国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種可再生能源全年出力時(shí)間序列的生成方法

      文檔序號:40336035發(fā)布日期:2024-12-18 13:13閱讀:11來源:國知局
      一種可再生能源全年出力時(shí)間序列的生成方法

      本發(fā)明屬于電力系統(tǒng)運(yùn)行規(guī)劃,更具體地,涉及一種可再生能源全年出力時(shí)間序列的生成方法。


      背景技術(shù):

      1、隨著國家提出節(jié)能減碳降碳的要求,可再生能源在新型電力系統(tǒng)中占比的逐漸提高,對可再生能源進(jìn)行全年時(shí)序運(yùn)行模擬的意義也逐漸顯現(xiàn)。

      2、現(xiàn)有可再生能源場景生成方法大多考慮日前或日內(nèi)的短時(shí)間尺度的功率預(yù)測,在中長期時(shí)間尺度上缺乏適當(dāng)?shù)慕7椒ǎ瑹o法量化可再生能源的季節(jié)性特征。并且,現(xiàn)有的時(shí)序運(yùn)行模擬的方法大多基于典型日,據(jù)此進(jìn)行的電力系統(tǒng)規(guī)劃只能保證典型日下的情況可行,可能無法考慮一些極端場景。實(shí)際上,隨著可再生能源占比的增加,典型日也在不斷變化。除此之外,傳統(tǒng)8760小時(shí)的時(shí)序運(yùn)行模擬方法需要添加全年的時(shí)序約束,會(huì)導(dǎo)致計(jì)算量過大、計(jì)算效率過低。

      3、因此,現(xiàn)有建模方法難以精確量化可再生能源在長時(shí)間尺度下的關(guān)鍵特征,使得電力系統(tǒng)的電力電量平衡面臨失衡風(fēng)險(xiǎn),不利于對電網(wǎng)的新能源消納能力的正確把握,不能支撐大規(guī)模電力系統(tǒng)的規(guī)劃與發(fā)展。


      技術(shù)實(shí)現(xiàn)思路

      1、針對現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求,本發(fā)明提供了一種可再生能源全年出力時(shí)間序列的生成方法,其目的在于,解決現(xiàn)有建模方法難以精確量化可再生能源在長時(shí)間尺度下的關(guān)鍵特征的技術(shù)問題。

      2、為實(shí)現(xiàn)上述目的,按照本發(fā)明的一個(gè)方面,提供了一種可再生能源全年出力時(shí)間序列的生成方法,包括:

      3、s1:對可再生能源的歷史出力時(shí)間序列進(jìn)行分解,得到趨勢分量、殘差分量和周期分量;

      4、s2:對當(dāng)前的殘差分量和當(dāng)前的趨勢分量進(jìn)行平穩(wěn)性校驗(yàn);

      5、s3:若未通過平穩(wěn)性校驗(yàn)則對所述當(dāng)前的趨勢分量和所述當(dāng)前的殘差分量進(jìn)行差分化處理以更新所述當(dāng)前的趨勢分量和所述當(dāng)前的殘差分量,并返回至s2,直至最終通過平穩(wěn)性校驗(yàn)并進(jìn)入s4;

      6、s4:獲取所述當(dāng)前的殘差分量和所述當(dāng)前的趨勢分量各自的概率分布;

      7、s5:將所述概率分布應(yīng)用在伊藤隨機(jī)過程的積分福克-普朗克方程中,并利用伊藤隨機(jī)過程對所述當(dāng)前的殘差分量和所述當(dāng)前的趨勢分量進(jìn)行建模,得到初始模擬趨勢分量和初始模擬殘差分量;

      8、s6:對所述初始模擬趨勢分量和所述初始模擬殘差分量進(jìn)行逆差分化處理得到目標(biāo)模擬趨勢分量和目標(biāo)模擬殘差分量;

      9、s7:利用所述目標(biāo)模擬趨勢分量、所述目標(biāo)模擬殘差分量和所述周期分量重構(gòu)目標(biāo)出力時(shí)間序列。

      10、在其中一個(gè)實(shí)施例中,所述s1包括:

