[發明專利]基于有限狀態馬爾科夫序列的時序風速模擬方法和系統

有效

• 申請號: 202010488905.3
• 申請日: 2020-06-02
• 公開（公告）號: CN111611741B
• 公開（公告）日: 2023-10-10
• 發明（設計）人: 李玉敦;楊超;史方芳;張國輝;劉萌;李寬;趙斌超;王昕;李廣磊
• 申請（專利權）人: 國網山東省電力公司電力科學研究院;國家電網有限公司
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06F30/20
• 代理公司: 濟南誠智商標專利事務所有限公司 37105
• 代理人: 李修杰

本發明提出了基于有限狀態馬爾科夫序列的時序風速模擬方法和系統，該方法接收原始風速時間序列，利用多項式正態變換技術將原始風速時間序列變換為服從正態分布的時間序列；利用相鄰K個時刻服從正態分布的時間序列構造k維隨機向量；隨機向量服從協方差矩陣C的多元正態分布；根據多元正態分布構造狀態轉移函數；利用狀態轉移函數進行隨機抽樣得到設定時間長度的馬爾科夫時間序列；利用多項式正態變換將馬爾科夫時間序列變換得到模擬風速時間序列。基于該方法，還提出了模擬系統。本發明在連續狀態空間建立風速的時間序列模型，具有更高的仿真精度；在正態空間構建風速時間序列的馬爾科夫隨機模型，降低了直接建模的復雜度，建模更加靈活方便。

技術領域

本發明屬于電力系統及其自動化技術領域，特別涉及基于有限狀態馬爾科夫序列的時序風速模擬方法和系統。

背景技術

風速數據是風能開發和利用的基礎。建立一個準確的風速模型以及開展風速模擬的關鍵。目前對國內外對風速模型進行了大量的研究，提出了一些風速模擬方法。目前風速時序模擬主要有時間序列模型和馬爾科夫模型，時間序列模型需要較多的模型參數，因此建模復雜，而且對概率分布存在誤差，馬爾科夫過程由于能夠保持樣本的概率分布特性和自相關特性，精度較高，因此馬爾科夫模型更具有實際應用價值。

風速是在時間和空間均連續的物理過程，在統計學上可以描述為時間連續和狀態連續的隨機過程，目前現有的馬爾科夫模型主要采用離散馬爾科夫鏈進行風速模擬，該模型將風速狀態離散化，建立離散的狀態概率矩陣，模型精度取決于離散尺度，但是高度離散化雖然會提高模型精度，但也會造成過多的模型參數，多數情況下為了降低模型復雜度往往犧牲模型精度，這降低了其應用性。由此可見，現有的風速時間序列模擬的難點在于模型的精度和模型簡易度難以同時保證，其瓶頸在連續狀態空間構造任意類型的狀態轉移函數。

發明內容

本發明提出了基于有限狀態馬爾科夫序列的時序風速模擬方法和系統，在連續狀態空間建立風速的時間序列模型，具有更高的仿真精度；在正態空間構建風速時間序列的馬爾科夫隨機模型，降低了直接建模的復雜度，建模更加靈活方便。

為了實現上述目的，本發明提出了基于有限狀態馬爾科夫序列的時序風速模擬方法，該方法包括以下步驟：

S1：利用多項式正態變換技術將原始風速時間序列變換為服從正態分布的時間序列；

S2：利用相鄰K個時刻服從正態分布的時間序列構造k維隨機向量；k維隨機向量服從協方差矩陣C的多元正態分布；根據多元正態分布構造狀態轉移函數；

S3：利用狀態轉移函數進行隨機抽樣得到設定時間長度的馬爾科夫時間序列；

S4：利用多項式正態變換將馬爾科夫時間序列變換得到模擬風速時間序列。

進一步的，在步驟S1之前，還包括接收原始風速時間序列。

進一步的，步驟S1中，所述利用多項式正態變換技術將原始風速時間序列變換為服從正態分布的時間序列的步驟為：

S11：建立原始風速時間序列W_t和隨機變量Z_t之間的多項式函數關系；W_t＝c₀+c₁Z_t+c₂Z_t²+c₃Z_t³；