第 39 卷 第 1 期
2019 年 1 月
电 力 自 动 化 设 备
Electric Power Automation Equipment
Vol.39 No.1
Jan. 2019
基于证据理论的风速不确定性建模
郭小璇
1,2
,龚仁喜
1
,鲍海波
3
(1. 广西大学 电气工程学院,广西 南宁 530004;2. 广西电网电力科学研究院,广西 南宁 530023;
3. 广西电网南宁供电局,广西 南宁 530031)
摘要:风速决定了风电场的输出功率,风速模型是研究含风电系统运行与规划的重要基础。 提出一种基于证
据理论的风速不确定建模方法。 采用证据理论中基本可信度分配的概念描述风速;提出依据实测历史数据
确定基本可信度分配的焦元和信任函数的实现方法,并设计等概率区间和等取值区间 2 种建模策略。 以某
风电场实测风速为例对基于所建模型和基于概率分布及区间分布的模型进行仿真比较,结果表明所提模型
能确定风速的似然累积概率分布和信任累积概率分布,能更有效地描述和处理风速不确定性信息。
关键词:风速;风力发电;证据理论;基本可信度分配;似然累积概率分布;信任累积概率分布
中图分类号:TM 614 文献标识码:A DOI:10.16081 / j.issn.1006
-
6047.2019.01.012
收稿日期:2017
-
12
-
08;修回日期:2018
-
11
-
12
基金项目:国家自然科学基金资助项目(61561007)
Project supported by the National Natural Science Foundation of
China(61561007)
0 引言
发展风电是优化电力系统电源侧能源结构、减
小碳排放量的重要手段之一,但是风电的功率输出
由风速决定而具有不确定性。 为了分析电力系统不
确定运行与规划,需要建立更为合理的风速不确定
性模型。
现有 文 献 通 常 将 风 电 场 风 速 建 模 为 随 机 变
量
[1⁃5]
、模糊变量
[6⁃7]
或区间变量
[8⁃10]
等。 文献[1⁃5]
中假设风电场风速为服从 Weibull 分布、Rayleigh 分
布、高斯分布、Beta 分布等的随机变量,并通过极大
似然估计等方法逼近获得随机分布的参数,从而将
风速建模为明确的随机变量。 但是由于季节、时段、
天气等因素不同对实际风速影响很大,风速的随机
特征具有较强的复杂性,获得准确的风速概率分布
函数及其参数通常较为困难。 文献[6⁃7] 基于模糊
集理论方法将风速描述为模糊变量,采用隶属度函
数来表达各时段风速的不确定性,需经过一定处理,
才能用于电力生产实际。 文献[8⁃10]只关注风速波
动的最大和最小边界值,将风速表达为区间变量,建
模较容易实现。 但其所蕴含的信息较少,对电力系
统运行参数描述的深度有限。
针对以上 3 种不确定量建模方式的缺陷,文献
[11]同时考虑了日风速的随机性和模糊性,将风速
Weibull 分布的形状参数和尺度参数定义为模糊隶
属函数,建立了风速的随机模糊不确定模型。 文献
[12]提出了一种双峰 Weibull 分布以处理不规则的
风速概率分布,但其模拟精度不高,限制了其实际应
用。 文献[13]基于证据理论描述风电不确定性,构
建了考虑风电的概率区间潮流模型,但没有给出风
速证据理论建模的实现方法。 本文将证据理论应用
于风速建模,提出了一种新的风速不确定性模型。
本文首先阐述了基于证据理论描述不确定量的
理论基础,将证据理论中可信度分配的概念用于描
述风速的不确定性,并将风速可信度分配的焦元设
计为概率型数据结构;然后,依据风电场实测风速的
历史数据,提出了确定可信度分配的焦元和信任函
数的实现方法,并设计了等概率区间和等取值区间
2 种建模策略;最后,以国 内 某 风 电 场 实 测 风 速 为
例,对基于所建模型和基于概率分布及区间分布的
模型进行了仿真计算及比较,结果表明所提模型能
确定风速的似然累积概率分布和信任累积概率分
布,包含了风速实际概率分布的可能情况,更有效地
描述和处理了风速不确定性信息,更符合人们的思
维习惯。
1 证据理论原理
证据理论
[14⁃16]
是建立在辨识框架 Θ 上的一种
不确定理论,幂集 2
Θ
是该辨识框架内所有子集的集
合,证据理论是对幂集元素进行基本概率赋值。 传
统概率理论表达不确定时,将概率值分配到单个事
件上,建立单点到[0,1] 的映射。 类似于传统概率
论中有限的样本空间,证据理论建立的是从集合到
[0,1] 的映射。 定义质量函数 m 的一个从集合 2
Θ
到[0,1]的映射,A 表示辨识框架 Θ 的任一子集,记
作 A⊆Θ,且满足条件:
m(⌀)
=
0
∑
A⊆Θ
m(A)
=
1
{
(1)
则也称 m(A)为 A 的基本信任分配 BPA(Basic Pro⁃
bability Assignment)函数,表示证据对事件 A 发生信
任程度。 对于子集 A,只要有 m ( A) > 0,则称 A 为
焦元。