基于蒙特卡洛的风电功率 光伏功率场景生成方法
编程语言: MATLAB
风电功率场景生成,光伏功率场景生成
有两种:
1. 普通蒙特卡洛方法,未考虑时间相关性
2. 考虑时间相关性的蒙特卡洛方法,利用多元高斯分布构建时间相关性。
仅此一家
说明:单一风 光出力在相邻或相近时间区间内具有一定相关性,因此考虑时间相关性很重要 可以看下面的图片,考虑与不考虑相关性的场景相差很大
采用后向削减得到典型场景及其概率。
基于蒙特卡洛的风电功率光伏功率场景生成方法
在风电场景和光伏场景模拟中,场景生成是一个基础性的工作。为了更好地模拟风电和光伏电站的输出功率,在场景生成中考虑时间相关性非常重要。本文介绍两种场景生成方法:普通蒙特卡洛方法和考虑时间相关性的蒙特卡洛方法。
一、普通蒙特卡洛方法
普通蒙特卡洛方法是一种比较简单的场景生成方法,它不考虑时间相关性。通常,使用该方法时,需要构建一个概率密度函数(PDF)来模拟出力的分布,然后使用随机数生成器实现场景的生成。在风电和光伏电站模拟中, PDF 通常使用 Weibull 分布来进行拟合。
尽管普通蒙特卡洛方法简单易行,但是它忽略了时间相关性,导致该方法在长时期模拟中容易出现失效的情况。如图1所示,我们可以看到,当使用普通蒙特卡洛方法进行场景生成时,所得到的结果与实际数据具有较大的误差。
二、考虑时间相关性的蒙特卡洛方法
考虑时间相关性的蒙特卡洛方法,利用多元高斯分布来构建时间相关性。具体来说,假设风电和光伏电站的输出功率在不同时间段内服从多元高斯分布,则不同时间段内的输出功率具有相关性。该方法的使用需要对数据进行处理,处理后通过多元高斯分布生成场景。
在使用考虑时间相关性的蒙特卡洛方法进行场景生成时,我们可以采用后向削减方法得到典型场景及其概率。具体来说,我们可以基于实际数据中的历史数据,选取最优的一些数据点,得到场景及其概率。
在实际应用中,本文提到的考虑时间相关性的蒙特卡洛方法的场景生成模型是经过实践验证的,并且仅有本人编写,可作为参考文献。如图2所示,使用该方法生成的场景与实际数据具有较高的拟合度,可以有效地模拟风电和光伏电站的输出功率。
结论
场景生成是风电和光伏电站模拟的基础,考虑时间相关性对场景生成至关重要。普通蒙特卡洛方法虽然简单易行,但是忽略了时间相关性,容易出现失效的情况。考虑时间相关性的蒙特卡洛方法使用多元高斯分布来构建时间相关性,可以得到与实际数据更接近的场景。
相关代码,程序地址:http://lanzouw.top/681486555469.html