一种提取风速随机模糊不确定特征的建模新方法技术

本发明专利技术属于风速建模技术领域，特别是关于一种考虑风速具有随机性和模糊性双重不确定性特征的建模方法，包括以下步骤：1）对原始数据进行质量评估和基础性处理；2）将特定地区实测风速数据提取风速概率分布特征，分析并确定适合拟合实测风速的概率分布模型；3）提取并分析风速概率分布参数的模糊不确定特征及其隶属函数特征；4）给出通过基于随机模糊模拟技术和逆变换法模拟生成仿真风速的流程及步骤。本发明专利技术不但涵盖传统风速概率不确定特征，而且考虑了有限风速数据拟合时风速非清晰的客观实际，能更全面的刻画风速多重不确定特征，为未来大规模风电接入电力系统发电计划安排和调度运行方式调整提供相应的指导依据。

【技术实现步骤摘要】

本专利技术属于风速建模
，提出了一种提取风速随机模糊不确定特征的建模新方法。
技术介绍
风速的不确定特征建模和预测是大规模风电接入电力系统发电计划安排和调度运行方式调整的基础性工作。如何有效预测并构建风速及风电机组输出功率不确定性模型，关系着风电并网消纳以及整个电网的电能质量、优化控制和安全运行等问题。随着风电的接入，风速对电力系统的影响越来越重要，其发电所具有的间歇性、随机性和波动性等不确定性特征很难因人为因素而改变，对风速数据进行数据挖掘，将随机性和模糊性结合起来对风速进行描述才能更全面的刻画风速多重不确定特征。国内外现有关于风速不确定性模型的研究可分为两类：一类是单纯的考虑随机性，以随机变量描述风速。虽然考虑了概率不确定性，但尚未考虑概率分布参数拟合时受有限数据限制的模糊性。文献《风速与风电功率的联合条件概率预测方法》指出与确定性预测相比，通过给定置信度获得风电功率波动范围，基于概率预测给出未来时刻不同风速和风电机组出力出现的概率，对在合理风险水平下安排电力系统运行与调控计划更具价值。文献《基于概率测度变换的风速时间序列建模方法》指出多年月内同一时刻风速服从Weibull分布。文献《采用平均风速参与因子法的区域风资源评估》指出不同月份以及不同风速观测站的威布尔分布参数均存在差异。文献《风速的Weibull分布参数》指出不同时段、不同高度的Weibull分布参数存在明显的季节变化规律。文献《区域风能规划中的风资源参数及等效风速序列求解方法》分析了威布尔分布参数值对拟合风速的影响。另一类是单纯的考虑了模糊性，以模糊变量描述风速。文献《含大规模间歇式电源的模糊机会约束机组组合研究》指出大规模间歇式电源出力的不确定性虽已有多种预测方法，但都有不具统计性质的误差，采用模糊理论中的模糊参数来表述间歇式电源出力更为合理。文献《含分布式电源的配电网模糊优化规划》采用梯形模糊变量来描述中长期的风速，并基于Zadeh扩展原理根据风速隶属度函数和风机功率曲线计算风机输出功率的隶属度函数。事实上，随机性和模糊性共存于风速不确定特征，传统风速不确定模型一般以随机变量或模糊变量描述，然而风速受季节、气温、大气湍流等自然规律影响具有随机性，同时受有限风速统计数据限制，难以获取认识意义上清晰的概率分布参数即具有模糊性，因此用随机模糊变量描述风速更符合客观实际，而随机变量和模糊变量实质是随机模糊变量的特例。现有技术中对综合考虑随机性和模糊性的风速不确定性相关理论和建模分析研究相对甚少，该理论体系还需要不断补充和完善。为了更好地将电力系统的特点与发展清洁可再生能源的理念相结合，拓展风能发电的相关研究，有必要考虑风速兼具随机性和模糊性的双重不确定性特点，基于实测风速进行数据挖掘分析并建立相应的随机模糊模型。
技术实现思路
针对风速的不确定特征建模和预测是大规模风电接入电力系统发电计划安排和调度运行方式调整的重要基础性工作，而现有研究未能综合考虑风速兼具随机性和模糊性的现状，有必要基于实测风速进行数据挖掘分析并建立相应的随机模糊不确定模型，进而在合理风险水平下安排电力系统运行与调控计划。本专利技术专利在传统风速概率不确定模型的基础上，进一步考虑风速参数拟合的模糊性，提出了一种提取风速随机模糊不确定特征的建模新方法。为实现上述目的，本专利技术采取以下技术方案：本专利技术解决上述问题采取的技术方案：1、原始数据质量评估及数据处理。获取可靠可信的原始风速数据对构建风速的不确定性模型至关重要，针对研究风速的季节特性和其日变化特征，选取多年特定地区的实测风速数据，并对其进行基础性处理。2、提取并分析风速概率分布特征。基于风速的季节特性和日变化特征，将选取的多年特定地区实测风速数据按照实际需要划分为任意合适的时间段进行研究，基于K-S校验方法判别每个时间段内的实测风速数据在置信率为0.05时的概率分布形式，并进行概率分布特征统计，分析确定适合拟合实测风速的概率分布模型。3、提取并分析风速概率分布参数的模糊不确定性特征及其隶属函数特征。基于前一小节提取确定的风速概率分布模型，采取相适应的参数估计方法对其概率分布参数的模糊不确定性特征进行数据挖掘，并确定其参数波动范围的置信区间，分析并提取确定其参数的隶属函数模型。4、构建风速的随机模糊模型并确立生成仿真风速的随机模糊模拟方法。依据不确定理论，定义风速为随机模糊变量，获取其机会测度分布函数，从而建立风速随机模糊不确定模型，并给出通过基于随机模糊模拟技术和逆变换法模拟生成仿真风速的流程及步骤。本文在前人风速随机性和模糊性不确定模型研究基础上，综合考虑风速概率分布和其参数拟合时的模糊性实际，定义风速为随机模糊变量，根据不确定规划理论定义风速为随机模糊变量，并通过获取其机会测度分布函数来构建其随机模糊模型，并给出通过基于随机模糊模拟技术和逆变换法模拟生成风速数值及风机出力的流程及步骤。此方法可对未来风能资源的开发和利用提供相应的指导依据。附图说明图1是本专利技术的美国NREL2014年8月日风速第55时段单峰Weibull概率及概率密度图；图2是本专利技术的美国NREL2014年8月日风速第95时段多峰Weibull概率及概率密度图；图3是本专利技术的美国NREL2009-2014年8月日风速第55时段单峰Weibull概率密度图；图4是本专利技术的美国NREL2009-2014年8月日风速第95时段多峰Weibull概率密度图；图5是本专利技术的美国NERL2009-2014年8月份日风速96时段的Weibull分布参数k和c的时间序列；图6是本专利技术的美国NERL2009-2014年8月日风速96时段k参数频率图；图7是本专利技术的美国NERL2009-2014年8月日风速96时段c参数频率图；图8是本专利技术的美国NERL2009-2014年8月日风速96时段Weibull参数频率图；图9是本专利技术的日风速随机模糊建模步骤及生成仿真风速的流程图图10是本专利技术的日风速随机模糊模拟具体实施方式本专利技术包括以下步骤：1、原始数据质量评估及数据处理。现有研究表明风速具有明显的季节性变化特征和日变化特征，获取可靠可信的原始风速数据对研究风速的不确定性模型至关重要，因此，我们选取特定地区特定季节的实测风速数据进行研究，即选取特定地区多年同月的实测风速数据进行研究，并对其进行基础性处理，剔除恶劣气象因素下的风速数据对整体样本的影响。本专利技术以美国国家可再生能源实验室(NREL)国家风能技术中心(NWTC)M2Tower的实测风速数据为例进行风速概率分布建模分析。考虑风速季节性特征，选取2009-2014年8月80m高、采样间隔为1min的实测风速，全天共有1440个采样数据。2、提取并分析风速概率分布特征。在相同季节下，选取的多年特定地区实测风速数据按照实际需要划分为任意合适的时间段进行研究。在置信度为0.05时，基于K-S校验方法判别每个时间段内的实测风速数据的概率分布形式，提取风速的概率分布特本文档来自技高网...

