作者介紹

宋宇，工程師，主要研究方向為電力系統(tǒng)繼電保護與自動化、電力系統(tǒng)規(guī)劃與分析。

研究背景

風電、光伏為代表的新能源發(fā)電存在顯著差異性，如果不采取措施接入電網(wǎng)，則會對電網(wǎng)的可靠性和穩(wěn)定運行造成很大影響。風電、光伏等間歇性能源的建模成為新能源消納問題的基礎研究課題。電力系統(tǒng)的中、長期規(guī)劃均需基于風、光自身的出力特性，以大量場景基礎進行分析計算，來評估規(guī)劃方案的可行性和合理性。因此，考慮其相關特性，建立合適的風、光聯(lián)合出力模型，生成典型場景，對電力系統(tǒng)規(guī)劃有重要意義。

本文采用非參數(shù)核密度估計法對實際數(shù)據(jù)進行擬合，經(jīng)擬合優(yōu)度及精度檢驗后，得到風、光出力的核密度表達式。然后建立多種基于Copula函數(shù)的風、光電場出力聯(lián)合分布模型，結(jié)合各模型的Kendall與Spearman相關系數(shù)，將各Copula分布函數(shù)與經(jīng)驗Copula函數(shù)比較，并判斷與經(jīng)驗Copula函數(shù)的歐氏距離，選取最優(yōu)Copula函數(shù)作為風電、光伏聯(lián)合概率分布，從而生成風、光出力典型場景。

算例分析表明，文中方法生成的風、光年出力場景符合其相關性，在反映地區(qū)風光實際出力有較高的準確性。

圖1 最優(yōu)Copula函數(shù)選取流程

論文所解決的問題及意義

目前，研究風、光出力相關性的問題主要采用Copula理論。有文獻提出了基于Copula的計算風光出力聯(lián)合概率分布的方法，然后利用聚類算法進行模型誤差分析，該模型考慮了不同環(huán)境下二者的影響與變化關系，使得風、光出力的預測準確性大大提高。

有文獻分析了傳統(tǒng)Copula方法的不足之處，提出了新的動態(tài)式的Copula函數(shù)模型，計算了8組不同的實例的動態(tài)相關性，驗證了所提模型的準確性與合理性。有文獻用阿基米德族Copula函數(shù)對多風電場聯(lián)合出力進行建模，并與正態(tài)Copula函數(shù)進行比較，證明了阿基米德族Copula函數(shù)針對此類問題的優(yōu)越性。

圖2 風電、光伏出力的場景生成步驟

但現(xiàn)有文獻建立單個Copula模型的方法無法可靠地驗證所選取的Copula函數(shù)是模型中的最優(yōu)函數(shù)，造成生成典型出力場景與實際情況出入較大。

論文方法及創(chuàng)新點

針對上述問題，國網(wǎng)江蘇省電力有限公司超高壓分公司的研究人員提出對Copula函數(shù)進行研究與改進，采用非參數(shù)核密度估計法對實際數(shù)據(jù)進行擬合，經(jīng)擬合優(yōu)度及精度檢驗后，得到風、光出力的核密度表達式。

然后建立多種基于Copula函數(shù)的風、光電場出力聯(lián)合分布模型，結(jié)合各模型的Kendall與Spearman相關系數(shù)，將各Copula分布函數(shù)與經(jīng)驗Copula函數(shù)比較，并判斷與經(jīng)驗Copula函數(shù)的歐氏距離，選取最優(yōu)Copula函數(shù)對各個時刻的風電出力數(shù)據(jù)與光伏出力數(shù)據(jù)進行擬合，得到每個時刻的考慮風光出力相關性的概率密度函數(shù)，利用Copula函數(shù)的蒙特卡洛采樣方法來生成年度場景，用后向縮減法分別對生成的風電、光伏場景進行縮減，得到各自的場景概率。

圖3 基于后向縮減法的場景縮減流程

該方法生成的風、光年出力場景符合實際出力的相關性，避免了建立單一Copula函數(shù)模型的方法造成生成典型出力場景與實際情況出入較大的問題。

結(jié)論

1）非參數(shù)核密度估計法較參數(shù)估計法，能夠更好地擬合樣本數(shù)據(jù)，所得模型更接近于真實值。

2）所提基于最優(yōu)Copula函數(shù)的蒙特卡洛采樣方法能夠生成具備互補特性的風、光年出力典型場景，可應用在電力系統(tǒng)規(guī)劃模型中，為電力系統(tǒng)可靠性分析提供數(shù)據(jù)基礎。

引用本文

宋宇, 李涵. 基于核密度估計和Copula函數(shù)的風、光出力場景生成[J]. 電氣技術, 2022, 23(1): 56-63.SONG Yu, LI Han. Typical scene generation of wind and photovoltaic power output based on kernel density estimation and Copula function. Electrical Engineering, 2022, 23(1): 56-63.