光伏发电系统多状态建模方法及装置与流程

技术特征：

1.一种光伏发电系统多状态建模方法，其特征在于，包括：

利用通用生成函数法建立光伏发电系统的多状态模型；

在建立所述光伏发电系统的多状态模型的过程中，每次采用通用生成函数法时，都利用合并同类项法对状态进行削减；

当得到光伏逆变器组的多状态模型后，利用比例均摊法对所述光伏逆变器组的状态进行状态削减；

当得到所述光伏发电系统的多状态模型后，利用K-均值聚类法进行状态削减。

2.根据权利要求1所述的方法，其特征在于，所述利用通用生成函数法建立光伏发电系统多状态模型，包括：

利用通用生成函数法建立光伏发电系统的机械可靠性模型；

利用通用生成函数法建立光伏发电系统的光伏出力模型；

根据所述光伏发电系统的机械可靠性模型和光伏出力模型，结合通用生成函数法的组合运算得到光伏发电系统多状态模型。

3.根据权利要求1所述的方法，其特征在于，所述每次采用通用生成函数法时，都利用合并同类项法对状态进行削减，包括：

通过通用生成函数的组合运算，得到如公式一所示的两个离散随机变量X₁及X₂相加得到的离散随机变量X₃的通用生成函数u₃(z)：

每次使用通用生成函数法进行状态计算时，判断z的指数项是否相同，将z的指数项相同的两项对应的系数相加，且z的指数保持不变；

其中，z的指数项和系数项分别表示状态和概率；u₁(z)为离散随机变量X₁对应的通用生成函数；u₂(z)为离散随机变量X₂对应的通用生成函数；x_(1,i)为X₁的第i种状态，状态值对应的概率为p_(1,i)，且1≤i≤k₁；x_(2,j)为X₂的第j种状态，状态值对应的概率为p_(2,j)，且1≤j≤k₂；x_(3,i)和p_(3,i)分别表示离散随机变量X₃的可能取值及对应概率。

4.根据权利要求1所述的方法，其特征在于，所述当得到光伏逆变器组的多状态模型后，利用比例均摊法对所述光伏逆变器组的状态进行状态削减，包括：

采用公式二及公式三，将原始状态序列x＝[x₁,…,x_n]对应的状态概率按比例分摊到聚类后状态序列y＝[y₁,…,y_m]的概率中：

其中，pr(x_i)表示原始状态x_i的概率；Δpr(y_j)_i和Δpr(y_j+1)_i分别为原始状态x_i按比例分摊给状态y_j和y_j+1的概率；pr(y_j)为聚类后状态y_i的概率。

5.根据权利要求1所述的方法，其特征在于，所述当得到所述光伏发电系统的多状态模型后，利用K-均值聚类法进行状态削减，包括：

采用聚类有效性指数BWP，确定最佳聚类数k；

随机选取数据集中的k个点作为初始聚类中心，根据数据集中的各个样本到k个中心的距离将所述各个样本归到距离最小的类中；

计算各个类中所有样本的平均值，更新每个类的聚类中心，直到平方误差准则函数稳定在最小值。

6.一种光伏发电系统多状态建模装置，其特征在于，包括：

模型建立模块，用于利用通用生成函数法建立光伏发电系统的多状态模型；

第一状态削减模块，用于在建立所述光伏发电系统的多状态模型的过程中，每次采用通用生成函数法时，都利用合并同类项法对状态进行削减；

第二状态削减模块，用于当得到光伏逆变器组的多状态模型后，利用比例均摊法对所述光伏逆变器组的状态进行状态削减；

第三状态削减模块，用于当得到所述光伏发电系统的多状态模型后，利用K-均值聚类法进行状态削减。

7.根据权利要求6所述的装置，其特征在于，所述模型建立模块包括：

机械可靠性模型建立模块，用于利用通用生成函数法建立光伏发电系统的机械可靠性模型；

光伏出力模型建立模块，用于利用通用生成函数法建立光伏发电系统的光伏出力模型；

光伏发电系统多状态模型建立模块，用于根据所述光伏发电系统的机械可靠性模型和光伏出力模型，结合通用生成函数法的组合运算得到光伏发电系统多状态模型。

8.根据权利要求6所述的装置，其特征在于，所述第一状态削减模块，具体用于：

通过通用生成函数的组合运算，得到如公式一所示的两个离散随机变量X₁及X₂相加得到的离散随机变量X₃的通用生成函数u₃(z)：

每次使用通用生成函数法进行状态计算时，判断z的指数项是否相同，将z的指数项相同的两项对应的系数相加，且z的指数保持不变；

其中，u₁(z)为离散随机变量X₁对应的通用生成函数；u₂(z)为离散随机变量X₂对应的通用生成函数；x_(1,i)为X₁的第i种状态，状态值对应的概率为p_(1,i)，且1≤i≤k₁；x_(2,j)为X₂的第j种状态，状态值对应的概率为p_(2,j)，且1≤j≤k₂；x_(3,i)和p_(3,i)分别表示离散随机变量X₃的可能取值及对应概率。

9.根据权利要求6所述的装置，其特征在于，所述第二状态削减模块，具体用于：

采用公式二及公式三，将原始状态序列x＝[x₁,…,x_n]对应的状态概率按比例分摊到聚类后状态序列y＝[y₁,…,y_m]的概率中：

其中，pr(x_i)表示原始状态x_i的概率；Δpr(y_j)_i和Δpr(y_j+1)_i分别为原始状态x_i按比例分摊给状态y_j和y_j+1的概率；pr(y_j)为聚类后状态y_i的概率。

10.根据权利要求6所述的装置，其特征在于，所述第一状态削减模块，具体用于：

采用聚类有效性指数BWP，确定最佳聚类数k；

随机选取数据集中的k个点作为初始聚类中心，根据数据集中的各个样本到k个中心的距离将所述各个样本归到距离最小的类中；

计算各个类中所有样本的平均值，更新每个类的聚类中心，直到平方误差准则函数稳定在最小值。