基于风电波动多尺度分解的建模方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109038675A(43)申请公布日2018.12.18(21)申请号201811012268.1(22)申请日2018.08.31(71)申请人中国南方电网有限责任公司电网技术研究中心地址510670广东省广州市黄埔区科学城科翔路11号申请人南方电网科学研究院有限责任公司华南理工大学(72)发明人周保荣管霖赵文猛卓映君姚文峰赵琦(74)专利代理机构广州三环专利商标代理有限公司44202代理人麦小婵郝传鑫(51)Int.Cl.H02J3/38(2006.01)权利要求书3页说明书10页附图4页(54)发明名称基于风电波动多尺度分解的建模方法(57)摘要本发明提供了一种基于风电波动多尺度分解的建模方法，包括：根据预先采集的第一风电历史数据，分析风电波动的时间特性和统计特性，以确定风电波动分解分量以及所述风电波动分解分量对应的时间尺度；根据所述风电波动分解分量及其对应的时间尺度，采用两级WMMF滤波器对所述第一风电历史数据进行风电多尺度波动分解，获得低频趋势分量、中频波动分量以及高频波动分量；根据所述低频趋势分量、所述中频波动分量以及所述高频波动分量，建立多维概率模型。通过上述方法能够依据原始风电功率时间序列的风电波动的波动特征和相关性建立多维概率模型，从而保留了完整风电波动过程的特征，最大程度地模拟了风电出力特性。CN109038675ACN109038675A权利要求书1/3页1.一种基于风电波动多尺度分解的建模方法，其特征在于，包括：根据预先采集的第一风电历史数据，分析风电波动的时间特性和统计特性，以确定风电波动分解分量以及所述风电波动分解分量对应的时间尺度；根据所述风电波动分解分量及其对应的时间尺度，采用两级WMMF滤波器对所述第一风电历史数据进行风电多尺度波动分解，获得低频趋势分量、中频波动分量以及高频波动分量；根据所述低频趋势分量、所述中频波动分量以及所述高频波动分量，建立多维概率模型。2.如权利要求1所述的基于风电波动多尺度分解的建模方法，其特征在于，所述方法还包括：采集若干年内时间尺度为N的风电出力历史数据，并按照风电时间序列对所述风电出力历史数据进行归一化处理；将所述风电出力历史数据划分为第一风电历史数据以及第二风电历史数据；采用所述第一风电历史数据构建所述多维概率模型；采用所述第二风电历史数据对所述多维概率模型进行校验。3.如权利要求2所述的基于风电波动多尺度分解的建模方法，其特征在于，所述方法还包括：采用所述多维概率模型进行风电序列重构模拟，得到模拟风电序列；采用MCMC模型进行风电序列仿真，得到仿真风电序列；将所述模拟风电序列、所述仿真风电序列分别与所述风电出力历史数据进行统计特性对比分析，得到多维概率模型的拟合误差和MCMC模型的拟合误差；根据所述多维概率模型的拟合误差和所述MCMC模型的拟合误，判断所述多维概率模型的有效性。4.如权利要求1所述的基于风电波动多尺度分解的建模方法，其特征在于，所述两级WMMF滤波器的函数表达为：其中，为权重因子，sg表示对应s尺度的结构元素；表示尺度si下形态滤波差值的方差。5.如权利要求1所述的基于风电波动多尺度分解的建模方法，其特征在于，所述根据所述风电波动分解分量及其对应的时间尺度，采用两级WMMF滤波器对所述第一风电历史数据进行风电多尺度波动分解，获得低频趋势分量、中频波动分量以及高频波动分量，具体包括：根据所述第一风电历史数据的风电时间序列特征，构造第一级WMMF滤波器的结构元素集合；将所述第一级WMMF滤波器的结构元素集合输入到所述两级WMMF滤波器，获得第一级WMMF滤波器的滤波结果；2CN109038675A权利要求书2/3页根据所述第一级WMMF滤波器的滤波结果的风电时间序列特征，构造第二级WMMF滤波器的结构元素集合；将所述第二级WMMF滤波器的结构元素集合输入到所述两级WMMF滤波器，获得第二级WMMF滤波器的滤波结果，作为低频趋势分量；计算所述第一级WMMF滤波器的滤波结果与原始风电功率曲线之差，得到高频波动分量；计算所述第一级WMMF滤波器的滤波结果与所述第二级WMMF滤波器的滤波结果之差，得到中频波动分量。6.如权利要求5所述的基于风电波动多尺度分解的建模方法，其特征在于，所述根据所述第一风电历史数据的风电时间序列特征，构造第一级WMMF滤波器的结构元素集合，具体包括：根据公式(2)，计算结构元素参数的极大值和极小值；其中，结构元素参数的极大值为lmax＝30，结构元素参数的极小值为ei,i＝1,2,...,ne表示所有极小值点行程序列；h表示所有相邻极值点间信号的绝对差值；hmax表示所有相邻极值点间信号的最大值；hmin表示所有相邻极值点间信号的最小值；dmax