风电场建模序列离散化步长的选取及模型误差分析方法与流程

本发明针对目前风电场出力特性的研究，提出了一种风电场建模序列离散化步长的选取及模型误差分析方法，属于数据处理
技术领域：
。
背景技术：
：近年来新能源发电特别是风力发电在国内外得到了迅速发展。由于风电具有间歇性、随机性和波动性，大规模风电接入电网对电力系统带来的影响日益突出。建立准确的风电场出力模型，能够为诸如风电场风火配比选取与微网经济调度等研究提供依据，具有重要的实际意义。风电场出力模型的研究，目前主要分为两种。一种是建立确定性模型，得到风电场具体出力，由于风电场的实际出力受多种因素的影响，这种模型的建立难度大，其结果误差也较大。另一种是建立概率分布模型，得到风电场出力的概率密度函数。与确定性模型相比，由于风电功率本身的不确定性，概率分布模型的建立更加具有实际意义，而且其在给出概率密度函数的同时也能给出存在的误差，可信度更高，应用领域更加广泛。因此，本发明提出了一种风电场建模中序列离散化步长选取的方法，并对模型进行误差分析，为电力系统的规划与运行提供参考依据。技术实现要素：对于风电出力，建立准确的出力概率分布模型对电力系统具有重要的意义。本发明旨在针对现有模型的不足，提出一种新的概率分布模型建立与模型误差分析的方法，以便为电力系统的规划与运行提供更加可靠的依据。本发明所述问题是以下述技术方案实现的：一种风电场概率分布模型建模及模型误差分析方法，所述方法首先拟合得到风机等效功率特性曲线，从而得到整个风电场无限制出力情况下的实际可发出力；然后选取合适的序列离散化步长，利用序列运算理论得出风电场出力的概率性序列，进而得到风电场概率分布函数；最后对风电场出力概率密度函数的误差进行分析与评价。上述风电场概率分布模型建模及模型误差分析方法，所述方法按照以下步骤进行：a.基于典型日的历史风速和对应风机无限制出力情况下的功率数据，利用最小二乘法拟合得到风机等效功率特性曲线，进而得到整个风电场无限制出力情况下的实际可发出力；b.选取合适的序列离散化步长，利用序列运算理论得出风电场出力的概率性序列，采用威布尔函数描述风电场出力概率分布，并利用极大似然估计法估计其参数；c.利用序列运算理论与随机抽样的方法对风电场出力概率密度函数的误差进行分析与评价。上述风电场建模序列离散化步长的选取及模型误差分析方法，选取合适的序列离散化步长的具体步骤如下：①选取初始离散化步长q＝0.001，利用序列运算理论，得到风电场出力的概率性序列值F(i)；②令i＝1，对第i个与第i+2个序列的数据做插值，并利用插值函数求出第i+1个序列的值F(i+1)′，从而得到第i+1个序列的平滑系数：ϵ(i+1)=|F(i+1)′-F(i+1)|F(i+1)---(1)]]>③依次令i＝2，3，4……，N-2，按照步骤中②的方法分别求取对应序列值的平滑系数，从而得到概率性序列整体平滑系数：θ=Σi=1N-2ϵ(i+1)N-2---(2)]]>④令q＝q+Δq，其中Δq＝0.001，在满足q能够整除1的条件下，按照步骤②和③依次求取对应的概率性序列的整体平滑系数，至q＝0.1结束。确定概率性序列整体平滑系数阈值为0.3，选取小于该阈值的最小q值为最终的离散化步长。上述风电场建模序列离散化步长的选取及模型误差分析方法，对风电出力概率分布函数进行误差分析的具体步骤如下：本发明所提方法采用序列运算理论与随机抽样的方法，提出可靠性指标，对风电场出力概率密度函数的误差进行分析与评价。①选取合适的序列离散化步长q，利用序列运算理论得到风电出力的概率性序列F(i)；②采用随机抽样的方法，选取N组风电场出力值与对应的概率值数据，每个序列离散区间中数据选取的个数Ni应满足以下公式：Ni＝N×F(i)(3)③给定概率密度函数的误差δ，并计算与该误差对应的的概率密度函数值f(x；λ，k)·(1±δ)，统计得出步骤②中选取的风电场出力值与对应的概率值在给定误差范围内的频率σ。σ即为风电场出力概率密度函数在误差为δ时的可靠性，σ越大，说明概率密度函数越准确。附图说明图1为风电场出力概率分布模型研究流程图；图2为风电场出力分布拟合效果；图3为3MW风电机组等效功率特性拟合曲线；图4为风电场出力分布直方图；图5为风电场出力概率密度分布图；图6为风电场出力累积概率密度分布图；图7为风电场出力概率密度函数误差图。具体实施方式本发明提出了一种风电场建模序列离散化步长的选取及模型误差分析方法，从而能够建立更加准确的风电场梳理概率分布模型，以便更好的为电力系统的的规划与运行提供依据。所述方法的实施主要包括以下几个部分：首先拟合得到风机等效功率特性曲线，进而得到整个风电场无限制出力情况下的实际可发出力；然后选取合适的序列离散化步长，利用序列运算理论得出风电场出力的概率性序列，得到风电出力的概率密度函数；最后对风电场出力概率密度函数的误差进行分析与评价。本发明利用风机的等效功率特性，采用由风速到功率的方法得到风电场的出力。由于风机实际出力受地形等因素的影响，所以其实际的功率特性与出厂时给定的不完全一致。考虑到网侧限制出力的影响，本发明采用典型日的历史风速和对应风机无限制出力情况下的功率数据对风机的等效功率特性进行拟合，进而可得到风电场无限制出力情况下的实际可发出力。