[发明专利]一种风电出力典型特性的分析模型构建方法

摘要

本发明公开一种风电出力典型特性的分析模型构建方法，获取原始数据并对数据预处理，采用表征多时空尺度的风电波动性、同时率评价指标对数据进行归一化处理，分段聚合降低维度；基于改进的自适应模糊聚类算法，计算自适应函数α(c)，确定最佳聚类数c，对风电出力特性分类；引入变异离散度系数βi，剔除风电出力畸变数据；提出分区加权中位值概率估计法，辨识并提取风电出力日典型特性曲线/区间带。本发明对多空间尺度的大规模风电出力特性，月、季度或年多时间尺度的风电出力特性进行分析计算，提取风电出力日典型特性曲线/区间带，使电力运行人员能更好地把握风电出力规律，为电力系统实时调度、调度计划安排、风电场规划及系统备用配置提供技术参考。

主权项

1.一种风电出力典型特性的分析模型构建方法，其特征在于，所述构建方法包括以下步骤：1)获取风电出力的样本数据，计算风电出力特性评价指标及空间特性指标并对其进行归一化处理；2)依据电价表的峰平谷时段，对风电出力的样本数据分段聚合降维处理；3)对分段后的数据集，初始化模糊聚类算法的参数，获得初始聚类中心和模糊矩阵；4)根据聚类数的自适应函数α(c)，迭代计算，找出最大的α(c)，获得最佳模糊聚类数c；5)根据最佳模糊聚类数，获得样本数据的模糊离散度及变异系数倒数，并计算出样本数据的变异离散度系数βi；6)根据变异离散度系数β_i，设选出当|β_i|＞ε时的样本，得到畸变样本数据i，删除畸变样本数据；7)对删除畸变样本数据后的风电出力数据，采用分区加权中位值概率估计法，获取各采样点的典型特性点，获得风电出力日典型特性曲线；8)计算j采样点的风电出力值pw,j与典型特性点值pc,j的差值，记为差值pw‑c,j，再计算j采样点风电出力日典型特性区间带的上界pup,j和下界pdown,j，获得j采样点的典型特性区间带，然后获得风电出力日典型特性区间带。