基于时域相关性量化分析光伏电站集群效应的方法

本发明涉及新能源集群效应技术领域，具体是一种基于时域相关性量化分析光伏电站集群效应的方法。

背景技术：

光伏发电是利用光生伏特效应产生电能的一种发电形式，光伏电站出力具有不可预测的波动性。目前，我国光伏电站正在由分散、小规模开发向高集中、大规模开发快速发展，光伏电站集群出力波动性对电网安全稳定运行、调度规划等产生重要影响。因此，研究光伏电站集群出力变化规律对于电网的有效管控有重要意义。

由于光伏电站覆盖地域较大，场内太阳能板接受的光照强度会存在空间上的差异，光伏电站输出功率波动会随着空间规模的扩大趋于缓和，这种现象称为光伏出力的集群效应。研究其时空变化特性对于波动性的影响，有助于修正多时空尺度下光伏电站的预测和评估结果，进而为系统备用容量的确定、电网运行调度提供可靠依据。

目前，已经有相关技术人员对光伏电站集群效应进行了研究，并给出了相应的评估方式。该方法基于峰值比、相对峰值比、最大偏移量比、最大幅值差比等指标对光伏电站协同效应进行了分析、量化评估，表明光伏集群可以一定程度上削弱光伏电站出力波动性。然而该方法在对集群效应进行评估时并没有对光伏出力整体的波动性进行分析，且由于装机容量的不同，各个光伏电站对集群出力的波动影响也各不相同。

技术实现要素：

本申请的目的是为了解决现有光伏电站集群效应分析方法中存在的忽略装机容量、且未对光伏电站集群整体的波动性进行分析的问题。

为此，本申请提供了一种基于时域相关性量化分析光伏电站集群效应的方法，包括如下步骤：

(1)选取一定数量光伏电站作为光伏电站集群；

(2)统计所选光伏电站的实时出力数据，计算光伏电站集群出力；

(3)根据所述光伏电站实时出力数据，计算光伏电站出力自相关系数以及光伏电站集群出力自相关系数；

(4)根据所述光伏电站出力自相关系数、光伏电站集群出力自相关系数以及光伏电站的装机容量，计算光伏电站集群效应相关系数比；

(5)根据所述光伏电站集群效应相关系数比，确定光伏电站集群效应的结果。

进一步地，步骤(1)中选取一定数量光伏电站作为光伏电站集群，包括：

根据地理位置、气象条件因素合理选择至少两个光伏电站作为光伏电站集群

进一步地，步骤(2)中统计光伏电站的实时出力数据，包括：

(1)采集所选每个光伏电站在不同时间尺度下的实时出力数据；

(2)根据采集得到的每个光伏电站的出力数据，将其进行线性求和得到所选光伏电站集群的集群出力数据。

进一步地，步骤(3)中所述光伏电站出力自相关系数以及光伏电站集群出力自相关系数的计算公式分别为：

(1)单个光伏电站出力自相关系数的计算公式如下：

式中，ρn,j为第n个光伏电站的出力自相关系数；pn为第n个光伏电站出力时间序列；pn,t为第n个光伏电站在t时刻的出力数据，pn,t为第n个光伏电站在t时刻的出力数据，t＝t+j，j为滞后时间；epn,t、epn,t分别为出力时间序列pn,t、pn,t的期望值；dpn,t、dpn,t分别为出力时间序列pn,t、pn,t的方差值；s为光伏电站出力的采样点数，n为光伏电站总数，且n≥2；

(2)光伏电站集群出力自相关系数的计算公式如下：

式中，ρc,j为光伏电站集群出力自相关系数，pn为光伏电站集群出力时间序列；pn,t为光伏电站集群在t时刻的总出力数据，pn,t为光伏电站集群在t时刻的总出力数据，t＝t+j，j为滞后时间；dpn,t、dpn,t分别为光伏电站集群出力时间序列pn,t、pn,t的方差值。

