[發明專利]基于趨勢擬合的風電日內波動連續時段識別方法及系統

有效

• 申請號: 201410557019.6
• 申請日: 2014-10-20
• 公開（公告）號: CN104268436A
• 公開（公告）日: 2015-01-07
• 發明（設計）人: 王現勛;梅亞東;孔艷君;楊璐;魏翔;徐雨妮
• 申請（專利權）人: 武漢大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 嚴彥

1.一種基于趨勢擬合的風電日內波動連續時段識別方法，其特征在于，包括如下步驟：

步驟1，解析風電出力過程線，所述風電出力過程線是在直角坐標系中，根據出力的過程以時間t為橫坐標、以風電出力P為縱坐標得到的曲線；解析過程包括將風電出力過程線解析為由若干點連接組成，設共有N個點，將這N個點分別作為控制點并由左至右編號依次為1,2,…,N，第i個控制點坐標記為(t_i,P_i),i＝1,2,...,N，風電出力過程線中所有控制點的縱坐標P_i構成序列{P_i}，風電出力過程線總時段長度為24h，相鄰控制點之間的時間間隔保持一致；步驟2，輸入子區間特征參數集合{M₁,M₂,...,M_R}，然后初始化當前迭代次數r＝1；

其中，M_r為第r個子區間特征參數，為unit的整數倍，r＝1,2,…,R，R為M_r集合中元素的個數；unit為風電出力過程線中相鄰控制點之間的時間間隔；

步驟3，根據當前迭代次數r，進行子區間劃分長度計算如下，

s＝2m

m=Munit]]>

其中，s為子區間長度，m為子區間重疊長度，M＝M_r；

步驟4，按照子區間長度s進行風電出力過程線分割如下，

將風電出力過程線的第(k-1)×m+1個控制點至第(k+1)×m+1個控制點之間部分分割為第k個子區間，其中k＝1,2,...,K；如果則否則int(*)表示對“*”取整；

將風電出力過程線剩下的第K×m+1個控制點至第N個控制點之間的部分分割為第K+1個子區間；

前K個子區間由2m+1個控制點組成，控制點坐標依次記為第K+1個子區間由N-K×m個控制點組成，控制點坐標依次記為

步驟5，對步驟4所得的每個子區間進行趨勢擬合，得到對應的擬合序列；前K個子區間的擬合序列的控制點坐標記為k＝1,2,...,K，第K+1個子區間的擬合序列的控制點坐標記為

步驟6，進行重疊部分擬合加權序列計算如下，

由步驟4所得的K+1個子區間之間共有K個重疊部分，每個重疊部分的擬合加權序列由下式計算，

Plk,fw=λ1×Pl+mk,f+λ2×Plk+1,f]]>

其中，為第k個重疊部分的擬合加權序列中的第l個控制點的縱坐標，k＝1,2,...,K，λ₁、λ₂為權重系數，l＝1,2,...,m+1，為第k個子區間的擬合序列的第l+m個控制點縱坐標，為第k+1個子區間的擬合序列中第l個控制點縱坐標，λ₁＝1-(l-1)/m，λ₂＝(l-1)/m；

將第k個重疊部分的擬合加權序列的控制點坐標記為對K個重疊部分均進行處理后得K個擬合加權序列，且前一個擬合加權序列的最后一個控制點坐標與后一個擬合加權序列的第一個控制點坐標相同，將去重后的K個擬合加權序列首尾相連得到整個過程線重疊部分的擬合加權序列，該序列包含K×m+1個控制點；

步驟7，進行整個過程線擬合序列生成如下，

將第一個子區間擬合序列的前m個控制點作為新序列的第一部分，將步驟6所得的整個過程線重疊部分的擬合加權序列的K×m+1個控制點作為第二部分，將第K+1個子區間擬合序列的后N-K×m-(m+1)個點即作為第三部分，將這三個部分依次首尾相連得到整個過程線擬合序列；

