本發(fā)明涉及新能源發(fā)電技術(shù)領(lǐng)域，具體涉及一種基于MCMC風(fēng)電功率生成算法中風(fēng)電功率狀態(tài)數(shù)上限的確定方法及系統(tǒng)。

背景技術(shù)：

馬爾科夫鏈蒙特卡洛法(Markov Chain Monte Carlo,MCMC)法是一種簡(jiǎn)單實(shí)用的風(fēng)電出力時(shí)間序列隨機(jī)生成方法。利用該方法生成的風(fēng)電出力隨機(jī)變量能夠滿足其在所定義的不同狀態(tài)之間的轉(zhuǎn)移概率要求，同時(shí)MCMC方法能夠使生成得風(fēng)電出力時(shí)間序列保留原始數(shù)據(jù)的均值、標(biāo)準(zhǔn)差、概率密度函數(shù)(Probability Density Function,PDF)以及自相關(guān)系數(shù)(Autocorrelation Function,ACF)，因此有著較高的實(shí)用價(jià)值。

然而MCMC法只能用于生成離散的狀態(tài)點(diǎn)，在各狀態(tài)內(nèi)風(fēng)電功率的取值是任意的，一般采用均勻分布的隨機(jī)數(shù)進(jìn)行疊加。采取這種處理方式后，生成的風(fēng)電出力時(shí)間序列的特性與狀態(tài)數(shù)的選取息息相關(guān)。狀態(tài)數(shù)定義得越多，則生成風(fēng)電出力時(shí)間序列的特性與原始風(fēng)電序列越接近。但過(guò)多的狀態(tài)數(shù)會(huì)導(dǎo)致風(fēng)電出力狀態(tài)間的轉(zhuǎn)移不具有馬爾科夫性，違背了MCMC方法的理論基礎(chǔ)，因此狀態(tài)數(shù)的選取MCMC方法的一個(gè)重要問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

為解決上述現(xiàn)有技術(shù)中的不足，本發(fā)明的目的是提供一種MCMC風(fēng)電功率生成算法中風(fēng)電功率狀態(tài)數(shù)上限的確定方法及系統(tǒng)，為最大限度的提升MCMC方法的建模精度提供了理論基礎(chǔ)。

本發(fā)明的目的是采用下述技術(shù)方案實(shí)現(xiàn)的：

本發(fā)明還提供一種基于MCMC的風(fēng)電功率生成算法中風(fēng)電狀態(tài)數(shù)上限的確定方法，其改進(jìn)之處在于，所述確定方法包括下述步驟：

步驟1：搜集并整理時(shí)間長(zhǎng)度為1年時(shí)間分辨率為15min的風(fēng)電場(chǎng)站風(fēng)電出力歷史數(shù)據(jù)；

步驟2：對(duì)風(fēng)電場(chǎng)站歷史數(shù)據(jù)進(jìn)行收集與歸一化處理；

步驟3：確定馬爾科夫轉(zhuǎn)移概率矩陣；

步驟4：確定風(fēng)電功率轉(zhuǎn)移服從馬爾科夫分布的臨界狀態(tài)。

進(jìn)一步地，所述步驟2中，計(jì)算風(fēng)電場(chǎng)站歷史風(fēng)電出力時(shí)間序列與風(fēng)電裝機(jī)容量在對(duì)應(yīng)時(shí)刻數(shù)據(jù)值的比例，得到歸一化的歷史風(fēng)電出力值，歸一化的歷史風(fēng)電出力值計(jì)算公式如下：

其中：P_s為歸一化的歷史風(fēng)電出力值，P_t為歷史出力值，P_install為裝機(jī)容量。

進(jìn)一步地，對(duì)風(fēng)電場(chǎng)站歷史數(shù)據(jù)進(jìn)行收集與歸一化處理后，定義風(fēng)電出力的不同出力狀態(tài)，將風(fēng)電出力的可能取值范圍離散化，每個(gè)功率區(qū)間代表風(fēng)電功率的一個(gè)狀態(tài)，設(shè)狀態(tài)數(shù)為N，若歸一化的歷史風(fēng)電出力值P_s滿足下式(2)，則歸一化的歷史風(fēng)電出力值P_s屬于狀態(tài)i；

