一種基于功率瞬時相對變化速度的風電不確定性的定量刻畫方法
【專利摘要】一種基于功率瞬時相對變化速度的風電不確定性的定量刻畫方法，涉及風功率不確定性的定量刻畫方法。為了刻畫風功率波動的不確定性，進而滿足電力系統(tǒng)對實時調度和優(yōu)化的控制需求。本發(fā)明定義了風功率變化速率刻畫指標，在大量統(tǒng)計數據的基礎上，發(fā)現了風功率變化速率刻畫指標的多尺度調幅效應并給出了一個單一三參數冪律模型，并發(fā)現風功率變化速率刻畫指標存在日周期特性。最后，提出了功率瞬時相對變化速度的概念，定義風功率多尺度變化速率刻畫指標受小時級平均風功率的調制，通過對風電場24小時風功率分別建立冪律模型進行擬合，得到時變三參數冪律模型并用其準確定量刻畫風功率不確定性。滿足新能源電力系統(tǒng)的實時調度與優(yōu)化控制的特殊需求。
【專利說明】
一種基于功率瞬時相對變化速度的風電不確定性的定量刻畫 方法
技術領域
[0001 ]本發(fā)明涉及一種基于功率瞬時相對變化速度的風電不確定性的定量刻畫方法，特 別涉及一種基于時變模型來實時刻畫風功率變化速率的方法。
【背景技術】
[0002] 由于清潔、可再生的優(yōu)勢，近年來風力發(fā)電已成為最具發(fā)展?jié)摿透偁巸?yōu)勢的可 再生能源。但由于風電的隨機波動，風電輸出功率的可變性、不可控性，在大規(guī)模風電并網 的過程中給電力系統(tǒng)帶來了巨大的威脅。風功率預測可以提供風電的變化范圍信息，有助 于合理安排互補電源的容量。然而，互補電源和風力發(fā)電的響應速度是不同的。在一般情況 下，風力發(fā)電的波動率更快，互補電源的必須快速響應風功率的變化從而實現平抑。因此， 在平抑波動的過程中，變化率是必須考慮的另一個關鍵因素。
[0003] 但是在風強隨機波動的特性下，僅僅研究風速或者風電功率的預報及其預報誤差 還不足以滿足大規(guī)模風電并網后電力系統(tǒng)實時調度和優(yōu)化控制的需求。即使針對風電出力 的強隨機波動能夠保留相應的備用容量，但是如果備用容量的調節(jié)速率跟不上風電出力的 變化速率，還是無法保證電力系統(tǒng)的穩(wěn)定安全運行?，F有的很多研究中，都是按照風速-風 功率之間的關系進行轉換，即通過預測風速由轉換曲線來預報風功率。由于風機的風速-功 率轉換曲線存在兩個風速變化而功率恒定的區(qū)間（Om/s~切入風速和額定風速~切除風 速），在這兩個區(qū)間內風速即便有變化風功率也維持不變，如圖1所示。因此，基于風速變化 速率間接刻畫電力系統(tǒng)所關系的風電不確定性，具有一定的局限性。
[0004] 針對電力系統(tǒng)對實時調度和優(yōu)化的控制需求，現有技術不能滿足新能源電力系統(tǒng) 的實時調度與優(yōu)化控制的特殊需求，本發(fā)明提出了一種基于功率瞬時相對變化速度的風電 不確定性的定量刻畫方法。

【發(fā)明內容】

[0005] 本發(fā)明的目的是為了進一步定量精確刻畫風功率波動速率的不確定性，進而滿足 電力系統(tǒng)對實時調度和優(yōu)化的控制需求，從而提供了一種基于功率瞬時相對變化速度的風 電不確定性的定量刻畫方法。
[0006] 本發(fā)明為解決上述技術問題采取的技術方案是：
[0007] 本發(fā)明所述一種基于功率瞬時相對變化速度的風功率不確定性的定量刻畫方法， 其實現過程為：
[0008] 步驟一:定義風功率變化速率刻畫指標^并基于小波多尺度變換算法給出計算 風功率實時變化率的建模方法；