      11、利用加法模型或乘法模型對可再生能源的歷史出力時(shí)間序列進(jìn)行分解,得到所述趨勢分量、所述殘差分量和多個(gè)所述周期分量。

      12、在其中一個(gè)實(shí)施例中,所述s1包括:

      13、s11:從所述歷史出力時(shí)間序列中找出潛在周期分量;

      14、s12:按照基于loess回歸的時(shí)間序列分解算法對所述潛在周期分量進(jìn)行解耦,得到對應(yīng)的周期分量,并在當(dāng)前的歷史出力時(shí)間序列中剔除該周期分量,以更新所述歷史出力時(shí)間序列;

      15、s13:檢測當(dāng)前的歷史出力時(shí)間序列是否存在其他潛在周期分量,若存在則返回s12;反之則進(jìn)入s14;

      16、s14:從當(dāng)前的歷史出力時(shí)間序列分解出所述趨勢分量和所述殘差分量。

      17、在其中一個(gè)實(shí)施例中,所述s2包括:

      18、對所述當(dāng)前的趨勢分量和所述當(dāng)前的殘差分量進(jìn)行多種方式的單位根檢驗(yàn);

      19、其中,所述多種方式的單位根檢驗(yàn)包括:adf檢驗(yàn)和kpss檢驗(yàn),若多種方式的單位根檢驗(yàn)均通過則視為通過平穩(wěn)性校驗(yàn)。

      20、在其中一個(gè)實(shí)施例中,所述s5包括:

      21、s51:采用伊藤隨機(jī)過程對所述當(dāng)前的趨勢分量進(jìn)行建模得到表征所述當(dāng)前的趨勢分量的漂移函數(shù)、擴(kuò)散函數(shù)和概率分布三者關(guān)系的第一映射,將所述當(dāng)前的趨勢分量的概率分布帶入所述第一映射,得到所述當(dāng)前的趨勢分量的漂移函數(shù)和所述當(dāng)前的殘差分量的擴(kuò)散函數(shù),利用二者重構(gòu)初始模擬趨勢分量;

      22、s52:采用伊藤隨機(jī)過程對所述當(dāng)前的殘差分量進(jìn)行建模得到表征所述當(dāng)前的殘差分量的漂移函數(shù)、擴(kuò)散函數(shù)和概率分布三者關(guān)系的第二映射,將所述當(dāng)前的殘差分量的概率分布帶入所述第二映射,得到所述當(dāng)前的殘差分量的漂移函數(shù)和所述當(dāng)前的殘差分量的擴(kuò)散函數(shù),利用二者重構(gòu)初始模擬殘差分量。

      23、在其中一個(gè)實(shí)施例中,所述s51包括:

      24、利用t(t)=t(t-1)+ut(t)*δt+vt(t)*δw(t)對所述當(dāng)前的趨勢分量t(t)進(jìn)行建模,得到表征所述當(dāng)前的趨勢分量的漂移函數(shù)ut(t)、擴(kuò)散函數(shù)vt(t)和概率分布pt(x,t)三者關(guān)系的第一映射δw(t)為隨機(jī)因素;

      25、將所述當(dāng)前的趨勢分量的概率分布pt(x,t)帶入所述第一映射,得到所述當(dāng)前的趨勢分量的漂移函數(shù)和所述當(dāng)前的殘差分量的擴(kuò)散函數(shù),利用二者重構(gòu)初始模擬趨勢分量。

      26、在其中一個(gè)實(shí)施例中,所述s52包括:

      27、采用公式r(t)=r(t-1)+ur(t)*δt+vr(t)*δw(t)對所述當(dāng)前的殘差分量r(t)進(jìn)行建模得到表征所述當(dāng)前的殘差分量的漂移函數(shù)ur(t)、擴(kuò)散函數(shù)vr(t)和概率分布pr(x,t)三者關(guān)系的第二映射