其中：i表示狀態(tài)，i＝1,2,...N，歸一化的歷史風(fēng)電出力值P_s代表風(fēng)電出力的歷史時(shí)刻為狀態(tài)i。

進(jìn)一步地，所述步驟3包括：計(jì)算不同狀態(tài)數(shù)N條件下的狀態(tài)轉(zhuǎn)移矩陣P，所述狀態(tài)轉(zhuǎn)移矩陣P是一個(gè)N×N的矩陣，如式(3)所示

狀態(tài)轉(zhuǎn)移矩陣P中每個(gè)元素p_ij的值代表風(fēng)電出力當(dāng)前時(shí)刻為狀態(tài)i，在下一時(shí)刻轉(zhuǎn)移到狀態(tài)j的概率，每個(gè)元素p_ij由下式(4)計(jì)算：

p_ij＝P_r(x_n＝j(luò)|x_n-1＝i) (4)

其中：x_n和x_n-1分別表示n和n-1時(shí)刻的狀態(tài)。

進(jìn)一步地，所述步驟4中，在樣本數(shù)超過(guò)10000時(shí)，等式(5)的計(jì)算值是服從于自由度為(n-1)²的卡方分布的，計(jì)算等式(5)的值如下所示：

其中：χ為服從于自由度為(n-1)²的卡方分布的計(jì)算值；f_ij為狀態(tài)間的轉(zhuǎn)移頻數(shù)，p_·j為邊際概率，由下式計(jì)算得出：

其中：i表示狀態(tài)，i＝1,2,...N，N為狀態(tài)數(shù)。

進(jìn)一步地，所述步驟4中，對(duì)于給定的顯著性水平α＝0.05，求解下式(7)，所得到的N的值即為狀態(tài)數(shù)上限值，即為求得的臨界狀態(tài)，的值由公知的卡方分布表中查得；

其中：χ_α給定的顯著性水平α下的卡方分布表。

本發(fā)明還提供一種確定基于MCMC的風(fēng)電功率生成算法中風(fēng)電狀態(tài)數(shù)上限的系統(tǒng)，其改進(jìn)之處在于，所述系統(tǒng)包括：

收集模塊：用于搜集并整理時(shí)間長(zhǎng)度為1年時(shí)間分辨率為15min的風(fēng)電場(chǎng)站風(fēng)電出力歷史數(shù)據(jù)；

處理模塊：用于對(duì)風(fēng)電場(chǎng)站歷史數(shù)據(jù)進(jìn)行收集與歸一化處理；

計(jì)算模塊：用于確定馬爾科夫轉(zhuǎn)移概率矩陣；

臨界狀態(tài)確定模塊：確定風(fēng)電功率轉(zhuǎn)移服從馬爾科夫分布的臨界狀態(tài)。

進(jìn)一步地，所述處理模塊，還用于：計(jì)算風(fēng)電場(chǎng)站歷史風(fēng)電出力時(shí)間序列與風(fēng)電裝機(jī)容量在對(duì)應(yīng)時(shí)刻數(shù)據(jù)值的比例，得到歸一化的歷史風(fēng)電出力值。

進(jìn)一步地，所述計(jì)算模塊，還用于：計(jì)算不同狀態(tài)數(shù)N條件下的狀態(tài)轉(zhuǎn)移矩陣P，所述狀態(tài)轉(zhuǎn)移矩陣P是一個(gè)N×N的矩陣，矩陣形式如下：

狀態(tài)轉(zhuǎn)移矩陣P中每個(gè)元素p_ij的值代表風(fēng)電出力當(dāng)前時(shí)刻為狀態(tài)i，在下一時(shí)刻轉(zhuǎn)移到狀態(tài)j的概率。

