一种基于理论的多风电场风电预测误差时空相关性建模方法
一种基于理论的多风电场风电预测误差时空相关性建模方法
欢迎来到这个博客❤️❤️❤️
作者研究:主要研究方向为电力系统与智能算法、机器学习与深度学习。目前熟悉网络爬虫、机器学习、群体智能算法、深度学习相关内容。希望能有效地将计算机和网格结合起来!⭐️⭐️⭐️
欢迎
⛅⛅⛅个人主页:研究室
所有代码目录:电气工程研究会
【公众号现更名为:荔枝研究所】
本文内容如下:⛳️⛳️⛳️
目录
1 概述
随着生态环境的逐渐恶化,可再生能源特别是风能的开发利用在世界范围内受到广泛关注大六壬时空范围,并继续保持较快的发展水平[1]、[2]。但由于风力发电固有的随机性和波动性,风电场大规模并网必然会给电力系统带来电压波动、闪变等负面影响[3]、[4]。此外,存在同一个风电场中多个风电场的风电预测误差具有很强的时空相关性的情况。正确拟合预测误差并准确建模多个风电场之间的空间和时间相关性对于确保安全至关重要,
多个地理位置相近的风电场的预测误差具有时空依赖性,这种依赖性对电力系统的运行具有显着的影响。为此,本文提出了一种基于理论的多风电场风电预测误差时空相关性建模方法。首先,通过比较不同拟合方法的拟合精度,选择拟合精度最高的基于KDE的方法来拟合预测误差的边缘分布。然后,提出了一种利用函数对短期风电预测误差进行高维建模的方法,得到了多个风电场预测误差的联合累积分布函数(JCDF)。最后用四个风电场的实际预测误差数据对模型进行了验证。与实际的依赖结构相比,基于函数的方法可以有效地对时空相关性进行建模大六壬时空范围,检测风电预测误差的独立性。仿真结果证明了所提方法的有效性。
2 数学模型
函数提供了一种为不同自变量构建联合分布的方法。联合分布包括随机变量的相关性,可以捕捉它们之间的非线性相关性[8]。功能
是一个连接随机向量的连接函数
和边际分布函数的联合分布函数
,即:
有关详细的数学模型和解释,请参见第 4 节。
3 运行结果
4、文章详细阅读
本文仅展示部分代码。所有代码和文章,请参见:正在为您运送作品的详细信息
5 结论
将基于经验函数生成的多风电场出力动态场景代入求解随机机组组合问题时,运行成本
在不考虑波动性产生的情况下小于静态场景,提高了多风电场电力系统运行的经济性,说明了风电波动建模的必要性和有效性大六壬时空范围,证明了多风电场本文提出。将输出动态场景生成方法应用于电力系统机组组合的可行性。
然而,上述研究并未模拟多个风电场之间风电预测误差的时空相关性。因此,本文提出了一种基于理论的风电预测误差时空相关性建模方法,并利用冀北四个风电场的实际风电预测误差数据验证了所提模型的有效性。验证结果表明一种基于理论的多风电场风电预测误差时空相关性建模方法,该方法可以有效模拟风电预测误差的时空相关性,检测多个风电场之间的独立性。同时,运用理论进行相关分析与其他线性相关分析方法相比具有更大的优势。
6 参考文献
[1] 徐健,洪敏,孙元璋一种基于理论的多风电场风电预测误差时空相关性建模方法,周国海。基于经验函数的多风电场出力动态情景生成方法及其在机组组合中的应用[J]. 电力自动化设备, 2017, 37(08):81-89.DOI:10.16081/j.issn.1006-6047.2017.08.011.
[2]S。Xu, C. Liu, C. Su 和 C. Wang,“基于混合的风电及其成”,2019 IEEE 3rd on and (EI2), 2019, pp. 976 -980, doi: 10.1109/.2019.。
7在最后