此外，提出了序列离散化步长的选取规则，进一步减小了模型误差。根据不同分布函数对风电场出力分布拟合效果的对比，选择威布尔分布对其进行描述。与现有的风电场模型建立方法相比，本发明所提方法更加具有准确性。本发明拟合风机等效功率特性曲线的具体实施方式如下：选取多组典型日风速与对应的风机无限制出力情况下的功率数据进行等效功率特性曲线拟合，拟合的函数形式如公式(4)所示。功率数据来源于处于不同地理位置、不同风速下、没有限制出力情况的风电机组。使用最小二乘法进行拟合，目标函数如公式(5)。P(v)=00≤v≤vca0+a1+a2v2+a3v3vc<v<vNPNvN≤v≤v00v0<v---(4)]]>式中，vc，vN分别为风机的切入和额定风速，v0为切出风速。J=minvc<v<v0||pw-p(v)||2---(5)]]>式中，pw为风机无限制出力情况下的实际出力数据；p(v)为风机拟合出力值。本发明选取合适的序列离散化步长的具体实施方式如下：①选取初始离散化步长q＝0.001，得到风电出力的概率性序列值F(i)；②令i＝1，对第i个与第i+2个序列的数据做插值，并利用插值函数求出第i+1个序列的值F(i+1)′，从而得到第i+1个序列的平滑系数：ϵ(i+1)=|F(i+1)′-F(i+1)|F(i+1)---(6)]]>③依次令i＝2，3，4……，N-2，按照步骤中②的方法分别求取对应序列值的平滑系数，从而得到概率性序列整体平滑系数：θ=Σi=1N-2ϵ(i+1)N-2---(7)]]>④令q＝q+Δq，其中Δq＝0.001，在满足q能够整除1的条件下，按照步骤②和③依次求取对应的概率性序列的整体平滑系数，至q＝0.1结束。确定概率性序列整体平滑系数阈值为0.3，选取小于该阈值的最小q值为最优的离散化步长。本发明对风电场出力概率分布函数进行拟合的具体实施方式如下：目前，一些研究成果中提出利用威布尔分布、正态分布或者贝塔分布来描述风电场出力概率分布。本文利用这些分布函数对某风电场的实际可发出力概率性序列进行拟合，拟合效果见附图2。可以看出，威布尔函数对风电场出力概率分布的拟合效果明显好于其它两种分布函数，因此，选取两参数威布尔分布来拟合风电场的出力概率分布，分布函数形式如下：f(x;λ,k)=kλ(xλ)k-1e-(x/λ)kx≥00x<0---(8)]]>式中，λ＞0是尺度参数，也叫比例参数；k＞0是形状参数，描述风电场出力概率密度函数的形状。对公式(8)中威布尔分布的参数进行极大似然估计，可得到风电场出力的概率密度分布函数。本发明对风电出力概率分布函数进行误差分析的具体实施方式如下：①选取合适的序列离散化步长q，利用序列运算理论得到风电出力的概率性序列F(i)；②采用随机抽样的方法，选取N组风电场出力值与对应的概率值数据，每个序列离散区间中数据选取的个数Ni应满足以下公式：Ni＝N×F(i)(9)③给定概率密度函数的误差δ，并计算与该误差对应的概率密度函数值f(x；λ，k)·(1±δ)，统计得出步骤②中选取的风电场出力值与对应的概率值在给定误差范围内的频率σ。σ即为风电场出力概率密度函数在误差为δ时的可靠性，σ越大，说明概率密度函数的拟合的越好。利用本发明所提概率分布函数误差分析方法，可以进行概率分布函数的整体性与分区间误差分析，反映出风电场出力概率分布函数的整体准确性与产生误差的主要区间，从而为电力系统的规划与运行提供可靠的依据。实例分析采用某装机容量为48MW风电场的2011-2013三年的历史数据(采样间隔15min)对本方法进行验证，该风电场中风机容量均为3MW。由本发明提出的方法，拟合得到该风电场风机等效功率特性，表达式如公式(10)所示。P(v)=00≤v≤31.2132-0.6623v+0.1099v2-0.0034v33<v<12312≤v≤25025<v---(10)]]>由历史风速数据与风机的等效功率特性，得到风电场的实际可发出力。经计算，取序列离散化步长q＝0.02，得到风电场出力概率性序列的分布直方图，即附图4。公式(11)是得到的风电场出力符合的威布尔分布函数。f(x;λ;λ)=2.56390.4494(x0.4494)1.5639e-(x/0.4494)2.5639x≥00x<0---(11)]]>对风电场出力概率分布函数进行整体性误差分析，给定误差分别为10％、20％、30％，得出相应误差范围内概率密度函数的可靠性，如表1所示。可靠性越高，说明实际风电场出力概率密度函数拟合越好。表1概率密度函数不同误差范围内的可靠性表2是以20％误差为例，风电出力不同区间的可靠性计算结果。由表2可以看出，概率密度函数在风电场出力值[0，0.2]区间范围内的可靠性最小，说明该区间范围内的拟合度比较差，风电场实际出力分布规律具有较大波动性，在系统运行过程中，应对此提高重视；而在(0.4，0.6]与(0.8，1]区间范围内的可靠性较高，说明概率密度函数在这个两个区间拟合度较好，风电场出力概率分布规律较强，更加具有参考价值。算例验证了本发明提出的风电场模型建立与误差分析方法的有效性。表220％误差范围不同功率区间可靠性当前第1页1 2 3