進(jìn)一步地，所述臨界狀態(tài)確定模塊，還用于：采用卡方分布檢驗(yàn)來(lái)確定風(fēng)電功率轉(zhuǎn)移服從馬爾科夫分布的臨界狀態(tài)。

為了對(duì)披露的實(shí)施例的一些方面有一個(gè)基本的理解，下面給出了簡(jiǎn)單的概括。該概括部分不是泛泛評(píng)述，也不是要確定關(guān)鍵/重要組成元素或描繪這些實(shí)施例的保護(hù)范圍。其唯一目的是用簡(jiǎn)單的形式呈現(xiàn)一些概念，以此作為后面的詳細(xì)說(shuō)明的序言。

與最接近的現(xiàn)有技術(shù)相比，本發(fā)明提供的技術(shù)方案具有的優(yōu)異效果是：

本發(fā)明提供了一種基于MCMC的風(fēng)電功率生成算法中風(fēng)電功率狀態(tài)數(shù)上限的確定方法及系統(tǒng)，該方法首先搜集并整理歷史風(fēng)電出力數(shù)據(jù)，并將其劃分為不同數(shù)目的出力狀態(tài)，分別計(jì)算不同數(shù)目出力狀態(tài)下各風(fēng)電出力數(shù)據(jù)點(diǎn)的之間的狀態(tài)轉(zhuǎn)移頻數(shù)和狀態(tài)轉(zhuǎn)移概率矩陣，并對(duì)其進(jìn)行卡方檢驗(yàn)，確定符合馬爾科夫轉(zhuǎn)移特性的臨界出力狀態(tài)數(shù)，作為可劃分的出力狀態(tài)數(shù)上限，為風(fēng)電出力時(shí)間序列建模的深入研究奠定了理論基礎(chǔ)。本發(fā)明通過(guò)卡方分布檢驗(yàn)方法，能夠確定需要?jiǎng)澐值淖畲箫L(fēng)電狀態(tài)數(shù)，最大限度地提升MCMC方法生成風(fēng)電功率序列的精度。

附圖說(shuō)明

圖1是本發(fā)明提供的基于MCMC的風(fēng)電功率生成算法中風(fēng)電功率狀態(tài)數(shù)上限的確定方法的流程圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步的詳細(xì)說(shuō)明。

以下描述和附圖充分地示出本發(fā)明的具體實(shí)施方案，以使本領(lǐng)域的技術(shù)人員能夠?qū)嵺`它們。其他實(shí)施方案可以包括結(jié)構(gòu)的、邏輯的、電氣的、過(guò)程的以及其他的改變。實(shí)施例僅代表可能的變化。除非明確要求，否則單獨(dú)的組件和功能是可選的，并且操作的順序可以變化。一些實(shí)施方案的部分和特征可以被包括在或替換其他實(shí)施方案的部分和特征。本發(fā)明的實(shí)施方案的范圍包括權(quán)利要求書(shū)的整個(gè)范圍，以及權(quán)利要求書(shū)的所有可獲得的等同物。在本文中，本發(fā)明的這些實(shí)施方案可以被單獨(dú)地或總地用術(shù)語(yǔ)“發(fā)明”來(lái)表示，這僅僅是為了方便，并且如果事實(shí)上公開(kāi)了超過(guò)一個(gè)的發(fā)明，不是要自動(dòng)地限制該應(yīng)用的范圍為任何單個(gè)發(fā)明或發(fā)明構(gòu)思。

