【文章內(nèi)容簡(jiǎn)介】 locationscale Logistic 正態(tài) 13 T locationscale Logistic 正態(tài) 14 T locationscale Logistic 正態(tài) 定量比較各分布函數(shù)的擬合效果，計(jì)算相應(yīng)的擬合指標(biāo)見(jiàn)表 6： 13 表 6. 1 1 14 號(hào)不同分布的擬合指標(biāo) 機(jī)組號(hào) 分布 擬合指標(biāo) I 12 T locationscale +006 Logistic +006 正態(tài) +006 13 T locationscale +006 Logistic +006 正態(tài) +006 14 T locationscale +006 Logistic +006 正態(tài) +006 對(duì)比 5 個(gè)機(jī)組在 T locationscale 分布下的擬合指標(biāo)， 有 9 7 1 2 1 3 1 4I I I I I? ? ? ?,表明：在找到不同機(jī)組最優(yōu)風(fēng)電功率波動(dòng) 的 概率分布情況下，擬合指標(biāo)值越小，擬合效果越好，越 接近實(shí)際情況，所以 9 號(hào)機(jī)組的擬合結(jié)果最佳，嚴(yán)格符合 T locationscale 分布。 不同機(jī)組、不同時(shí)段風(fēng)電功率波動(dòng)的概率分 布研究 不同 風(fēng)電功率在 30 個(gè)時(shí)段內(nèi)的概率分布 用以上確定的 T locationscale 分布，以每日為時(shí)間窗寬，對(duì)已選的 5 個(gè)風(fēng)電功率分別計(jì)算 30 個(gè)時(shí)段的概率分布參數(shù)，同樣根據(jù)擬合指標(biāo) I 來(lái)檢驗(yàn)概率分布結(jié)果。 下面先以 9 號(hào)和 7 號(hào)機(jī)組作為研究對(duì)象，對(duì)其風(fēng)電功率波動(dòng)的概率分布按照 滑動(dòng)平均法進(jìn)行計(jì)算，則 第一天和第二天的概率分布描述 如下 ： 14 1 0 0 5 0 0 50 100 150 200 25000 . 0 20 . 0 40 . 0 60 . 0 80 . 10 . 1 20 . 1 4P m t / W概率密度 y d a t at l o c a t i o n s c a l eN o r m a lL o g i s t i c 圖 9. 9 號(hào)不同概率密度函數(shù)擬合結(jié)果對(duì)比 (左為第一天 ) 1 0 0 5 0 0 50 100 150 20000 . 0 20 . 0 40 . 0 60 . 0 80 . 10 . 1 2P m t / W概率密度 y d a t at l o c a t i o n s c a l eN o r m a lL o g i s t i c 圖 10. 7 號(hào)不同概率密度函數(shù)擬合結(jié)果對(duì)比 (左為第一天 ) 進(jìn)而得到概率參數(shù)見(jiàn)表 7： 表 7. 9 號(hào)和 7 號(hào)機(jī)組不同概率分布函數(shù)的參數(shù)值 機(jī)組號(hào) 天 數(shù) 分布 ? ? ? 9 第一天 T locationscale Logistic 正態(tài) 第二天 T locationscale Logistic 2 0 0 1 0 0 0 100 200 30000 . 0 10 . 0 20 . 0 30 . 0 40 . 0 50 . 0 60 . 0 7P m t / w概率密度 y d a t an o r m a lt l o c a t i o n s c a l eL o g i s t i c 2 0 0 1 0 0 0 100 200 300 400 500 600 70000 . 0 10 . 0 20 . 0 30 . 0 40 . 0 50 . 0 6P m t / W概率密度 y d a t a t l o c a t i o n s c a l eN o r m a lL o g i s t i c 15 正態(tài) 7 第一天 T locationscale Logistic 正態(tài) 第二天 T locationscale Logistic 正態(tài) 然后對(duì)各指標(biāo)進(jìn)行擬合，得到相應(yīng)的擬合指標(biāo)，如表 8 所示 ： 表 8. 