一种风电场群出力间歇性的多时间尺度定量刻画方法与流程

本发明涉及一种风电场群出力间歇性预警的方法，特别涉及一种考虑多时间尺度的风电场群出力间歇性进行定量刻画及预报的方法，从而实现对风电场群出力间歇性的预警。

背景技术：

当前，对风电不确定性的认识和掌握是促进我国大规模可再生能源安全高效消纳和清洁能源结构转型的关键基础问题。其中，间歇性是风电不确定性的一个重要表现。风电间歇性使得风电大规模并网后改变了原有电网的运行方式，影响电网的稳定和安全运行。因此对风电间歇性进行研究，可以为电力系统提供更为详细的风电输出特性，平抑其对电网造成的危害。

目前，风电间歇性的研究成果大多集中在定性描述及如何平抑消除方面，缺乏详尽定量刻画和描述方法。CN104463511B公开了一种基于风机单位时间启停频度的风速间歇性定量刻画方法，该方法中提到了风速间歇性的刻画；同时，CN104598755B公开了一种基于风速陡变占空比的风速间歇性定量刻画方法，该方法中将风的某些统计量的时空分布不均匀性质定义为风速间歇性并用风速陡变占空比来定量刻画风速间歇性。对于风电出力间歇性的定量刻画，国外学者Milan等人用风功率差值的概率分布形式来表示风功率的间歇性，但这只能定性描述风功率间歇性，无法定量描述间歇性。Gunturu等人基于风功率密度(WPD)将风资源在有功和无功之间的转换定义为间歇性：当WPD大于或等于200W/m²时为“有功”的可用有效状态；而当WPD小于200W/m²时为“无功”的无效不可用状态。同时，他将WPD大于200W/m²以上的变化称为波动性。

此外，风电场群出力的爬坡事件一直是学者们关注的重点，张东英等从定义、预测方法和控制策略3个方面对风电爬坡事件的相关研究进展进行了综述：首先对比分析了爬坡事件的常用定义，明确了其优缺点和适用范围；其次，归纳了爬坡预测方法的研究现状，根据是否由风电功率预测结果判断划分为直接预测方法和间接预测方法两类，总结了常用预测方法评价指标；然后阐述了无储能的有限度爬坡控制策略的基本思想、控制方法和风储联合爬坡控制策略的原理以及研究进展；最后展望了风电爬坡事件未来的重点研究方向；然而，其未提及利用风电爬坡事件的统计参量来定量刻画和描述间歇性的方法。

技术实现要素：

为了解决现有技术存在的上述问题，本发明提供了一种风电场群出力间歇性的多时间尺度定量刻画方法。本发明利用风电爬坡统计参量来定义爬坡占空比这一参数，进而实现风电场群出力间歇性的定量刻画和描述；同时，充分考虑上下爬坡特性不同，设置了不同的阈值。此外，为了避免爬坡事件的漏报问题，采用多时间尺度来对未来的风电场群出力间歇性进行描述，通过建立统计回归模型实现间歇性预报。

本发明的目的是通过以下技术方案实现的：

一种风电场群出力间歇性的多时间尺度定量刻画方法，包括如下步骤：

步骤一：定义风功率爬坡占空比，考虑上下爬坡的特性，利用风电场实测历史风功率数据得到风功率爬坡占空比的时间序列，所述爬坡占空比的时间序列分为上爬坡占空比和下爬坡占空比的时间序列；

步骤二：根据步骤一的结果，利用SVR(支持向量回归方法)建立风功率爬坡占空比时间序列统计回归预报模型进行预报，完成对未来风电场群出力间歇性的预报；

步骤三：为减小可能出现的漏报情况，选取多个时间间隔重复步骤一、二来实现风电场群出力间歇性的多时间尺度定量刻画。

相比于现有技术，本发明具有如下优点：

1、提出并定义风功率爬坡占空比这一指标来定量刻画风电间歇性。

2、充分考虑上下爬坡特性不同。

3、通过对参数进行建模预报，为电力系统进行风险评估、确定合理调度裕量等提供决策支持，确保风电接入后电力系统安全稳定的运行。

4、采取多时间尺度刻画，减小了漏报的情况。

附图说明

图1为本发明方法的流程示意图；

图2为1个月15min间隔的风场功率爬坡占空比时序图；

图3为1个月30min间隔的风场功率爬坡占空比时序图；

图4为1个月60min间隔的风场功率爬坡占空比时序图；

图5为15min间隔的风场功率上爬坡时序图；

图6为15min间隔的风场功率下爬坡时序图；

图7为风电场爬坡占空比SVR预报结果。

具体实施方式

下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。

本发明提供了一种风电场群出力间歇性的多时间尺度定量刻画方法，其设计思路如下：首先定义风功率爬坡占空比的概念，在风电场实测历史数据的基础上，得到风功率爬坡占空比的时间序列；同时充分考虑上爬坡与下爬坡的不同，应用该方法分别得到风功率上、下爬坡的陡变占空比时间序列；在此基础上建立风功率爬坡占空比统计回归预报模型，对风功率爬坡占空比进行预报，并采用多尺度方法来实现对未来风电场群出力间歇性的精确定量刻画。如图1所示，具体包括如下步骤：

