基于混合分布的风速不确定性分析

摘要

在设计和建设风电场时，需要对当地的风资源进行评估。不确定性分析是风资源评估中非常重要且必不可少的工作，影响风速不确定性的因素有很多，包括测量误差、风速概率分布估计误差以及风资源变化等。其中对风速概率分布的精确估计有助于更为准确的评估当地的风能潜力水平，有助于风电场的建设与规划，同时有助于提高风电场的运行效率和降低成本。本研究从风速概率分布的两个方面分析风速不确定性。　　首先讨论风速数据的重尾特性，给出判断数据重尾性的方法，利用工程中常用的广义极值分布(GEV)和广义Pareto分布(GPD)作为混合分布的成分来拟合风速数据。利用Weibull分布和十一种混合分布拟合中国云南山区的风速数据。采用极大似然法估计所选分布的参数，利用5个统计评估指标、直方图的分布密度曲线以及QQ图组成的综合评价标准选出最优的风速概率分布。依据综合评价标准的结果，正态-正态-广义极值分布(NNGEV)在拟合中国云南山区风速数据时的综合效果最优。　　其次研究风速概率分布中参数随时间变化的特性，重点研究时变参数的低阶自相关性。本文主要考虑双正态混合分布中权重参数跟随时间变化的情形，利用Gibbs抽样、M-H算法和卡尔曼滤波实现双正态混合权重时变参数模型参数的估计，利用数据模拟的方法对该模型进行分析，从结果看这个模型是有效且可行的。　　本研究认为：概率分布准确拟合风速数据，对于风电场风能潜力的分析有十分重要的意义，从风速数据重尾特性和风速概率分布参数时变性这两个方面进行研究，都得到了较好的分析结果，从而分析风速不确定性。

目录

声明

第1章 绪论

1.1研究背景及意义

1.2国内外研究现状

1.3本文的主要研究内容、方法与理论创新

第2章 理论基础概述

2.1混合分布

2.2重尾分布

2.2.1广义极值分布

2.2.2广义Pareto分布

2.3极大似然方法

2.4拟合优度检验

2.5时变参数模型

2.6卡尔曼滤波

2.7 Gibbs抽样方法

2.8 M-H算法

2.9本章小结

第3章 基于数据尾部特性拟合山区风速数据

3.1数据的来源

3.2数据的重尾性

3.3混合分布的选取

3.4模型评估

3.5本章小结

第4章 基于时变参数模型的风速不确定性分析

4.1双正态混合权重时变参数模型

4.2贝叶斯先验分布的假设

4.3模型的估计

4.3.1混合分布部分的参数估计

4.3.2混合权重部分的参数估计

4.4 Gibbs抽样过程

4.5模拟研究

4.5.1模拟结果

4.6结论

4.7本章小结

总结与讨论

致谢

参考文献

附录1

附录2

攻读硕士学位期间发表的论文及科研成果