一种风电出力时间序列建模方法及系统

1.一种风电出力时间序列建模方法，其特征在于，包括：获取目标风电场和与其相邻的风电场的历史风电出力数据；根据历史风电出力数据，计算目标风电场与相邻风电场的相关性系数，得到相关性系数集合；根据所述相关性系数集合生成模拟风电出力时间序列；根据所述相关性系数集合，生成模拟风电出力时间序列，包括：根据所述相关性系数集合，提取样本风电场集；根据所述样本风电场集生成模拟风电出力时间序列；所述根据相关性系数集合，提取样本风电场集，包括：对所述相关性系数集合进行归一化处理；对归一化后的相关性系数进行由大到小的排序；选出与目标风电场相关性系数大于预设的阈值的相邻风电场，组成样本风电场集；根据所述样本风电场集生成模拟风电出力时间序列，包括：计算所述样本风电场集中各样本风电场的抽样概率；和计算所述样本风电场集中各样本风电场的风波动类间转移概率矩阵；根据各样本风电场的抽样概率和风波动类间转移概率矩阵，得到各样本风电场联合转移概率矩阵；根据联合转移概率矩阵，生成模拟风电出力时间序列；计算所述样本风电场集中各样本风电场的风波动类间转移概率矩阵，包括：对所述样本风电场集中各样本风电场进行波动分类；根据所述波动分类，获取各样本风电场的波动类间的转移概率，得到各样本风电场的风波动类间转移概率矩阵；所述联合转移概率矩阵按下式计算：联合转移概率矩阵=样本风电场的抽样概率×样本风电场的风波动类间转移概率矩阵；按下式计算目标风电场与相邻风电场的相关性系数：式中， r X,Y 表示 X 、 Y 两变量的Pearson相关系数；cov(X,Y)表示两变量的协方差； E ( XY )、 E ( X )、 E ( Y )分别表示变量XY、X、Y的期望；σ X 、σ Y 分别表示变量 X 和 Y 的标准差；所述根据联合转移概率矩阵，生成模拟风电出力时间序列，包括：根据联合转移概率矩阵，进行波动分类所得的波动类别的序贯抽样；根据抽样得到的波动类别，计算波动上各点的风电出力并连接组合成模拟风电趋势时间序列；为所述模拟风电趋势时间序列添加高频随机出力，生成模拟风电出力时间序列；所述根据抽样得到的波动类别，计算波动上各点的风电出力并连接组合成模拟风电趋势时间序列，包括：若抽样得到的波动类别为低出力，则抽样持续时间；若抽样得到的波动类别不是低出力，则抽样波动拟合函数参数及波峰间持续点数；根据持续时间或波动拟合函数参数及波峰间持续点数计算抽样波动上各点风电出力并连接组合成模拟风电趋势时间序列。 2.如权利要求1所述的风电出力时间序列建模方法，其特征在于，计算目标风电场与相邻风电场的相关性系数得到相关性系数之前还包括：计算目标风电场与目标风电场周围风电场的最大历史出力，以最大历史出力为基值对历史风电出力数据进行归一化处理。 3.如权利要求1所述的风电出力时间序列建模方法，其特征在于，所述计算所述样本风电场集中各样本风电场的抽样概率，包括：提取样本风电场集的相关性系数集合；对样本风电场集的相关性系数集合进行归一化处理得到样本风电场集的抽样概率集合。 4.如权利要求1或2所述的风电出力时间序列建模方法，其特征在于，所述对所述相关性系数集合进行归一化处理包括：计算相关性系数之和，以所述相关性系数之和为基值对相关性系数进行归一化处理。 5.如权利要求1所述的风电出力时间序列建模方法，其特征在于，所述对样本风电场集进行波动分类，包括：获取样本风电场集中各样本风电场的历史时间序列；将样本风电场集中各样本风电场的历史时间序列分解成低频趋势出力和高频随机出力；将各样本风电场的低频趋势出力分为：大波动、中波动、小波动和低出力。 6.如权利要求1所述的风电出力时间序列建模方法，其特征在于，所述历史风电出力数据的时间分辨率为15min或者1h。 7.一种基于权利要求1-6任一项所述的风电出力时间序列建模方法的系统，其特征在于，包括：数据处理模块，用于获取目标风电场和目标风电场相邻风电场的历史风电出力数据；计算模块，用于根据历史风电出力数据，计算目标风电场与相邻风电场的相关性系数，得到相关性系数集合；序列生成模块，用于根据所述相关性系数集合，生成模拟风电出力时间序列。