[發明專利]一種基于小波包方差熵的風電爬坡不確定性評估方法

有效

• 申請號: 202110852225.X
• 申請日: 2021-07-27
• 公開（公告）號: CN113553960B
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 李利娟;姚特殊;李澤宇;劉海;張青松;李月
• 申請（專利權）人: 湘潭大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06Q50/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種基于小波包方差熵的風電爬坡不確定性評估方法，包括下述步驟：首先對初始風電功率進行小波分解得到頻域中含噪的風電功率序列，然后使用小波軟閾值降噪法對含噪的風電功率序列進行降噪后再重構，從而得到降噪后時域中的風電功率，之后對降噪后的風電功率進行相應的運算求解得到風電功率方差；接著用db3小波包基函數對風電功率方差進行小波包變換，得到總的小波包方差能量值；最后提出小波包方差熵來評估風電爬坡不確定性程度；該方法能有效地對不同程度的風電爬坡事件進行識別，有助于指導電力系統相關部門根據風電爬坡事件的不確定性程度制定更為詳細的波動平抑策略。

技術領域

這是一種涉及電力系統安全穩定運行領域，尤其涉及一種基于小波包方差熵的風電爬坡不確定性評估方法。

背景技術

隨著風電大規模開發利用，風電在電力系統中發揮的作用越來越大，與傳統的確定可控的發電方式相比，風力發電更具有強烈的波動性、隨機性等不確定性特征，給電力系統的安全穩定運行帶來了一系列的挑戰。

對風電波動特性分析以時域、頻域角度進行的研究較多，但是單純地從時域或者頻域角度出發考慮風電不確定性，忽略了可能存在的時頻轉換機制，簡化了研究過程，不能完整反映風的時空分布，這就導致了在評估風電不確定性時對系統的影響往往偏差較大。因此，研究風電的隨機性與波動性，如何有效度量風電不確定性程度，對增強電網風電消納能力，提高電力系統穩定運行具有重要意義。

發明內容

針對現在大規模風力發電接入電網中，面對風力發電接入電網后強烈的波動性、隨機性等不確定性特征而產生如何有效度量風電不確定性程度的技術問題，提出了一種基于小波包方差熵的風電爬坡不確定性評估方法。

解決上述問題的技術方案是：一種基于小波包方差熵的風電爬坡不確定性評估方法，包括以下步驟：

步驟1：對頻域中的風電功率序列進行小波軟閾值降噪；

步驟2：利用降噪評價指標信噪比(Signal Noise Ratio,SNR)與均方誤差(MeanSquared Error,MSE)選擇最優分解層數；

步驟3：運用小波基函數和最優分解層數進行小波分解得到風電功率方差；

步驟4：基于小波包變換的小波包方差熵的建立。

附圖說明

圖1為提出的基于小波包方差熵的風電爬坡不確定性評估方法的三層小波分解示意圖；

圖2為提出的基于小波包方差熵的風電爬坡不確定性評估方法的流程；

圖3為提出的基于小波包方差熵的風電爬坡不確定性評估方法的風電場初始風電功率曲線；

圖4為提出的基于小波包方差熵的風電爬坡不確定性評估方法的風電場平均風電功率圖；

圖5為提出的基于小波包方差熵的風電爬坡不確定性評估方法的風電功率湍流殘差部分圖；

圖6為提出的基于小波包方差熵的風電爬坡不確定性評估方法的風電功率小波分解圖；

圖7為提出的基于小波包方差熵的風電爬坡不確定性評估方法的各個時間的段的小波包方差熵。

具體實施方式

下面將結合實施例中的附圖，對實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是一部分實施例，而不是全部的實施例。

參照圖2，一種基于小波包方差熵的風電爬坡不確定性評估方法，包括以下步驟：

步驟1：首先需要對初始的風電功率序列S(t)進行小波分解得到變換后頻域中的風電功率序列S_j(w)，它包含了未降噪的高頻信號cD_f,j和低頻信號cA_f,j。