9 號(hào)和 7 號(hào) 機(jī)組 不同分布的擬合指標(biāo) 機(jī)組號(hào) 天數(shù) 分布 擬合指標(biāo) I 9 第一天 T locationscale 45250 Logistic 正態(tài) 第二天 T locationscale Logistic 正態(tài) 7 第一天 T locationscale Logistic 正態(tài) 第二天 T locationscale Logistic 正態(tài) 由該表 的擬合指標(biāo) 可以得出 9 號(hào)和 7 號(hào)機(jī)組在第一天和第二天的 最佳 風(fēng)電功率概率分布 模型是 T locaionscale 分布。因?yàn)楸疚囊呀?jīng)得出各機(jī)組總體風(fēng)電功率的概率分布更符合 T locationscale 分布，所以同理可 推測(cè) 后 28 天內(nèi)風(fēng)電功率概率分布情況也是如此。 不同機(jī)組、不同時(shí)段與 30天總體分布之間的關(guān)系 在研究 每個(gè)時(shí)段與總體時(shí)段分布關(guān)系時(shí)引入相關(guān)系數(shù)的概念，相關(guān)系數(shù)是數(shù)理統(tǒng)計(jì)中一個(gè)常用的指標(biāo)，它將兩信號(hào)（兩組數(shù)據(jù)）相對(duì)自身的偏離程度聯(lián)系起來(lái)，反映了兩信號(hào)之間的線性相關(guān)程度，取值范圍在 [1,1]之間；相關(guān)系數(shù)為正，說(shuō)明兩信號(hào)具有正相 16 關(guān)性，反之則為負(fù)相關(guān)性；相關(guān)系數(shù)的絕對(duì)值越大，說(shuō)明兩信號(hào)的線性關(guān)系越顯著。其計(jì)算公式 [12]如下： DYDX EYYEXXE )])([( ???? (7) 式中： XY、 —— 待分析的隨機(jī)信號(hào)； EX EY、 —— 分別為待分析信號(hào) XY、 的均值； DX DY、 —— 分別為待分析信號(hào) XY、 的方差。 通過(guò)分析一天與一個(gè)月的時(shí)間窗寬，比如第 9 個(gè)風(fēng)功率第一天、第二天分別與一個(gè)月的概率密度函數(shù)的相關(guān)系數(shù)為 ， ；第 7 個(gè)風(fēng)功率的第一天、第二天分別與一個(gè)月的概率密度的相關(guān)系數(shù)為 ， 、不同時(shí)段的風(fēng)電功率與 30 天總體分布之間的關(guān)系 實(shí)質(zhì)上，相關(guān)系數(shù)在計(jì)算過(guò)程中是以各信號(hào)的均值作為參考，描述各信號(hào)偏離自身均值在方向、程度上的一致性；在圖形中的直觀體現(xiàn)是，兩信號(hào)相關(guān)系數(shù)越大，整體趨勢(shì)越相似。但對(duì)于兩信號(hào)局部變化情況，相關(guān)系數(shù)沒(méi)有予以考察，信號(hào)局部變化的差異性無(wú)法衡量。 風(fēng)電功率波動(dòng)特性的概率分布再次研究 滑動(dòng)平均法分離風(fēng)電功率 仍借鑒文獻(xiàn) [57]所提的分離 min 級(jí)負(fù)荷 的算法，本文第二次采用滑動(dòng)平均法分離 m（ 以 1min 為間隔 ）級(jí)風(fēng)電功率。 本文在取值時(shí)采用平均值，即以 1min 為間隔時(shí)，截取60S 內(nèi)的 12 個(gè)值（原數(shù)據(jù)以 5s 為間隔）求平均，非第 60s 上的點(diǎn)。這樣截取做的圖形較平滑，有利數(shù)據(jù)相互補(bǔ)足。 設(shè)滑動(dòng)平均時(shí)段長(zhǎng)度為 N min，為方便表達(dá)，設(shè) N 為偶數(shù)，則 t 時(shí)刻風(fēng)電的持續(xù)分量、 m級(jí)分量可按下式計(jì)算： ? ? ? ?? ?22 1 2 2 /2 , 2 1 , , 2ft t t Nt N t Nm t t ftP P P P P NP P Pt N N M N?? ? ? ?? ? ? ? ? ? ??? ???? ? ? ??? (8) 式中： tP 為實(shí)測(cè)的第 tmin 的平均功率 ； ftP 為持續(xù)分量； mtP 為 m 級(jí)分量， mtP 是疊加在持續(xù)分量 ftP 上的變化量； t 為測(cè)量點(diǎn)； M 為測(cè)量點(diǎn)的總數(shù)。 滑動(dòng)平均時(shí)段長(zhǎng)度的選擇具有一定隨機(jī)性?；瑒?dòng)平均時(shí)段長(zhǎng)度選 較為適宜。采用 1a 同樣的方法，分別對(duì) 5 組新的風(fēng)電功率數(shù)據(jù)進(jìn)行分析，其中 圖 911 分別 給出了滑動(dòng)窗口取 時(shí)， 9 號(hào) 和 7 號(hào) 機(jī)組的風(fēng)電 功率的持續(xù)分量和 m 級(jí)分量。 