一种根据历史数据生成风电出力模拟数据的方法与流程

本发明属于数值模拟，具体地涉及一种根据历史数据生成风电出力模拟数据的方法。

背景技术：

1、随着并网风电装机规模的日渐增加，风力发电系统的随机性、间歇性和不确定性等特征对公共电网所产生的不利影响逐渐显现。为了研究风力发电不确定性对电力系统的影响，分析风电消纳问题，基于不确定性新能源的随机生产模拟技术目前成为新能源消纳分析的主要技术之一。

2、基于不确定性新能源的随机生产模拟技术需要大量的全年风电出力曲线作为输入，以蒙特卡罗方法研究风电出力随机变化对新能源消纳的影响。风电出力是指风电场每个单位时刻所发出的电量。但目前新能源风电场大部分为新建，搜集的历史风电出力数据比较有限，无法满足随机生产模拟计算的输入要求。因此需要根据历史风电出力数据，生成大量符合当地风电特性的模拟数据。

3、目前相关的风电预测技术，例如申请公开号分别为cn115173483a和cn113449471a的中国发明专利，往往更着重于依赖气候性的预测精度，而生产模拟计算需要的数据更看重数据的分布概率是否符合风电的历史出力特性，因此需要一种更注重生成数据的整体分布性的模拟数据方法。

技术实现思路

1、本发明所要解决的技术问题在于：提供一种根据历史数据生成风电出力模拟数据的方法，解决现有技术方案模拟生成的数据的整体分布性与当地风电的历史出力特性匹配度不佳的问题，实现更加符合蒙特卡罗仿真计算等生产模拟计算的数据要求，从而提供更有效的指导生产作用。

2、依据本发明的技术方案，本发明提供了一种根据历史数据生成风电出力模拟数据的方法，其特征在于，包括如下步骤：

3、将历史风电出力数据通过不同的日期分段方式划分为若干个季节；

4、计算每一种日期分段方式所形成的各个季节的风电出力的期望值，选取各个季节间期望值偏差最大的一种日期分段方式，以该日期分段方式将历史风电出力数据划分为若干个季节；

5、统计得到各季节内的风电出力概率分布和各时刻马尔科夫转移矩阵；

6、利用梅特罗波利斯－黑斯廷斯算法，分别对每个季节中各个日期、各个时刻的风电出力进行仿真，得到全年仿真数据。

7、进一步地，在一些实施例中，本发明的方法包括如下步骤：

8、步骤s1，搜集当地多年的历史风电出力数据，并对数据进行归一化；

9、步骤s2，对数据进行清洗，剔除错误数据，并以正确数据替代；

10、步骤s3，按照不同季节的风电出力特性进行全年日期分段；步骤s3进一步包括：

11、步骤s3.1，首先考虑当地季节变化特性，设置季节过渡期；

12、步骤s3.2，在季节过渡期中选择一组日期，形成一组季节分割日方案，将一年划分为q个季节；

13、步骤s3.3，将多年的历史风电出力数据中属于同一季节的数据整合为该季节的数据集；

14、步骤s3.4，通过以下公式分别计算每个季节的数据集中每个时刻的期望值eq,t和标准差σq,t；

15、

16、

17、式中：q为季节编号，q＝1,…,q；t为一天中的某时刻；为季节q中某一天t时刻的风电出力值；为q季节的数据集中每一天t时刻的风电出力值的平均值；n为季节q的数据集中的总天数；

18、步骤s3.5，通过以下公式分别计算季节间的期望值欧拉距离le,q和标准差欧拉距离lσ,q：

19、

20、

21、式中：a和b分别代表相邻的两个季节，当q≠q时，a＝q，b＝q+1；当q＝q时，a＝q，b＝1；m为一天时刻的总计；

22、并通过以下公式计算出期望值欧拉距离和标准差欧拉距离的总和lsum：

23、

24、步骤s3.6，在季节过渡期中选择不同季节分割日方案，重复步骤s3.2至步骤s3.5，计算出所有可能的季节分割日方案所对应的期望值欧拉距离和标准差欧拉距离的总和lsum；