[0009] 步驟二:基于大規(guī)模風功率數據獲得風功率實時變化速率刻畫指標&；:的多尺度 調幅效應，并擬合出單一三參數冪律模型，通過單一三參數冪律模型獲得存在的日周期 特性；
[0010]步驟三:在步驟二得到單一三參數冪律模型的基礎上，定義功率瞬時相對變化速 度，其表示式?風功率實時變化速率刻畫指受小時級平均風功 率印)的調制；
[0011] 步驟四：在步驟二和步驟三的基礎上，通過對一段時間內的風電場24小時風功率 數據進行分時段提取，針對各個時段對應建立24個分時冪律模型，得到24組a、i3、c參數，進 而得到一個時變三參數冪律模型;利用時變三參數冪律模型定量地準確刻畫風功率的不確 定性。比較單一三參數冪律模型和時變三參數冪律模型的擬合誤差，時變三參數冪律模型 的擬合效果更好，更加準確的對風功率不確定性進行了定量刻畫。
[0012] 本發(fā)明的優(yōu)點在于首次定量的對風功率的變化速率進行研究，提出了基于小波多 尺度變化算法的風功率變化速率刻畫指標的瞬時建模方法，發(fā)現該指標具有多尺度調幅效 應，而且受到小時級平均風功率的調制?；谛〔ǚ纸夂铣伤惴ń⒘怂矔r模型，滿足新能 源電力系統(tǒng)的實時調度與優(yōu)化控制的特殊需求?；谶@種調制關系，得到了一個單一三參 數冪律模型，定義功率瞬時相對變化速度。同時發(fā)現風功率變化速率刻畫指標存在日周期 特性;通過對風電場24小時風功率分別建立冪律模型進行擬合，得到時變三參數冪律模型； 比較單一三參數冪律模型和時變三參數冪律模型的擬合誤差，時變參數模型的擬合效果更 好，更加準確的對風功率不確定性進行了定量刻畫。
[0013] 本發(fā)明定義了風功率變化速率刻畫指標;基于小波分解合成算法建立了瞬時模型 (給出了基于小波多尺度變換算法的瞬時建模方法），在大量統(tǒng)計數據的基礎上，發(fā)現了風 功率變化速率刻畫指標的多尺度調幅效應，并給出了一個單一三參數冪律模型，并發(fā)現風 功率變化速率刻畫指標存在日周期特性。最后，提出了功率瞬時相對變化速度的概念，定義 風功率多尺度變化速率刻畫指標受小時級平均風功率的調制，通過對風電場24小時風功率 分別建立冪律模型進行擬合，得到時變三參數冪律模型；比較單一三參數冪律模型和時變 三參數冪律模型的擬合誤差，時變參數模型的擬合效果更好，更加準確的對風功率不確定 性進行了定量刻畫。滿足新能源電力系統(tǒng)的實時調度與優(yōu)化控制的特殊需求。
【附圖說明】
[0014] 圖1為風機功率曲線圖；圖2為本發(fā)明方法的流程示意圖（一種基于功率瞬時相對 變化速度的風功率不確定性刻畫方法），圖3是公式(1)計算風功率變化速率指標示意圖，圖 4為風功率實時變化速率的示意圖，圖5為Mallat小波3層分解算法示意圖，圖6是風電場原 始風功率時間序列信號圖，圖7是60s間隔的風功率變化量圖；圖8為本發(fā)明中定義的{Si}序 列圖；圖9是60s間隔風功率變化速率刻畫指標圖；
[0015]圖10是60s是間隔風功率變化速率刻畫指標與小時平均風功率的對比圖，圖中，a 表示間隔風功率變化速率刻畫指標圖，b表示小時平均風功率圖；
[0016] 圖11是300s間隔風功率變化速率刻畫指標與小時平均風功率的對比圖，圖中，a表 示間隔風功率變化速率刻畫指標，b表示小時平均風功率圖；
[0017] 圖12是600s間隔風功率變化速率刻畫指標與小時平均風功率的對比圖，圖中，a表 示間隔風功率變化速率刻畫指標，b表示小時平均風功率圖；
