[发明专利]基于每时晴空指数的大规模电站光伏出力序列生成方法

说明书

一种基于每时晴空指数的大规模电站光伏出力序列生成方法，属于新能源发电分析技术领域。本发明的目的是利用平稳化的每时晴空指数序列对光伏出力进行建模，通过聚类分析对大规模光伏电站进行空间分群，拟合建立VAR模型，模拟大规模电站光伏出力序列的基于每时晴空指数的大规模电站光伏出力序列生成方法。本发明对大规模光伏电站进行空间分群。划分典型电站和波动电站。计算典型电站每时晴空指数序列。对不平稳序列进行平稳化处理。建立VAR模型。对VAR模型进行平稳性检验。模拟时间序列进行数值转化。本发明生成的光伏模拟序列不仅能有效继承原始序列的统计特性、概率分布及自相关特性，而且具有更高的准确性。

技术领域

本发明属于新能源发电分析技术领域。

背景技术

日益增长的全球能源需求和气候变化带来的负面影响使可再生能源成为人们关注的焦点。随着光伏发电技术的逐渐成熟，在国家政策大力扶持下，我国光伏行业取得了显著的成绩。截至2018年底，我国太阳能发电累计装机17463万千瓦，同比增长35％，占电源总装机容量的9.2％。光伏电站的功率输出取决于气象条件，具有高变动性和低抗扰性等特点。大规模光伏电站接入带来的不确定性和高渗透性，使得电网规划、调度运行面临巨大挑战。研究光伏发电功率的特性和多电站时空关联特征，进而生成大规模电站多维光伏出力模拟序列，对于评估光伏并网对电力系统规划运行安排具有重要的意义。

国内外学者在光伏出力模拟序列生成方面已有类似研究。目前，光伏出力特性建模主要采用基于历史数据的统计方法。应用最为广泛的是基于时间序列的光伏出力统计模型。利用改进的向量自回归模型将智能仪表采集的光伏出力历史功率与气象监测数据相结合生成光伏出力模拟序列，并将光伏模拟序列应用于小范围智能电网的短期预测。但实际中有气象监测设备的分布式光伏数量很少，很难获得精准全面的气象数据，考虑到系统成本，难以应用到大规模光伏电站实际工程分析。使用Copula理论基于光伏出力历史数据对多个新能源电站的不确定性和空间相关性进行建模，提出了一种基于吉布斯采样的动态新能源场景生成方法。一种光伏发电的概率时空模型，该模型利用了邻近光伏电站的历史数据，基于分位数回归和Lasso惩罚技术生成了光伏出力概率密度函数，为短期光伏出力预测提供了理论基础，但均难以应用于长时间尺度的序列生成领域。基于以上考虑，本发明主要对大规模长时间光伏电站光伏出力序列进行模拟。

发明内容

本发明的目的是利用平稳化的每时晴空指数序列对光伏出力进行建模，通过聚类分析对大规模光伏电站进行空间分群，拟合建立VAR模型，模拟大规模电站光伏出力序列的基于每时晴空指数的大规模电站光伏出力序列生成方法。

本发明步骤是：

(1)通过聚类分析对大规模光伏电站进行空间分群；

步骤(1-1)：计算光伏每日晴空指数：

太阳辐射的每日晴空指数K_d为：

式中：I_t^means表示t时刻太阳辐射实测值；I_t^sim表示t时刻全球水平太阳辐射理论模拟值；时间t从日出到日落；步骤1-2：提取光伏出力波动量：

光伏出力波动量ΔP_t为：

ΔP_t＝P_t-K_dP_t^sim (2)

式中：P_t为t时刻光伏实际出力大小；K_d为电站每日晴空指数；P_t^sim为t时刻光伏理论出力大小；

步骤1-3：确定最优聚类数