《基于PAIRCOPULA函数的微电网可靠性评估数据抽样方法.pdf》由会员分享，可在线阅读，更多相关《基于PAIRCOPULA函数的微电网可靠性评估数据抽样方法.pdf（7页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 (43)申请公布日 (21)申请号 201410848222.9 (22)申请日 2014.12.29 G06Q 50/06(2012.01) (71)申请人 天津大学 地址 300072 天津市南开区卫津路 92 号 (72)发明人 王守相 张兴友 葛磊蛟 (74)专利代理机构 天津市北洋有限责任专利代 理事务所 12201 代理人 李素兰 (54) 发明名称 基于 pair-copula 函数的微电网可靠性评估 数据抽样方法 (57) 摘要 本 发 明 公 开 了 一 种 基 于 pair-copula 函 数方法的微电网可靠性评估数据抽样方法， 利 用 Spearsm。
2、an 秩参数方法对微电网内采集到的 风速、 光照强度和负荷数据进行统计分析处理， 得到微电网内风速、 光照强度和负荷统计数据 的随机相关性参数， 将随机相关性参数带入基 于 pair-copula 函数的微电网可靠性评估算法 风速、 光照强度和负荷数据的抽样过程中， 由函 数 F(x1,x2,x3) 抽样风速、 光照强度和负荷的小 时数据， 用于微电网可靠性评估算法中， 由风速 与风机出力关系、 光照强度与光伏出力关系计算 微电网中风机和光伏设备的实时出力， 得到基于 pair-copula 函数的抽样数据。本发明解决了传 统概率模型中无法考虑风速、 光照强度和负荷数 据随机相关性的问题 ； 。
3、提高了微网可靠性评估算 法中抽样数据的准确性。 (51)Int.Cl. (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书1页 说明书4页 附图1页 (10)申请公布号 CN 104504618 A (43)申请公布日 2015.04.08 CN 104504618 A 1/1 页 2 1.一种基于 pair-copula 函数方法的微电网可靠性评估数据抽样方法， 其特征在于， 该方法包括以下步骤 ： 步骤 (1)、 输入微电网内每隔 1 小时采集到的风速、 光照强度、 负荷的年度数据 ； 步骤 (2)、 运用 Spearman 秩参数方法计算微电网内风速、 光照强度和负荷。
4、的随机秩相 关性参数， 利用风速与光照强度之间、 风速与负荷之间、 光照强度与负荷统计数据之间的 Spearman 秩参数 1、 2、 3， 得到随机相关性参数 为 (1,2,3) ； 步骤 (3)、 根据风速、 光照强度和负荷的统计特性， 计算风速、 光照强度和负荷统计数据 的边缘分布 ； 步骤(4)、 将Spearsman秩参数方法得出的随机相关性参数代入pair-copula函数， 得到微电网内风速、 光照强度和负荷的随机相关性表达式 ： F(x1,x2,x3) C(F1(x1),F2(x2),F3(x3),) (1) 式中 ： x1、 x2、 x3分别代表风速、 光照强度和负荷变量 ；。
5、 F 1(x1)、 F2(x2)、 F3(x3) 分别为变量 x1、 x2、 x3的边缘分布 ； 为步骤(2)中计算得到的Spearsman秩相关参数 ； C为pair-copula 函数 ； 步骤 (5)、 由函数 F(x1,x2,x3) 抽样风速、 光照强度和负荷的小时数据， 用于微电网可靠 性评估算法中， 由风速与风机出力关系、 光照强度与光伏出力关系计算微电网中风机和光 伏设备的实时出力 ； 抽样过程包括以下步骤 ： 在区间 0,1 产生均匀分布随机数 w1、 w2、 w3； 令 x1 w 1； 将 w2带入公式 x2 h -1(w 2,x1,1)， 得到 x2； 将 w2、 w3带入。
6、公式 x 3 h -1h-1(w 3,x2,3),x1,p2， 得到 x3； (x1,x2,x3) 即为满足要求的随机数， 代入风速、 光照强度、 负荷的边缘分布函数 F1(x1)、 F2(x2)、 F3(x3) 即得到风速、 光照强度和负荷的抽样值 ； 函数 F(x1,x2,x3) 由其反函数 h-1(x,y,) 计算得到 ： 其中 ： a 0.147 ； 至此得到基于 pair-copula 函数的抽样数据， 用于计算微电网的可靠性。 权 利 要 求 书 CN 104504618 A 2 1/4 页 3 基于 pair-copula 函数的微电网可靠性评估数据抽样方法 技术领域 0001 。