[0018] 圖13是60s間隔風功率變化速率刻畫指標對應的三參數冪律模型（全場），圖14是 300s間隔風功率變化速率刻畫指標對應的三參數冪律模型(全場），圖15是600s間隔風功率 變化速率刻畫指標對應的三參數冪律模型（全場），圖16是30s間隔風功率變化速率刻畫指 標對應的三參數冪律模型（單機），圖17是60s間隔風功率變化速率刻畫指標對應的三參數 冪律模型（單機），圖18是300s間隔風功率變化速率刻畫指標對應的三參數冪律模型（單 機），圖19是600s間隔風功率變化速率刻畫指標對應的三參數冪律模型(單機）。
[0019] 圖20是風功率實時變化速率刻畫指標的日周期特性圖
[0020] 圖21是00:00-06:00時段分時建模擬合效果圖，圖中，a表示00:00到01:00的時間 區(qū)間；b表示01:00到02:00的時間區(qū)間；c表示02:00到03:00的時間區(qū)間；d表示03:00到04: 〇〇的時間區(qū)間；e表示04:00到05:00的時間區(qū)間；f表示05:00到06:00的時間區(qū)間。
[0021] 圖22是06:00-12:00時段分時建模擬合效果圖，圖中，a表示06:00到07 :00的時間 區(qū)間；b表示07 :00到08:00的時間區(qū)間；c表示08:00到09:00的時間區(qū)間；d表示09:00到10: 〇〇的時間區(qū)間；e表示10:00到11:00的時間區(qū)間；f表示11:00到12:00的時間區(qū)間。
[0022] 圖23是12:00-18:00時段分時建模擬合效果圖，圖中，a表示12:00到13:00的時間 區(qū)間；b表示13:00到14:00的時間區(qū)間；c表示14:00到：15:00的時間區(qū)間；d表示15:00到16: 〇〇的時間區(qū)間；e表示16:00到17:00的時間區(qū)間；f表示17:00到18:00的時間區(qū)間。
[0023] 圖24是18:00-24:00時段分時建模擬合效果圖，圖中，a表示18:00到19:00的時間 區(qū)間；b表示19:00到20:00的時間區(qū)間；c表示20:00到21:00的時間區(qū)間；d表示21:00到22: 〇〇的時間區(qū)間；e表示22:00到23:00的時間區(qū)間；f表示23:00到24:00的時間區(qū)間。
[0024] 圖25是單一參數模型和時變參數模型擬合出的功率瞬時相對變化速度絕對誤差 比較圖。
【具體實施方式】
【具體實施方式】 [0025] 一:結合圖1~6說明本發(fā)明是一種基于功率瞬時相對變化速度的風 功率不確定性的定量刻畫方法。
[0026] 步驟一:定義風功率變化速率刻畫指標丨^并基于小波多尺度變換算法給出計算 風功率實時變化率的建模方法；
[0027] 步驟二:基于大規(guī)模風功率數據獲得風功率實時變化速率刻畫指標&;，的多尺度 調幅效應，并擬合出單一三參數冪律模型，通過單一三參數冪律模型獲得存在的日周期 特性；
[0028]步驟三:在步驟二得到單一三參數冪律模型的基礎上，定義功率瞬時相對變化速 度，其表示式 >
，風功率實時變化速率刻畫指標受小時級平均風功 率印)的調制；
[0029] 步驟四：在步驟二和步驟三的基礎上，通過對一段時間內的風電場24小時風功率 數據進行分時段提取，針對各個時段對應建立24個分時冪律模型，得到24組a、i3、c參數，進 而得到一個時變三參數冪律模型;利用時變三參數冪律模型定量地準確刻畫風功率的不確 定性。
[0030]比較單一三參數冪律模型和時變三參數冪律模型的擬合誤差，時變三參數冪律模 型的擬合效果更好，因此，利用時變三參數冪律模型能更加準確地對風功率不確定性進行 定量刻畫。
[0031 ]【具體實施方式】二:本實施方式是對【具體實施方式】一所述的一種基于功率瞬時相對 變化速度的風功率不確定性的定量刻畫方法的一步限定：
