[发明专利]一种基于波动特性的风电出力时间序列建模方法

摘要

本发明提供一种基于波动特性的风电出力时间序列建模方法，包括以下步骤搜集并整理历史风电出力数据，并定量描述风波动曲线变化趋势；按自然月分别统计各类风波动的统计参数的多维联合概率分布，并计算各类风波动的转移概率；根据多维联合概率分布和转移概率按自然月随机抽样，计算风波动出力数据点的出力值得到模拟风电出力时间序列。本发明直接应用历史风电出力数据，采用统计分析和随机抽样理论，模拟了风电出力的随机波动特性，能够构造符合实际的未来风电出力场景。

主权项

一种基于波动特性的风电出力时间序列建模方法，其特征在于：所述方法包括以下步骤：步骤1：搜集并整理历史风电出力数据，并定量描述风波动曲线变化趋势；步骤2：按自然月分别统计各类风波动的统计参数的多维联合概率分布，并计算各类风波动的转移概率；步骤3：根据多维联合概率分布和转移概率按自然月随机抽样，计算风波动出力数据点的出力值得到模拟风电出力时间序列；所述步骤1中，采用高斯拟合函数拟合各类风波动的曲线变化趋势，计算所有风波动的高斯拟合函数；对风波动i采用高斯函数进行最小二乘拟合，寻找与风波动上所有出力数据点的距离平方和最小的曲线，所述高斯拟合函数的表达式为：其中，x为出力数据点位置，ai为极值参数，bi为位置参数，ci为变化趋势参数；所述步骤1中，历史风电出力数据包括大波动数据、中波动数据、小波动数据和低出力波动数据；大波动数据为历史风电出力时间序列上风波动类别为大波动的数据集合；中波动数据为历史风电出力时间序列上风波动类别为中波动的数据集合；小波动数据为历史风电出力时间序列上风波动类别为小波动的数据集合；低出力波动数据为历史风电出力时间序列上风波动类别为低出力波动的数据集合；所述步骤2中，风波动的统计参数包括出力数据点的时间常数、极值参数、位置参数和变化趋势参数；取任一风波动的统计参数作为样本X＝(X1,X2,...,Xn)，则对于任意实数x1,x2,...,xn，Fn(x1,x2,...,xn)＝P(X1≤x1,X2≤x2,...,Xn≤xn)即为所统计的该类风波动的统计数据的多维联合概率分布。