基于改进的场景分类和去粗粒化MCMC的风电出力模拟方法

TM732; 为实现风电出力时间序列的高性能模拟,文中提出了一种基于SAGA-KM(simulated annealing and ge-netic algorithms-K-means)算法实现典型风电场景分类和基于Copula函数进行风电日过程马尔可夫过程建模的风电模拟方法.SAGA-KM算法将传统KM算法与遗传算法和退火算法相结合,能显著提高风电场景分类效果;基于Copula函数建立的马尔可夫链精细概率模型,以去粗粒化方式实现马尔可夫过程蒙特卡洛模拟,克服了粗粒化引起的概率分布偏差.针对甘肃省某风电场数据进行实际模拟,结果表明文中方法生成模拟序列的统计分布特性、自相关函数特性和日均功率的...

Full description

Saved in:
Bibliographic Details
Published in电测与仪表 Vol. 61; no. 7; pp. 41 - 122
Main Authors 张柏林, 李希德, 魏博, 汪芙平, 邵冲, 赵伟
Format Journal Article
LanguageChinese
Published 国网甘肃省电力公司,兰州 730000%清华大学电机工程与应用电子技术系,北京 100084 15.07.2024
Subjects
出力特征
风电出力模拟
clustering algorithm
聚类算法
蒙特卡洛
Monte Carlo
output characteristics
typical day
wind power output simulation
典型日
Online AccessGet full text
ISSN1001-1390
DOI10.19753/j.issn1001-1390.2024.07.007

Cover

More Information
Summary:TM732; 为实现风电出力时间序列的高性能模拟,文中提出了一种基于SAGA-KM(simulated annealing and ge-netic algorithms-K-means)算法实现典型风电场景分类和基于Copula函数进行风电日过程马尔可夫过程建模的风电模拟方法.SAGA-KM算法将传统KM算法与遗传算法和退火算法相结合,能显著提高风电场景分类效果;基于Copula函数建立的马尔可夫链精细概率模型,以去粗粒化方式实现马尔可夫过程蒙特卡洛模拟,克服了粗粒化引起的概率分布偏差.针对甘肃省某风电场数据进行实际模拟,结果表明文中方法生成模拟序列的统计分布特性、自相关函数特性和日均功率的分布特性与实测数据都非常接近,该方法能很好地保留风电序列的概率分布特性和随时间变化的波动特性,具有重要的工程实用价值.
ISSN:1001-1390
DOI:10.19753/j.issn1001-1390.2024.07.007