步骤一：定义风功率爬坡占空比，考虑上下爬坡的特性，利用风电场实测历史风功率数据得到风功率爬坡占空比的时间序列，详细可分为上爬坡占空比和下爬坡占空比的时间序列。

本步骤中，风功率爬坡占空比的定义如下：

记t时刻及t+Δt的风功率分别为P(t)和P(t+Δt)，则Δt时间间隔内风功率的变化量ΔP(t)＝P(t+Δt)-P(t)。对于风功率变化量，在已有文献的基础上结合上下爬坡的不同给出上爬坡事件的阈值Pth1和下爬坡事件的阈值Pth2，当ΔP(t)＞Pth1时，表明风功率发生了上爬坡事件；当ΔP(t)＜Pth2时，表明风功率发生了下爬坡事件。取周期T(可以是1个小时或者1天)内的风功率序列，计算在给定的时间间隔Δt下的风功率变化量序列{ΔP(t)}，同时统计周期T内风功率发生上爬坡事件和下爬坡事件的次数，分别记为N1和N2，风功率爬坡事件的总次数为N(N＝N1+N2)，在此基础上，风功率爬坡占空比λ的定义如下：

同样的，还可以定义风功率上爬坡占空比λup和风功率下爬坡占空比λdown：

风功率爬坡占空比实际上表示一段时间内风功率发生爬坡事件所占的比例，其取值范围为[0,1]。λ越大，表明一段时间内风功率爬坡持续的时间越长，则该时间段内风功率的间歇性较强；反之λ越小，表明一段时间内风功率爬坡持续时间短，该时间段内风功率的间歇性较弱。由此我们可以用风功率爬坡占空比这一参数实现对风功率间歇性的定量刻画。

由上述风功率爬坡占空比的定义可以看出其与风功率上爬坡和下爬坡的次数有关，而风功率发生爬坡事件的判定与提前给定的阈值Pth1和Pth2有关，所以需要给出阈值的确定方法。在本发明中，采用额定功率百分比的方法来给出这两个阈值。而阈值的选取与时间间隔Δt有关，其对应情况如表1所示。

表1突变事件的时间间隔及其对应的阈值

PR代表风电场的额定功率。

在上述内容的基础上，基于真实风功率数据，计算爬坡占空比。本发明中所有风功率数据的采样间隔为5s，而电力系统日前调度是以小时为单位来制定的，因此此时的时间间隔Δt选为1h，时间段T取为1天。

步骤二：根据步骤一的结果，建立风功率爬坡占空比时间序列统计回归预报模型进行预报，完成对未来风电场群出力间歇性的预报。

统计回归方法利用数据统计原理，对大量统计数据进行数学处理，并确定因变量与某些自变量的相关关系，建立一个相关性较好的回归方程(函数表达式)，并加以外推，用于预测今后的因变量的变化的分析方法。目前常用的方法有线性回归、岭回归、支持向量回归(SVM)以及BP神经网络方法等。

本步骤在分析风功率爬坡占空比可以预报的基础，建立统计回归预报模型对风功率爬坡占空比进行预报，完成对未来风电场群出力间歇性的定量刻画。利用统计回归预报模型，对提前1小时、提前2小时和提前3小时的风功率爬坡占空比进行预报，对未来的风电场群出力间歇性进行定量描述。同样也可以对风功率上爬坡占空比及风功率下爬坡占空比进行预报。

步骤三：为减小可能出现的漏报情况，选取多个时间间隔重复步骤一、二来实现风电场群出力间歇性的多时间尺度定量刻画。

在实际爬坡预测中，若阈值选取过大则易漏报，而且会造成实时控制时过大，进而会对电网有功平衡和频率稳定造成较大的影响。因此，本发明采用多时间尺度来定量刻画风电场群出力间歇性。具体步骤如下：

在步骤一的基础上，依次选取时间间隔为15min、30min和60min，根据表1确定相应的阈值，其对应的时间段选取为1h、1h和1天。之后重复步骤一的刻画工作，得到相应的风功率爬坡占空比时间序列，再重复步骤二的预测工作，取它们的并集作为最终结果。至此，完成风电场群出力间歇性的多时间尺度定量刻画方法。

电力系统可以根据风功率爬坡占空比的预报结果制定更为合理经济的调度计划，在风功率间歇性较强的时间段提供较多的备用容量，而在风功率间歇性较弱的时间段预留较少的备用容量。

步骤一、三的结果如图1～6所示，图1～3依次为选取时间间隔为15min、30min、60min的1个月内的爬坡占空比的时序图，可以看出随着时间间隔的增大，爬坡占空比的幅值和频度会降低，这是因为时间间隔的选取影响阈值的大小，所选时间间隔越大，相应的阈值越大。选取多个时间间隔，对相应的陡变占空比时序图进行整合，可以有效避免因采用单个时间间隔刻画导致遗漏的情况发生。上下爬坡占空比时序图如图5和图6所示，可以看出下爬坡占空比在时序图中的幅值比上爬坡占空比大，发生的频度多。这是因为上下爬坡特性不同，使得阈值的选取不同，下爬坡的阈值比上爬坡要低。考虑上下爬坡的差异，可以避免误将正常事件当作上爬坡事件或将下爬坡事件当作正常事件的发生，提高了刻画的准确性。步骤二的算例如图7所示，可以看出预报的整体效果较好。