进一步地，步骤(4)中所述光伏电站集群效应相关系数比的计算步骤如下：

(1)考虑光伏电站装机容量，计算所选光伏电站集群的加权自相关系数：

式中，n为所选光伏电站集群所包含的光伏电站总数；cn为第n个光伏电站的装机容量；cn为光伏电站集群的总装机容量；ρn,j为第n个光伏电站的出力自相关系数；ρn,j为考虑装机容量时光伏电站电场自相关系数的加权和；

(2)计算所述光伏电站集群效应相关系数比：

式中，η为光伏电站集群效应相关系数比；ρc,j为光伏电站集群出力自相关系数。

进一步地，步骤(5)中根据光伏电站集群效应相关系数比，确定光伏电站集群效应的结果，包括：

根据所述光伏电站集群效应相关系数比在不同时间尺度下的曲线变化图，确定所述光伏电站集群效应的结果。

本申请提供的技术方案具有以下有益效果：通过计算光伏电站出力的自相关系数，可以对不同时间尺度下光伏电站自身出力的相关性和波动性进行衡量；通过计算集群效应相关系数比衡量集群效应，克服了现有技术中忽略的装机容量这一因素；此外，本申请适用于光伏电站出力、光伏电站集群效应的评估，为电网规划提供了依据。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于时域相关性量化分析光伏电站集群效应的方法的流程示意图；

图2为本发明实施例提供的采样时间间隔为15min时云南a光伏电站出力自相关系数的曲线变化图；

图3为本发明实施例提供的采样时间间隔为1h时云南a光伏电站出力自相关系数的曲线变化图；

图4为本发明实施例提供的云南a光伏电站在强辐射期、弱辐射期的典型月份出力自相关系数的曲线变化图；

图5为本发明实施例提供的光伏电站不同集群规模下集群效应相关系数比的曲线变化图；

图6为本发明实施例提供的光伏电站不同季度集群效应相关系数比的曲线变化图；

图7为本发明实施例提供的光伏电站强辐射期与弱辐射期典型月份集群效应相关系数比的曲线变化图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：

参见图1所示，为本发明实施例1提供的一种基于时域相关性量化分析光伏电站集群效应的方法的流程示意图，所述方法包括如下步骤：

s101、选取一定数量光伏电站作为光伏电站集群；

s102、统计所选光伏电站的实时出力数据，计算光伏电站集群出力；

s103、根据所述光伏电站实时出力数据，计算光伏电站出力自相关系数以及光伏电站集群出力自相关系数；

s104、根据所述光伏电站出力自相关系数、光伏电站集群出力自相关系数以及光伏电站的装机容量，计算光伏电站集群效应相关系数比；

s105、根据所述光伏电站集群效应相关系数比，确定光伏电站集群效应的结果。

s101中，选取一定数量光伏电站作为光伏电站集群，包括：

根据地理位置、气象条件因素合理选择至少两个光伏电站作为光伏电站集群。

s102中，统计所选光伏电站的实时出力数据，计算光伏电站集群出力，包括：

(1)采集所选每个光伏电站在不同时间尺度下的实时出力数据；

(2)根据采集得到的每个光伏电站的出力数据，将其进行线性求和得到所选光伏电站集群的集群出力数据。

s103中，所述光伏电站出力自相关系数以及光伏电站集群出力自相关系数的计算公式分别为：

(1)单个光伏电站出力自相关系数的计算公式如下：

式中，ρn,j为第n个光伏电站的出力自相关系数；pn为第n个光伏电站出力时间序列；pn,t为第n个光伏电站在t时刻的出力数据，pn,t为第n个光伏电站在t时刻的出力数据，t＝t+j，j为滞后时间；epn,t、epn,t分别为出力时间序列pn,t、pn,t的期望值；dpn,t、dpn,t分别为出力时间序列pn,t、pn,t的方差值；s为光伏电站出力的采样点数，n为光伏电站总数，且n≥2。