7、本发明涉及微电网评估技术， 特别是涉及一种基于 pair-copula 函数的微电网可 靠性评估数据抽样方法。 背景技术 0002 微电网中分布式电源的出力具有不确定性， 为了评估微电网的可靠性， 需要建立 微电网中分布式电源出力特性和负荷特性的概率模型， 并基于建立的概率模型通过抽样方 法抽样风速、 光照强度和负荷数据以评估微电网的可靠性。在已有的微电网可靠性评估模 型中， 往往假设微电网中不同分布式能源出力之间相互独立。事实上， 已有文献 1-3 证 明， 微电网中分布式电源的一次能源包括风速、 光照强度以及微网中的负荷， 它们之间存在 着随机相关性， 忽略微电网中风速、 光照强度和负荷的。
8、随机相关性将会影响微电网可靠性 评估的准确性。 0003 目前描述微网可靠性评估中变量间随机相关性的方法主要有 ： 联合概率密度函数 法、 相关矩阵法和 copula 函数法等。对服从同一边缘分布的变量而言， 可以用联合概率密 度函数法描述变量间的相关性 ； 对于不服从同一分布的变量而言， 相关矩阵法和 copula 函 数法能够描述变量间的相关性。但是， 相关矩阵法和 copula 函数法难于描述三变量以上的 问题。 Pair-copula函数作为一种描述多个变量间随机相关性的方法， 能够方便的描述多个 变量间的随机相关性。 0004 在评估微电网供电可靠性时， 抽样数据的质量直接影响着微电。
9、网供电可靠性 评估结果的准确性。针对微电网中风速、 光照强度和负荷之间的随机相关性， 本发明 将 pair-copula 函数方法引入到微电网可靠性评估的数据抽样过程中， 建立了基于 pair-copula 函数的微电网可靠性评估数据抽样方法。 0005 1Zhilong Qin,Wenyuan Li,Xiaofu Xiong.Incorporating multiple correlations among wind speeds,photovoltaic powers and bus loads in composite system reliability evaluation.Appl。
10、yEnergy,2013,110:285-294. 0006 2George Papaefthymiou,Dorota Kurowicka.Using copula for modeling stochastic dependenceinpowersystemuncertaintyanalysis.IEEETransactiononPower Systems,2009,24(1):40-49. 0007 3H.ValizadehHaghi M,Tavakoli Bina,MAGolker,S MMoghaddas.Using copulas for analysis of large data。
11、sets in renewable distribution generation:PV and wind power integrationinIran.RenewableEnergy,2010,35(9):1991-2000. 发明内容 0008 为了克服上述现有技术存在的问题， 本发明提出了一种基于 pair-copula 函数的 微电网可靠性评估数据抽样方法， 利用 Spearsman 秩参数方法得到微电网内风速、 光照强 度和负荷统计数据的随机相关性参数， 将随机相关性参数带入基于 pair-copula 函数的微 说 明 书 CN 104504618 A 3 2/4 页 4 电网可。
12、靠性评估算法风速、 光照强度和负荷数据的抽样过程中， 解决了传统概率模型中无 法考虑风速、 光照强度和负荷数据随机相关性的问题 ； 提高了微网可靠性评估算法中抽样 数据的准确性。进行统计分析处理 0009 本发明提出了一种基于 pair-copula 函数方法的微电网可靠性评估数据抽样方 法， 该方法包括以下步骤 ： 0010 步骤 1、 输入微电网内每隔 1 小时采集到的风速、 光照强度、 负荷的年度数据 ； 0011 步骤 2、 运用 Spearman 秩参数方法计算微电网内风速、 光照强度和负荷的随机秩 相关性参数， 利用风速与光照强度之间、 风速与负荷之间、 光照强度与负荷统计数据之间。