【技术保护点】
一种提取风速随机模糊不确定特征的建模新方法，包括如下步骤：1)、原始数据质量评估及数据处理；2)、提取并分析风速概率分布特征；3)、提取并分析风速概率分布参数的模糊不确定性特征及其隶属函数特征；4)、构建风速的随机模糊模型并确立生成仿真风速的随机模糊模拟方法。

【技术特征摘要】
1.一种提取风速随机模糊不确定特征的建模新方法，包括如下步骤：
1)、原始数据质量评估及数据处理；
2)、提取并分析风速概率分布特征；
3)、提取并分析风速概率分布参数的模糊不确定性特征及其隶属函数特征；
4)、构建风速的随机模糊模型并确立生成仿真风速的随机模糊模拟方法。
2.根据权利要求l所述的一种提取风速随机模糊不确定特征的建模新方法，
其特征在于：所述步骤1)中针对研究风速的季节特性和其日变化特征，为获取
可靠可信的原始风速数据，选取特定地区特定季节的实测风速数据进行研究，即选
取特定地区多年同月的实测风速数据进行研究，并对其进行基础性处理，剔除恶劣气
象因素下的风速数据对整体样本的影响。
3.根据权利要求l所述的一种提取风速随机模糊不确定特征的建模新方法，
其特征在于：所述步骤2)在相同季节下，选取的多年特定地区实测风速数据按照
实际需要划分为任意合适的时间段进行研究，在置信度为0.05时，基于K-S校验
方法判别每个时间段内的实测...

【专利技术属性】
技术研发人员：马瑞，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：湖南;43