[发明专利]基于BDK Copula函数的临近风电场风速相关性采样方法

说明书

本发明公开了一种基于BDK Copula函数的临近风电场风速相关性采样方法，该方法构建了二元无参数BDK Copula函数，并给出了BDK Copula函数边际累计密度的数值计算方法，并将其应用于临近风电场风速相关性采样。本发明可以更为准确地对相邻风电场风速之间的关联进行采样，有效解决了传统采样方法存在的边界偏差和闭区间收敛问题，减少了计算量，对于后续提高概率最优潮流解的精度等操作具有重要意义。此外，本发明是数据驱动、无参数的方法，适用于实际中不同区域邻近风电场各不相同的关联特性，是普遍适用的方法。

技术领域

本发明涉及风电场相关性样本采样的技术领域，尤其是指一种基于BDK Copula函数的临近风电场风速相关性采样方法。

背景技术

随着风电装机容量的大幅提升，风电场的建设往往聚集于风能丰富的区域，相邻风电场之间的风速相关性不容忽视。由于风速之间的相关性具有较强的尾部效应而非简单的线性关系，因此建立一个能够准确采样风速之间复杂相关性的方法意义重大。目前，现有的蒙特卡洛法通过生成伪随机数进行采样，精确度严重依赖于采样的数量，而过大的采样数量又会降低算法效率，因此不少学者使用采样质量更高的拟蒙特卡洛法(Quasi-MonteCarlo,QMC)以提高求解概率最优潮流的效率。结合乔里斯基分解(CholeskyDecomposition)与超拉丁立方采样(Latin Hypercube Sampling,LHS)的拟蒙特卡洛法可以节省概率最优潮流计算的时间；另外，索贝尔采样比超拉丁立方采样更加高效。

发明内容

本发明的目的在于克服现有风电场风速相关性采样中存在的不足，提出了一种基于BDK Copula函数的临近风电场风速相关性采样方法，可有效实现对风电场风速相关变量的准确、高效采样。

为实现上述目的，本发明所提供的技术方案为：基于BDK Copula函数的临近风电场风速相关性采样方法，针对风速样本数据采样问题，构建了二元无参数BDK Copula函数，并应用于采样过程，包括以下步骤：

1)计算风速变量的边际累计密度函数CDF；

2)构建基于边际累计密度函数CDF的风速变量相关性的二元无参数BDK Copula函数；

3)对风速序列进行基于二元无参数BDK Copula函数的逆变换获取采样样本。

进一步，在步骤1)中，风速变量的边际累计密度函数CDF，其具体计算流程如下：

1.1)设定随机风速变量x的密度估计区间[x_min,x_max]，预设估计区间分割段数n，则割分的每一段小区间长度l＝(x_max-x_min)/n；

1.2)使用离散余弦函数求解随机风速变量的扩散核密度估计式，得到n+1个分割点X＝(x_min,x_min+l,x_min+2l,…,x_max)的概率密度，其中第j个分割点X_j的概率密度记为f(X_j)，计算风速变量x_i的概率密度以及边际累计密度函数CDF：

式中，f(x_i)为风速变量x_i的概率密度，F(x_i)为边际累计密度函数CDF，X_j+1为第j+1个分割点，f(X_j+1)为第j+1个分割点的概率密度，f(X_k)为第k个分割点的概率密度，k＝2,3,…,j；

1.3)重复步骤1.1)-步骤1.2)，获得每个风速变量x_i的边际累计密度函数CDF。