资源简介
风电场电力系统可靠性评估的matlab程序,运用蒙特卡洛方法做的!

代码片段和文件信息
clc
clear
year=50 %模拟的年限
for l=1:year;
%%%%%%%%%%%%%%%%%%%%%%%%% 第一步:数据导入与预处理 %%%%%%%%%%%%%%%%%%%
%SW0=load(‘windspeed.txt‘); %载入原始风速数据
SW0=xlsread(‘windspeed.xls‘);
SW0=SW0‘;
SW0=SW0/10*3.6; %原始数据的风速单位为0.1m/s,这里转化为km/h
N=size(SW02);
mu=mean(SW0);
sigma=var(SW0);
sigma=sigma^0.5; %求样本的平均值和标准差
y=(SW0-mu)./sigma; %数据预处理
% figure(1);
% subplot(211);
% autocorr(y); %画出自相关图
% title(‘自相关图‘);
% subplot(212);
% parcorr(y); %画出偏自相关图
% title(‘偏相关图‘);
%%%%%%%%%%%%%% 第二步:根据AIC准则确定ARMA模型的阶数 %%%%%%%%%%%%%%%%%%
for n=2:7;
m=armax(y‘[nn-1]);
fai=-m.a;
theta=m.c; %把armax函数得到的参数,取出来
for i=1:n;
y1(i)=y(i);
end
Noise=m.NoiseVariance^0.5;
e=normrnd(0Noise1N);
for t=n+1:1:N;
y1(t)=0;
for j=2:n+1;
y1(t)=y1(t)+fai(j)*y1(t-(j-1));
end
for k=1:n;
y1(t)=y1(t)+theta(k)*e(t-(k-1));
end
end %y1(t)为预测值
s(n)=0;
for i1=1:N;
residual=y1(i1)-y(i1);
s(n)=s(n)+residual^2; %求取残差平方和
end
AIC(n)=N*log(s(n))+2*n-1; %求AIC
end
arma=AIC(12:7); %n=2-7时,各AIC的值
[AICn1]=min(arma);
n1=n1+1; %n1为得到的ARMA模型的阶数
%%%%%%%%%%%%%%%%% 第三步:用ARMA模型预测风速并确定风速分布 %%%%%%%%%%%%%%%%%
m=armax(y‘[n1n1-1]);
fai=-m.a;
theta=m.c;
for i=1:n1;
y2(i)=y(i);
end
Noise=m.NoiseVariance^0.5;
e=normrnd(0Noise18736);
for t=n1+1:1:8736;
y2(t)=0;
for j=2:n1+1;
y2(t)=y2(t)+fai(j)*y2(t-(j-1));
end
for k=1:n1;
y2(t)=y2(t)+theta(k)*e(t-(k-1));
end
end %y1(t)为预测值
y2;
SW=y2.*sigma+mu;
% figure(2)
% subplot(121);
% hist(SW0100);
% xlabel(‘风速‘);ylabel(‘频数‘);title(‘原始风速的分布‘);
% subplot(122);
% hist(SW100);
% xlabel(‘风速‘);ylabel(‘频数‘);title(‘预测风速的分布‘);
%得到8736个小时的预测风速:SW 1*8736
%%%%%%% 第四步:风电场的转移过程,确定其一年中三种状态分别存在的时长%%%%%%%
%风电机组的三状态模型
lambdaRD=5.84;lambdaRF=7.96;lambdaDR=48.3;lambdaFR=58.4;lambdaDF=0;lambdaFD=0; %风力发电机的3个状态的转移率
T=[1 1 1;lambdaRD -lambdaDR-lambdaDF lambdaFD;lambdaRF lambdaDF -lambdaFR-lambdaFD];
T=inv(T);
probWTG=T*[1;0;0]; %风力发电机分别处于运行、降额以及停运状态的概率
TR=8760/(lambdaRD+lambdaRF);TD=8760/(lambdaDR+lambdaDF);TF=8760/(lambdaFD+lambdaFR);
WTGnum=25;
R1=rand(WTGnum1000); %R1确定风力发电机所处的状态
R2=rand(WTGnum1000); %R2确定该状态所持续的时间
D=zeros(WTGnum1000); %D记录每个状态所处的时间
time=zeros(WTGnum1001); %time记录每个状态变化的时间节点
alpha1=zeros(WTGnum1000); %alpha1记录每个状态分别是什么
N1
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 9037 2019-01-01 22:05 fengdianchang.m
----------- --------- ---------- ----- ----
9037 1
- 上一篇:pso_lssvm回归预测
- 下一篇:matlab的mpt工具箱含voronoi函数
相关资源
- matlab实现电力系统潮流计算-PQ分解法
- matlab实现牛顿-拉夫逊法电力系统潮流
- 基于MATLAB的永磁风力发电机动态仿真
- Matpower6.0
- matlab电力系统分析工具包psat
- 基于PSCAD和MATLAB的电力系统电磁暂态仿
- 电力系统分析程序PSAT官方2.1.9版及说
- 电力系统3机9节点暂态仿真
- matlab 模特卡罗计算节点可靠度
- 风电场仿真系统设计
- 电力系统潮流计算MATLAB课程设计
- 电力系统暂态稳定计算
- 含储能电池风电场并网可靠性评估.
- 基于MATLAB的电力系统故障分析与仿真
- matlab的最优潮流计算程序
- 非序贯蒙特卡洛算法计算节点可靠度
- matpower4.0正式版
- matpower3.2电力系统潮流计算MATLAB文件
-
小型风力发电系统MPPT simuli
nk仿真模 - matlab_的电力系统潮流仿真计算
- 电力系统潮流计算matlab程序
-
风电MATLAB/SIMUli
nk程序 - 课程设计—断线故障matlab源码及算例
- 电力系统的matlab
- psat最新2.1.8
- 电力系统统一潮流管理器UPFC.mdl
- 基于Matlab的含风电电网建模与仿真
- 神经网络预测电力系统负荷
-
于群《MATLAB/Simuli
nk电力系统建模与 - 电力系统继电保护原理及仿真
评论
共有 条评论