采用MCMC方法生成風(fēng)電功率時(shí)間序列的精度依賴(lài)于風(fēng)電狀態(tài)數(shù)的選取，狀態(tài)數(shù)定義得越多，則生成風(fēng)電出力時(shí)間序列的特性與原始風(fēng)電序列越接近。但過(guò)多的狀態(tài)數(shù)會(huì)導(dǎo)致風(fēng)電出力狀態(tài)間的轉(zhuǎn)移不具有馬爾科夫性，違背了MCMC方法的理論基礎(chǔ)，因此狀態(tài)數(shù)的選取MCMC方法的一個(gè)重要問(wèn)題。本發(fā)明通過(guò)卡方分布檢驗(yàn)方法，能夠確定需要?jiǎng)澐值淖畲箫L(fēng)電狀態(tài)數(shù)，最大限度地提升MCMC方法生成風(fēng)電功率序列的精度。

實(shí)施例一

本發(fā)明提供了一種基于MCMC的風(fēng)電功率生成算法中風(fēng)電功率狀態(tài)數(shù)上限的確定方法。該方法首先搜集并整理歷史風(fēng)電出力數(shù)據(jù)，并將其劃分為不同數(shù)目的出力狀態(tài)，分別計(jì)算不同數(shù)目出力狀態(tài)下各風(fēng)電出力數(shù)據(jù)點(diǎn)的之間的狀態(tài)轉(zhuǎn)移頻數(shù)和狀態(tài)轉(zhuǎn)移概率矩陣，并對(duì)其進(jìn)行卡方檢驗(yàn)，確定符合馬爾科夫轉(zhuǎn)移特性的臨界出力狀態(tài)數(shù)，作為可劃分的出力狀態(tài)數(shù)上限。為風(fēng)電出力時(shí)間序列建模的深入研究奠定了理論基礎(chǔ)。如圖1所示，具體實(shí)施步驟如下：

步驟1：搜集并整理時(shí)間長(zhǎng)度為1年時(shí)間分辨率為15min的風(fēng)電場(chǎng)站風(fēng)電出力歷史數(shù)據(jù)；

步驟2：對(duì)風(fēng)電場(chǎng)站歷史數(shù)據(jù)進(jìn)行收集與歸一化處理；

步驟3：確定馬爾科夫轉(zhuǎn)移概率矩陣；

步驟4：確定風(fēng)電功率轉(zhuǎn)移服從馬爾科夫分布的臨界狀態(tài)。

具體的，所述步驟2中，計(jì)算風(fēng)電場(chǎng)站歷史風(fēng)電出力時(shí)間序列與風(fēng)電裝機(jī)容量在對(duì)應(yīng)時(shí)刻數(shù)據(jù)值的比例，得到歸一化的歷史風(fēng)電出力值，歸一化的歷史風(fēng)電出力值計(jì)算公式如下：

其中：P_s為歸一化的歷史風(fēng)電出力值，P_t為歷史出力值，P_install為裝機(jī)容量。

具體的，對(duì)風(fēng)電場(chǎng)站歷史數(shù)據(jù)進(jìn)行收集與歸一化處理后，定義風(fēng)電出力的不同出力狀態(tài)，將風(fēng)電出力的可能取值范圍離散化，每個(gè)功率區(qū)間代表風(fēng)電功率的一個(gè)狀態(tài)，設(shè)狀態(tài)數(shù)為N，若歸一化的歷史風(fēng)電出力值P_s滿足下式(2)，則歸一化的歷史風(fēng)電出力值P_s屬于狀態(tài)i；

其中：i表示狀態(tài)，i＝1,2,...N，歸一化的歷史風(fēng)電出力值P_s代表風(fēng)電出力的歷史時(shí)刻為狀態(tài)i。

具體的，所述步驟3包括：計(jì)算不同狀態(tài)數(shù)N條件下的狀態(tài)轉(zhuǎn)移矩陣P，所述狀態(tài)轉(zhuǎn)移矩陣P是一個(gè)N×N的矩陣，如式(3)所示

狀態(tài)轉(zhuǎn)移矩陣P中每個(gè)元素p_ij的值代表風(fēng)電出力當(dāng)前時(shí)刻為狀態(tài)i，在下一時(shí)刻轉(zhuǎn)移到狀態(tài)j的概率，每個(gè)元素p_ij由下式(4)計(jì)算：

p_ij＝P_r(x_n＝j(luò)|x_n-1＝i) (4)