13、的 Spearman 秩参数 1、 2、 3， 得到随机相关性参数 为 (1,2,3) ； 0012 步骤 3、 根据风速、 光照强度和负荷的统计特性， 计算风速、 光照强度和负荷统计数 据的边缘分布 ； 0013 步骤 4、 将 Spearsman 秩参数方法得出的随机相关性参数 代入 pair-copula 函 数， 得到微电网内风速、 光照强度和负荷的随机相关性表达式 ： 0014 F(x1,x2,x3) C(F1(x1),F2(x2),F3(x3),) (1) 0015 式中 ： x1、 x2、 x3分别代表风速、 光照强度和负荷变量 ； F 1(x1)、 F2(x2)、 F3(x3)。
14、 分别 为变量 x1、 x2、 x3的边缘分布 ； 为步骤 (2) 中计算得到的 Spearsman 秩相关参数 ； C 为 pair-copula 函数 ； 0016 步骤 5、 由函数 F(x1,x2,x3) 抽样风速、 光照强度和负荷的小时数据， 用于微电网可 靠性评估算法中， 由风速与风机出力关系、 光照强度与光伏出力关系计算微电网中风机和 光伏设备的实时出力 ； 抽样过程包括以下步骤 ： 0017 在区间 0,1 产生均匀分布随机数 w1、 w2、 w3； 0018 令 x1 w 1； 将 w2带入公式 x2 h -1(w 2,x1,1)， 得到 x2； 0019 将 w2、 w3带。
15、入公式 x 3 h -1h-1(w 3,x2,3),x1,p2， 得到 x3； 0020 (x1,x2,x3) 即为满足要求的随机数， 代入风速、 光照强度、 负荷的边缘分布函数 F1(x1)、 F2(x2)、 F3(x3) 即得到风速、 光照强度和负荷的抽样值 ； 函数 F(x1,x2,x3) 由其反函数 h-1(x,y,) 计算得到 ： 0021 0022 其中 ： 0023 0024 0025 a 0.147 ； 0026 至此得到基于 pair-copula 函数的抽样数据， 用于计算微电网的可靠性。 0027 与现有技术相比， 本发明弥补传统微网可靠性评估方法中数据建模与抽样方法的 。
16、不足， 更好地描述微电网中风速、 光照强度和负荷长期统计数据的随机性和随机相关性， 提 出基于 pair-copula 函数方法的微电网可靠性评估数据抽样方法。 说 明 书 CN 104504618 A 4 3/4 页 5 附图说明 0028 图 1 为本发明的整体流程图。 具体实施方式 0029 下面结合附图对本发明技术方案和实施例进一步详细说明。 0030 本发明的目的是弥补传统微电网可靠性评估方法中数据抽样方法的不足， 更好地 描述微电网可靠性评估中变量的随机性和随机相关性， 提出基于 pair-copula 函数方法的 微电网可靠性评估数据抽样方法。 0031 最佳实施方式 0032 。
17、输入微电网内每隔 1 小时采集到的风速、 光照强度、 负荷的年度数据 ； 0033 运用 Spearman 秩参数方法计算微电网风速、 光照强度和负荷之间的随机相关性 参数 ； 根据风速、 光照强度和负荷的统计特性， 计算风速、 光照强度和负荷的边缘分布的参 数 ； 0034 将 Spearsman 秩参数方法得出的随机相关性参数带入 pair-copula 函数， 由以上 基于 pair-copula 函数的随机相关性表达式抽样风速、 光照强度和负荷的小时数据， 用于 区域多微网系统可靠性评估算法中， 由风速与风机出力关系、 光照强度与光伏出力关系计 算区域多微网系统中风机和光伏设备的实时出。
18、力 ； 至此得到基于 pair-copula 函数的抽样 数据， 可用于计算区域多微网系统的可靠性。 0035 以IEEE RBTS-BUS 2算例为例进一步说明本发明中基于pair-copula函数的数据 抽样方法在微网可靠性评估中的应用， 其中微电网接在馈线1中编号为7的变压器二次侧。 建立 pair-copula 函数需要的风速、 光照强度和负荷数据来自天津中新生态城实际测量数 据。 0036 表 1 为微电网中相关设备的额定功率数据。 0037 表 2 为微电网中风、 光和负荷的随机相关性计算结果。 0038 表 3 为微电网两种场景下的可靠性评估结果。 0039 表 1 0040 0041 表 2 0042 数据类型风光负荷 风10.18100.3172 光0.181010.2307 负荷0.31720.23071 说 明 书 CN 104504618 A 5 4/4 页 6 0043 表 3 0044 0045 计算结果表明， 本发明提出的基于 pair-copula 函数数据抽样方法的微电网可靠 性评估算法中的抽样数据方法能够考虑微网中风速、 光照强度和负荷之间的随机相关性， 而传统方法无法考虑这种随机相关性。 说 明 书 CN 104504618 A 6 1/1 页 7 图 1 说 明 书 附 图 CN 104504618 A 7 。