      28、將所述當(dāng)前的殘差分量的概率分布pr(x,t)帶入所述第二映射,得到所述當(dāng)前的殘差分量的漂移函數(shù)和所述當(dāng)前的殘差分量的擴(kuò)散函數(shù),利用二者重構(gòu)初始模擬殘差分量。

      29、在其中一個(gè)實(shí)施例中,所述s1之后還包括:

      30、若s1得到的趨勢分量和殘差分量通過平穩(wěn)性校驗(yàn)則執(zhí)行s4和s5,并對s5得到的所述初始模擬趨勢分量和所述初始模擬殘差分量先進(jìn)行差分化處理,再進(jìn)行逆差分化處理,得到所述目標(biāo)模擬趨勢分量和所述目標(biāo)模擬殘差分量;最后利用所述目標(biāo)模擬趨勢分量、所述目標(biāo)模擬殘差分量和所述周期分量重構(gòu)目標(biāo)出力時(shí)間序列。

      31、按照本發(fā)明的另一方面,提供了一種可再生能源全年出力時(shí)間序列的生成裝置,包括:

      32、分解模塊,用于對可再生能源的歷史出力時(shí)間序列進(jìn)行分解,得到趨勢分量、殘差分量和周期分量;

      33、校驗(yàn)?zāi)K,用于對當(dāng)前的殘差分量和當(dāng)前的趨勢分量進(jìn)行平穩(wěn)性校驗(yàn);

      34、循環(huán)模塊,用于若未通過平穩(wěn)性校驗(yàn)則對所述當(dāng)前的趨勢分量和所述當(dāng)前的殘差分量進(jìn)行差分化處理以更新所述當(dāng)前的趨勢分量和所述當(dāng)前的殘差分量,并返回至校驗(yàn)?zāi)K,直至最終通過平穩(wěn)性校驗(yàn)并進(jìn)入獲取模塊;

      35、獲取模塊,用于獲取所述當(dāng)前的殘差分量和所述當(dāng)前的趨勢分量各自的概率分布;

      36、建模模塊,用于將所述概率分布應(yīng)用在伊藤隨機(jī)過程的積分福克-普朗克方程中,并利用伊藤隨機(jī)過程對所述當(dāng)前的殘差分量和所述當(dāng)前的趨勢分量進(jìn)行建模,得到初始模擬趨勢分量和初始模擬殘差分量;

      37、計(jì)算模塊,用于對所述初始模擬趨勢分量和所述初始模擬殘差分量進(jìn)行逆差分化處理得到目標(biāo)模擬趨勢分量和目標(biāo)模擬殘差分量;

      38、重構(gòu)模塊,用于利用所述目標(biāo)模擬趨勢分量、所述目標(biāo)模擬殘差分量和所述周期分量重構(gòu)目標(biāo)出力時(shí)間序列。

      39、按照本發(fā)明的另一方面,提供了一種可再生能源管理系統(tǒng),包括存儲器和處理器,所述存儲器存儲有計(jì)算機(jī)程序,所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述的方法的步驟。

      40、按照本發(fā)明的另一方面,提供了一種計(jì)算機(jī)可讀存儲介質(zhì),其上存儲有計(jì)算機(jī)程序,所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的方法的步驟。

      41、總體而言,通過本發(fā)明所構(gòu)思的以上技術(shù)方案與現(xiàn)有技術(shù)相比,能夠取得下列有益效果:

