[发明专利]一种基于小波包方差熵的风电爬坡不确定性评估方法

说明书

本发明涉及一种基于小波包方差熵的风电爬坡不确定性评估方法，包括下述步骤：首先对初始风电功率进行小波分解得到频域中含噪的风电功率序列，然后使用小波软阈值降噪法对含噪的风电功率序列进行降噪后再重构，从而得到降噪后时域中的风电功率，之后对降噪后的风电功率进行相应的运算求解得到风电功率方差；接着用db3小波包基函数对风电功率方差进行小波包变换，得到总的小波包方差能量值；最后提出小波包方差熵来评估风电爬坡不确定性程度；该方法能有效地对不同程度的风电爬坡事件进行识别，有助于指导电力系统相关部门根据风电爬坡事件的不确定性程度制定更为详细的波动平抑策略。

技术领域

这是一种涉及电力系统安全稳定运行领域，尤其涉及一种基于小波包方差熵的风电爬坡不确定性评估方法。

背景技术

随着风电大规模开发利用，风电在电力系统中发挥的作用越来越大，与传统的确定可控的发电方式相比，风力发电更具有强烈的波动性、随机性等不确定性特征，给电力系统的安全稳定运行带来了一系列的挑战。

对风电波动特性分析以时域、频域角度进行的研究较多，但是单纯地从时域或者频域角度出发考虑风电不确定性，忽略了可能存在的时频转换机制，简化了研究过程，不能完整反映风的时空分布，这就导致了在评估风电不确定性时对系统的影响往往偏差较大。因此，研究风电的随机性与波动性，如何有效度量风电不确定性程度，对增强电网风电消纳能力，提高电力系统稳定运行具有重要意义。

发明内容

针对现在大规模风力发电接入电网中，面对风力发电接入电网后强烈的波动性、随机性等不确定性特征而产生如何有效度量风电不确定性程度的技术问题，提出了一种基于小波包方差熵的风电爬坡不确定性评估方法。

解决上述问题的技术方案是：一种基于小波包方差熵的风电爬坡不确定性评估方法，包括以下步骤：

步骤1：对频域中的风电功率序列进行小波软阈值降噪；

步骤2：利用降噪评价指标信噪比(Signal Noise Ratio,SNR)与均方误差(MeanSquared Error,MSE)选择最优分解层数；

步骤3：运用小波基函数和最优分解层数进行小波分解得到风电功率方差；

步骤4：基于小波包变换的小波包方差熵的建立。

附图说明

图1为提出的基于小波包方差熵的风电爬坡不确定性评估方法的三层小波分解示意图；

图2为提出的基于小波包方差熵的风电爬坡不确定性评估方法的流程；

图3为提出的基于小波包方差熵的风电爬坡不确定性评估方法的风电场初始风电功率曲线；

图4为提出的基于小波包方差熵的风电爬坡不确定性评估方法的风电场平均风电功率图；

图5为提出的基于小波包方差熵的风电爬坡不确定性评估方法的风电功率湍流残差部分图；

图6为提出的基于小波包方差熵的风电爬坡不确定性评估方法的风电功率小波分解图；

图7为提出的基于小波包方差熵的风电爬坡不确定性评估方法的各个时间的段的小波包方差熵。

具体实施方式

下面将结合实施例中的附图，对实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是一部分实施例，而不是全部的实施例。

参照图2，一种基于小波包方差熵的风电爬坡不确定性评估方法，包括以下步骤：

步骤1：首先需要对初始的风电功率序列S(t)进行小波分解得到变换后频域中的风电功率序列S_j(w)，它包含了未降噪的高频信号cD_f,j和低频信号cA_f,j。