基于时空相关性的风电功率预测模型matlab建模与仿真

目录

1.课题概述

2.系统仿真结果

3.核心程序与模型

4.系统原理简介

5.完整工程文件


1.课题概述

基于时空相关性的风电功率预测模型matlab建模与仿真。

2.系统仿真结果

三个风场24小时的预测误差间的Pearson相关系数,颜色越暖,相关性程度越高,相反颜色越冷越接近于蓝色,相关程度越低。

预测值的置信区间绘图。

在预测功率为0-0.1p.u. 以及预测功率接近风场的额定功率,即 0.8 - 1p.u. 时,预测误差的 t分布呈现瘦高趋势,误差总体较小,在预测功率在0.1 - 0.8p.u. 时,预测误差的 t 分布呈现矮胖趋势,误差总体较大。总体来看,预测误差与预测功率的相关关系规律呈现为:随着预测功率的增大先增大后减小。

上面四个图随机给出4天中的抽样模拟结果。选取风电场 A 作为研究对象,对每小时的风功率分布分别进行抽样100次,用柱状散点图画出其抽样生成的风功率值。

3.核心程序与模型

版本:Matlab2024b

复制代码
...................................................................
figure
subplot(221);
for i=1:24
    plot(X_samp(i,:),dat_samp(i,:),'.')
    hold on
end
plot(Pw1(:,1),'-dm','LineWidth',2,'MarkerSize',4,'MarkerFaceColor','m')
xlabel('时间(t/h)')
ylabel('功率(MW)')
title('风电场的采样功率及一天内的功率变化过程day1');


[X_samp,dat_samp]=func_power_changes(Pw1(:,2),data);

 
subplot(222);
for i=1:24
    plot(X_samp(i,:),dat_samp(i,:),'.')
    hold on
end
plot(Pw1(:,2),'-dm','LineWidth',2,'MarkerSize',4,'MarkerFaceColor','m')
xlabel('时间(t/h)')
ylabel('功率(MW)')
title('风电场的采样功率及一天内的功率变化过程day2');
 
[X_samp,dat_samp]=func_power_changes(Pw1(:,3),data);
subplot(223);
for i=1:24
    plot(X_samp(i,:),dat_samp(i,:),'.')
    hold on
end
plot(Pw1(:,3),'-dm','LineWidth',2,'MarkerSize',4,'MarkerFaceColor','m')
xlabel('时间(t/h)')
ylabel('功率(MW)')
title('风电场的采样功率及一天内的功率变化过程day3');


[X_samp,dat_samp]=func_power_changes(Pw1(:,4),data);
subplot(224);
for i=1:24
    plot(X_samp(i,:),dat_samp(i,:),'.')
    hold on
end
plot(Pw1(:,4),'-dm','LineWidth',2,'MarkerSize',4,'MarkerFaceColor','m')
xlabel('时间(t/h)')
ylabel('功率(MW)')
title('风电场的采样功率及一天内的功率变化过程day4');
109

4.系统原理简介

风电功率时间序列呈现出明显的时间依赖性,即当前时刻的功率值受过去若干时刻功率值的影响。自相关函数(ACF)可定量描述这种相关性。对于风电功率时间序列{Pt​}t=1N​,其滞后k步的自相关系数ρk​定义为:

其中,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​接近1时,表示相隔k个时间步长的功率值具有较强的正相关,即变化趋势相似;当ρk​接近−1时,为强负相关;当ρk​接近0时,表明时间相关性较弱。例如,在平稳的气象条件下,短期内风电功率变化不大,相邻时刻功率值的自相关系数会较高。

不同地理位置的风电场,由于气象条件的空间连续性以及地形地貌的共同作用,其风电功率存在空间相关性。Moran's I 指数是常用的衡量空间自相关的指标。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​),其中wij​表示风电场i与j之间的空间关系(如基于距离的倒数定义,距离越近权重越大),则 Moran's I 指数定义为:

式中,P=n1​∑i=1n​Pi​为所有风电场功率的均值。Moran's I 指数取值范围为[−1,1],I>0表示正空间自相关,即相邻风电场功率值具有相似性;I<0为负空间自相关;I=0意味着不存在空间自相关。在实际风电场布局中,地理位置相近的风电场往往受到相似的大气环流影响,其风电功率呈现正空间自相关。

5.完整工程文件

v

v

相关推荐
电子连接器CAE与高频分析3 小时前
matlab求和∑函数方程编程?
开发语言·算法·matlab
studyer_domi11 小时前
Matlab 调制信号和fft变换
开发语言·计算机视觉·matlab
studyer_domi15 小时前
Matlab 考虑电机激励力的整车垂向七自由度的被动悬架和LQR控制
数学建模·matlab·汽车
pk_xz12345617 小时前
MATLAB编写的机械臂控制仿真程序,它主要实现了对一个二连杆机械臂的运动控制仿真,比较了PID控制和非线性模型预测控制两种方法在机械臂轨迹跟踪任务中的性能
开发语言·matlab
studyer_domi20 小时前
Matlab 汽车ABS的PID控制
数学建模·matlab·汽车
studyer_domi1 天前
Matlab 直流和交流电机PI控制和GUI界面
开发语言·matlab
studyer_domi1 天前
Matlab 三维时频图
开发语言·人工智能·matlab
随风飘摇的土木狗1 天前
【MATLAB第114期】基于MATLAB的SHAP可解释神经网络分类模型(敏感性分析方法)
神经网络·matlab·分类·全局敏感性分析·gsa·敏感性分析·shap
小宁学技术2 天前
MATLAB在工程领域的实际应用案例
开发语言·matlab·matlab实际应用案例·matlab应用案例·matlab 实际应用案例
zew10409945883 天前
MATLAB实现电池剩余放电时间预测【电子信息专业】
开发语言·matlab·课设·电池剩余放电时间预测