【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

简介: 【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

💥 💥 💞 💞 欢迎来到本博客 ❤️ ❤️ 💥 💥



🏆 博主优势: 🌞 🌞 🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。



⛳ 座右铭:行百里者,半于九十。


📋 📋 📋 本文目录如下: 🎁 🎁 🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现


💥1 概述

参考文献:


5e389748e075413c5d72ca09a743d745.png


风光等可再生能源出力的不确定性和相关性给系统的设计带来了极大的复杂性,若忽略这些因


素,势必会在系统规划阶段引入次优决策风险[24]。因此,在确定系统最佳配置方案时,必须要考虑风光出力的不确定性和相关性。 Copula 函数可以描述随机变量间的相关性,是把随机变量的联合分布函数与各自的边缘分布函数相连接的函数。其主要包括椭圆分布族 Copula函数(Normal-Copula、t-Copula)和阿基米德分布族Copula 函 数 [25](Frank-Copula 、 Gumbel-Copula 、Clayton-Copula)。Copula 函数的选取对刻画风光出力的相关性至关重要,然而选择何种 Copula 函数取决于规划区域的风光出力特性。由于 t-Copula 对多维随机变量拟合极为耗时且 Gumbel-Copula 形式复杂,因此本文仅考虑其余 3 种 Copula 函数。


为了选择最佳的 Copula 函数拟合风光出力特性,引入 Spearman 秩相关系数[26]、Kendall 秩相关系数及欧式距离等指标并计算风光出力的 Empirical (经验)-Copula 函数[27],具体详见文献[26-27]。所选Copula 函数的秩相关系数越接近 Empirical-Copula函数的秩相关系数,且与其欧式距离较小者认为是最佳的。本文选取规划区 2011 年全年风机与光伏标幺化出力数据,见附录 A 图 A1,分别用 Normal Copula、Frank-Copula、Clayton-Copula 函数拟合风光出力并计算风光出力的 Empirical-Copula 函数,求得其秩相关系数及与 Empirical-Copula 函数的欧式距离如表 1 所示。


9227a14f0d75ad102bb30cdf24be1c61.png


由表 1 可知,Frank-Copula 的秩相关系数和Empirical-Copula 接近且与其之间欧式距离较小,


因此本文选取 Frank-Copula 函数描述风光相关性。首先,利用非参数核密度估计法建立每天 24h


内每个时段的风机和光伏出力的概率密度函数,其次,基于 Frank-Copula 函数建立每个时段内两者的联合概率分布函数,最后,对其进行采样,并对风光出力的概率分布函数进行反变换便可得到每个时段内的采样风机与光伏出力。考虑到非参数核密度估计的概率密度函数是求和形式,求解其累积分布函数的反函数难度较大,故借助 3 次样条插值方法求解出其累积概率所对应的样本值。


Sklar在1959年提出的Sklar定理指出,一个N维分量的联合分布函数可以由这N个变量的边缘分布和1个 Copula函数来描述[11] ,即Copula函数可以将多变量的联合分布与这N个变量的边缘分布连接起来,因此也称为“连接函数”。Sklar定理表达式如下:


6160062a16debcf95cf3db76bcfe37fa.png


Sklar定理证明了Copula函数的存在性,描述了多元联合分布密度函数与Copula密度函数的关系,为建模奠定了基础。


Copula函数主要分为椭圆函数族(Ellipse-Copula)和阿基米德函数族(Archimedean-Copula)2种类型。其中,椭圆函数族包括正态Copula函数和t-Copula函数,阿基米德函数族中常用的有Gumbel-Copula函数、Clayton-Copula函数和Frank-Copula函数[12] 。不同类型的Copula函数具有不同的函数结构,因其尾部特征的差异适用于刻画不同类型的相依关系,具体特性如表1 所示。


0b1ba49352844b2becbbb9225a49f8c7.png


来源:


