【正文】 T locationscale 分布。 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 號不同概率密度函數(shù)擬合結(jié)果對比 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 號不同概率密度函數(shù)擬合結(jié)果對比 則利用 Matlab 的概率密度擬合工具箱 dfittol[10]單獨對 9 號和 7 號機(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 號和 7 號 T locationscale 分布圖 同樣的方法經(jīng)計算機(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 和 7 號 機(jī)組不同 概率分布函數(shù)的參數(shù)值 機(jī)組號 分布 ? ? ? 9 T locationscale Logistic 正態(tài) 7 T locationscale Logistic 正態(tài) 對于圖 13 所示 m級分量概率分布的擬合，在 一定波動范圍內(nèi) 范圍內(nèi)取 46764 個分組，對應(yīng)不同概率密度函數(shù)的擬合指標(biāo)如表 10 所示。圖 115 給出了不同概率密度函數(shù)擬合效果的對比。 以 9 號和 7 號機(jī)組為研究對象， 采用 Matlab 的概率密度擬合工具箱 dfittol[10]對 m級分量的概率密度函數(shù)進(jìn)行擬合。采用 1a 同樣的方法，分別對 5 組新的風(fēng)電功率數(shù)據(jù)進(jìn)行分析，其中 圖 911 分別 給出了滑動窗口取 時， 9 號 和 7 號 機(jī)組的風(fēng)電 功率的持續(xù)分量和 m 級分量。 滑動平均時段長度的選擇具有一定隨機(jī)性。這樣截取做的圖形較平滑，有利數(shù)據(jù)相互補(bǔ)足。 風(fēng)電功率波動特性的概率分布再次研究 滑動平均法分離風(fēng)電功率 仍借鑒文獻(xiàn) [57]所提的分離 min 級負(fù)荷 的算法，本文第二次采用滑動平均法分離 m（ 以 1min 為間隔 ）級風(fēng)電功率。 通過分析一天與一個月的時間窗寬，比如第 9 個風(fēng)功率第一天、第二天分別與一個月的概率密度函數(shù)的相關(guān)系數(shù)為 ， ；第 7 個風(fēng)功率的第一天、第二天分別與一個月的概率密度的相關(guān)系數(shù)為 ， 、不同時段的風(fēng)電功率與 30 天總體分布之間的關(guān)系 實質(zhì)上，相關(guān)系數(shù)在計算過程中是以各信號的均值作為參考，描述各信號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，兩信號相關(guān)系數(shù)越大，整體趨勢越相似。 不同機(jī)組、不同時段與 30天總體分布之間的關(guān)系 在研究 每個時段與總體時段分布關(guān)系時引入相關(guān)系數(shù)的概念，相關(guān)系數(shù)是數(shù)理統(tǒng)計中一個常用的指標(biāo)，它將兩信號（兩組數(shù)據(jù)）相對自身的偏離程度聯(lián)系起來，反映了兩信號之間的線性相關(guān)程度，取值范圍在 [1,1]之間；相關(guān)系數(shù)為正，說明兩信號具有正相 16 關(guān)性，反之則為負(fù)相關(guān)性；相關(guān)系數(shù)的絕對值越大，說明兩信號的線性關(guān)系越顯著。 下面先以 9 號和 7 號機(jī)組作為研究對象，對其風(fēng)電功率波動的概率分布按照 滑動平均法進(jìn)行計算，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 號不同概率密度函數(shù)擬合結(jié)果對比 (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 號不同概率密度函數(shù)擬合結(jié)果對比 (左為第一天 ) 進(jìn)而得到概率參數(shù)見表 7： 表 7. 9 號和 7 號機(jī)組不同概率分布函數(shù)的參數(shù)值 機(jī)組號 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 號和 7 號 機(jī)組 不同分布的擬合指標(biāo) 機(jī)組號 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 號和 7 號機(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。） 表 5. 1 1 14 號機(jī)組不同概率分布函數(shù)的參數(shù)值 機(jī)組號 分布 ? ? ? 12 T 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，計算相應(yīng)的擬合指標(biāo)見表 6： 13 表 6. 1 1 14 號不同分布的擬合指標(biāo) 機(jī)組號 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 對比 5 個機(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 的 概率分布情況下，擬合指標(biāo)值越小，擬合效果越好，越 接近實際情況，所以 9 號機(jī)組的擬合結(jié)果最佳，嚴(yán)格符合 T locationscale 分布。下面總匯 1 1 14 號 風(fēng)電機(jī)組的風(fēng)電功率波動在不同概率分布函數(shù)中的參數(shù) ，見表 5。 結(jié)果驗證可以通過擬合指標(biāo)值來反饋，擬合值越小說明該機(jī)組的功率波動概率分布與標(biāo)準(zhǔn) T locationscale 分布越接近。 表 4. 7 號不同分布的擬合指標(biāo) 分布 擬合指標(biāo) I T locationscale +006 Logistic +006 正態(tài) +006 以上信息得出 7 號機(jī)組的風(fēng)電波動概率分布， 即 7 號機(jī)組 的最佳概率分布 符合 T locationscale 分布 。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 S 級分量的概率密度函 數(shù) ，比較結(jié)果如下圖： 11 1 0 0 0 8 0 0 6 0 0 4 0 0 2 0 0 0 200 400 600 800 100000 . 0 10 . 0 20 . 0 30 . 0 40 . 0 5D a t aDensity y d a t at l o c a t i o n s c a l eN r m a lL o g i s t i c 圖 7. 7 號不同概率密度函數(shù)擬合結(jié)果對比 然后利用 同樣方法，直接對 9 號機(jī)組做 T locationscale 概率分布模擬，有下圖： 1 0 0 0 8 0 0 6 0 0 4 0 0 2 0 0 0 200 400 600 800 100000 . 0 10 . 0 20 . 0 30 . 0 40 . 0 5P 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 8. 7 號 T locationscale 分布圖 對應(yīng)不同概率分布函數(shù)的參數(shù)值也可以列出，如下表： 表 3. 7 號機(jī)組不同概率分布函數(shù)的參數(shù)值 分布 ? ? ? T locationscale Logistic 正態(tài) 12 對于圖 7 所示 S 級分量概率分布的擬合，在 1000~1000 范圍內(nèi)取 516293 個分組，對應(yīng)不同概率密度函數(shù)的擬合指標(biāo)如表 4 所示。下面再對余下的四組即 1 1 14 號風(fēng)電機(jī)組的功率波動概率分布進(jìn)行分析，并做說明。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 S級分量的分布特性。擬合指標(biāo) I 越小，擬合越精確。 8 1 0 0 0 8 0 0 6 0 0 4 0 0 2 0 0 0 200 400 60000 . 0 10 . 0 20 . 0 30 . 0 40 . 0 5P m t / W 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 3. 9 號 不同概率密度函數(shù)擬合結(jié)果對比 結(jié)果分析 利用 Matlab 的概率密度擬合工具箱 dfittol[10]單獨對 9 號機(jī)組做 T locationscale 概率分布模擬 ，有 下圖： 1 0 0 0 8 0 0 6 0 0 4 0 0 2 0 0 0 200 400 60000 . 0 10 . 0 20 . 0 30 . 0 40 . 0 5P m t / w概率分布 y d a t at l o c a t i o n s c a l e 圖 4. 9 號 T locationscale 分布圖 同樣的方法經(jīng)計算機(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： 9 表 1. 9 號機(jī)組 不同概率分布函數(shù)的參數(shù)