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
- SVG仿真模型
- 小波预测风电功率
- 节点导纳矩阵的Matlab算法
- 基于混沌相空间重构的电力系统故障
- 风电储能并网发电系统
- 电力系统状态估计-最小二乘法-matla
- 电力系统三相潮流matlab编程实现.7z
- matlab风速仿真模型渐变风文件
- 电力系统负荷预测MATLAB程序 .m
-
33637《MATLAB-Simuli
nk电力系统建模与仿 - matlab近似处理电力系统潮流追踪Powe
- 以高斯塞德尔法和牛顿拉夫逊法为思
- 采用切线逼近方法求解IEEE14节点电力
- HVDC MATLAB风电仿真模型
- 运用粒子群算法求解风电调度问题
- 电力系统潮流计算程序(极坐标、带
- MATLAB在电力系统优化计算中的应用
- 电力系统潮流计算仿真
- 电力系统广域时滞系统鲁棒控制的论
- 含风电场的电力系统潮流程序matlab
-
基于Matlab_Simuli
nk电力系统仿真工具 - 矢量化的电力系统潮流计算
- 电力系统潮流计算高斯-赛德尔迭代法
- 蒙特卡洛算法计算电力系统可靠度m
- 快速可靠的噪声估计程序(matlab程序
-
光伏风电并网项目的simuli
nk仿真 - 大规模DFIG风电场的模型
- 电力系统可靠性评估matlab编程
- 电力系统潮流计算MATLAB课程设计源码
- DFIG风电模型
评论
共有 条评论