地震动常被拆解为两个水平向分量(x、y)和一个竖向分量(z)。为探寻Copula模型在多维地震动参数相关性分析中的应用可行性,从太平洋工程抗震研究中心选取1500组实测地震动,并从强度、持时和频谱3个方面筛选出12组地震动参数用于表征分析...地震动常被拆解为两个水平向分量(x、y)和一个竖向分量(z)。为探寻Copula模型在多维地震动参数相关性分析中的应用可行性,从太平洋工程抗震研究中心选取1500组实测地震动,并从强度、持时和频谱3个方面筛选出12组地震动参数用于表征分析地震动不同向分量间的相关性。首先,计算得到u-v(u、v为地震动两个水平向分量和一个竖向分量中的任意两个分量,u、v=x,y,z)向分量间12组地震动参数的Pearson线性相关系数、Kendall秩相关系数和Spearman秩相关系数。其次,结合柯尔莫哥洛夫-斯米尔诺夫(Kolmogorov-Smirnov,K-S)检验和贝叶斯信息准则(the Bayesian information criteria,BIC)建立了12组地震动参数在x、y、z向分量上的最优概率模型。最后,利用BIC准则确定了u-v向分量间地震动参数的最优Copula函数,建立了u-v向分量间12组地震动参数的联合概率函数。结果表明:12组地震动参数相关性较好,但反应谱峰值对应周期参数在u-v向分量间的相关性和阿里亚斯强度参数在x-z向、y-z向分量间的相关性较低;通过Copula理论可以较为精准的建立u-v向分量间地震动参数的联合概率函数;在给定u向分量地震动参数条件下,得到的Copula条件均值和条件随机数能够用于v向分量地震动参数预测。展开更多
随着可再生能源渗透率增加,净负荷波动幅度也随之变大。因此,该文针对净负荷不确定性变化,结合预测误差相关性与条件风险价值(conditional value at risk,CVaR),提出一种综合能源系统灵活爬坡优化调度方法。首先,通过神经网络模型预测...随着可再生能源渗透率增加,净负荷波动幅度也随之变大。因此,该文针对净负荷不确定性变化,结合预测误差相关性与条件风险价值(conditional value at risk,CVaR),提出一种综合能源系统灵活爬坡优化调度方法。首先,通过神经网络模型预测风光荷初始功率,针对预测误差,运用C藤Copula函数构建多元随机变量预测误差的联合概率分布,并据此提出一种灵活爬坡产品设计方法;然后,在考虑净负荷不确定性带来的弃风光和切负荷条件风险价值的基础上,构建考虑灵活爬坡产品风险价值的综合能源系统优化调度模型。仿真结果表明,考虑净负荷预测误差相关性的优化使系统整体经济性提升1.22%,切负荷与弃风光总量减少了17.01%,验证该文方法的有效性。结合不同置信水平下的CVaR值,可为综合能源系统调度提供一定的风险参考。展开更多
文摘地震动常被拆解为两个水平向分量(x、y)和一个竖向分量(z)。为探寻Copula模型在多维地震动参数相关性分析中的应用可行性,从太平洋工程抗震研究中心选取1500组实测地震动,并从强度、持时和频谱3个方面筛选出12组地震动参数用于表征分析地震动不同向分量间的相关性。首先,计算得到u-v(u、v为地震动两个水平向分量和一个竖向分量中的任意两个分量,u、v=x,y,z)向分量间12组地震动参数的Pearson线性相关系数、Kendall秩相关系数和Spearman秩相关系数。其次,结合柯尔莫哥洛夫-斯米尔诺夫(Kolmogorov-Smirnov,K-S)检验和贝叶斯信息准则(the Bayesian information criteria,BIC)建立了12组地震动参数在x、y、z向分量上的最优概率模型。最后,利用BIC准则确定了u-v向分量间地震动参数的最优Copula函数,建立了u-v向分量间12组地震动参数的联合概率函数。结果表明:12组地震动参数相关性较好,但反应谱峰值对应周期参数在u-v向分量间的相关性和阿里亚斯强度参数在x-z向、y-z向分量间的相关性较低;通过Copula理论可以较为精准的建立u-v向分量间地震动参数的联合概率函数;在给定u向分量地震动参数条件下,得到的Copula条件均值和条件随机数能够用于v向分量地震动参数预测。
文摘随着可再生能源渗透率增加,净负荷波动幅度也随之变大。因此,该文针对净负荷不确定性变化,结合预测误差相关性与条件风险价值(conditional value at risk,CVaR),提出一种综合能源系统灵活爬坡优化调度方法。首先,通过神经网络模型预测风光荷初始功率,针对预测误差,运用C藤Copula函数构建多元随机变量预测误差的联合概率分布,并据此提出一种灵活爬坡产品设计方法;然后,在考虑净负荷不确定性带来的弃风光和切负荷条件风险价值的基础上,构建考虑灵活爬坡产品风险价值的综合能源系统优化调度模型。仿真结果表明,考虑净负荷预测误差相关性的优化使系统整体经济性提升1.22%,切负荷与弃风光总量减少了17.01%,验证该文方法的有效性。结合不同置信水平下的CVaR值,可为综合能源系统调度提供一定的风险参考。