[0032] 本實施方式中定義的風功率變化度率刻畫指標的數學表達式如下：
[0033]
〇)
[0034] 式中N為時間間隔為Δ t的風功率數據點對的數目。
[0035] 從公式（1)可以看出，該指標的實際意義是，它在At的時間間隔下，不同時刻風功 率之間的平均變化程度，則風功率平均變化速率可以表示為，由于在計算的過程中， 時間間隔△ t是固定的，所以可以用來表示風功率的變化速率。
[0036] 在公式（1)中令
[0037] Si = [v(ti+ At)-v(ti)]2 (2)
[0038] 則利用公式（1)計算Δ：^的過程如圖3所示，從計算的示意圖中可以看出，利用公式 (1)直接計算時，實際上默認在不同的時間段tl~tl+ Δ t，t2~t2+ Δ t，…，tN~tN+ Δ t內，風 功率的變化速率是相同的，都是，該風功率變化速率是一段時間內的一個統(tǒng)計量，是表 示一個平均的風功率變化速率。但是在實際的過程中，上述時間段內風功率的變化速率不 可能是相同的，而且在實際中，我們更加關注的是風功率的實時變化速率，如圖4所示。
[0039] 為了得到實時風功率變化速率，對公式（1)進行更近一步的分析。將式(2)代入至 公式(1)中。則可得到下式：
[0040]
(3)
[0041 ]通過公式(3)可以看出求風功率變化度量刻畫指相當于求取序列{Si}(i = 1， 2,…N)的均值，換言之，相當于將原始的序列{SJ在時間窗口N內做了一個平均處理，而這 個過程與小波多尺度變換算法有著相似之處。對一個原始信號進行小波分解，可以得到更 低頻的信號，本質上也是對原始信號做平均處理。由于小波變換算法存在緊支撐的特性，利 用小波分解算法將原始信號分解得到低頻信號時，低頻信號的序列長度與原始信號的序列 長度保持一致。所以本發(fā)明基于小波多尺度變換算法來計算風功率實時變化速率刻畫指標 Δν.α
[0042] 所述步驟一中小波多尺度變換算法原理如下：
[0043] 自小波分析1974年被提出以后，其以其強大的時頻分辨能力獲得"數學顯微鏡"的 美譽，并廣泛運用在信號處理、圖像處理等等領域。不同于傅里葉變換整體式的時頻分析， 小波變換是一種局域的分析，小波變換能同時獲得時域和頻域的局部特性。即信號經傅里 葉變換后，其頻域上具有最大的分辨率，但卻丟掉了時空定位的信息。而小波變換卻給出了 一種可調整的時頻變換窗口，當頻率增高時，窗口的寬度會相應的減小來提高分辨率。總 之，小波變換能夠有效地提取原始時間序列的特征，通過小波函數的拉伸和平移提供多尺 度、多分辨的分析結果，是一種處理工程問題的理想應用數學工具。
[0044] 空間L2(R)上的多分辨分析指的是通過構造該空間中的一組子空間j，使其具 有如下性質：
[0045] (1)單調性:子空間存在著嚴格的包含關系
[0046] (4)
[0047] (5.):
[0048]
[0049] (6)
[0050]
[0051 ] (7)
[0052] ⑶存在性:存在爐使得淋2-HU勾成Vj的Riesz基。
[0053] 定理:若{^}料是1^(1〇上的一個多分辨分析，則存在唯一的函數使 得~=2-(2-"/-4 ,k G Z為Vj內的一個標準正交基，其中沖)被稱為尺度函數。
[0054] 引入尺度函數的概念是為了構造正交小波函數。若爐⑷展成一個多分辨分析 史(?)e F0，同時爐⑴e L1, (/)}是V-止的標準Riesz基，則沖)可由⑷_u (/))表示，即：
[0055]
C8)
[0056]由單調性和可將Vj用％+1和正交補來表示，即：
[0057]
(9)
[0058] 取極限可得/^卜^^另也⑴展成空間^^⑴展成空間^^料是相互 正交的子空間序列，又被稱為小波空間。又Φ(t)可由上的基表示