步驟8，將步驟7所得整個過程線擬合序列的縱坐標記為{P_i,r},i＝1,2,...,N，若r＜R，令r＝r+1，返回至步驟3；若r＝R，進入步驟9；

步驟9，進行波動敏感度擬定如下，

將原始的風電出力過程線的縱坐標序列{P_i}和之前迭代所得的R個整個過程線擬合序列進行合并，得到N×(R+1)矩陣A；

依次對矩陣A的每一行所含元素組成的集合計算標準差并記為σ_i,i＝1,2,...,N，得標準差序列{σ_i}；按照σ_i值從大到小進行排序，得到標準差序列{σ′_i},i＝1,2,...,N，根據σ′_i在序列{σ′_i}的排序計算對應的頻率得到N個參數組合(σ′_i，η_i)；在N個(σ′_i，η_i)組合中讀取與預設參數η最接近的η_i所對應的σ′_i值并賦于標準差閾值參數σ；

步驟10，進行波動識別如下，

根據步驟9求得的標準差序列{σ′_i}，i＝1,2,...,N，按照i值從小到大的順序進行識別判斷，包括當σ_i＞σ時，則將相應參數組合(t_i,σ_i)作為行向量先后編入矩陣B；

識別結束后，將矩陣B的行數記為a，矩陣B的第一列為風電日內波動時段序列，記為{t′_ii}，ii＝1,2,...,a，第二列為相應時段的波動程度，記為{σ′_ii}，ii＝1,2,...,a；

步驟11，進行連續時段識別如下，

根據步驟10求得的風電日內波動時段序列{t′_ii}，按照ii值從小到大順序進行連續時段識別，包括當t′_ii+1-t′_ii＝unit，此處ii＝1,2,...,a-2，則將相應參數組合(t′_ii,σ′_ii)作為行向量先后編入矩陣C，否則將相應參數組合(t′_ii,σ′_ii)作為行向量先后編入矩陣D；當t'_a-t'_a-1＝unit則將相應參數組合(t'_a-1,σ'_a-1)、(t'_a,σ'_a)作為行向量先后編入矩陣C末端，否則將相應參數組合(t'_a-1,σ'_a-1)、(t'_a,σ'_a)作為行向量先后編入矩陣D末端；

矩陣C的第一列為風電日內波動的連續時段序列，第二列為相應時段的波動程度；矩陣D的第一列為風電日內波動的不連續時段序列，第二列為相應時段的波動程度。

2.一種基于趨勢擬合的風電日內波動連續時段識別系統，其特征在于，包括如下模塊：

解析模塊，用于解析風電出力過程線，所述風電出力過程線是在直角坐標系中，根據出力的過程以時間t為橫坐標、以風電出力P為縱坐標得到的曲線；解析過程包括將風電出力過程線解析為由若干點連接組成，設共有N個點，將這N個點分別作為控制點并由左至右編號依次為1,2,…,N，第i個控制點坐標記為(t_i,P_i),i＝1,2,...,N，風電出力過程線中所有控制點的縱坐標P_i構成序列{P_i}，風電出力過程線總時段長度為24h，相鄰控制點之間的時間間隔保持一致；

初始化模塊，用于輸入子區間特征參數集合{M₁,M₂,...,M_R}，然后初始化當前迭代次數r＝1；

其中，M_r為第r個子區間特征參數，為unit的整數倍，r＝1,2,…,R，R為M_r集合中元素的個數；unit為風電出力過程線中相鄰控制點之間的時間間隔；

區間長度確定模塊，用于根據當前迭代次數r，進行子區間劃分長度計算如下，

s＝2m

m=Munit]]>

其中，s為子區間長度，m為子區間重疊長度，M＝M_r；

子區間分割模塊，用于按照子區間長度s進行風電出力過程線分割如下，

將風電出力過程線的第(k-1)×m+1個控制點至第(k+1)×m+1個控制點之間部分分割為第k個子區間，其中k＝1,2,...,K；如果則否則int(*)表示對“*”取整；

將風電出力過程線剩下的第K×m+1個控制點至第N個控制點之間的部分分割為第K+1個子區間；

前K個子區間由2m+1個控制點組成，控制點坐標依次記為第K+1個子區間由N-K×m個控制點組成，控制點坐標依次記為

趨勢擬合模塊，用于對子區間分割模塊所得的每個子區間進行趨勢擬合，得到對應的擬合序列；前K個子區間的擬合序列的控制點坐標記為k＝1,2,...,K，第K+1個子區間的擬合序列的控制點坐標記為(t1K+1,f,P1K+1,f),(t2K+1,f,P2K+1,f),...,(tN-KmK+1,f,PN-KmK+1,f);]]>

