[发明专利]考虑时空相关性的多风电场风速模拟方法及系统

说明书

本发明公开了一种考虑时空相关性的多风电场风速模拟方法及系统，方法包括基于多风电场的风速样本数据，计算出风速边缘分布函数矩阵；基于风速边缘分布函数矩阵，利用Pair‑Copula原理建立考虑空间相关性的多风电场风速模型，并记录考虑空间相关性的多风电场风速模型的联合分布函数矩阵；生成Sobol随机数序列；根据联合分布函数矩阵的自相关信息，对Sobol序列重新排序，生成新的Sobol序列；基于考虑空间相关性的多风电场风速模型及新的Sobol序列，采用条件抽样法对风速进行抽样，得到具有时空相关性的多维风速数据。本发明充分利用了Pair‑Copula方法在空间相关性建模方面的优点，并基于信息转移实现了风电场风速在时间相关性方面的模拟，有效地实现了考虑时空相关性的多风电场风速的模拟。

技术领域

本发明属于电力系统分析技术领域，具体涉及一种考虑时空相关性的多风电场风速模拟方法及系统。

背景技术

高比例新能源接入是加快能源系统转型，风力发电近年来在世界范围内得到了快速发展。然而，风电出力具有强烈的不确定性和时空相关性，风电的大规模并网将会对电力系统的运行安全造成影响。与风速不确定性建模相比，多风电场风速时空相关性的建模更加复杂，因此有必要对具有时空相关性的多风电场风速建模模拟开展研究。

风电场风速具有地理位置上的空间相关性和时间尺度上的自相关性两类特征。对空间相关性的研究有基于线性相关系数方法和基于非线性相关系数的方法：基于线性相关系数的方法有正态变换法和多项式正态变换法等，但这些方法难以反映复杂的非线性相关性；基于非线性相关系数的方法有多变量核密度估计法和Copula函数法等，但无法在更高维情形下使用。因此，适用于高维变量的Pair-Copula函数法得到应用，该方法能充分描述高维变量之间复杂的空间相关性，但无法体现时间尺度上的自相关性。对时序自相关性的研究主要有简单的自回归模型、自回归滑动平均模型等，还有较为复杂的基于多变量马尔科夫链描述日内相邻时间段风电功率随机变化的方法和基于时间段进行场景划分的方法等，但这些模型较为复杂，计算量较大。随着风电场维数的增加，对风电场风速模型中各维风速变量之间的空间相关性和时间相关性的研究受到了广泛关注。现有的同时计及空间相关性和时间相关性的研究方法要么较为复杂，要么准确性较低，因此有必要针对计及时空相关性的多风电场风速模拟方法进行研究。

发明内容

针对上述问题，本发明提出一种考虑时空相关性的多风电场风速模拟方法及系统，充分利用了Pair-Copula方法在空间相关性建模方面的优势，并基于信息转移实现了风电场风速在时间相关性方面的模拟，从而有效地实现了考虑时空相关性的多风电场风速的模拟。

为了实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

第一方面，本发明提供了一种考虑时空相关性的多风电场风速模拟方法，包括：

基于多风电场的风速样本数据，计算出风速边缘分布函数矩阵；

基于所述风速边缘分布函数矩阵，利用Pair-Copula原理建立考虑空间相关性的多风电场风速模型，并记录所述考虑空间相关性的多风电场风速模型的联合分布函数矩阵；

生成Sobol随机数序列；

根据所述联合分布函数矩阵的自相关信息，对Sobol随机数序列重新排序，生成新的 Sobol序列，使新的Sobol序列拥有原始风速数据的时序自相关信息；

基于所述考虑空间相关性的多风电场风速模型及新的Sobol序列，采用条件抽样法对风速进行抽样，得到具有时空相关性的多维风速数据。

可选地，所述风速边缘分布函数矩阵的计算方法包括：