【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

这篇具有很好参考价值的文章主要介绍了【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

 👨‍🎓个人主页:研学社的博客 

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。

⛳️座右铭:行百里者,半于九十。

📋📋📋本文目录如下:🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现


💥1 概述

参考文献:

【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

 风光等可再生能源出力的不确定性和相关性给系统的设计带来了极大的复杂性,若忽略这些因

素,势必会在系统规划阶段引入次优决策风险[24]。因此,在确定系统最佳配置方案时,必须要考虑风光出力的不确定性和相关性。 Copula 函数可以描述随机变量间的相关性,是把随机变量的联合分布函数与各自的边缘分布函数相连接的函数。其主要包括椭圆分布族 Copula函数(Normal-Copula、t-Copula)和阿基米德分布族Copula 函 数 [25](Frank-Copula 、 Gumbel-Copula 、Clayton-Copula)。Copula 函数的选取对刻画风光出力的相关性至关重要,然而选择何种 Copula 函数取决于规划区域的风光出力特性。由于 t-Copula 对多维随机变量拟合极为耗时且 Gumbel-Copula 形式复杂,因此本文仅考虑其余 3 种 Copula 函数。

      为了选择最佳的 Copula 函数拟合风光出力特性,引入 Spearman 秩相关系数[26]、Kendall 秩相关系数及欧式距离等指标并计算风光出力的 Empirical (经验)-Copula 函数[27],具体详见文献[26-27]。所选Copula 函数的秩相关系数越接近 Empirical-Copula函数的秩相关系数,且与其欧式距离较小者认为是最佳的。本文选取规划区 2011 年全年风机与光伏标幺化出力数据,见附录 A 图 A1,分别用 Normal Copula、Frank-Copula、Clayton-Copula 函数拟合风光出力并计算风光出力的 Empirical-Copula 函数,求得其秩相关系数及与 Empirical-Copula 函数的欧式距离如表 1 所示。

【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

由表 1 可知, Frank-Copula 的秩相关系数和Empirical-Copula 接近且与其之间欧式距离较小,
因此本文选取 Frank-Copula 函数描述风光相关性。首先,利用非参数核密度估计法建立每天 24h
内每个时段的风机和光伏出力的概率密度函数,其次,基于 Frank-Copula 函数建立每个时段内两者的联合概率分布函数,最后,对其进行采样,并对风光出力的概率分布函数进行反变换便可得到每个时段内的采样风机与光伏出力。考虑到非参数核密度估计的概率密度函数是求和形式,求解其累积分布函数的反函数难度较大,故借助 3 次样条插值方法求解出其累积概率所对应的样本值。

 Sklar在1959年提出的Sklar定理指出,一个N维分量的联合分布函数可以由这N个变量的边缘分布和1个 Copula函数来描述[11] ,即Copula函数可以将多变量的联合分布与这N个变量的边缘分布连接起来,因此也称为“连接函数”。Sklar定理表达式如下:

【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

Sklar定理证明了Copula函数的存在性,描述了多元联合分布密度函数与Copula密度函数的关系,为建模奠定了基础。

Copula函数主要分为椭圆函数族(Ellipse-Copula)和阿基米德函数族(Archimedean-Copula)2种类型。其中,椭圆函数族包括正态Copula函数和t-Copula函数,阿基米德函数族中常用的有Gumbel-Copula函数、Clayton-Copula函数和Frank-Copula函数[12] 。不同类型的Copula函数具有不同的函数结构,因其尾部特征的差异适用于刻画不同类型的相依关系,具体特性如表1 所示。

 【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

来源: 

【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)  

上节所述5种Copula函数适用于描述具有尖峰厚尾特性的数据,首先对风电场数据进行分析,统计同一地区2个典型风电场1个月的数据,分布特性如图1所示。图1中横坐标代表出力标幺值,纵坐标代表概率密度。由图1可知,风电场输出功率统计数据也具有尖峰厚尾的特性,即大量数据集中在某一区间,频数特别高,而其他数据广泛分布于各个区间,范围广。因此Copula函数及建模方法适用于风电场出力数据。为了对同一地区2个风电场联合出力及相关性有一个直观的认识,便于分析,作2个风电场的联合分布统计图,如图2所示。

【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

由图2可知,大量数据集中在主对角线上,同一地区2个风电场出力呈现出很强的正相关性,依据这种相关特性建立Copula模型可以有效描述同一地区2个风电场的出力特性及其相关性。

【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

📚2 运行结果

【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

 【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

 【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

 【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

 【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

 【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)

🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]林顺富,刘持涛,李东东等.考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置[J].中国电机工程学报,2020,40(05):1409-1421.DOI:10.13334/j.0258-8013.pcsee.190275.

[2]宋宇,李涵.基于核密度估计和Copula函数的风、光出力场景生成[J].电气技术,2022,23(01):56-63.

