小化获得风电功率概率的最优分位点，将连续的概率密度函数离散成若干个概率密度点，包括：

EMD是对两个概率密度函数的r阶距离测度的积分，记为Es：

E_s(p₁,p₂；d)＝∫d[p₁(x),p₂(x)]^rdx

式中，p₁和p₂为两个概率密度函数，d(p₁,p₂)为距离测度；r为距离测

度的阶数。

在电力系统规划和运行中，在尽可能减小误差的前提下，通常用离散的概率分布取代连续概率分布进行简化。对此，可以利用EMD将上述问题转换为最小化Es的情况下求取M个最优分位点问题。假设最优分位点记为L_m(m＝1,2,…,M)。变量x的连续概率密度函数记为h(x)，可以通过下式求得L_m：

通常单一时刻风速的不确定性可用韦伯分布函数进行描述，其定义如下：

式中，v为风速；c为风速参数；k为概率分布的形状系数。

将风电功率记为p，基于韦伯分布，可以推导出风电功率在区间(0，P_wn)的概率密度函数，记为f(p)：

当p＝0和p＝P_wn时，有：

式中，v_n、v_i、v_o分别为额定、切入、切出风速；P_wn为风电机组的额定功率；h＝v_n/v_i-1。