[发明专利]基于风电波动多尺度分解的建模方法

说明书

本发明提供了一种基于风电波动多尺度分解的建模方法，包括：根据预先采集的第一风电历史数据，分析风电波动的时间特性和统计特性，以确定风电波动分解分量以及所述风电波动分解分量对应的时间尺度；根据所述风电波动分解分量及其对应的时间尺度，采用两级WMMF滤波器对所述第一风电历史数据进行风电多尺度波动分解，获得低频趋势分量、中频波动分量以及高频波动分量；根据所述低频趋势分量、所述中频波动分量以及所述高频波动分量，建立多维概率模型。通过上述方法能够依据原始风电功率时间序列的风电波动的波动特征和相关性建立多维概率模型，从而保留了完整风电波动过程的特征，最大程度地模拟了风电出力特性。

技术领域

本发明涉及新能源发电技术领域，具体涉及一种基于风电波动多尺度分解的建模方法。

背景技术

风电作为一种可再生的清洁能源，具有良好的发展前景。然而，随着风电并网容量的迅速增加，风电固有的波动性和间歇性使电力系统的安全稳定运行面临严峻考验。自然界风能的随机波动特性决定了风电具有快速波动性与间歇性的特征，这使得风电并网后对电力系统运行的可靠性造成了很大影响。高速发展的风电装机容量使得风电并网问题愈发严重，弃风限电情况越发严重，这己经成为风电行业的普遍现象。

风电无法并网的原因之一是风能的随机性和间歇性引起的风电机组的输出功率不稳定。为了提高风能的利用率，减少风电弃风现象，同时又保证风电并网的安全性，可以从风电波动的角度研究风电波动性的规律。风电出力短时间尺度波动特性和长时间尺度的波动特性都对电力系统的运行影响巨大，短时间尺度的快速波动影响电力平衡和备用分配；长时间尺度的大幅度缓慢波动变化影响发电计划。因此，深入分析风电的多尺度波动特性并建立准确的数学模型，对优化电力系统的规划建设和调度运行均具有重大意义。

目前国内外研究人员主要是从波特量的统计特性来分析风电不同时间尺度的波动特性，很少研究针对风电波动提出建模方法。

发明内容

基于此，本发明提供了一种基于风电波动多尺度分解的建模方法，能够依据原始风电功率时间序列的风电波动的波动特征和相关性建立多维概率模型，从而保留了完整风电波动过程的特征，最大程度地模拟了风电出力特性。

本发明实施例提供了一种基于风电波动多尺度分解的建模方法，包括：

根据预先采集的第一风电历史数据，分析风电波动的时间特性和统计特性，以确定风电波动分解分量以及所述风电波动分解分量对应的时间尺度；

根据所述风电波动分解分量及其对应的时间尺度，采用两级WMMF滤波器对所述第一风电历史数据进行风电多尺度波动分解，获得低频趋势分量、中频波动分量以及高频波动分量；

根据所述低频趋势分量、所述中频波动分量以及所述高频波动分量，建立多维概率模型。

优选地，所述方法还包括：

采集若干年内时间尺度为N的风电出力历史数据，并按照风电时间序列对所述风电出力历史数据进行归一化处理；

将所述风电出力历史数据划分为第一风电历史数据以及第二风电历史数据；

采用所述第一风电历史数据构建所述多维概率模型；

采用所述第二风电历史数据对所述多维概率模型进行校验。

优选地，所述方法还包括：

采用所述多维概率模型进行风电序列重构模拟，得到模拟风电序列；

采用MCMC模型进行风电序列仿真，得到仿真风电序列；

将所述模拟风电序列、所述仿真风电序列分别与所述风电出力历史数据进行统计特性对比分析，得到多维概率模型的拟合误差和MCMC模型的拟合误差；