一种基于纵向时刻的风电功率Markov链模型状态划分改进方法
【技术领域】
[0001] 本发明设及一种基于纵向时刻的风电功率Markov链模型状态划分改进方法。
【背景技术】
[0002] 风电作为当前使用效率最高的新能源发电形式,在迅速发展的同时,其大规模并 网给电网带来的不良影响成为电力行业亟待解决的问题。因此,准确把握风电功率波 动规律、提高风电功率预测准确度,对于优化含风电电力系统的调控、提高风电利用效率、 突破风电发展瓶颈具有十分重要的意义W。
[0003] 为了描述风电功率的随机特性和波动规律,已有文献基于各类方法进行了大量研 究离散Markov链模型在生成风电功率时间序列、分析风速和风电功率随机过程波动 特性等领域表现出了独特的优势。文献巧-9]利用小时级平均风速的Markov链模型,分析 了风速时间序列的转移规律,指出使用Markov链模型能够如实保留原始数据的数字特征。 文献[10]利用MCMC(Markov化ain Monte Carlo)方法生成了满足原始数据特征的风电功 率时间序列,并指出直接针对风电输出功率建模可W有效减少状态个数和Markov链阶数。 文献[11]结合风电功率持续时间特性和波动量分布有效改进了传统MCMC方法的不足。文 献[切W x2检验的方法验证了风电功率时间序列的马氏性,并对比了一阶和二阶Markov 链模型和传统PM方法的预测性能,指出当状态数量相同时,基于Markov链模型的预测方 法相比于传统PM方法取得了更高的预测精度,且二阶模型优势更突出。文献[13]在文献 [12]的基础上,建立了多状态空间的混合Markov链模型,给出了预测点的概率分布信息, 进一步改进了预测效果。
[0004] 已有文献构建的风电功率Markov链模型,虽然通过转移概率矩阵反映了风电 功率时间序列的转移特性,并在模拟、预测等领域取得了较好的应用效果,但Markov链 模型的状态划分问题依然有待探讨。Markov链状态空间的划分是构建模型的基础,文献 [12-13]对比了不同状态空间Markov链模型的预测效果,状态数的增加意味着每个状态变 得更加精细,预测精度随之提高。文献[14]指出状态划分越精细,Markov链模型精度越高。 而现有模型一般采用等分额定功率区间的方法确定状态空间,该方法简单易行而且能涵盖 所有可能取值范围,但若细化状态空间,需增加大量数据来保证每个状态有充足的样本的。 若利用风电功率样本数据的概率统计特性,限制状态等分的范围,可W在不增加数据量的 前提下,细化状态空间,而该问题目前鲜有研究。
[0005] 文献[1引提出了纵向时刻统计方法,该方法不同于传统横向时间轴下的风电功 率研究,致力于发掘每天同一时刻的风电功率规律,给出了与各纵向时刻对应的固有分布 规律。
[0006] 针对建模数据的取值范围,设定合适的随机变量状态空间是构建Markov链模型 的基础,为了尽可能提高模型精度,状态空间的划分应尽量精细。现有Markov链模型构建 方法在确定随机变量的状态空间时,一般将功率区间[0, Pw]进行等分,Pw为额定装机容量, 等分所得的每个小区间对应一个状态。该一方法设置的状态空间虽能覆盖所有可能出力范 围,但由于风电功率的概率分布特征表现为小出力概率较大,大出力尤其接近满出力的概 率较小,往往出现接近满出力状态的样本数极少甚至为0的情况。
[0007] 本文基于文献[1引的风电功率纵向时刻概率分布,提出了的一种新的Markov链 模型状态划分方法,该方法求取了风电功率概率分布的置信区间,W置信区间代替常规等 分法中的额定功率区间,限制了等分状态的范围,在不增加建模数据的前提下使状态空间 的划分更加细致,从而提高了 Markov链模型的精度。
[000引 参考文献:
[0009] [1]迟永宁,刘燕华,王伟胜,等.风电接入对电力系统的影响[J].电网技 术,2007, 31 (3):
[0010] 77-81.
[0011] CHI Yon即ing, LIU Yanhua, WANG Weisheng, et al. Sl:udy on Impact of Wind Power Integration on Power System[J]. Power System Technology, 2007, 31 (3):77-81.
[0012] [2]张丽英,叶廷路,辛耀中.大规模风电接入电网的相关问题及措施[J].中国 电机工程学报,2010, 30 (25) : 1-9.
[0013] ZHANG Liying, YE Tinglu, XIN Yaozhong, et al. Problems and measures of power grid accommodating large scale wind power[J]. Proceedings of the C沈E, 2010, 30(25) : 1-8.
[0014] [3]田茹.风电出力特性研究及其应用巧].华北电力大学,2013.
[0015] TIAN Ru. Research on 畑aracteristics of Wind Power and Relevant Application[D]. North China Electric Power University, 2013.
[0016] [4]肖创英,汪宁勸,跋晶,等.甘肃酒泉风电出力特性分析[J].电力系统自动 化,2010, :34 (17) : 64-67.
[0017] XIAO Chuangying, WANG Ningbo, ZHI Jing, et al. Power Characteristics of Jiuquan Wind Power Base [J]. Automation of Electric Power Systems, 2010, 34(17) : 64-67.
[001引[引崔杨,穆钢,刘玉,等.风电功率波动的时空分布特性[J].电网技 术,2011,35(2):
[0019] 110-114.
[0020] CUI Yang, MU Gang, LIU Yu, et al. Spatiotemporal Distribution Characteristic of Wind Power Fluctuation[J].Power System Technology, 2011,35(2) : 110-114.
[0021] [6]林卫星,文劲宇,艾小猛,等.风电功率波动特性的概率分布研究[J].中国 电机工程学报,2012, 32 (1) : 38-46.
[0022] LIN Weixing, WEN Jinyu, Al Xiaomeng, et al. Probability Density Function of Wind Power Variations[J]. Proceeding of the CS邸,2012, 32(1):38-46.
[0023] [7]侯佑华,房大中,齐军,等.大规模风电入网的有功功率波动特性分析及发 电计划仿真[J].电网技术,2010,34巧):60-66.
[0024] H0U Youhua, FANG Dazhong, QI Jun, et al. Analysis on Active Power Fluctuation Characteristics of Large-Scale Grid-Connected Wind Farm and Generation Scheduling Simulation Under Different Capacity Power Injected From Wind Farms Into Power Grid[J]. Power System Technology,2010,34巧):6〇-66.
[002日] [8]Nfaoui H, Essiarab H, Sayigh A A M. A stochastic Markov chain model for simulating wind speed time series at Tangiers,Morocco [J].民enewable Energy, 2004, 29 巧):1407-1418.
[0026] [9] Shamshad A, Bawadi M A, Wan Hussin W M A, et al?門rst and second order Markov chain models for synthetic generation of wind speed time series[J]. Energy, 2005, 30 巧):693-708.
[0027] [10]Papaefthymiou G,Klockl B. MCMC for wind power simulation[J]. IE邸 Transactions on Energy Conversion,2008,23(1):234-240.
[002引 [11]吴桐.风电功率的特性分析及其时间序列生成方法研究巧].华中科技大 学,2013.
[0029] WU Tong. Analysis of Wind Power Characteristics and Study of Its Time Series Generation[D]. Huazhong University of Science&Technology, 2013.
[0030] [12]周封,金丽斯,王丙全,等.基于高阶Markov链模型的风电功率预测性能 分析[J].电力系统保护与控制,2012, 40巧):6-10.
[0031] ZHOU Feng, JIN Lisi,WANG Bingquan, et al. Analysis of the wind power forecasti