[发明专利]一种基于极大似然估计的风电功率波动概率分布描述方法

摘要

本发明提供一种基于极大似然估计的风电功率波动概率分布描述方法，包括：收集时长T期间的风电场出力历史数据；以步长△t取样，得到风电场出力历史数据序列{P_m′}；计算归一化的风电场出力历史数据序列{P_m}；以窗长为时间尺度△T，步长为时间尺度△t滑动扫描归一化的风电场出力历史数据序列{P_m}，每滑动一次扫描得到子序列；计算每个子序列的波动幅度Z_m，得到波动幅度序列{z₁,z₂…z_Q}；采用加权混合高斯分布拟合风电功率波动概率分布；基于期望最大化的极大似然估计算法，计算风电功率波动的加权混合高斯分布函数的参数。本发明从概率的角度评估风电随机波动性对电力系统安全稳定运行带来的影响，有助于评估风电随机波动性对电力系统安全稳定运行带来的影响。

主权项

一种基于极大似然估计的风电功率波动概率分布描述方法，其特征在于，包括：步骤A，收集自时刻T_start开始、时刻T_start+T结束，时长T期间的风电场出力历史数据；步骤B，以步长为时间尺度△t对所述时长T期间的风电场出力历史数据进行取样，得到风电场出力历史数据序列{P_m′}；其中，P_m′为T_start+(m×Δt)时刻的风电场出力历史数据；步骤C，计算风电场出力历史数据P_m′与T_start+(m×Δt)时刻的风电装机容量P_install的比值，得到归一化的风电场出力历史数据序列{P_m}；其中，步骤D，以窗长为时间尺度△T，步长为时间尺度△t滑动扫描所述归一化的风电场出力历史数据序列{P_m}，每滑动一次扫描得到子序列{P_m,P_m+1,P_m+2,......P_m+H}，共得到Q个所述子序列；其中，$H=\frac{\mathrm{\ΔT}}{\mathrm{\Δt}},Q=\frac{T-\mathrm{\ΔT}}{\mathrm{\Δt}};$步骤E，根据以下公式计算每个子序列{P_m,P_m+1,P_m+2,......P_m+H}的波动幅度Z_m，得到波动幅度序列{z₁,z₂…z_Q}；$z_m=\left\{\begin{array}{cc}{P}_{m\_\max }-P_{m\_\min },& T_{P_{m\_\max }}-T_{\mathrm{start}}>T_{P_{m\_\min }}-T_{\mathrm{start}}\\ P_{m\_\min }-P_{m\_\max },& T_{P_{m\_\max }}-T_{\mathrm{start}}\<T_{P_{m\_\min }}-T_{\mathrm{start}}\end{array}\right.$其中，P_{m_max}为子序列{P_m,P_m+1,P_m+2,......P_m+H}中的最大值，P_{m_min}为子序列{P_m,P_m+1,P_m+2,......P_m+H}中的最小值，为P_{m_max}对应的时刻，为P_{m_min}对应的时刻；步骤F，以波动幅度序列{z₁,z₂…z_Q}中的各个波动幅度为观察值，采用加权混合高斯分布拟合风电功率波动概率分布，得到风电功率波动的加权混合高斯分布函数；步骤G，基于期望最大化的极大似然估计算法，计算所述风电功率波动的加权混合高斯分布函数的参数。