基于新型场景划分与考虑时序相关性的光伏出力时间序列模拟方法

doi:10.3969/j.issn.1000-7229.2018.10.008

电力建设 ›› 2018, Vol. 39 ›› Issue (10): 63-70.doi: 10.3969/j.issn.1000-7229.2018.10.008

基于新型场景划分与考虑时序相关性的光伏出力时间序列模拟方法

江雪辰1，朱俊澎1，袁越1，王跃峰2，黄阮明3

1.河海大学能源与电气学院，南京市 211100；2.中国电力科学研究院有限公司，北京市 100192；3.国网上海市电力公司，上海市 200120

出版日期:2018-10-01
作者简介:江雪辰（1994），女，硕士研究生，主要研究方向为含可再生能源的电力系统分析；朱俊澎（1990），男，博士，讲师，主要研究方向为主动配电网运行与优化；袁越（1966），男，博士，教授，博士生导师，主要研究方向为电力系统运行与分析、可再生能源发电系统等；王跃峰（1981），男，高级工程师，主要研究方向为电力系统运行与分析；黄阮明（1980），男，高级工程师，主要研究方向为电网规划与新能源发电并网技术。
基金资助:
国家自然科学基金项目（51477041）；国家电网公司科技项目（考虑季节性和随机性影响的大规模清洁能源年月计划优化方法研究与应用）

Simulation Method Based on Improved Scenario Division Considering Temporal Correlation for PV Output Time Series

JIANG Xuechen1，ZHU Junpeng1，YUAN Yue1，WANG Yuefeng2，HUANG Ruanming3

1.College of Energy and Electrical Engineering, Hohai University, Nanjing 211100, China；2.China Electric Power Research Institute, Beijing 100192, China；3.State Grid Shanghai Municipal Electric Power Company, Shanghai 200120, China

Online:2018-10-01
Supported by:
This work is supported by National Natural Science Foundation of China （51477041） and State Grid Corporation of China Research Program.

摘要/Abstract

摘要： 针对现有光伏出力的马尔科夫链模型在原始数据分段和随机抽样方面的不足，文章提出一种基于新型场景划分与考虑时序相关性的光伏出力时间序列模拟方法。首先引入Davies-Bouldin有效性指标优化模糊C均值聚类（fuzzy C-mean clustering，FCM）法，进行场景划分，形成数据特征更清晰的原始光伏出力序列集合。然后建立不同场景的光伏出力状态转移矩阵，通过马尔科夫链蒙特卡洛法生成光伏出力时间序列，在此过程中，利用Copula理论进行条件概率抽样生成下一时刻光伏出力状态值，以降低传统蒙特卡洛抽样的随机性。实际算例表明，文章所提方法生成的光伏出力时间序列不仅在数据的概率统计特性方面比现有的模型结果更精确，而且更好地保留了原始序列的自相关性。

关键词: 光伏出力时间序列, 马尔科夫链蒙特卡洛, 场景划分, 时序相关性, Copula函数

Abstract: Focusing on the defect of raw data segmentation and random sampling for the existing Markov chains model of PV output, a simulation method of PV output time series which is based on a new type of scenario division and considering temporal correlation is proposed. Firstly, the DBI clustering effectiveness index is introduced to optimize fuzzy C-mean clustering method, and the scenes are divided into different situations and the data sets of historical PV output series with more obvious data characteristics are established. Then, a number of state transition matrixes in different scenes are generated and PV output series are simulated through Markov chains Monte Carlo method. During this process, the state-value for the next moment can be got using the Copula theory to conduct the conditional probability sampling, so as to reduce the randomness of the traditional Monte Carlo sampling. According to actual case calculation, in the new method in this article, the PV output series are not only more accurate than the existing model in probabilistic statistical features of the data, but also preserve better autocorrelation of the original sequence.

Key words: PV output time series, Markov chains Monte Carlo method, scenario division, temporal correlation, Copula method

中图分类号:

TM 73

江雪辰，朱俊澎，袁越，王跃峰，黄阮明. 基于新型场景划分与考虑时序相关性的光伏出力时间序列模拟方法[J]. 电力建设, 2018, 39(10): 63-70.

JIANG Xuechen，ZHU Junpeng，YUAN Yue，WANG Yuefeng，HUANG Ruanming. Simulation Method Based on Improved Scenario Division Considering Temporal Correlation for PV Output Time Series[J]. Electric Power Construction, 2018, 39(10): 63-70.

参考文献

［1］姚良忠，朱凌志，周明，等.高比例可再生能源电力系统的协同优化运行技术展望［J］.电力系统自动化，2017，41（9）：36-43.

YAO Liangzhong，ZHU Lingzhi，ZHOU Ming，et al.Prospects of coordination and optimization for power systems with high proportion of renewable energy［J］.Automation of Electric Power Systems，2017，41（9）：36-43.

［2］黄碧斌，李琼慧，高菲.计及电网改造的高渗透率分布式光伏优化规划［J］.电力建设，2015，36（10）: 82-87.

HUANG Bibin，LI Qionghui，GAO Fei.Distributed photovoltaic optimal planning with high permeability considering grid reinforcement［J］.Electric Power Construction，2015，36（10）：82-87.

［3］娄素华，胡斌，吴耀武，等.碳交易环境下含大规模光伏电源的电力系统优化调度［J］.电力系统自动化，2014，38（17）：91-97.

