基于K-means MCMC算法的中长期风电 时间序列建模方法研究

摘要：

构建风电功率时间序列模型对电力系统中长期规划、年/月调度和安全稳定运行具有重要意义.针对传统马尔科夫链-蒙特卡洛法(Markov chain-Monte Carlo,MCMC)法存在的缺陷,提出一种基于粒子群优化的K-means MCMC风电时间序列建模新方法.首先,对历史风电功率数据进行聚类,并对聚类后的不同类别风电功率序列选取最优状态数,分别建立状态转移矩阵;其次,用拟合度较好的混合高斯分布拟合多时间尺度的风电最大波动率的概率分布特性;最后,采用基于类间转移概率矩阵的MCMC方法依次生成模拟风电出力时间序列;同时,在生成模拟序列过程中叠加高频波动分量,使模拟序列延续历史风电序列的波动特性.通过对比本所提方法和传统MCMC法分别生成的模拟风电出力序列以及历史风电功率序列,验证了所提方法的有效性和准确性.

关键词：马尔科夫链-蒙特卡洛法、混合高斯分布、K-means聚类、最优状态数、风电波动特性、时间序列

所属期刊栏目：43

分类号：TM614(发电、发电厂)

资助基金：国家重点研发计划2017YFB0903300

在线出版日期：2019-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2469-2476