本发明属于综合能源系统、可再生能源以及统计学方法在能源系统中应用的,尤其涉及一种多维综合能源相互关系的表征方法及系统。
背景技术:
1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
2、随着全球能源结构的转型,可再生能源在能源供应中占据越来越重要的地位。然而,由于这些能源的产量受气候和环境等各种因素影响,存在很大的不确定性。因此,研究风电、光伏和水电之间的相互关系,对于提高综合能源系统的运行效率和稳定性具有重要意义。目前的研究现状大多是对风电,光伏之间相互关系的研究,少有考虑多维可再生能源的相互关系,并且在多维综合能源系统中,风电、光伏和水电之间的关联程度对于系统的调度优化至关重要。少数研究为了准确表征这些多维关系,采用了皮尔逊相关系数、最大似然估计法等方法。然而,这些方法在捕捉非线性关系和极端事件方面存在局限性。
技术实现思路
1、为了解决上述背景技术中存在的技术问题,本发明提供一种多维综合能源相互关系的表征方法及系统,其可以正确的表征三组能源产电量之间的相互影响以及关联程度,为后续对预测未来的风电、光伏、水电产量提供依据和支撑。
2、为了实现上述目的,本发明采用如下技术方案:
3、本发明的第一个方面提供一种多维综合能源相互关系的表征方法。
4、一种多维综合能源相互关系的表征方法,包括:
5、根据获取的风电数据、光伏数据和水电数据,分别为风电、光伏和水电拟合最佳边际分布,得到风电最佳边际分布、光伏最佳边际分布和水电最佳边际分布;
6、分别对风电最佳边际分布、光伏最佳边际分布和水电最佳边际分布进行转换,得到风电cdf值、光伏cdf值和水电cdf值;
7、根据风电数据、光伏数据和水电数据,分别计算风电相关系数、光伏相关系数和水电相关系数;
8、根据风电相关系数、光伏相关系数和水电相关系数,分别计算风电相关系数矩阵、光伏相关系数矩阵、水电相关系数矩阵和自由度;
9、根据风电cdf值、光伏cdf值、水电cdf值、风电相关系数矩阵、光伏相关系数矩阵、水电相关系数矩阵和自由度,构建t-copula模型;
10、利用t-copula模型分析风电、光伏和水电三种能源之间的相关性。
11、进一步地,在进行拟合最佳边际分布之前还包括:根据风电数据、光伏数据和水电数据,分别计算三类数据的kruskal-wallis秩。
12、进一步地,根据三类数据的kruskal-wallis秩,计算统计量。
13、进一步地,根据三类数据的kruskal-wallis秩和统计量,进行卡方临界值差异性比较。
14、进一步地,对风电数据、光伏数据和水电数据进行独立性检验,得到风电数据、光伏数据和水电数据三种能源数据之间的关系呈非线性相关性。
15、进一步地,所述风电最佳边际分布为weibul分布,或所述光伏最佳边际分布为beta分布,或所述水电最佳边际分布为log-normal分布。
16、进一步地,所述t-copula模型为:
17、c(u1,u2,u3;r,ν)=tν^(u1,u2,u3;r,ν)
18、其中,tν^(u1,u2,u3;r,ν)是多维t分布的逆累积分函数。
19、本发明的第二个方面提供一种多维综合能源相互关系的表征系统。
20、一种多维综合能源相互关系的表征系统,包括:
21、边际分布模块,其被配置为:根据获取的风电数据、光伏数据和水电数据,分别为风电、光伏和水电拟合最佳边际分布,得到风电最佳边际分布、光伏最佳边际分布和水电最佳边际分布;
22、转换计算模块,其被配置为:分别对风电最佳边际分布、光伏最佳边际分布和水电最佳边际分布进行转换,得到风电cdf值、光伏cdf值和水电cdf值;
23、相关系数计算模块,其被配置为:根据风电数据、光伏数据和水电数据,分别计算风电相关系数、光伏相关系数和水电相关系数;
24、相关参数计算模块,其被配置为:根据风电相关系数、光伏相关系数和水电相关系数,分别计算风电相关系数矩阵、光伏相关系数矩阵、水电相关系数矩阵和自由度;
25、模型构建模块,其被配置为:根据风电cdf值、光伏cdf值、水电cdf值、风电相关系数矩阵、光伏相关系数矩阵、水电相关系数矩阵和自由度,构建t-copula模型;
26、相互关系表征模块,其被配置为:利用t-copula模型分析风电、光伏和水电三种能源之间的相关性。
27、本发明的第三个方面提供一种计算机可读存储介质。
28、一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一个方面所述的多维综合能源相互关系的表征方法中的步骤。
29、本发明的第四个方面提供一种计算机设备。
30、一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述第一个方面所述的多维综合能源相互关系的表征方法中的步骤。
31、与现有技术相比,本发明的有益效果是:
32、本发明设计的方案可以正确的表征三组能源产电量之间的相互影响以及关联程度,为后续对预测未来的风电、光伏、水电产量提供依据和支撑,也可以通过捕捉到的三组能源产电量之间的关联程度,对综合能源系统后面的调度优化提供依据,确保三种能源供给的稳定性。
33、本发明在研究风电、光伏和水电之间的关联程度的问题上引入了copula函数,通过将多变量分布拆分为边际分布和多变量依赖关系,可以更好地描述多维随机变量之间的关联程度。
34、本发明采用t-copula函数可以捕捉风电、光伏和水电之间的极端事件和非线性关系,具有较好的尾部依赖性和灵活性。
1.一种多维综合能源相互关系的表征方法,其特征在于,包括:
2.根据权利要求1所述的多维综合能源相互关系的表征方法,其特征在于,在进行拟合最佳边际分布之前还包括:根据风电数据、光伏数据和水电数据,分别计算三类数据的kruskal-wallis秩。
3.根据权利要求2所述的多维综合能源相互关系的表征方法,其特征在于,根据三类数据的kruskal-wallis秩,计算统计量。
4.根据权利要求3所述的多维综合能源相互关系的表征方法,其特征在于,根据三类数据的kruskal-wallis秩和统计量,进行卡方临界值差异性比较。
5.根据权利要求1所述的多维综合能源相互关系的表征方法,其特征在于,对风电数据、光伏数据和水电数据进行独立性检验,得到风电数据、光伏数据和水电数据三种能源数据之间的关系呈非线性相关性。
6.根据权利要求1所述的多维综合能源相互关系的表征方法,其特征在于,所述风电最佳边际分布为weibul分布,或所述光伏最佳边际分布为beta分布,或所述水电最佳边际分布为log-normal分布。
7.根据权利要求1所述的多维综合能源相互关系的表征方法,其特征在于,所述t-copula模型为:
8.一种多维综合能源相互关系的表征系统,其特征在于,包括:
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的多维综合能源相互关系的表征方法中的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的多维综合能源相互关系的表征方法中的步骤。