[发明专利]一种基于最优copula模型的多风电场出力聚类评估方法

说明书

本发明公开了一种基于最优copula模型的多风电场出力聚类评估方法，该方法包括以下步骤：(1)对采样的两风电场有功出力历史数据构建单一copula、混合copula模型；(2)对采样的两风电场有功出力历史数据进行变结构点诊断并构建变结构copula模型；(3)基于构建的单一copula、混合copula、变结构copula模型，评估模型精度并选择最优相关性拟合模型；(4)基于最优相关性拟合模型，利用模糊C均值聚类法对两风电场概率分布值组成的数据集聚类；(5)评估基于最优相关性拟合模型的聚类精度。本发明可准确描述两风电场出力的相关性，实现可靠的聚类分析，对电力系统规划具有重要意义，同时本专利提出的变结构点诊断方法和聚类精度评估方法也广泛适用于各种具有相关性的时间序列。

技术领域

本发明属于电力系统领域，具体涉及一种基于最优copula模型的多风电场出力聚类评估方法。

背景技术

近年来，世界范围风电场大规模接入电力系统成为主流，截至2019年，我国风电累计装机容量达到2.1亿千瓦，风电装机占全部发电装机的10.4％，风电发电量占全部发电量的5.5％。随着大规模风电场并网，由于风力发电的波动性及不确定性，导致电力系统的运行特性呈现出强随机性，系统稳定性降低，系统运行规划难度增加的问题。

对于同一区域内的多个距离相近的风电场，可以将它们的出力看作来自于同一风源或相关风源，那么它们的出力之间就具有特定的相关关系，其中尾部相关性尤为突出。合理刻画多风电场出力的相关性，并生成风电典型出力情况，对解决电力系统应对风电运行规划问题具有重要的意义。现有的分析多风电场出力相关性的方法大多需先确定随机变量间的相关性特征或者相关关系矩阵，且没有考虑尾部相关性，部分研究考虑了尾部相关性，但没有分析相关关系结构的变化。因此，为了准确描述多风电场出力之间的相关关系的特征规律，特别是尾部相关性的变化，且获得高拟合精度的聚类结果，对多风电场进行有效的相关性建模，并基于最优相关性模型进行聚类是最有效的解决方案。

发明内容

发明目的：为了克服现有技术的不足，本发明提供一种基于最优copula模型的多风电场出力聚类评估方法，该方法可以精准描述两风电场出力相关关系，获得高拟合精度的聚类结果，可以解决大规模风电并网影响电力系统运行规划的问题。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于最优copula模型的多风电场出力聚类评估方法，该方法包括以下步骤：

(1)对采样的两风电场有功出力历史数据构建单一copula、混合copula模型；

(2)对采样的两风电场有功出力历史数据进行变结构点诊断并构建变结构copula模型；

(3)基于构建的单一copula、混合copula、变结构copula模型，评估模型精度并选择最优相关性拟合模型；

(4)基于最优相关性拟合模型，利用模糊C均值聚类法对两风电场概率分布值组成的数据集聚类；

(5)评估基于最优相关性拟合模型的聚类精度。

步骤(1)中，所述构建单一copula、混合copula模型包括：

(1-1)确定两风电场出力历史数据的边缘概率分布函数F_t(·)和G_t(·)；

(1-2)基于两风电场出力的边缘概率分布函数，分别建立各基本copula模型：Gaussian-copula，t-copula，Clayton-copula，Gumbel-copula，Frank-copula，根据极大似然估计法，估计各copula函数参数；