[0059]
(1〇)
[0060] 以上方程即為尺度函數和小波函數的雙尺度方程，小波函數和尺度函數的構造， 可歸結為系數{g(k)}keZ和{h(k)}keZ的設計。4
那 么尺度函數和小波函數的設計可以轉化為濾波器Η( ω )，G( ω )的設計。
[0061] Mallat在金字塔算法的啟發(fā)下，結合多分辨分析，給出了信號的金字塔式小波分 解與重構算法。設信號f(t)在尺度空間V j和小波空間Wj的投影為
[0062]
(Π )
[0063] 不妨設Cm 二</(〇,~⑴ >，d」,k = <f (t)，φ」,k(t)>，由 K ?心，可得
[0064]
[0065]
[0066]
[0067]
[0068]
[0069]
[0070]
[0071]
[0072]
[0073]
[0074]
[0075] 以上公式即為Mallat分解與重構算法。本發(fā)明所用的小波分解算法示意圖如圖5 所示。
[0076] 基于小波多尺度變換算法計算風功率實時變化速率的具體計算過程如下：
[0077] 圖6所示為某風電場的實測歷史風功率序列，風功率的采樣時間間隔為15min。首 先利用公式（2)計算S1，圖7為計算得到的風功率60s間隔的變化量序列，即IXt 1+At)_v (tO}。圖8所示為得到的Sdt間序列，序列中的時間間隔為15min。然后對序列S1進行4層小 波分解，得到的低頻分量是一個小時級的分量，即相當于對序列S 1做一個小時級平均處理， 從而得到我們所需要的風功率實時變化速率刻畫指標時間序列
，如圖9所示。
【具體實施方式】 [0078] 三:本實施方式是對一或二所述的一種基于功率瞬時 相對變化速度的風功率不確定性的定量刻畫方法的進一步限定：
[0079] 在步驟一計算的過程中，發(fā)現風功率實時變化速率刻畫指標Λ·；，與小時級平均風 功率之間存在調幅效應，而且在不同的時間間隔下，這種調幅效應依然存在。對這種調幅關 系進行函數擬合，提出了一個普適的三參數冪律模型。
[0080] 步驟二一:在步驟一的過程中，發(fā)現風功率實時變化速率刻畫指標與小時級平 均風功率之間存在調幅效應;然后改變計算的時間間隔，在大量風功率數據計算的基礎上， 發(fā)現這種調幅效應依然存在。
[0081] 圖10所示為時間間隔是60s的風功率實時變化速率刻畫指標與小時級平均風 功率的時間序列，可以看出兩者之間存在著調幅的效應，即風功率實時變化速率刻畫指標 隨時間變化的規(guī)律和小時級平均風功率隨時間變化的規(guī)律相似。圖11和圖12用同樣的辦 法，分別計算時間間隔為300s、600s的風功率實時變化速率并與小時級平均風功率序列做 對比，發(fā)現調幅效應仍然存在，所以發(fā)現風功率實時變化速率與小時級的平均風功率之間 存在多尺度調幅效應。
[0082] 步驟二二:對這種調幅關系進行擬合，提出了一個普適的三參數冪律擬合模型。
[0083] 在步驟二一的基礎上，嘗試對風功率實時變化速率刻畫指標4&/；)與小時級平均 風功率的多尺度調幅關系進行函數擬合。經過多次嘗試后，最終提出一個三參數冪律擬合 模型，對風功率實時變化速率刻畫指標么；； (?)與小時級平均風功率的多尺度調幅關系具有 較好的普適性。該冪律模型表達式如下：
[0084]
(19)
[0085] 上式中為風功率實時變化速率刻畫指標，戶(0為小時級平均風功率。Hc 分別為冪律模型的三個參數。
[0086] 圖13~圖19分別為不同時間間隔下風功率實時變化速率刻畫指標Δ 與小時級 平均風功率之間的冪律模型，可以看出該三參數冪率模型確實具有較強的普適性。同時得 到風功率實時變化速率刻畫指標的日周期特性。如圖20所示，所述日周期特性是指，風功率 實時變化率刻畫指標在一天當中的變化是有規(guī)律的，而且差異性比較大，是不可忽略的。