      42、(1)本方案提供的一種可再生能源全年出力時(shí)間序列的生成方法,利用伊藤隨機(jī)過程對歷史出力時(shí)間序列中通過平穩(wěn)性校驗(yàn)的當(dāng)前的殘差分量和當(dāng)前的趨勢分量進(jìn)行建模,得到初始模擬趨勢分量和初始模擬殘差分量;進(jìn)而分別對二者進(jìn)行逆差分化處理得到目標(biāo)模擬趨勢分量和目標(biāo)模擬殘差分量,最后利用所述目標(biāo)模擬趨勢分量、所述目標(biāo)模擬殘差分量和所述周期分量重構(gòu)目標(biāo)出力時(shí)間序列;本方案通過伊藤隨機(jī)過程對非周期分量進(jìn)行數(shù)學(xué)建模,可以生成海量模擬曲線,同時(shí)準(zhǔn)確反映其隨機(jī)特征和時(shí)序相關(guān)性,可以精確量化可再生能源在長時(shí)間尺度下的關(guān)鍵特征,根據(jù)上述關(guān)鍵特征可以精確把握電網(wǎng)的新能源消納能力,方便支撐大規(guī)模電力系統(tǒng)的規(guī)劃與發(fā)展。

      43、(2)本方案利用加法模型或乘法模型對歷史出力時(shí)間序列進(jìn)行分解,對應(yīng)的采用加法模型或乘法模型重構(gòu)出目標(biāo)出力時(shí)間序列,計(jì)算復(fù)雜度低,可以提升整個(gè)算法的執(zhí)行效率。進(jìn)一步地,該方式還可以生成多個(gè)所述周期分量,如年度分量、季度分量、月度分量、日度分量等,便于精準(zhǔn)刻畫可再生能源在長時(shí)間尺度下的關(guān)鍵特征。

      44、(3)本方案先剔除部分容易被識別出的周期分量,降低當(dāng)前的歷史出力時(shí)間序列的數(shù)據(jù)規(guī)模和計(jì)算復(fù)雜度,再進(jìn)一步地判斷是否還存在其他潛在周期分量,若存在繼續(xù)按照基于loess回歸的時(shí)間序列分解算法對所述潛在周期分量進(jìn)行解耦;該方式首先可以找出盡量多的周期分量,其次計(jì)算復(fù)雜度低,算法執(zhí)行效率高。

      45、(4)本方案對所述當(dāng)前的趨勢分量和所述當(dāng)前的殘差分量進(jìn)行多種方式的單位根檢驗(yàn);可以提升平穩(wěn)性校驗(yàn)的準(zhǔn)確性。

      46、(5)本方案采用伊藤隨機(jī)過程分別對所述當(dāng)前的趨勢分量和當(dāng)前的殘差分量進(jìn)行建模,得到對應(yīng)第一映射和第二映射,并將對應(yīng)的概率分布對應(yīng)帶入兩個(gè)映射,最后重構(gòu)出初始模擬趨勢分量和初始模擬殘差分量;該方式可以準(zhǔn)確刻畫出殘差分量和趨勢分量的特征。

      47、(6)本方案利用t(t)=t(t-1)+ut(t)*δt+vt(t)*δw(t)對所述當(dāng)前的趨勢分量t(t)進(jìn)行建模,還考慮了隨機(jī)因素,使得最終獲得的趨勢分量更加準(zhǔn)確,貼近現(xiàn)實(shí)應(yīng)用場景。

      48、(7)本方案利用r(t)=r(t-1)+ur(t)*δt+vr(t)*δw(t)對所述當(dāng)前的殘差分量r(t)進(jìn)行建模,還考慮了隨機(jī)因素,使得最終獲得的殘差分量更加準(zhǔn)確,貼近現(xiàn)實(shí)應(yīng)用場景。

      49、(8)本方案中考慮了一種特殊情況,s1得到的趨勢分量和殘差分量可以直接通過平穩(wěn)性校驗(yàn),進(jìn)而執(zhí)行s4和s5得到的所述初始模擬趨勢分量和所述初始模擬殘差分量,但得到初始模擬趨勢分量和初始模擬殘差分量并未經(jīng)過差分化,故對其先進(jìn)行差分化,再進(jìn)行逆差分化恢復(fù)成模擬態(tài)的時(shí)間序列,以便于與所述周期分量重構(gòu)目標(biāo)出力時(shí)間序列。

      當(dāng)前第1頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會(huì)獲得點(diǎn)贊!
      1