17 0 100 200 300 400 500 600 700 800 900 1000 1 5 0 0 1 0 0 0 5 0 005001000t / 5 sPmt,Pmt/W0 500 1000 1500 2020 2500 300025003000350040004500500055006000持續(xù)分量 ?? 測(cè)量值t / 5 sPt,Pft/W 圖 11. 9 號(hào)測(cè)量值與持續(xù)分量 0 500 1000 1500 2020 2500 300025003000350040004500500055006000持續(xù)分量 ?? 測(cè)量值t / 5 sPt,Pft/W 圖 12. 7 號(hào)測(cè)量值與持續(xù)分量 0 100 200 300 400 500 600 700 800 900 1000 1 5 0 0 1 0 0 0 5 0 005001000t / 5 sPmt,Pmt/W 18 圖 13. 9 號(hào) (左 )和 7 號(hào) (右 )m 級(jí)分量 風(fēng)電功率 m 級(jí)分量的概率密度函數(shù) 文中式 (2)— (5)分別給出了正態(tài)分布、 Logistic 分 布 [9]、 t 分布及 T locationscale 分布的概率密度函數(shù)表達(dá) 式 [10]（ 見(jiàn)文章第六頁(yè)） 。 以 9 號(hào)和 7 號(hào)機(jī)組為研究對(duì)象， 采用 Matlab 的概率密度擬合工具箱 dfittol[10]對(duì) m級(jí)分量的概率密度函數(shù)進(jìn)行擬合。經(jīng)嘗試，發(fā)現(xiàn) T locationscale 分布比其他分布更適于擬合各風(fēng)電場(chǎng) m 級(jí)分量的概率密度函數(shù)。圖 115 給出了不同概率密度函數(shù)擬合效果的對(duì)比。 顯然， T locationscale 的擬合效果是最好的。 1 0 0 0 5 0 0 0 500 100000 . 20 . 40 . 60 . 811 . 21 . 41 . 61 . 8x 1 03D a t aDensity y d a t at l o c a t i o n s c a l eL o g i s t i cN o r m a l 圖 14. 9 號(hào)不同概率密度函數(shù)擬合結(jié)果對(duì)比 1 5 0 0 1 0 0 0 5 0 0 0 500 100000 . 20 . 40 . 60 . 811 . 21 . 41 . 6x 1 03D a t aDensity y d a t at L o c a t i o n s c a l eL o g i s t i cN o r m a l 19 圖 15. 7 號(hào)不同概率密度函數(shù)擬合結(jié)果對(duì)比 則利用 Matlab 的概率密度擬合工具箱 dfittol[10]單獨(dú)對(duì) 9 號(hào)和 7 號(hào)機(jī)組做 T locationscale 概率分布模擬，有下圖： 1 5 0 0 1 0 0 0 5 0 0 0 500 100000 . 20 . 40 . 60 . 811 . 21 . 41 . 6x 1 03P m t / W概率密度 y d a t at L o c a t i o n s c a l e 圖 16. 9 號(hào)和 7 號(hào) T locationscale 分布圖 同樣的方法經(jīng)計(jì)算機(jī)模擬，可得 Logistic 分布圖 和正態(tài)分布圖，因二者擬合效果較前者稍差，此處不一一列舉，只將不同概率分布函數(shù)的參數(shù)值列出，如下表： 表 9. 9 號(hào) 和 7 號(hào) 機(jī)組不同 概率分布函數(shù)的參數(shù)值 機(jī)組號(hào) 分布 ? ? ? 9 T locationscale Logistic 正態(tài) 7 T locationscale Logistic 正態(tài) 對(duì)于圖 13 所示 m級(jí)分量概率分布的擬合，在 一定波動(dòng)范圍內(nèi) 范圍內(nèi)取 46764 個(gè)分組，對(duì)應(yīng)不同概率密度函數(shù)的擬合指標(biāo)如表 10 所示。很明顯， T locationscale 分布的擬合指標(biāo)最小，表明 T locationscale 分布最適合描述風(fēng)電功率 m級(jí)分量的分布特性。 表 10. 9 號(hào) 和 7 號(hào)機(jī)組 不同分 布的擬合指標(biāo) 機(jī)組號(hào) 分布 擬合指標(biāo) I 1 0 0 0 5 0 0 0 500 100000 . 20 . 40 . 60 . 811 . 21 . 41 . 61 . 8x 1 03P m t / w概率密度 y d a t at l o c a t i o n s c a l e