【具體實施方式】 [0087] 四：本實施方式是對一、二或三所述的一種基于功率 瞬時相對變化速度的風功率不確定性的定量刻畫方法的進一步限定：
[0088] 步驟三一：定義一個功率瞬時相對變化速度的概念，定義風功率多尺度實時變化 速率刻畫指標Δ 受小時平均風功率的調制，來定量的刻畫風功率的變化速率。
[0089] 功率瞬時相對變化速度定義的數學表達式為：
[0090] (20)
[0091]
[0092] (21)
[0093] 通過公式（21)可以看出，風功率多尺度實時變化速率刻畫指標&^^受到小時平 均風功率的調制。
[0094] 將公式(21)進行變換，定義為單一參數模型為：
[0095]
(22)
[0096] 根據式(22)在得到三參數冪律模型后，就可以利用小時級平均風功率得到風功率 實時變化速率刻畫指標Δ&/：)。
[0097]【具體實施方式】五:本實施方式是對【具體實施方式】一、二、三或四所述的一種基于功 率瞬時相對變化速度的風功率不確定性的定量刻畫方法的進一步限定:在步驟四中，所述 時變三參數冪律模型的構建為：
[0098] 步驟四一:建立24個分時冪律模型，獲得24組α、β、c參數；
[0099] 步驟四二:定義時變三參數冪律模型，如下式所示：
[0100]
(21)
[0101] 具中，和CU)為通]Q：步驟四一中提到的24組α、β、(3參數獲得；
[0102] 步驟四三:定義擬合誤差，擬合誤差為實際的功率瞬時相對變化速度與模型擬合 得到的功率瞬時相對變化速度之間的絕對誤差
[0103] 如下式：
[0104] (24)
[0105] (25)
[0106] 式中，Ishiji為實際的功率瞬時相對變化速度;e^i為單一三參數冪律模型的擬合 誤差;為時變三參數冪律模型擬合誤差。
[0107] 步驟四二提到的冪律模型，aj、c三個參數是單一的;考慮到風功率實時變化速率 刻畫指標存在日周期特性，即模型參數在一天當中是有變化，而且差異性比較大，是不可忽 略的。如圖21到圖24所示，為一天24小時建立的分時的冪律模型。
[0108] 步驟四二:可以采用時變參數模型來擬合，從而得到較高的擬合精度。式(23)定義 的時變參數模型中，a (t)、β(t)和c (t)為通過步驟三一中提到的24小時建立的分時的冪律 模型，得到的數據擬合的一組常數。
[0109] 考慮利用時變參數模型擬合風功率數據的擬合精度，擬合誤差為實際的功率瞬時 變化與模型擬合得到的功率瞬時變化之間的絕對誤差。
[0110] 擬合精度對比圖如圖25所示，時變參數模型的擬合效果更好一些。從而更加精確 的實現了對風功率不確定性的定量刻畫。
【主權項】
1. 一種基于功率瞬時相對變化速度的風電不確定性的定量刻畫方法，其特征在于:所 述方法的實現過程為： 步驟一:定義風功率變化速率刻畫指標并基于小波多尺度變換算法給出計算風功 率實時變化率的建模方法. 步驟二:基于大規(guī)模風功率數據獲得風功率實時變化速率刻畫指標的多尺度調幅效 應，并擬合出單一=參數幕律模型，通過單一=參數幕律模型獲得存在的日周期特性； 步驟=:在步驟二得到單一=參數幕律模型的基礎上，定義功率瞬時相對變化速度，其表示式關 風功率實時變化速率刻畫指標受小時級平均風功率馬勺 的調制； 步驟四：在步驟二和步驟=的基礎上，通過對一段時間內的風電場24小時風功率數據 進行分時段提取，針對各個時段對應建立24個分時幕律模型，得到24組a、e、c參數，進而得 到一個時變=參數幕律模型；利用時變=參數幕律模型定量地準確刻畫風功率的不確定 性。2. 