[发明专利]一种基于藤结构Pair-Copula的风电相关性条件采样方法

说明书

本发明公开了一种基于藤结构Pair‑Copula的风电相关性条件采样方法，步骤1、获取风电出力的真实值和预测值的边缘概率分布；步骤2、构建风电出力真实值和预测值的最优Pair‑Copula函数；步骤3、在给定风电出力的预测值条件下，对藤结构Pair‑Copula采样，得到考虑时间相关性和条件相关性的样本。与现有技术相比，本发明同时考虑风电出力预测误差的时间相关性及其与预测值的条件相关性，更加准确地描述了不同预测值下，风电出力预测误差的分布特点；所获得的采样点能够合理描述给定预测值条件下的预测误差分布情况，能够很好地应用于电网的随机优化或鲁棒优化中。

技术领域

本发明属于相关性建模与电网技术领域，特别涉及一种基于藤结构Pair-Copula的风电相关性条件采样方法。

背景技术

随着不可再生的化石燃料的枯竭和环境污染的不断加重，光伏、风电等可再生能源扮演了日益重要的角色，在电网出力中所占的比例不断增大。

然而，可再生能源受各种因素影响，具有不确定性，这对电网的稳定、经济运行提出了新的要求。因此在含可再生能源的电网中，常常需要考虑可再生能源的不确定性，故而采用随机或鲁棒优化建模的方法。但是随机优化往往需要大量的样本数据来得到精确的概率分布，鲁棒优化也需要尽可能构造合理的不确定集合，以平衡保守度和经济性。

研究发现，可再生能源发电的预测误差往往存在较强的时间相关性，这会对电网的优化结果产生很大的影响，而预测误差的大小又与预测值呈现条件相关性。目前的相关性建模方法存在如下问题：

1)利用各时刻预测误差的历史数据确定不确定集或进行随机优化的方法，能够考虑时间相关性，但没有考虑与预测值的条件相关性，在预测值很高或很低时，会导致对不确定性的估计过高或过低；

2)通过对预测值分区的预测误差建模方法能够体现条件相关性，但分区数影响了模型质量，且难以拓展到多维；

3)基于藤结构的Pair-Copula模型能够很好地对时间相关性进行建模，对数据的统计特性具有很强的适应能力，但模型本身无法对条件相关性进行建模。

发明内容

本发明目的在于克服同时考虑以风电为代表的可再生能源发电预测误差的时间相关性及其与预测值的条件相关性的问题，而提出了一种基于藤结构Pair-Copula的风电相关性条件采样方法，对藤结构Pair-Copula进行改进，对可再生电源出力预测误差的时间相关性进行建模之后，通过条件采样的方式，获得同时考虑时间相关性和条件相关性的采样点。

本发明技术解决方案如下：

一种基于藤结构Pair-Copula的风电相关性条件采样方法，具体包括如下步骤：

1.一种基于藤结构Pair-Copula的风电相关性条件采样方法，其特征在于，该方法具体包括如下步骤：

步骤1、获取风电出力的真实值和预测值的边缘概率分布，即根据风电历史数据分布特点，采用参数估计法或非参数估计法获得风电出力的真实值和预测值的边缘概率分布；

步骤2、构建风电出力的真实值和预测值的最优Pair-Copula函数，藤结构Pair-Copula的从第1层开始，逐层确定多维变量两两之间最优的Pair-Copula函数类型及参数，即选取拟合的各Copula函数中与经验Copula函数之间欧氏距离最小的一个为最优的Pair-Copula函数，拟合得到的Copula函数C_p(u,v)与经验Copula函数C_n(u,v)之间欧氏距离定义为：

其中，经验Copula函数的具体表达式为：