25、步骤s3.7，通过比较得出期望值欧拉距离和标准差欧拉距离总和lsum的最大值，该最大值所对应的季节分割日方案为最终确定的季节分割日方案；

26、步骤s3.8，以步骤s3.7最终确定的季节分割日方案对历史风电出力数据进行分段，形成共q个季节的数据集；

27、步骤s4，对各季节的数据集分别进行以下步骤的数据统计：

28、将0～1之间分成k个区间，统计该季节的数据集中每一相同时刻的各个风电出力值落在各个区间中的数量，得到该季节各时刻风电出力分布概率pr,t,q；其中：r代表区间，r＝1,…,k；t为一天中的某时刻，t＝1,...,m；q为季节编号，q＝1,…,q；

29、统计并计算得到各个时刻的马尔科夫转移矩阵p(t)，

30、

31、式中：t为一天中的某时刻；表示t时刻时前后两个状态的转移概率，k表示前一时刻状态，l表示后一时刻状态；k＝1时表示前一时刻风电出力值为0，k取值在[2,k+1]时分别表示前一时刻风电出力值取值为((k-2)/k,(k-1)/k]；l＝1时表示后一时刻风电出力值为0，l取值在[2,k+1]时分别表示后一时刻风电出力值取值为((l-2)/k,(l-1)/k]；

32、步骤s5，根据步骤s3、步骤s4的结果，利用梅特罗波利斯－黑斯廷斯算法，生成全年仿真数据。

33、进一步地，步骤s5进一步包括：

34、步骤s5.1，确定需要生成数据的日期段在全年哪个季节，选择相应季节的各时刻风电出力分布概率pr,t,q和马尔科夫转移矩阵p(t)；

35、步骤s5.2，利用梅特罗波利斯－黑斯廷斯算法对该日期段内各个时刻的数据进行仿真；

36、步骤s5.3，选择不同的日期段，重复步骤s5.1至步骤s5.2，最终得到全年仿真数据。

37、进一步地，在步骤s5.2进行仿真的过程中，对仿真得到的每个数据均进行判断，若其满足马尔科夫转移矩阵p(t)，则该仿真满足条件，记录该时刻的仿真数据，并进行下一时刻仿真；若其不满足马尔科夫转移矩阵p(t)，则丢弃该数据重新进行仿真生成、判断，直至满足条件。

38、进一步地，还包括步骤s6，根据多年的历史风电出力数据，分别对每一年的风电出力数据求出一条历史风电持续出力曲线；分别计算出每两条历史风电持续出力曲线间的欧拉距离lw，然后通过比较得到其最大值lw,max。

39、进一步地，还包括步骤s7，对全年仿真数据进行校验；其进一步包括：

40、求出步骤s5得到的全年仿真数据的全年仿真数据持续出力曲线；全年仿真数据持续出力曲线的形状和变化规律应与步骤s6中得到的历史风电持续出力曲线相似；

41、分别求出全年仿真数据持续出力曲线和每一条历史风电持续出力曲线的欧拉距离lv，其中最大的值lv,max不应超出lw,max的1.5倍；

42、满足以上全部条件则该全年仿真数据为有效仿真数据；若不满足全部条件，则丢弃该全年仿真数据，重复步骤s5至步骤s7。

43、进一步地，还包括步骤s8，重复步骤s5至步骤s7，获得多年的、有效的全年仿真数据。

44、优选地，步骤s1中搜集的历史风电出力数据至少为三年的数据。

45、优选地，步骤s3.2中，根据全年的风电出力根据相似性原则，分为春秋、夏、冬3个季节或春、夏、秋、冬4个季节。

46、与现有技术相比，本发明的有益技术效果如下：

47、本发明的根据历史数据生成风电出力模拟数据的方法，通过统计多年历史风电出力数据，将风电出力按出力特性划分成不同区间，并提取各区间的概率特性和马尔科夫转移矩阵。根据各区间概率，利用序贯蒙特卡罗方法生成多个全年数据，并利用历史持续出力曲线进行校正，满足要求的有效仿真数据能够较好地符合当地历史数据的概率分布、符合当地风电的出力特性，适用于需要大量数据的蒙特卡罗仿真计算等计算研究，研究结果匹配度更好、更具客观性。