(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111414298.7 (22)申请日 2021.11.25 (71)申请人 华北电力大 学 （保定） 地址 071003 河北省保定市莲池区永华北 大街619号 华北电力大 学一校区 (72)发明人 李鹏　李建宜　王加浩　夏辉　 潘有朋　 (74)专利代理 机构 天津市北洋 有限责任专利代 理事务所 12 201 代理人 杜文茹 (51)Int.Cl. G06F 30/27(2020.01) G06N 7/00(2006.01) G06F 111/08(2020.01) G06F 113/04(2020.01)G06F 113/06(2020.01) (54)发明名称 基于综合概率模型和马尔科夫矩阵的新能 源集群建模方法 (57)摘要 一种基于综合概率模型和马尔科夫矩阵的 新能源集群建模 方法， 包括： 根据光伏、 风机实测 数据， 利用四分位检测进行异常数据识别并剔 除， 利用三次样条插值补全空缺数据， 并将结果 保存为光伏、 风机实际出力曲线； 分别利用卡方 检验方法检测光伏、 风机实际出力曲线是否符合 标准概率模型； 建立马尔科夫状态转移矩阵， 设 定马尔科夫状态转移矩阵的标准参考点， 计算标 准参考点相邻光伏或风机的转移功率差； 将光伏 综合概率模型和风机综合概率模型分别代入马 尔科夫状态 转移矩阵的标准参考点， 并通过马尔 科夫状态 转移矩阵模拟新能源集群出力数据， 从 而得到基于综合概率模型和马尔科夫矩 阵的新 能源集群建模方法。 本发明使得单个风机、 光伏 的出力数据更加精准。 权利要求书3页 说明书9页 附图4页 CN 113935250 A 2022.01.14 CN 113935250 A 1.一种基于综合概率模型和马尔科夫矩阵的新能源集群建模方法， 其特征在于， 包括 如下步骤: 1)根据光伏、 风机实测数据， 利用四分位检测进行异常数据识别并剔除， 利用三次样条 插值补全空缺数据， 并将结果保存为 光伏、 风机实际出力曲线； 2)分别利用卡方检验方法检测光伏、 风机实际出力曲线是否符合标准概率模型， 符合， 则将光伏实际出力曲线代入Beta概率分布模型， 将风机实际出力曲线代入Weibull概率分 布模型， 不符合， 则分别将光伏、 风机实际出力曲线代入非参数核密度概率模型， 从而得到 光伏、 风机综合 概率模型； 3)建立马尔科夫状态转移矩阵， 设定马尔科夫状态转移矩阵的标准参考点， 计算标准 参考点相 邻光伏或风机的转移功 率差； 将光伏综合概率模型和风机综合概率模型分别代入 马尔科夫状态转移矩阵的标准参考点， 并通过马尔科夫状态转移矩阵模拟新能源集群出力 数据， 从而得到基于综合 概率模型和马尔科 夫矩阵的新能源集群建模方法。 2.根据权利要求1所述的基于综合概率模型和马尔科夫矩阵的新能源集群建模方法， 其特征在于， 步骤1)所述的利用四分位检测进行异常数据识别并剔除， 利用三次样条插值 补全空缺数据， 并将结果保存为 光伏、 风机实际出力曲线， 包括： (1.1)分别 对时间尺度以分钟为单位的x轴方向以及光伏或风机出力功率为单位的y轴 方向进行四分位检测， 识别出异常数据并剔除， 检验公式如下： 其中， Q1为下四分位数； Q2为中位数； Q3为上四分位数； n为数列项数； k为异常值； Kmax为 最大估计值； Kmin为最小估计值； (1.2)根据被剔除的异常数据， 利用三次样条插值补全被剔除的数据， 所述三次样条插 值补全公式如下： 其中， f()为三次样条插值函数； a1、 b1、 c1为插值函数一段参数； a2、 b2、 c2为插值函数二 段参数； a3、 b3、 c3为插值函 数三段参数； x为待插值点横坐 标； x1为插值函数首段横坐 标； x2为 插值函数末段横坐标；权　利　要　求　书 1/3 页 2 CN 113935250 A 2(1.3)将通过三次样条插值补全的数据替换被四分位检测后剔除的数据， 从而分别生 成光伏、 风机实际出力曲线。 3.根据权利要求1所述的基于综合概率模型和马尔科夫矩阵的新能源集群建模方法， 其特征在于， 步骤2)包括： (2.1)将光伏或风机实际出力曲线， 利用如下卡方检验方法检测是否符合标准概率模 型： 其中， χ2为卡方检验； t为采样点数量； g为采样点编号； po为实测光伏或风机出力数据； pi为标准Beta分布或标准Weibull分布出力数据； λ为临界值； 为卡方检验临界值； r为临 界值序号； m为检验数值序号； (2.2)根据卡方检验方法的检测结果， 将符合检验标准的光伏实际出力曲线代入Beta 概率分布模 型， 得到光伏标准概率模型， 将符合检验标准的风机实际出力曲线代入Weibull 概率分布模型， 得到风机标准 概率模型： 其中， fs()为光伏标准概率模型； fw()为风机标准概率模型； p为光伏采样功率； v为风 机采样功率； pmax为光伏最大功率； d、 q为光伏采样 区间的首端和末端； Γ()为Gamma函数； α、 β 为光伏标准概率模 型的形状参数； s为风机标准概率模型的形状参数； c为风机标准概率 模型的尺度参数； (2.3)根据卡方检验结果， 将不符合检验标准的光伏、 风机实际出力曲线， 分别代入非 参数核密度概 率模型， 得到光伏非参数核密度概 率模型和风机非参数核密度概 率模型： 其中， fsn()为光伏非参数核密度概率模型； fwn()为风机非参数核密度概率模型； ns为 光伏实测样本编号； nw为风机实测样本编号； z为非参数核密度样本数量； h为平滑系数； psi 为光伏Beta分布概 率密度； vwi为风机Weibul l分布概率密度； (2.4)将光伏标准概率模型和光伏非参数核密度概率模型结合， 生成光伏综合概率模 型、 将风机标准 概率模型和风机非参数核密度概 率模型结合， 生成风机综合 概率模型。 4.根据权利要求1所述的基于综合概率模型和马尔科夫矩阵的新能源集群建模方法，权　利　要　求　书 2/3 页 3 CN 113935250 A 3