基于时空干系性的风电功率猜测模子matlab建模与仿真

目次
1.课题概述
2.体系仿真结果
3.核心步调与模子
4.体系原理简介
5.完备工程文件

---

1.课题概述

基于时空干系性的风电功率猜测模子matlab建模与仿真。
2.体系仿真结果

       三个风场24小时的猜测弊端间的Pearson干系系数，颜色越暖，干系性程度越高，相反颜色越冷越靠近于蓝色，干系程度越低。

猜测值的置信区间绘图。

       在猜测功率为0-0.1p.u. 以及猜测功率靠近风场的额定功率，即 0.8 - 1p.u. 时，猜测弊端的 t分布出现瘦高趋势，弊端总体较小，在猜测功率在0.1 - 0.8p.u. 时，猜测弊端的 t 分布出现矮胖趋势，弊端总体较大。总体来看，猜测弊端与猜测功率的干系关系规律出现为：随着猜测功率的增大先增大后减小。

       上面四个图随机给出4天中的抽样模仿结果。选取风电场 A 作为研究对象，对每小时的风功率分布分别举行抽样100次，用柱状散点图画出其抽样天生的风功率值。
3.核心步调与模子

版本：Matlab2024b

1. ...................................................................
2. figure
3. subplot(221);
4. for i=1:24
5.     plot(X_samp(i,:),dat_samp(i,:),'.')
6.     hold on
7. end
8. plot(Pw1(:,1),'-dm','LineWidth',2,'MarkerSize',4,'MarkerFaceColor','m')
9. xlabel('时间(t/h)')
10. ylabel('功率(MW)')
11. title('风电场的采样功率及一天内的功率变化过程day1');
13. [X_samp,dat_samp]=func_power_changes(Pw1(:,2),data);
16. subplot(222);
17. for i=1:24
18.     plot(X_samp(i,:),dat_samp(i,:),'.')
19.     hold on
20. end
21. plot(Pw1(:,2),'-dm','LineWidth',2,'MarkerSize',4,'MarkerFaceColor','m')
22. xlabel('时间(t/h)')
23. ylabel('功率(MW)')
24. title('风电场的采样功率及一天内的功率变化过程day2');
26. [X_samp,dat_samp]=func_power_changes(Pw1(:,3),data);
27. subplot(223);
28. for i=1:24
29.     plot(X_samp(i,:),dat_samp(i,:),'.')
30.     hold on
31. end
32. plot(Pw1(:,3),'-dm','LineWidth',2,'MarkerSize',4,'MarkerFaceColor','m')
33. xlabel('时间(t/h)')
34. ylabel('功率(MW)')
35. title('风电场的采样功率及一天内的功率变化过程day3');
37. [X_samp,dat_samp]=func_power_changes(Pw1(:,4),data);
38. subplot(224);
39. for i=1:24
40.     plot(X_samp(i,:),dat_samp(i,:),'.')
41.     hold on
42. end
43. plot(Pw1(:,4),'-dm','LineWidth',2,'MarkerSize',4,'MarkerFaceColor','m')
44. xlabel('时间(t/h)')
45. ylabel('功率(MW)')
46. title('风电场的采样功率及一天内的功率变化过程day4');
47. 109

复制代码

4.体系原理简介

       风电功率时间序列出现出显着的时间依靠性，即当前时间的功率值受已往多少时间功率值的影响。自干系函数（ACF）可定量形貌这种干系性。对于风电功率时间序列{Pt​}t=1N​，其滞后k步的自干系系数ρk​界说为：

此中，P=N1​∑t=1N​Pt​为时间序列的均值，N为序列长度。ρk​的取值范围为[−1,1]，当ρk​靠近1时，表现相隔k个时间步长的功率值具有较强的正干系，即变革趋势相似；当ρk​靠近−1时，为强负干系；当ρk​靠近0时，表明时间干系性较弱。比方，在安稳的景象条件下，短期内风电功率变革不大，相邻时间功率值的自干系系数会较高。
       差异地理位置的风电场，由于景象条件的空间一连性以及地形地貌的共同作用，其风电功率存在空间干系性。Moran's I 指数是常用的权衡空间自干系的指标。假设有n个风电场，其功率值为{Pi​}i=1n​，空间权重矩阵为W=(wij​)，此中wij​表现风电场i与j之间的空间关系（如基于间隔的倒数界说，间隔越近权重越大），则 Moran's I 指数界说为：

       式中，P=n1​∑i=1n​Pi​为全部风电场功率的均值。Moran's I 指数取值范围为[−1,1]，I>0表现正空间自干系，即相邻风电场功率值具有相似性；I<0为负空间自干系；I=0意味着不存在空间自干系。在实际风电场结构中，地理位置相近的风电场通常受到相似的大气环流影响，其风电功率出现正空间自干系。
5.完备工程文件

v

v