根據權利要求1所述的一種基于功率瞬時相對變化速度的風電不確定性的定量刻畫 方法，其特征在于:在步驟一中，風功率變化速率刻畫指標的數學表達式如下：(1) 式中N是時間間隔為At的風功率數據點對的數目；v(ti)表示ti在時刻的風功率，v(ti+ A t)表示ti時刻經過了時間間隔A t后的風功率； 風功率變化速率刻畫指標表示在At的時間間隔下，不同時刻風功率之間的平均變 化程度;風功率平均變化速率表示為,在計算的過程中，時間間隔A t是固定的，用 來表示風功率變化速率； 令 Si=[v(ti+A t)-v(ti)]2 (2) 為了得到實時風巧率巧化巧率，將式(2)代入至公式（I)中則得：(3) 由式(3)可得出求風功率變化度量刻畫指標相當于求取序列{Si} Q = I，2,…N)的均 值，基于小波多尺度變換算法來計算風功率實時變化速率刻畫指標Ai,，過程如下： 首先利用公式(2)計算Si,然后對序列Si進行4層小波分解，得到的低頻分量是一個小時 級的分量，即相當于對序列Si做一個小時級平均處理，從而得到風功率實時變化速率刻畫 指標時間序列U:，(〇3. 根據權利要求1或2所述的一種基于功率瞬時相對變化速度的風電不確定性的定量 刻畫方法，其特征在于:在步驟二中，基于大規(guī)模風功率數據獲得風功率實時變化速率刻畫 指標Ai，的多尺度調幅效應，并擬合出單一立參數幕律模型，其過程為； 步驟二一:在步驟一的過程中，改變計算的時間間隔A t，在大量風功率數據計算的基 礎上，得到風功率實時變化速率刻畫指標4；^與小時級平均風功率之間調幅關系（調幅效 應)； 步驟二二:對所述調幅關系進行擬合，得到普適的=參數幕律擬合模型； 在步驟二一的基礎上，對風功率實時變化速率刻畫指標與小時級平均風功率的多 尺度調幅關系進行函數擬合，最終得出一個對風功率實時變化速率刻畫指標與小時 級平均風功率的多尺度調幅關系具有普適性的=參數幕律擬合模型，該幕律模型表達式如 下：(19) 上式中為風功率實時變化速率刻畫指標，哀巧為小時級平均風功率;a、e、c分別為 幕律模型的=個參數。4. 根據權利要求3所述的一種基于功率瞬時相對變化速度的風電不確定性的定量刻畫 方法，其特征在于:步驟=中，定量地刻畫風功率的末疏巧忡的親元式為： 將功率瞬時相對變化速度定義的數學表達;變形為：(21) 通過公式(21)可W看出，風功率多尺度實時變化速率刻畫指標受到小時平均風功 率的調制，將公式(19)和公式(21)進行變換得到下式：(22) 根據式（22)利用小時級平均風功率得到風功率實時變化速率刻畫指標么!*'，的，從而實 現對功率瞬時相對變化速度的定量刻畫。5. 根據權利要求4所述的一種基于功率瞬時相對變化速度的風電不確定性的定量刻畫 方法，其特征在于，在步驟四中，所述時變=參數幕律模型的構建為： 步驟四一:建立24個分時幕律模型，獲得24組a、0、C參數； 步驟四二:定義時變=參數幕律模型，如下式所示： 其中，a(t)、e(t)和c(t)為通過步驟四一中提到的24組a、e、c參數獲得； (23) 步驟四=:定義擬合誤差，擬合誤差為實際的功率瞬時相對變化速度與模型擬合得到 的功率瞬時相對變化速度之間的絕對誤差 如下式：(24) (25) 式中，IshUi為實際的功率瞬時相對變化速度;e單^為單一S參數幕律模型的擬合誤 差;晰胃為時變=參數幕律模型擬合誤差。
【文檔編號】G06F17/50GK105914787SQ201610356310
【公開日】2016年8月31日
【申請日】2016年5月25日
【發(fā)明人】萬杰, 郝瑩, 任國瑞, 趙鑫宇, 初銳, 劉智, 劉金福, 于達仁
【申請人】哈爾濱工業(yè)大學, 南京遒涯信息技術有限公司, 哈爾濱機易電站設備有限公司