重疊擬合加權模塊，用于進行重疊部分擬合加權序列計算如下，

由子區間分割模塊所得的K+1個子區間之間共有K個重疊部分，每個重疊部分的擬合加權序列由下式計算，

Plk,fw=λ1×Pl+mk,f+λ2×Plk+1,f]]>

其中，為第k個重疊部分的擬合加權序列中的第l個控制點的縱坐標，k＝1,2,...,K，λ₁、λ₂為權重系數，l＝1,2,...,m+1，為第k個子區間的擬合序列的第l+m個控制點縱坐標，為第k+1個子區間的擬合序列中第l個控制點縱坐標，λ₁＝1-(l-1)/m，λ₂＝(l-1)/m；

將第k個重疊部分的擬合加權序列的控制點坐標記為對K個重疊部分均進行處理后得K個擬合加權序列，且前一個擬合加權序列的最后一個控制點坐標與后一個擬合加權序列的第一個控制點坐標相同，將去重后的K個擬合加權序列首尾相連得到整個過程線重疊部分的擬合加權序列，該序列包含K×m+1個控制點；

過程線擬合模塊，用于進行整個過程線擬合序列生成如下，

將第一個子區間擬合序列的前m個控制點作為新序列的第一部分，將重疊擬合加權模塊所得的整個過程線重疊部分的擬合加權序列的K×m+1個控制點作為第二部分，將第K+1個子區間擬合序列的后N-K×m-(m+1)個點即作為第三部分，將這三個部分依次首尾相連得到整個過程線擬合序列；

迭代判斷模塊，用于將過程線擬合模塊所得整個過程線擬合序列的縱坐標記為{P_i,r},i＝1,2,...,N，若r＜R，令r＝r+1，命令區間長度確定模塊進行工作；若r＝R，命令敏感度模塊進行工作；

敏感度模塊，用于進行波動敏感度擬定如下，

將原始的風電出力過程線的縱坐標序列{P_i}和之前迭代所得的R個整個過程線擬合序列進行合并，得到N×(R+1)矩陣A；

依次對矩陣A的每一行所含元素組成的集合計算標準差并記為σ_i,i＝1,2,...,N，得標準差序列{σ_i}；按照σ_i值從大到小進行排序，得到標準差序列{σ′_i},i＝1,2,...,N，根據σ′_i在序列{σ′_i}的排序計算對應的頻率得到N個參數組合(σ′_i，η_i)；在N個(σ′_i，η_i)組合中讀取與預設參數η最接近的η_i所對應的σ′_i值并賦于標準差閾值參數σ；

波動識別模塊，用于進行波動識別如下，

根據敏感度模塊求得的標準差序列{σ′_i}，i＝1,2,...,N，按照i值從小到大的順序進行識別判斷，包括當σ_i＞σ時，則將相應參數組合(t_i,σ_i)作為行向量先后編入矩陣B；

識別結束后，將矩陣B的行數記為a，矩陣B的第一列為風電日內波動時段序列，記為{t′_ii}，ii＝1,2,...,a，第二列為相應時段的波動程度，記為{σ′_ii}，ii＝1,2,...,a；

時段識別模塊，用于進行連續時段識別如下，

根據波動識別模塊所得風電日內波動時段序列{t′_ii}，按照ii值從小到大順序進行連續時段識別，包括當t′_ii+1-t′_ii＝unit，此處ii＝1,2,...,a-2，則將相應參數組合(t′_ii,σ′_ii)作為行向量先后編入矩陣C，否則將相應參數組合(t′_ii,σ′_ii)作為行向量先后編入矩陣D；當t'_a-t'_a-1＝unit則將相應參數組合(t'_a-1,σ'_a-1)、(t'_a,σ'_a)作為行向量先后編入矩陣C末端，否則將相應參數組合(t'_a-1,σ'_a-1)、(t'_a,σ'_a)作為行向量先后編入矩陣D末端；

矩陣C的第一列為風電日內波動的連續時段序列，第二列為相應時段的波動程度；矩陣D的第一列為風電日內波動的不連續時段序列，第二列為相應時段的波動程度。