一种时序风速模拟方法与流程

本发明属于风速建模技术领域，具体涉及一种时序风速模拟方法，根据历史风速数据的时序风速变化状态，建立新的模拟风速模型。

背景技术：

近年来，随着风电行业的不断发展，风力发电并网问题也日益严峻。其中一个主要问题是地区的风速建模与实际风速的分布有差距。目前，风速模拟大多采用威布尔分布点抽样的方法，尽管可以完整地表征实际风速的概率密度，但却缺少对风速时序性的描述。这使得在风力发电并网规划的结果存在一定的偏差。

风速的不确定性，是风速建模的核心问题，天气不同、季节不同、温度变化等都对风速的变化产生影响，所以统计以往的风速数据，根据以往的时序风速分析风速变化规律，进而模拟出新的时序风速。基于此，文献《蒋平，霍雨翀，张龙，罗建裕，李海峰.基于改进一阶马尔可夫链的风速时间序列模型[j].电力系统自动化，2014，38(19)：22-27》用一阶马尔科夫链计算风速时序变化规律，根据不同的季节、温度、时间计算不同的转换概率矩阵，进而模拟出更为符合实际的风速，但马尔科夫链方法受风速区间选择多少的影响较大，设置不同的区间即设置不同的场景，求取场景之间的转换概率来确定下一时间序列的风速，这就导致相邻数个时间序列的风速可能一模一样，与实际风速的随时变化不符，所以模拟的风速变化与实际的风速变化依然存在差距。

技术实现要素：

本发明的目的在于，提供一种全新的可有效解决上述技术问题的时序风速模拟方法。该方法主要通过将历史实际风速分段求相邻两个时间序列变化量的累积分布函数来体现风速的时序性，即相邻时间序列的变化情况，该方法可以准确地表现出与实际风速相似的分布状况。

为达到本发明目的，采用如下技术方案：

一种时序风速模拟方法，其特征在于该方法包括以下步骤：

步骤1、获取同地区一段时间的历史风速数据；

步骤2、分析这一段时间的历史风速数据得出一年的历史风速分布分割点a1、a2、a3…an，并确定历史风速的最大风速vmax；

步骤3、将历史风速数据根据风速分割点将(0，vmax)的风速范围划分为n+1个风速区间，分别为(0，a1)、(a1，a2)、(a2，a3)…(an，vmax)；提取每个风速区间的风速数据，计算每个风速区间中各个风速与下一个时间序列的风速变化量δv，从而获取n+1组风速变化量数据，将n+1组风速变化量对应用x1、x2、x3…xn+1表示；

步骤4、分别求取n+1组风速变化量数据即x1、x2、x3…xn+1的累积分布函数，累积分布函数用式(2)表示；

fi(δv)＝p(δv≤δv)(i∈(1，n+1))(2)

其中，δv为自变量，δv为小于δv的风速变化量，p为δv落在(0，δv)区间的概率；fi(δv)为xi的累积分布分数；

步骤5、求取n+1组风速变化量数据累积分布函数的相应反函数；

步骤6、计算整个风速历史数据的平均值作为初始风速v1，判断v1所在n+1组风速区间为(aj-1，aj)，j∈(1，n+1)，随机生成0到1之间的数b1，带入集合xj的累积分布函数的反函数中，得到一个风速变化量δv1，将其加到v1上得到风速v2，再判断v2所在风速区间的位置(ak-1，ak)，k∈(1，n+1)，随机生成0到1之间的数b2，带入集合xk的累积分布函数的反函数，得到一个风速变化量δv2，将其加到v2上得到风速v3，如此迭加n次，n为模拟的风速的点数，从而生成一段时间的模拟风速。

步骤1中，所述历史风速数据的时间尺度为一年，一年的历史数据点时间间隔为10min。

步骤2中，风速历史风速分布分割点的选取，以该地区历史风速数据中出现概率较低的风速点作为风速分布分割点，a1、a2、a3…an的数值依次增大。风速a1、a2、a3…an风速点是根据地区数年的历史风速分析得到的，n取决于不同地区实际情况。n为大于2的整数。

步骤5中，求取累积分布函数的相应反函数，即得到反函数曲线，横坐标为各小于变化量δv的分布概率，范围为0到1，纵坐标为变化量δv。

与现有技术相比，本发明有益效果在于：

(1)本方法与以往威布尔等随机抽样方法相比，模拟了风速的时序性，符合实际风速在时间序列上变化的特点。

(2)本方法通过统计相邻时序风速的变化量，建立累积分布函数，进而模拟出了该地区与选取的历史实际风速数据相似分布情况的一段风速序列。

(3)本方法根据历史风速数据中出现次数最少的n个风速点，作为分割点，但分割点的选取对于模拟风速的准确度影响较小，在于整个历史风速的变化量都被统计，即分割点n取大于2的值即可，所以避免了以往风速建模时风速分区间选取对模拟精度影响较大的缺点。

