基于马尔科夫链的风电场同调机群划分方法
【专利摘要】本发明涉及基于马尔科夫链的风电场同调机群划分方法，将风电场内各风电机组的有功、无功数据进行处理，使数据具有马尔科夫性；构造随机过程矩阵，并进行高斯权重处理，求得马尔科夫转移矩阵；频谱分析马尔科夫转移矩阵，求解其特征值、左特征向量和右特征向量，确定划分为同调机群的个数；计算任意两台风电机组之间的转移概率距离，并与设定门槛值比较以确定是否划入同一个机群；综合修正同调机群划分结果；该划分方法利用了风电场的实际物理数据，更能反映风电场的真实特性，为完整、准确的分析规模型风电场并网对电网运行产生的影响奠定了基础，对于提升电网的运行水平具有积极影响。
【专利说明】基于马尔科夫链的风电场同调机群划分方法
【技术领域】
[0001] 本发明属于新能源发电技术中的风电场等值建模【技术领域】，涉及一种基于马尔科 夫链的风电场同调机群划分方法。
【背景技术】
[0002] 随着风力发电技术的日益进步、风电机组制造水平的不断提高，在国家"建设大基 地、融入大电网"风电发展战略的指导下，大型并网风力发电场(简称并网型风电场）成为风 力发电的主流，风力发电在电网中的比例越来越大，成为除水力发电以外最成熟、最现实的 一种清洁能源发电方式。
[0003] 然而由于风能的随机性和不可控性，风电场的并网运行对电网的电能质量、安全 稳定等诸多方面带来负面的影响，随着风电场规模的不断扩大，风电特性对电网的影响也 愈加显着，成为制约风电场容量和主要障碍。为了更加充分地开发利用风力资源，需要深入 研究大规模风电场并网运行问题。这对风电场的规划、设计和运行都有重要的指导意义。但 是由于多种原因，风电场的数学建模工作没有取得突破，已经阻碍了风电场接入电网的相 关研究工作。因此，开展反映风电场实际特性的风电场等值建模方法研究具有重要的理论 价值和实用价值。
【发明内容】
[0004] 本发明的目的是提供一种基于马尔科夫链的风电场同调机群划分方法，以实现风 电场等值建模过程中机组分布不规则型风电场同调机群的准确划分，便于衡量风电场的发 电质量。
[0005] 为实现上述目的，本发明的基于马尔科夫链的风电场同调机群划分方法的步骤如 下：
[0006] (1)将风电场内各风电机组的有功、无功数据进行处理，使数据具有马尔科夫性；
[0007] (2)根据步骤（1)所得风电场中各风电机组数据构造随机过程矩阵，并进行高斯权 重处理，求得马尔科夫转移矩阵；
[0008] (3)频谱分析马尔科夫转移矩阵，确定同调机群划分的个数；
[0009] (4)计算任意两台风电机组之间的分布距离，并与设定门槛值比较以确定是否划 入同一个机群；
【权利要求】
1. 基于马尔科夫链的风电场同调机群划分方法，其特征在于，该方法的步骤如下： (1) 将风电场内各风电机组的有功、无功数据进行处理，使数据具有马尔科夫性； (2) 根据步骤（1)所得风电场中各风电机组数据构造随机过程矩阵，并进行高斯权重处 理，求得马尔科夫转移矩阵； (3) 频谱分析马尔科夫转移矩阵，确定同调机群划分的个数； (4) 计算任意两台风电机组之间的分布距离，并与设定门槛值比较以确定是否划入同 一个机群； (5) 综合修正同调机群划分结果。
2. 根据权利要求1所述的方法，其特征在于：所述步骤（1)中进行处理的公式为 (1) 式中，y(i)代表第i时刻采样点的值，y(t)为处理后得到的输出平均值，X(t)为两个 连续时段的差值，η表示在一个时段t内的采样点总数。
3. 根据权利要求1所述的方法，其特征在于，所述步骤（2)中每台风电机组的采样数据 x(t)集合构成该风电机组的随机过程向量Xi=[x(l)，x(2),. . .，x(t),…，x(m)]T, t为时间 变量，设风电场共有n台风电机组，构造随机过程矩阵为X={Xl，x2,... xn} e RnXn ;对数据进 行高斯权重处理，得到相似矩阵A e RnXn :
，其中i，j分别表示第i列和第j 列，'表示第i行第j列的A矩阵的数值，σ为矩阵数据相邻的宽度参数；设数据点Xi为 一个具有马尔可夫链性质的随机过程向量，根据相似矩阵A定义随机过程样本集X的马尔 可夫转移矩阵P e RnXn如下：
4. 根据权利要求1所述的方法，其特征在于，所述步骤（3)的具体过程如下： A. 求解马尔可夫转移矩阵P，获得其特征值、左特征向量和右特征向量λ，f和Ψ ; B. 令λ ρ %和^分布表示P矩阵的第i个特征值，左特征向量和右特征向量；将矩 阵P的特征值从大到小顺序排列，且1彡λ2> λ3彡…彡Xi彡…彡λη彡0,相应 的左特征向量和右特征向量分别为和Vi, Ψ2，Ψ3，···，Vi，···，Ψη，则 马尔科夫转移矩阵ρ的分解形式为：
(7) C. 若矩阵Ρ拥有q (q〈n)个主导特征值，目卩λ λ 2, λ 3，…λ q这q个特征值大小相差 不大且接近于1，且λ q+1 << λ q，则可以用前q个特征值和特征向量形成矩阵P的秩为q 的近似矩阵；若矩阵P的特征值不满足前述条件，观察矩阵P相邻特征值的差值，若存在某 个突然变小的特征值X(J +1，即Xk_Xk+1，其中q+lSkSn，且A q+1的值很小， 则同样可取前q个特征值和特征向量形成矩阵P的秩为q的近似矩阵； D. 矩阵P的秩为q的近似矩阵P,的谱分解形式如下：
(8) E.矩阵P的特征向量空间的维数约减为q，则风电场的同调机群数为q。
5. 根据权利要求1所述的方法，其特征在于，所述步骤（4)的具体过程如下： A. 定义映射：
V仍然是在Rn - Rn，任意两台风电机组Xi和\的分布 距离为：
(15) B. 取前面q个主导特征值可导出分布距离的简化表达式：
(16) C. 设定门槛值δ>〇,若D2(Xi，xp彡δ，则表明这两台机组应划入同一个机群；若 D2(Xi，χρ > δ，则这两台机组不应划入同一个机群。
6. 根据权利要求1-5中任一项所述的方法，其特征在于，所述步骤（5)修正的具体原则 如下： a) 类型、运行方式不同的风电机组不划入同一同调机群； b) 风向相同、风速大小接近的风电机组划入同一同调机群； c) 对于马尔科夫方法，用有功功率和无功功率两组采样数据开展划分，若有功功率采 样数据分析与无功功率采样数据分析的差别很大时，以有功功率分析结果为准。
【文档编号】G06F17/50GK104143013SQ201310552000
【公开日】2014年11月12日 申请日期:2013年11月7日 优先权日:2013年11月7日
【发明者】王世谦, 张丽华, 于琳琳, 田春筝, 孙思培, 程昱明, 袁鹏 申请人:国家电网公司, 国网河南省电力公司经济技术研究院