LOU Suhua，HU Bin，WU Yaowu，et al.Optimal dispatch of power system integrated with large scale photovoltaic generation under carbon trading environment［J］.Automation of Electric Power Systems，2014，38（17）：91-97.

［4］管霖，陈旭，吕耀棠，等.适用于电网规划的光伏发电概率模型及其应用［J］.电力自动化设备，2017，37（11）：1-7.

GUAN Lin，CHEN Xu，L Yaotang，et al.Probability model of PV generation for power system planning and its application［J］.Electric Power Automation Equipment，2017，37（11）：1-7.

［5］KAPLANI E，KAPLANIS S.A stochastic simulation model for reliable PV system sizing providing for solar radiation fluctuation［J］.Applied Energy，2012，97（1）：970-981.

［6］陆丹，袁越，杨苏.基于马尔可夫链蒙特卡洛法的独立风光柴储微网运行风险评估［J］. 电网技术，2017，41（3）：823-830.

LU Dan, YUAN Yue, YANG Su.Operation risk assessment of islanded wind-PV-diesel-storage microgrid based on Markov chain Monte Carlo method［J］.Power System Technology，2017，41（3）：823-830.

［7］陈昌松，段善旭，殷进军.基于神经网络的光伏阵列发电预测模型的设计［J］.电工技术学报，2009，24（9）：153-158.

CHEN Changsong，DUAN Shanxu，YIN Jinjun.Design of photovoltaic array power forecasting model based on neutral network［J］.Transactions of China Electrotechnical Society，2009，24（9）：153-158.

［8］SHI J，LEE W J，LIU Y，et al.Forecasting power output of photovoltaic systems based on weather classification and support vector machines［J］.IEEE Transactions on Industry Applications，2015，48（3）：1064-1069.

［9］丁明，徐宁舟.基于马尔可夫链的光伏发电系统输出功率短期预测方法［J］.电网技术，2011，35（1）：152-157.

DING Ming，XU Ningzhou.A method to forecast short-term output power of photovoltaic generation system based on Markov chain［J］.Power System Technology，2011，35（1）：152-157.

［10］罗钢，石东源，陈金富，等.风光发电功率时间序列模拟的 MCMC方法［J］.电网技术，2014，38（2）：321-327.

LUO Gang，SHI Dongyuan，CHEN Jinfu，et al. A Markov chain Monte Carlo method for simulation of wind and solar power time series［J］.Power System Technology，2014，38（2）：321-327.

［11］丁明，鲍玉莹，毕锐.应用改进马尔科夫链的光伏出力时间序列模拟［J］.电网技术，2016，40（2）：459-464.

DING Ming，BAO Yuying，BI Rui.Simulation of PV output time series used improved Markov chain［J］.Power System Technology，2016，40（2）：459-464.

［12］PAPAEFTHYMIOU G，KLOCKL B.MCMC for wind power simulation［J］.IEEE Transactions on Energy Conversion，2008，23（1）：234-240.

［13］DONG R，HUANG M X.An improved FCM algorithm based on subtractive clustering for power load classification［J］.Advanced Materials Research，2014（986/987）：206-210.

［14］DAVIES D L，BOULDIN D W.A cluster separation measure［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence, 1979，PAMI-1（2）：224-227.

［15］韦艳华，张世英.Copula 理论及其在金融分析上的应用［M］.北京：清华大学出版社，2008：10-23.

［16］HAGHI H V，BINA M T，GOLKAR M A，et al.Using Copulas for analysis of large datasets in renewable distributed generation：PV and wind power integration in Iran［J］.Renewable Energy，2010，35（9）：1991-2000.

［17］赵继超，袁越，傅质馨，等.基于Copula理论的风光互补发电系统可靠性评估［J］.电力自动化设备，2013，33（1）：124-129.

ZHAO Jichao，YUAN Yue，FU Zhixin，et al.Reliability assessment of wind-PV hybrid generation system based on Copula theory［J］.Electric Power Automation Equipment, 2013，33（1）：124-129.

［18］黎静华，文劲宇，程时杰，等.考虑多风电场出力Copula相关关系的场景生产方法［J］.中国电机工程学报，2013，33（16）：30-36.

LI Jinghua，WEN Jinyu，CHENG Shijie，et al.A scene generation method considering Copula correlation relationship of multi-wind farms power［J］.Proceedings of the CSEE，2013，33（16）：30-36.

[1]	江雪辰，袁越，吴涵，徐蕴岱，黄阮明，王跃峰. 基于分段Copula函数和高斯混合模型的多段线性化概率潮流计算[J]. 电力建设, 2018, 39(9): 120-128.
[2]	梁浚杰，兰飞，农植贵，黎静华. 考虑风电非线性相关性的配电网概率潮流研究 [J]. 电力建设, 2017, 38(7): 34-.
[3]	金黎明,周宁,冯丽,范飞,赵渊. 光伏发电系统的时序概率模型研究[J]. 电力建设, 2016, 37(7): 27-32.
[4]	林顺富，黄娜娜, 赵伦加, 汤波, 李东东. 基于用户行为的家庭日负荷曲线模型[J]. 电力建设, 2016, 37(10): 114-.

基于新型场景划分与考虑时序相关性的光伏出力时间序列模拟方法

Simulation Method Based on Improved Scenario Division Considering Temporal Correlation for PV Output Time Series

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 4

编辑推荐

Metrics

本文评价