01777f4aea192d70af80bc11716aec4f.png


上节所述5种Copula函数适用于描述具有尖峰厚尾特性的数据,首先对风电场数据进行分析,统计同一地区2个典型风电场1个月的数据,分布特性如图1所示。图1中横坐标代表出力标幺值,纵坐标代表概率密度。由图1可知,风电场输出功率统计数据也具有尖峰厚尾的特性,即大量数据集中在某一区间,频数特别高,而其他数据广泛分布于各个区间,范围广。因此Copula函数及建模方法适用于风电场出力数据。为了对同一地区2个风电场联合出力及相关性有一个直观的认识,便于分析,作2个风电场的联合分布统计图,如图2所示。


c9e9b096ac35c29aacc5e6c7dc78263f.png


由图2可知,大量数据集中在主对角线上,同一地区2个风电场出力呈现出很强的正相关性,依据这种相关特性建立Copula模型可以有效描述同一地区2个风电场的出力特性及其相关性。


b4aac4cfed4f799596e492c6cd402feb.png


📚2 运行结果


159410930bafb10e336065e2a279f25b.png

d100401317822af4ba6f321f25ffa872.png

505c09427c9aadb94183ac062a4638b1.png

c8906fce02c0386faa56f7d129ff3a42.png

f43cfdfac358eca4eb83464ea137fb8d.png

81d63e0c76c0f41dcbd1d1ed859c9053.png

cccc4cf3fc1c9d9b872fd5fd49e541a7.png

ceb8a7e4a02096ffc3f49d4c29136fb0.png


🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]林顺富,刘持涛,李东东等.考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置[J].中国电机工程学报,2020,40(05):1409-1421.DOI:10.13334/j.0258-8013.pcsee.190275.


[2]宋宇,李涵.基于核密度估计和Copula函数的风、光出力场景生成[J].电气技术,2022,23(01):56-63.


[3]段偲默,苗世洪,李力行,韩佶,晁凯云,范志华.基于Copula理论的风光联合出力典型场景生成方法[J].供用电,2018,35(07):13-19.DOI:10.19421/j.cnki.1006-6357.2018.07.003.


🌈4 Matlab代码实现


相关文章
|
10月前
|
机器学习/深度学习 传感器 算法
【红外图像】利用红外图像处理技术对不同制冷剂充装的制冷系统进行性能评估(Matlab代码实现)
【红外图像】利用红外图像处理技术对不同制冷剂充装的制冷系统进行性能评估(Matlab代码实现)
|
10月前
|
机器学习/深度学习 传感器 算法
【视频去噪】基于全变异正则化最小二乘反卷积是最标准的图像处理、视频去噪研究(Matlab代码实现)
【视频去噪】基于全变异正则化最小二乘反卷积是最标准的图像处理、视频去噪研究(Matlab代码实现)
|
10月前
|
机器学习/深度学习 传感器 算法
【大规模 MIMO 检测】基于ADMM的大型MU-MIMO无穷大范数检测研究(Matlab代码实现)
【大规模 MIMO 检测】基于ADMM的大型MU-MIMO无穷大范数检测研究(Matlab代码实现)
|
2月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
|
2月前
|
算法 调度
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
|
2月前
|
Serverless
基于Logistic函数的负荷需求响应(matlab代码)
基于Logistic函数的负荷需求响应(matlab代码)
|
2月前
|
供应链 算法
基于分布式优化的多产消者非合作博弈能量共享(Matlab代码)
基于分布式优化的多产消者非合作博弈能量共享(Matlab代码)
|
2月前
|
算法 调度
基于多目标粒子群算法冷热电联供综合能源系统运行优化(matlab代码)
基于多目标粒子群算法冷热电联供综合能源系统运行优化(matlab代码)
|
2月前
|
算法 调度 SoC
电动汽车充放电V2G模型(Matlab代码)
电动汽车充放电V2G模型(Matlab代码)