文献类型：期刊文章

作　　者：夏泠风[1] 黎嘉明[1] 赵亮[1] 艾小猛[1] 方家琨[1] 文劲宇[1] 谢海莲[2]

XIA Lingfeng LI Jiaming ZHAO Liang AI XiaomengI FANG Jiakun WEN Jinyu XIE Hailian(State Key Laboratory of Advanced Electromagnetic Engineering and Technology （Huazhong University of Science and Technology）, Wuhan 430074, Hubei Province, China ABB （China） Ltd., Corporate Research Centre, Chaoyang District, Beijing 100016, China)

机构地区：[1]强电磁工程与新技术国家重点实验室(华中科技大学),湖北省武汉市430074 [2]ABB(中国)有限公司,ABB中国研究院,北京市朝阳区100016

出　　处：《中国电机工程学报》

基　　金：国家自然科学基金项目(51577075);国家重点研发计划智能电网技术与装备专项项目(2016YFB0900400;2016YFB0900403)~~

年　　份：2017

卷　　号：37

期　　号：7

起止页码：1982-1992

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD2017_2018、EI(收录号：20172303738475)、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了更好地研究光伏并网对电力系统的影响,该文提出一种考虑时空相关性的光伏出力序列生成算法。首先针对国内外多个光伏电站的实测出力曲线进行分析,结合太阳辐射规律性变化趋势、每日总体大气衰减情况、局部云层扰动等影响光伏出力的3个主要因素,将光伏出力分解为理想出力归一化曲线、幅值参数和随机分量3种成分。在此基础之上,提出利用典型日数据的理想出力提取方法和基于向量自回归模型(vector auto-regressive,VAR)的幅值参数序列生成方法。前者能够精确描述光伏出力的规律性变化趋势,后者不仅可有效保持单光伏电站的出力均值、方差、概率分布等重要统计特性,还能较好地表征多个光伏电站之间的空间相关性。随机分量经验证满足t location-scale分布,可通过蒙特卡罗抽样生成。最后,利用甘肃6个光伏电站及德国5个区域级光伏出力数据对所提方法的有效性进行仿真验证。

关 键 词：光伏发电 随机时间序列生成  成分分解  自相关性  互相关性 VAR模型

分 类 号：TM71]