[发明专利]一种基于相关性分析的风电场群风速分布预测方法

摘要

本发明涉及一种基于相关性分析的风电场群风速分布预测方法，属于电力系统运行与控制领域。该方法以空间降尺度的思路，给出了基于修正经验变异函数的风电场群相关性区域划分方法，将风电场群划分为若干个相关性区域；以此为基础，利用空间升尺度的思路，运用经验累积分布函数，考虑相关性区域内参考风电场与目标风电场的相关性，以参考风电场风速来求取目标风电场风速，最终得到风电场群内各个风电场风速曲线。因此，本发明具有如下优点：（1）引入时延因素影响，更加符合实际运行下风电场群特性，预测效果更好；（2）通过空间降尺度和升尺度的思路，能够有效地描述风电场群内各个风电场风速分布。

主权项

1.一种基于相关性分析的风电场群风速分布预测方法，其特征在于，包括以下步骤：相关性分析步骤，用于读入风电场群地理信息以及历史风速数据，结合时延信息，进行修正经验变异函数下的风电场相关性分析；相关区域划分步骤：选取合适的参考风电场，基于修正经验变异图来划分风电场群相关性区域；相关性描述步骤，用于在相关区域划分步骤中划分的相关性区域内，利用经验分布函数描述风电场之间的相关性；场景生成及削减步骤，用于利用逆变换抽样生成目标风电场风速场景，并进行场景削减；风速曲线获取步骤，用于对削减场景求取目标风电场最优风速曲线，从而获取风电场群内各个风电场风速曲线；所述相关性分析步骤进一步包括以下子步骤：最优时延确定子步骤，基于公式1计算出最优时延，式1中，d表示风电场i与风电场j之间的空间距离，w(f_i,t)＝Z(f_i,t+1)‑Z(f_i,t),Z(f_i，t)表示第i个风电场在时刻t的风速,Δt代表时延时间：γ(d)为修正经验变异函数，其中，所述最优时延是满足使γ(d)最小的时延；变异函数拟合步子骤，在一个拥有n个风电场的风电场群中，以两个风电场为一组，求取最优时延下的修正经验变异函数，利用公式2对个修正经验变异函数点进行指数函数拟合，确定相关性区域的临界距离r，g(d)＝Nu+s(1‑exp(‑3d/r))   公式2式中，块金值N_u为观测误差和距离间隔最小情况下变异强度的组合，r为临界距离，当d≤r时，风电场之间具有较强的空间相关性，当d>r时，风电场之间基本没有空间相关性。