附图说明

图1为某地区历史的5000个实际风速点曲线。

图2为根据历史风速基于马尔科夫链模拟出来的5000个风速点曲线。

图3为根据历史风速基于本发明方法模拟出来的5000个风速点曲线。

图4为本发明方法流程图。

具体实施方式

下面给出本发明的具体实施例。具体实施例仅用于进一步详细说明本发明，不限制本申请的保护范围。

本发明一种风速时序模拟方法(参见图4)包括如下步骤：

步骤1、获取同地区一年的历史风速数据m；

步骤2、找出历史风速数据中出现次数最少的n个风速点，确定这几个风速点为风速分布分割点，a1、a2、a3…an的数值依次增大；

步骤3、将一年的历史风速数据根据风速分割点划分为n+1个风速区间，分别为(0，a1)、(a1，a2)、(a2，a3)…(an，vmax)，其中vmax是历史风速的最大风速，提取每个风速区间的风速数据，计算每个区间中各个风速与下一个时间序列的风速变化量δv，从而获取n+1组风速变化量数据，将n+1组风速变化量用x1、x2、x3…xn+1表示。如t时刻风速为va，t+1时刻风速为vb，且va∈(ai-1，ai)，计算δvxi如式(1)所示，δvxi∈xi。

δvxi＝vb-va(1)

其中x1是区间(0，a1)中每个风速点与下一个时间序列之间变化量的集合，因为va∈(ai-1，ai)，所以记为δvxi(δvxi∈xi)。

步骤4、通过matlab软件进行计算，用ecdf函数分别求取n+1组风速变化量数据即x1、x2、x3…xn+1的累积分布函数，累积分布函数如式(2)；

fi(δv)＝p(δv≤δv)(i∈(1，n+1))(2)

其中δv为自变量，δv为小于δv的风速变化量。p为δv落在(0，δv)区间的概率。

步骤5、通过createfit函数求取n+1组风速变化量数据累积分布函数的反函数，如式(3)；

fi^-1(p)＝δv(i∈(1，n+1))(3)

步骤6、计算整个风速历史数据的平均值作为初始风速v1，判断v1所在n+1组风速区间为(aj-1，aj)，j∈(1，n+1)，随机生成0到1之间的数b1，带入集合xj的累积分布函数的反函数中，得到一个风速变化量δv1，将其加到v1上得到风速v2，再判断v2所在风速区间的位置(ak-1，ak)，k∈(1，n+1)，随机生成0到1之间的数b2，带入集合xk的累积分布函数的反函数，得到一个风速变化量δv2，将其加到v2上得到风速v3，如此迭加n次，n为模拟的风速的点数，从而生成一段时间的模拟风速。

b1＝rand(1)(4)

实施例

本实施例一种时序风速模拟方法包括如下步骤：

步骤1、获取同地区一年的历史风速数据m，模拟出该地区一年与历史风速相同分布的风速；

步骤2、随机取大于2的数n，找出历史风速数据中出现次数最少的n个风速点，得出一年的历史风速分布在风速a1、a2、a3…an风速点周围所占概率较低，确定这几个风速点为风速分布分割点；

步骤3、将一年的历史风速数据根据风速分割点划分为n+1个风速区间，分别为(0，a1)、(a1，a2)、(a2，a3)…(an，vmax)，其中vmax是历史风速的最大风速，提取每个风速区间的风速数据，计算每个区间中各个风速与下一个时间序列的风速变化量δv，从而获取n+1组风速变化量数据，将n+1组风速变化量对应用x1、x2、x3…xn+1表示。如t时刻风速为va，t+1时刻风速为vb，且va∈(ai-1，ai)，计算δvxi如式(1)所示，δvxi∈xi。

δvxi＝vb-va(1)

其中x1是区间(0，a1)中每个风速点与下一个时间序列之间变化量的集合，因为va∈(ai-1，ai)，所以记为δvxi(δvxi∈xi)。

步骤4、通过matlab软件进行计算，用ecdf函数分别求取n+1组风速变化量数据即x1、x2、x3…xn+1的累积分布函数，累积分布函数如式(2)；

fi(δv)＝p(δv≤δv)(i∈(1，n+1))(2)

其中δv为自变量，δv为小于δv的风速变化量。p为δv落在(0，δv)区间的概率。

步骤5、通过createfit函数求取n+1组风速变化量数据累积分布函数的相应反函数，如式(3)；

fi^-1(p)＝δv(i∈(1，n+1))(3)

步骤6、计算整个风速历史数据的平均值作为初始风速v1，判断v1所在n+1组风速区间的(aj-1，aj)区间，j∈(1，n+1)，随机生成0到1之间的数b1，以b1作为反函数中的初始概率p，将b1带入集合xj的累积分布函数的反函数中，得到一个风速变化量δv1(参见公式(5))，将其加到v1上得到风速v2，再判断v2所在风速区间的位置(ak-1，ak)，k∈(1，n+1)，随机生成0到1之间的数b2，将b2带入集合xk的累积分布函数的反函数，得到一个风速变化量δv2，将其加到v2上得到风速v3，如此迭加n次，n为模拟的风速的点数，从而生成一段时间的模拟风速。

b1＝rand(1)(4)

取一地区一年的历史风速数据的一部分，为5000个风速点，如图1所示，为了对比更加直观，模拟的风速点n也取5000。图2为根据选取的历史风速基于一阶马尔科夫链模拟出来的5000个风速点曲线(划分为6个区间即6个场景)。图3为根据选取的历史风速应用本发明方法模拟的5000个风速点(n＝5，最大风速25.2m/s)。图2较于图1实际的风速分布还是有较大的差距，图3应用本发明方法与实际的风速分布基本一致。

本发明未述及之处适用于现有技术。