基于每时晴空指数的大规模电站光伏出力序列生成方法转让专利
申请号 : CN201911289768.4
文献号 : CN111275238A
文献日 : 2020-06-12
发明人 : 李国庆 , 李欣彤 , 王振浩 , 辛业春 , 边竞 , 张轶珠 , 刘座铭 , 董洪达 , 李德鑫
申请人 : 东北电力大学 , 国网吉林省电力有限公司电力科学研究院
摘要 :
权利要求 :
1.一种基于每时晴空指数的大规模电站光伏出力序列生成方法,其特征在于:其步骤是:(1)通过聚类分析对大规模光伏电站进行空间分群;
步骤(1-1):计算光伏每日晴空指数:太阳辐射的每日晴空指数Kd为:
式中: 表示t时刻太阳辐射实测值; 表示t时刻全球水平太阳辐射理论模拟值;
时间t从日出到日落;
步骤1-2:提取光伏出力波动量:
光伏出力波动量ΔPt为:
ΔPt=Pt-KdPtsim (2)式中:Pt为t时刻光伏实际出力大小;Kd为电站每日晴空指数;Ptsim为t时刻光伏理论出力大小;
步骤1-3:确定最优聚类数
假设待聚类的观测集为X={x1,x2,…,xi,…,xn},每个观测值有p维变量,两个观测值之间的欧几里得距离dij定义为:式中:xip和xjp分别为第i和第j个观测值的第p维变量;p是变量的个数;
最优聚类数目通过轮廓系数确定。轮廓系数s(i)是类的密集与分散程度的评价指标;
式中:a(i)为样本i到同类其他样本的平均距离;b(i)为样本i到其他某类所有样本的平均距离;a(i)是测量类内的相似度,b(i)是测量类间的相似度,s(i)范围从-1到1;
(2)划分典型电站和波动电站;
将不同天气下始终同属一个聚类集合的电站选为典型电站,对不属于同一集合的电站定义为波动电站;
(3)计算典型电站每时晴空指数序列;
光伏出力的每时晴空指数 表示为:
式中: 表示t时刻光伏出力实测值; 表示t时刻光伏出力理论模拟值;
(4)对不平稳序列进行平稳化处理;
在 不为0的条件下形成新的平稳序列utut=Pt/f(Ptsim) (6)定义线性分段函数f为:
f(Ptsim)=Ptsim+fa(Ptsim)+fb(Ptsim) (7)式中:fa为日出到中午时段的函数;fb为中午到日落时段的函数;
fa和fb的目的是改进日出和日落时段光伏理论出力的模拟值,表达式如下:式中: 为一天中光伏理论模拟最大值;αa,b,βa,b,γ为使ut标准差最小化的优化参数;βa,b∈(0,2);
(5)建立VAR模型;
步骤(5-1):VAR模型参数估计VAR模型表示为:
式中:p为时间最大滞后量;Ut=(u1,t,u2,t,…,um,t)'为m维平稳化序列;Bl为滞后期l的m×m维待估计系数矩阵;η为一列m维常数向量;at=(a1,t,a2,t,…,am,t)'为方差待估计的m维白噪声向量;
l
模型中待估计的参数为系数矩阵B 和白噪声向量at的方差—协方差矩阵∑,对于一阶VAR模型其形式如下:cov(ai,t,aj,t)=σij=σji其中,B1中非对角元素表征各电站之间的相互影响, σim分别为at中各元素的方差和协方差;
步骤5-2:VAR模型阶数确定
AIC值表达式如下:
式中:T为每时晴空指数记录总天数; 为拟合VAR(p)模型时方差-协方差矩阵Σ的极大似然估计;
对p=0,1,…,P阶VAR模型,分别估计模型参数,计算对应的AIC(p),选取AIC最小值对应的阶数即为模型阶数;
(6)对VAR模型进行平稳性检验;
对VAR模型进行平稳性检验,若检验通过,根据模型可生成任意长度的模拟时间序列否则重新建立模型;
(7)模拟时间序列进行数值转化;
将模拟时间序列 与对应电站理论出力值 相乘,得到最终光伏出力模拟序列;
(8)典型电站映射波动电站光伏出力;
计算序列的互相关函数公式为:
式中:ui(t),uj(t)为2组平稳序列; 为2组平稳序列平均值;D(ui(t)),D(uj(t))为2组平稳序列方差;E为序列的期望;k为时间延迟数。
说明书 :
基于每时晴空指数的大规模电站光伏出力序列生成方法
技术领域
背景技术
发明内容
步骤(1-1):计算光伏每日晴空指数:
太阳辐射的每日晴空指数Kd为:
式中:Itmeans表示t时刻太阳辐射实测值;Itsim表示t时刻全球水平太阳辐射理论模拟值;时 间t从日出到日落;
步骤1-2:提取光伏出力波动量:
光伏出力波动量ΔPt为:
ΔPt=Pt-KdPtsim (2)
式中:Pt为t时刻光伏实际出力大小;Kd为电站每日晴空指数;Ptsim为t时刻光伏理论出力 大小;
步骤1-3:确定最优聚类数
假设待聚类的观测集为X={x1,x2,…,xi,…,xn},每个观测值有p维变量,两个观测值之间的欧 几里得距离dij定义为:
