现有电力系统规划和运行中主要考虑单一可再生能源出力的不确定性,考虑可再生能源出力间相关性的研究较少。文中提出一种多链马尔科夫-蒙特卡洛(MCMC)方法对多个光伏电站出力序列进行组合预测,该方法建立了多条相互服从完全条件分布的马尔科夫链,以模拟光伏电站上空的随机变化的大气状态,充分保留了光伏电站之间的相关特性。对三组具有不同相关水平的光伏电站的出力序列进行了预测,证明了相较于传统MCMC方法,该方法能够更精确地继承历史序列的一般统计特性,能够更有效地体现多个光伏电站出力之间相互影响的特点,更加适用于未来电力系统规划与运行设计的要求出力序列预测研究-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机。所决定，而当前的大气状态和前一时刻的大气状态相关程度较高，因此可以采用马尔科夫链表征大气状态序列。由于邻近地区光照情形类似，地区上空的大气层状况主要影响该区域内的光伏电站出力，本文由公司网站网站采  转摘采集转载中国知网整理!  http://www.kuoguanji168.com/因而光伏电站出力的不确定性受到周围区域光伏电站出力的影响。为了将光伏电站出力之间的相互影响因素考虑在内，在多个马尔科夫链之间引入相关性条件概率得到多链马尔科夫模型，将某变量下一时刻的状态看作该变量前一时刻的状态及其他变量当前时刻状态已知时的条件分布，对于多个光伏电站的出力进行模拟。多链马尔科夫模型如图1所示，其中s(t)i表示第i条链在t时刻状态，其不仅受到该链本身在前一时刻状态的影响，还受到其他链已知的当前时刻状态的影响。当多个光伏电站出力之间的相关性较强时，其出力状态不仅受到它前一时刻的状态的影响，还受到其他光伏电站已知的出力状态的影响。因此多链的马尔科夫模型可以考虑多个光伏电站之间的相关性模拟光伏电站出力序列。图1多链马尔科夫过程链MCMC洛光伏出力预测模型光伏出力预测模型包括离散状态划分、状态转移规律学习、蒙特卡洛状态抽样、光伏序列生成和修正四个部分。其具体流程如图2所示。图2多链MCMC方法组合预测模型流程F．1离散状态划分马尔科夫链对应于一系列离散化的状态，因而对各个光伏电站的历史出力数据进行预处理后，将每一个发电功率值对应于特定的状态。文中采用一种统一离散状态定义的方法，避免传统马尔科夫模型对每个出力时段采用差异化的离散状态划分方法，降低了模型复杂度。离散状态的定义包含两个要素:出力范围和离散状态数。离散状? 出力序列预测研究-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机本文由公司网站网站采  转摘采集转载中国知网整理!  http://www.kuoguanji168.com/