風電濾芯之邦潔濾業講解功率轉換實驗結果

          首先，風電濾芯隨機風功率模型引入模擬WPG在一個連續的MCS。的橫WPG兩個風電場之間的相關性也被認為是。

         然后，sequen基于MCS TIAL優化算法的*功率因數工作小組的設置。遺傳算法的優化配置工作小組進行了討論。在此之后，提出的混合優化方法相結合的GA和連續MCS基于優化算法。

         zui后，所提出的混合運算timization方法上展示了69總線11千伏徑向分布系統。2隨機風能型號本節首先介紹了風電隨機模型，稱為LARIIVIA模型。然后，互相關的多個風電場的建模方法。每小時測量從納斯特海上風電濾芯發電場的說明的隨機風電模型。

        單風電在時間，WPG顯示了很強的相關性。這樣的時間相關性或autocorre該計算需要變賣WPG的時間序列中并非獨立對方。換句話說，大聯大不能簡單地采樣，獨立地從的概率分布。下面演示詳細的統計適當WPG的關系，其次是隨機建模WPG。  

        LARIIVIA模型（Chen等人開發的。2009B）的隨機WPG簡要總結如下。風電濾芯的基礎上，該模型是一年從納斯特海上風電場與風電的測量數據額定容量為165.6兆瓦。該模式被稱為`LARIIVIA'因為一個畫匠添加到一個標準的綜合自回歸移動平均模型（ARIIVIA）。

        在LARIMA模型，P代表的順序自動回歸（AR）的過程中，q代表的移動平均線（MA）的順序PROC-ESS的，d表示差分操作的程度。在這種情況下，p值=0，=1時，q= 1。該模型是由在所示的方框圖說明。 1。該風電濾芯由一階MA模型，即MA模型，一個集成運移過程中，畫匠和一個正方形的轉變。 M模型與整合過程中也被稱為為ARIMA（0,1,1）模型。

方程（3）代表的WPG的上限和下限，占的物理風電場的局限性。公式（4）給出了zui終的風力發電時間序列Y（t）的隨時間變化的方差的平方變換占WPG。綜上所述，模型需要考慮明確的時間相關性重刑，隨機變化的物理限制，和隨時間變化的平均值，并WPG方差。 

       （Chen等提出詳細的模型識別和驗證。2009B）。總之，風電濾芯該模型具有在總共三個參數（博，B和6P）。該模型驗證測量的時間相關性和概率方面（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離散馬爾可夫模型參數;而顯示性能優于離散馬爾可夫模型，或基于ARMA在雙方的時空相關性和概率分布模型。因此，的LARIIVIA模型將被用作下列的基本模型的相關性建模。

           互相關型號的風電在的情況下，幾個工作小組或風電場的電力系統中，風電濾芯從這些WPGWT的或風電場可能彼此有很強的相關性，這取決于其地理位置。與WPG從自相關與此相反單WT或風力發電場，這種類型的相關性被稱為作為交WPG在多個工作小組或風電場的相關性。