[3]段偲默,苗世洪,李力行,韩佶,晁凯云,范志华.基于Copula理论的风光联合出力典型场景生成方法[J].供用电,2018,35(07):13-19.DOI:10.19421/j.cnki.1006-6357.2018.07.003.文章来源地址https://www.toymoban.com/news/detail-438967.html

🌈4 Matlab代码实现

到了这里,关于【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Numpy 学习之矩阵、函数、二元运算及数组读写,差点挂在了美团三面

    sinc1 = np.vectorize(sinc) print(‘向量化:’, sinc1(x)) x = np.linspace(-10, 10, 50) plt.plot(x, sinc1(x)) plt.show() 二元运算 四则运算对应函数 | 运算符 | 对应函数 | | :-: | :-: | | a + b | add(a, b) | | a - b | subtract(a, b) | | a * b | multiply(a, b) | | a / b | divide(a, b) | | a ** b | power(a, b) | | a % b | remainder(a,b) | 比

    2024年04月15日
    浏览(47)
  • 【C++】STL 算法 ⑤ ( 二元函数对象 | std::transform 算法简介 | 为 std::transform 算法传入一元函数对象进行转换操作 )

    \\\" 二元函数对象 \\\" 指的是 一个实例类 中 , 重载了 \\\" 函数调用操作符 () \\\" 函数 operator() , 并且该函数 接受 2 个参数 ; 如果 \\\" 重载 函数调用操作符 () 函数 \\\" 只接收一个参数 , 那么这个函数对象就是 一元函数对象 ; 下面的结构体类 函数对象 , 就是一个二元函数对象 , 其作用是将

    2024年01月18日
    浏览(62)
  • 【Copula】最可能场景详解

    相应英文介绍原理介绍如下:(出自论文J2020-Drought hazard transferability from meteorological to hydrological propagation) 最可能组合点(the most-likely combination(MLE) point (d*,s*))绘制如下:(出自论文-J2021-Responses of Precipitation and Runoff to Climate Warming and Implications for Future Drought Changes in China)

    2024年01月19日
    浏览(30)
  • 卓豪AD域-为IT管理员出力!

    如果您的企业有微软AD域的话,有管理员表示,在微软AD域环境中,IT管理员可能会遇到以下难题: 1、无法进行大批量的增删改查,手动配置用户及其属性既耗时费力,又容易出错。 2、无法把一些日常管理任务指派给下属分公司的管理员,让其自行管理下属分公司事宜,如创

    2024年02月10日
    浏览(43)
  • 风光柴储微电网最优化经济调度模型(Matlab+Yalmip+Cplex)——附代码

    目录 摘要: 1.微电网模型 2.微电网经济调度的目标函数 3.微电网经济调度的约束条件 3.1设备自身约束: 3.2功率平衡约束: 4.Yalmip+Cplex 4.1 Yalmip 4.2 Cplex 5.运行图片: 6.本文Matlab代码实现 微电网优化调度作为智能电网优化的重要组成部分,对降低能耗、环境污染具有重要 意义

    2024年02月02日
    浏览(65)
  • 用 VB.net,VBA 两种方式 读取单元格内的 换行数据,并出力到 CSV文件

    需求 如下图所示,为了生成csv文件导入数据库,需要将下图 的 1 和 2 拼接成 如下 3 所示的一行数据, 开头为 1 ,往后为 2 的换行数据 将换行符 替换为 如 3 所示的 br , 同时 1 和 2 用双引号 括起来,中间用 逗号 隔开。 VB.net 代码如下 VBA 代码如下 生成文件如下 file_vba.csv 总

    2024年02月11日
    浏览(40)
  • 【机器学习】逻辑回归(二元分类)

    离散感知器:输出的预测值仅为 0 或 1 连续感知器(逻辑分类器):输出的预测值可以是 0 到 1 的任何数字,标签为 0 的点输出接近于 0 的数,标签为 1 的点输出接近于 1 的数 逻辑回归算法(logistics regression algorithm):用于训练逻辑分类器的算法 sigmoid 函数: g ( z ) = 1 1 +

    2024年02月21日
    浏览(50)
  • markdown二元运算符

    符号 markdown 名称 ± pm ± pm 正负/加减 ∓ mp ∓ mp 负正/减加 × times × times 乘号 ⋅ cdot ⋅ cdot 点乘号 ÷ div ÷ div 除号 ∣ mid ∣ mid 整除 ∤ nmid ∤ nmid 不整除 ⊕ oplus ⊕ oplus 异或

    2024年02月01日
    浏览(33)
  • 二元逻辑回归(logistic regression)

    目录 一,原理 二,python代码 2.1 数据集的格式 2.2 代码 三,适用条件 回归 :          假设存在一些数据点,用一条直线或者曲线或折现去拟合这些点就叫做回归。也就是找出平面点上两个轴变量之间的函数关系,或者其他坐标系下的变量间关系。一句话就是:回归就是

    2024年02月06日
    浏览(50)
  • 离散数学 --- 二元关系 --- 关系的运算

      进行关系A和关系B进行关系的复合运算的前提是关系A的后域是关系B的前域,且最终得到的复合关系C的前域是关系A的前域,后域是关系B的后域(且这个前域值在关系A中对应的后域值与这个后域值在关系B中对应的前域值相等) 1.关系的复合运算必然涉及到三个集合,两个集

    2024年02月02日
    浏览(47)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包