研究目的
开发一种改进的高维多元时空模型,用于光伏并网电力系统的概率稳态预测,以准确刻画多元输入间的不确定性与相关性。
研究成果
所提出的时空模型能有效捕捉光伏并网电力系统中的不确定性与相关性,改进的BIC评分和准确的概率潮流计算结果验证了其有效性。该模型适用于长期规划、日常调度、可靠性评估及时序分析,但需进一步研究以处理更复杂的数据模式并扩展至其他可再生能源类型。
研究不足
该模型假设负荷功率和环境温度具有加法季节性;乘法季节性可能需要扩展方法。预处理方式可能无法完全捕捉任意数据中的所有复杂模式,且对历史数据的依赖限制了其在具有相似特征地区的适用性。高维数据的计算需求以及相关矩阵需满足正定性的要求是该模型的约束条件。
1:实验设计与方法选择:
该方法涉及使用增强的预处理、转换技术、主成分分析(PCA)以及ARCH/GARCH等时间序列模型来构建时空概率模型,以处理输入数据中的非平稳性和非高斯性。
2:样本选择与数据来源:
使用德克萨斯州八个气象区的历史负荷功率数据、美国林肯市及印度三个地点(伯汉普尔、哥印拜陀、芒格洛尔)的环境温度数据,以及印度五个光伏阵列地点超过5至15年的辐照度、环境温度和风速数据。缺失数据(少于2%)通过前值插补法处理。
3:实验设备与材料清单:
使用配备i7处理器和8GB内存的计算机进行模拟,MATLAB 7.10作为编码与执行的软件工具。
4:10作为编码与执行的软件工具。
实验步骤与操作流程:
4. 实验步骤与操作流程:包括采用基于回归的模型预处理数据以消除季节性、将非高斯数据转换至高斯域、应用PCA实现变量解相关、利用ARCH/GARCH建模时间相关性、生成未来场景并反转换至原始域。该模型应用于改进的印度62节点公用事业系统进行概率潮流分析。
5:数据分析方法:
采用贝叶斯信息准则(BIC)进行模型选择,结合累积量与高斯混合近似方法计算概率潮流,并通过与蒙特卡洛模拟对比验证结果。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容