风电滤芯之邦洁滤业讲解功率转换实验结果

          首先，风电滤芯随机风功率模型引入模拟WPG在一个连续的MCS。的横WPG两个风电场之间的相关性也被认为是。

         然后，sequen基于MCS TIAL优化算法的*功率因数工作小组的设置。遗传算法的优化配置工作小组进行了讨论。在此之后，提出的混合优化方法相结合的GA和连续MCS基于优化算法。

         zui后，所提出的混合运算timization方法上展示了69总线11千伏径向分布系统。2随机风能型号本节首先介绍了风电随机模型，称为LARIIVIA模型。然后，互相关的多个风电场的建模方法。每小时测量从纳斯特海上风电滤芯发电场的说明的随机风电模型。

        单风电在时间，WPG显示了很强的相关性。这样的时间相关性或autocorre该计算需要变卖WPG的时间序列中并非独立对方。换句话说，大联大不能简单地采样，独立地从的概率分布。下面演示详细的统计适当WPG的关系，其次是随机建模WPG。  

        LARIIVIA模型（Chen等人开发的。2009B）的随机WPG简要总结如下。风电滤芯的基础上，该模型是一年从纳斯特海上风电场与风电的测量数据额定容量为165.6兆瓦。该模式被称为`LARIIVIA'因为一个画匠添加到一个标准的综合自回归移动平均模型（ARIIVIA）。

        在LARIMA模型，P代表的顺序自动回归（AR）的过程中，q代表的移动平均线（MA）的顺序PROC-ESS的，d表示差分操作的程度。在这种情况下，p值=0，=1时，q= 1。该模型是由在所示的方框图说明。 1。该风电滤芯由一阶MA模型，即MA模型，一个集成运移过程中，画匠和一个正方形的转变。 M模型与整合过程中也被称为为ARIMA（0,1,1）模型。

方程（3）代表的WPG的上限和下限，占的物理风电场的局限性。公式（4）给出了zui终的风力发电时间序列Y（t）的随时间变化的方差的平方变换占WPG。综上所述，模型需要考虑明确的时间相关性重刑，随机变化的物理限制，和随时间变化的平均值，并WPG方差。 

       （Chen等提出详细的模型识别和验证。2009B）。总之，风电滤芯该模型具有在总共三个参数（博，B和6P）。该模型验证测量的时间相关性和概率方面（Chen等，2009年b）的分布。（Chen等，2009年b），表明在模型需要少得多的比离散马尔可夫模型参数;而显示性能优于离散马尔可夫模型，或基于ARMA在双方的时空相关性和概率分布模型。因此，的LARIIVIA模型将被用作下列的基本模型的相关性建模。

           互相关型号的风电在的情况下，几个工作小组或风电场的电力系统中，风电滤芯从这些WPGWT的或风电场可能彼此有很强的相关性，这取决于其地理位置。与WPG从自相关与此相反单WT或风力发电场，这种类型的相关性被称为作为交WPG在多个工作小组或风电场的相关性。