基于改进云分段模型的光伏功率缺失数据补齐研究

光伏功率缺失数据阻碍了对光伏功率的相关研究,因此,须要对光伏功率缺失数据进行有效补齐。在分析各种补齐方法的基础上,文章对原始光伏功率数据进行了描述和预处理,依据光伏功率模型对光伏功率数据进行分段,利用正向云算法,建立并实现了传统云分段模型。考虑到传统云分段模型中正态随机熵的不足,文章利用联合经验函数拟合出各分段太阳辐照度与光伏功率的联合分布,得到改进的随机熵并建立改进的云分段模型,参照云分段模型结果和不同光伏功率缺失数据的波动特性,构建了光伏功率缺失数据的补齐模型。通过不同方法对不同种类和比例的缺失数据进行补齐,分析结果表明,文章所提出的光伏功率缺失数据补齐方法的效果优于滑动平均法和传统云分段模型。

基于自适应分段云模型的可再生能源电力系统设计

电力系统接入可再生能源时会出现电力负荷不平衡的问题,为此设计基于自适应分段云模型的可再生能源电力系统。采用高能量存储的内馈感应发电机,使系统在可再生资源强度调整过程中能够处于供电稳定状态;使用电力转换器用来均衡电力;充分考虑不确定性因素,结合自适应分段云模型计算电力负荷数据相似度,剔除重复数据;构建系统调度目标,实现负荷平衡分配。由实验结果可知,该系统能够平衡调度电力负荷且能够均衡调度可再生能源。

基于时间序列二维分段云模型的配网用电模式划分方法的研究

在对配网用电模式进行划分时,为了解决用电量等时间序列数据长度过大及相似性度量不精确的问题,本文提出了一种基于二维分段云模型的时间序列分析方法。该方法首先将用电时间序列数据用二维的分段云模型来表示,然后在基于计算期望曲线重叠面积的方法上对不同云模型的相似度进行度量,最后通过K-最邻近算法对这些用电时间序列进行分类,并将实验结果与传统方法进行比较。实验结果表明:该方法能有效提高对配网用户侧用电模式分类的准确率。