其中：x_n和x_n-1分別表示n和n-1時(shí)刻的狀態(tài)。

具體的，所述步驟4中，在樣本數(shù)超過(guò)10000時(shí)，等式(5)的計(jì)算值是服從于自由度為(n-1)²的卡方分布的，計(jì)算等式(5)的值如下所示：

其中：χ為服從于自由度為(n-1)²的卡方分布的計(jì)算值；f_ij為狀態(tài)間的轉(zhuǎn)移頻數(shù)，p_·j為邊際概率，由下式計(jì)算得出：

其中：i表示狀態(tài)，i＝1,2,...N，N為狀態(tài)數(shù)。

具體的，所述步驟4中，對(duì)于給定的顯著性水平α＝0.05，求解下式(7)，所得到的N的值即為狀態(tài)數(shù)上限值，即為求得的臨界狀態(tài)，的值由公知的卡方分布表中查得；

其中：χ_α給定的顯著性水平α下的卡方分布表。

實(shí)施例二

基于同樣的構(gòu)思，本發(fā)明還提供一種確定基于MCMC的風(fēng)電功率生成算法中風(fēng)電狀態(tài)數(shù)上限的系統(tǒng)，包括：

收集模塊：用于搜集并整理時(shí)間長(zhǎng)度為1年時(shí)間分辨率為15min的風(fēng)電場(chǎng)站風(fēng)電出力歷史數(shù)據(jù)；

處理模塊：用于對(duì)風(fēng)電場(chǎng)站歷史數(shù)據(jù)進(jìn)行收集與歸一化處理；

計(jì)算模塊：用于確定馬爾科夫轉(zhuǎn)移概率矩陣；

臨界狀態(tài)確定模塊：確定風(fēng)電功率轉(zhuǎn)移服從馬爾科夫分布的臨界狀態(tài)。

所述處理模塊，還用于：計(jì)算風(fēng)電場(chǎng)站歷史風(fēng)電出力時(shí)間序列與風(fēng)電裝機(jī)容量在對(duì)應(yīng)時(shí)刻數(shù)據(jù)值的比例，得到歸一化的歷史風(fēng)電出力值。

所述計(jì)算模塊，還用于：計(jì)算不同狀態(tài)數(shù)N條件下的狀態(tài)轉(zhuǎn)移矩陣P，所述狀態(tài)轉(zhuǎn)移矩陣P是一個(gè)N×N的矩陣，矩陣形式如下：

狀態(tài)轉(zhuǎn)移矩陣P中每個(gè)元素p_ij的值代表風(fēng)電出力當(dāng)前時(shí)刻為狀態(tài)i，在下一時(shí)刻轉(zhuǎn)移到狀態(tài)j的概率。

所述臨界狀態(tài)確定模塊，還用于：采用卡方分布檢驗(yàn)來(lái)確定風(fēng)電功率轉(zhuǎn)移服從馬爾科夫分布的臨界狀態(tài)。

實(shí)施例三

下面給出一個(gè)具體的算例，采用的數(shù)據(jù)為江蘇部分風(fēng)電場(chǎng)一年的數(shù)據(jù)，時(shí)間分辨率為15min，數(shù)據(jù)點(diǎn)為35040個(gè)，采用式(1)至式(6)計(jì)算可得當(dāng)N＝112時(shí)，為其臨界狀態(tài)。

以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非對(duì)其限制，盡管參照上述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，所屬領(lǐng)域的普通技術(shù)人員依然可以對(duì)本發(fā)明的具體實(shí)施方式進(jìn)行修改或者等同替換，這些未脫離本發(fā)明精神和范圍的任何修改或者等同替換，均在申請(qǐng)待批的本發(fā)明的權(quán)利要求保護(hù)范圍之內(nèi)。