(2)光伏电站集群出力自相关系数的计算公式如下：

式中，ρc,j为光伏电站集群出力自相关系数，pn为光伏电站集群出力时间序列；pn,t为光伏电站集群在t时刻的总出力数据，pn,t为光伏电站集群在t时刻的总出力数据，t＝t+j，j为滞后时间；dpn,t、dpn,t分别为光伏电站集群出力时间序列pn,t、pn,t的方差值。

步骤s103中，根据所述光伏电站实时出力数据，计算光伏电站出力自相关系数，包括：

计算光伏电站出力自相关系数，分析不同时间尺度下光伏电站出力自相关系数的差异。

具体地，当采样间隔时间为15min时，根据采集到的云南a光伏电站在不同滞后时间下的实时出力数据，计算得出云南a光伏电站的出力自相关系数并绘制如图2所示的a光伏电站出力自相关系数的曲线变化图。

当采样间隔时间为1h时，根据采集到的云南a光伏电站在不同滞后时间下的实时出力数据，计算得出云南a光伏电站的出力自相关系数并绘制如图3所示的a光伏电站出力自相关系数的曲线变化图。

由图2或图3可以看出：当滞后时间小于7h时，a光伏电站的出力自相关系数均大于0.7，表明光伏电站出力自相关性强。此外，由图2和图3均可以得出a光伏电站的自相关系数随着滞后时间的增大而减小。由图3可以看出，当滞后时间为24h的整数倍时，曲线呈现凸起状，表明a光伏电站日出力呈现一定的相关性。

此外，还可以在相同的时间尺度下，采集云南a光伏电站在弱辐射期、强辐射期的典型月份(1月、7月)的实时出力数据，计算得出云南a光伏电站的出力自相关系数并绘制如图4光伏出力自相关系数的曲线变化图。

由图4可以看出：云南a光伏电站在强辐射期的出力自相关系数较弱辐射期的出力自相关系数大，即a光伏电站在强辐射期的光伏电站出力自相关性较强。

步骤s104中，所述光伏电站集群效应相关系数比的计算步骤如下：

(1)考虑光伏电站装机容量，计算所选光伏电站集群的加权自相关系数：

式中，n为所选光伏电站集群所包含的光伏电站总数；cn为第n个光伏电站的装机容量；cn为光伏电站集群的总装机容量；ρn,j为第n个光伏电站的出力自相关系数；ρn,j为考虑装机容量时光伏电站电场自相关系数的加权和。

(2)计算所述光伏电站集群效应相关系数比：

式中，η为光伏电站集群效应相关系数比；ρc,j为光伏电站集群出力自相关系数。

步骤s105中，根据所述集群效应相关系数比，确定光伏电站集群效应的结果，包括：

根据所述集群效应相关系数比在不同时间尺度下的曲线变化图，确定所述光伏电站集群效应的结果。

具体包括：

根据计算得到的不同集群规模下(两个光伏电站、四个光伏电站)集群效应相关系数比绘制如图5所示的两个光伏电站、四个光伏电站集群效应相关系数比的变化曲线图。

由图5可以看出：随着集群规模的扩大，集群效应相关系数比随之增加。也就是说，当集群规模扩大时，光伏电站集群出力的波动性减弱，集群出力的相关性增强，出力自相关系数较大，集群效应更明显。

根据计算得到的光伏电站在不同季度(春、夏、秋、冬)的集群效应相关系数比绘制如图6所示的光伏电站不同季度集群效应相关系数比的曲线变化图。

由图6可以看出：夏、秋两季集群效应相关系数比较大，春、冬两季集群效应相关系数比较小，表明所述光伏电站在夏季和秋季光伏电站出力集群效果更明显。

根据计算得到的光伏电站(四个光伏电站)在弱辐射期与强辐射期典型月份(1月、7月)的集群效应相关系数比绘制如图7所示的集群效应相关系数比的曲线变化图。

由图7可以看出：月平均功率较高的月份，集群效应相关系数比较大，集群效应较明显；月平均出力较低的月份，集群效应相关系数比较小。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。