一种基于数据驱动的新能源出力建模方法

技术特征：
1.一种基于数据驱动的新能源出力建模方法，其特征在于，该方法包括以下步骤：s1、建立风电机组功率-风速的数学模型和光伏机组功率-光照强度的数学模型；s2、对风电机组功率-风速的数学模型和光伏机组功率-光照强度的数学模型的参数进行拟合，利用拟合的数学模型与拉依达准则筛选出异常功率数据，并利用拟合的数学模型对异常功率数据进行补齐；s3、利用k-medoids聚类方法对新能源机组进行分类；s4、利用主成分分析法将不同类别新能源机组的风速/光照强度降维至一维作为新能源场站的特征数据；s5、建立新能源场站的总功率与风速/光照强度之间的数学模型。2.根据权利要求1所述的一种基于数据驱动的新能源出力建模方法，其特征在于：步骤s1具体包括以下步骤：s11、获取新能源场站中不同新能源机组的出力数据，包括不同风力发电机的输出功率和风速、不同光伏板的输出功率和光照强度；s12、利用拉格朗日多项插值法对缺失的新能源机组的出力数据进行插值补齐；s13、绘制出不同时刻的风电机组的风速的概率密度函数和累积概率分布函数、光伏机组的光照强度的概率密度函数和累积概率分布函数；s14、建立风电机组功率-风速的数学模型和光伏机组功率-光照强度的数学模型。3.根据权利要求2所述的一种基于数据驱动的新能源出力建模方法，其特征在于：步骤s14中，风电机组功率-风速的数学模型为：式中，p
wt
为风电机组输出的有功功率，p
wt
，n为风电机组输出的额定功率，v为环境风速，v
ci
为风电机组的切入风速，v
c2
为转折风速，v
n
为额定风速，v
co
为风电机组的切出风速，和为数学模型的待拟合参数；风电机组功率-风速的数学模型满足如下条件：光伏机组功率-光照强度的数学模型为：式中，p
pv
为光伏机组的有功功率，p
pv，n
为光伏机组的额定功率，i为自然条件下光照强
度，i
max
为自然条件下光强最大值。4.根据权利要求3所述的一种基于数据驱动的新能源出力建模方法，其特征在于：步骤s2中，利用已有数据进行拟合过程后，依据拟合预测的数据和真实值之间的差值来判断新能源机组的输出功率是否为异常值：来判断新能源机组的输出功率是否为异常值：来判断新能源机组的输出功率是否为异常值：来判断新能源机组的输出功率是否为异常值：式中，和分别为t时刻新能源机组、风电机组和光伏机组预测的功率，f
wt
(
·
)和f
pv
(
·
)分别为风电机组和光伏机组拟合得到的功率模型，v
t
为t时刻环境风速，i
t
为t时刻自然条件下光照强度，μd
g
和σ
dg
分别为新能源机组拟合预测的误差和标准差，t为数据的总时刻数，为新能源机组输出功率的平均值，p
t，dg
为t时刻新能源机组的实际输出功率；若t时刻预测的功率满足如下公式，则该数据为异常值数据：5.根据权利要求1所述的一种基于数据驱动的新能源出力建模方法，其特征在于：步骤s3中，基于风速/光照强度将处于不同地理位置的新能源机组分为一类，判断的指标为相似度指标，相似度指标的计算公式为：d
ij
＝|max(x
i
)-max(x
j
)|式中，x
t，i
和分别为第i台新能源机组在第t个时刻的风速/光照强度和第i台新能源机组的平均风速/光照强度，x
t，j
和分别为第j台新能源机组在第t个时刻的风速/光照强度和第j台新能源机组的平均风速/光照强度，r(x
i
，x
j
)为第i台新能源机组与第j台新能源机组之间的相似度值，x
i
和x
j
分别为第i台新能源机组和第j台新能源机组的风速/光照强度，和分别为第i台新能源机组和第j台新能源机组风速/光照强度的标准差，t为数据的总时刻数，d
ij
和g
ij
分别为波动幅值特征量和波动幅度特征量，max(
·
)和min(
·
)分别为最
大值函数和最小值函数；假设选取的聚类中心为每台新能源机组按照相似度指标最大选择组别，则更新聚类中心的公式为：聚类中心的公式为：式中，k为聚类的迭代次数，m为聚类中心的数目，为当聚类数目为n并在第k次迭代时属于第i类的新能源机组的风速/光照强度数据集合，argmax(
·
)为寻找使得函数值最大的状态变量x
j
；得到新的聚类中心后判断是否满足如下判据：式中，为2-范数，σ
m
为聚类迭代误差允许上限；当不满足上述判据时，重新确定新能源机组的聚类类别和更新聚类中心，不断迭代；当满足上述判据时，确定聚类数目为n时通过k-medoids得到的聚类中心为m
i，n
；当满足上述判据后，逐步加大聚类中心数目，并判断是否满足如下判据：式中，r(x
j
，m
i，n
)为第j台新能源机组与聚类中心之间的相似度值，σ
n
为聚类收敛判定误差上限；若不满足上述判据，则增加聚类中心并重新随机选取聚类中心；若满足上述判据，则将不同新能源机组分为n类。6.根据权利要求5所述的一种基于数据驱动的新能源出力建模方法，其特征在于：步骤s4中，利用主成分分析法降维得到贡献度最高的指标因子，并得到新能源场站的特征风速/光照强度。7.根据权利要求6所述的一种基于数据驱动的新能源出力建模方法，其特征在于：步骤s5中，将所有新能源机组的功率求和得到新能源场站的总功率，并通过新能源场站的总功率与特征风速/光照强度建立新能源场站的总功率与风速/光照强度之间的数学模型。

技术总结
一种基于数据驱动的新能源出力建模方法，包括以下步骤：获取新能源场站中不同新能源机组的出力数据；利用拉格朗日多项插值法对缺失的出力数据进行插值补齐；建立风电机组功率-风速的数学模型和光伏机组功率-光照强度的数学模型；对数学模型的参数进行拟合，利用拟合的数学模型与拉依达准则筛选出异常功率数据，并利用拟合的数学模型对异常功率数据进行补齐；利用K-medoids聚类方法对新能源机组进行分类；利用主成分分析法将不同类别新能源机组的风速/光照强度降维至一维作为新能源场站的特征数据；建立新能源场站的总功率与风速/光照强度之间的数学模型。本设计不仅使得模型简单、计算量小，而且使得模型准确度高。而且使得模型准确度高。而且使得模型准确度高。


技术研发人员：张东寅 王怡聪 李亚馨 杨东俊 柯方超 孙建军 魏聪 黄志强 毛志鹏 胡婷 王法靖 乔立 熊炜 童雅芳 颜炯 桑子夏 迟赫天
受保护的技术使用者：武汉大学
技术研发日：2022.11.16
技术公布日：2023/2/3