式中:xip和xjp分别为第i和第j个观测值的第p维变量;p是变量的个数;
最优聚类数目通过轮廓系数确定。轮廓系数s(i)是类的密集与分散程度的评价指标;
式中:a(i)为样本i到同类其他样本的平均距离;b(i)为样本i到其他某类所有样本的平均 距离;
a(i)是测量类内的相似度,b(i)是测量类间的相似度,s(i)范围从-1到1;
(2)划分典型电站和波动电站;
将不同天气下始终同属一个聚类集合的电站选为典型电站,对不属于同一集合的电站定义为 波动电站;
(3)计算典型电站每时晴空指数序列;
光伏出力的每时晴空指数ktpv表示为:
式中:Ptmeans表示t时刻光伏出力实测值;Ptsim表示t时刻光伏出力理论模拟值;
(4)对不平稳序列进行平稳化处理;
在f(Ptsim)不为0的条件下形成新的平稳序列ut
ut=Pt/f(Ptsim) (6)
定义线性分段函数f为:
f(Ptsim)=Ptsim+fa(Ptsim)+fb(Ptsim) (7)
式中:fa为日出到中午时段的函数;fb为中午到日落时段的函数;
fa和fb的目的是改进日出和日落时段光伏理论出力的模拟值,表达式如下:
式中: 为一天中光伏理论模拟最大值;αa,b,βa,b,γ为使ut标准差最小化的优化参数; βa,b∈(0,2);
(5)建立VAR模型;
步骤(5-1):VAR模型参数估计
VAR模型表示为:
式中:p为时间最大滞后量;Ut=(u1,t,u2,t,…,um,t)'为m维平稳化序列;Bl为滞后期l的m×m维 待估计系数矩阵;η为一列m维常数向量;at=(a1,t,a2,t,…,am,t)'为方差待估计的m维白噪声向 量;
模型中待估计的参数为系数矩阵Bl和白噪声向量at的方差—协方差矩阵∑,对于一阶VAR模 型其形式如下:
cov(ai,t,aj,t)=σij=σji
其中,B1中非对角元素表征各电站之间的相互影响, σim分别为at中各元素的方差和协方差; 步骤5-2:VAR模型阶数确定
AIC值表达式如下:
式中:T为每时晴空指数记录总天数; 为拟合VAR(p)模型时方差-协方差矩阵Σ的极大 似然估计;
对p=0,1,…,P阶VAR模型,分别估计模型参数,计算对应的AIC(p),选取AIC最小值对应 的阶数即为模型阶数;
(6)对VAR模型进行平稳性检验;
对VAR模型进行平稳性检验,若检验通过,根据模型可生成任意长度的模拟时间序列否则 重新建立模型;
(7)模拟时间序列进行数值转化;
将模拟时间序列 与对应电站理论出力值Ptsim相乘,得到最终光伏出力模拟序列;
(8)典型电站映射波动电站光伏出力;
计算序列的互相关函数公式为:
式中:ui(t),uj(t)为2组平稳序列; 为2组平稳序列平均值;D(ui(t)),D(uj(t))为2组平 稳序列方差;E为序列的期望;k为时间延迟数。
附图说明
图3是光伏出力ACF对比图;
图4是光伏出力PDF对比图;
图5是每日晴空指数平均联动聚类结果图;
图6是轮廓系数示意图;
图7是7天模型RMSE对比箱型图;
图8是一个月模型RMSE对比箱型图。
具体实施方式
步骤1-1:计算光伏每日晴空指数。
太阳辐射的每日晴空指数Kd为:
式中:Itmeans表示t时刻太阳辐射实测值;Itsim表示t时刻全球水平太阳辐射理论模拟值;时 间t从日出到日落。
ΔPt=Pt-KdPtsim (2)
sim
式中:Pt为t时刻光伏实际出力大小;Kd为电站每日晴空指数;Pt 为t时刻光伏理论出力 大小。
光伏出力的每时晴空指数kt 可表示为:
式中:Ptmeans表示t时刻光伏出力实测值;Ptsim表示t时刻光伏出力理论模拟值。
ut=Pt/f(Ptsim) (6)
式中:fa为日出到中午时段的函数;fb为中午到日落时段的函数。
VAR模型是一种通过多方程联立的方式探索各个变量之间的线性关系的模型,可以表示为:
l
式中:p为时间最大滞后量;Ut=(u1,t,u2,t,…,um,t)'为m维平稳化序列;B为滞后期l的m×m维 待估计系数矩阵;η为一列m维常数向量;at=(a1,t,a2,t,…,am,t)'为方差待估计的m维白噪声向 量。
其中,B1中非对角元素表征各电站之间的相互影响, σim分别为at中各元素的方差和协方差, 以上参数可通过极大似然估计法进行估计。
式中:T为每时晴空指数记录总天数; 为拟合VAR(p)模型时方差-协方差矩阵Σ的极大 似然估计。
式中:ui(t),uj(t)为2组平稳序列; 为2组平稳序列平均值;D(ui(t)),D(uj(t))为2组平 稳序列方差;E为序列的期望;k为时间延迟数。