• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Physical review, E >Modeling long correlation times using additive binary Markov chains: Applications to wind generation time series
【24h】

Modeling long correlation times using additive binary Markov chains: Applications to wind generation time series

机译：使用添加剂二元马尔可夫链模拟长相关时间：风发时序列的应用

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Wind power generation exhibits a strong temporal variability, which is crucial for system integration in highly renewable power systems. Different methods exist to simulate wind power generation but they often cannot represent the crucial temporal fluctuations properly. We apply the concept of additive binary Markov chains to model a wind generation time series consisting of two states: periods of high and low wind generation. The only input parameter for this model is the empirical autocorrelation function. The two-state model is readily extended to stochastically reproduce the actual generation per period. To evaluate the additive binary Markov chainmethod, we introduce a coarse model of the electric power system to derive backup and storage needs. We find that the temporal correlations of wind power generation, the backup need as a function of the storage capacity, and the resting time distribution of high and low wind events for different shares of wind generation can be reconstructed.
机译：风力发电表现出强大的时间变异性，这对于高可再生能源系统中的系统集成至关重要。存在不同的方法来模拟风力发电，但它们通常不能正确代表至关重要的时间波动。我们应用了添加剂二元马尔可夫链的概念来模拟由两个状态组成的风发时序列：高风和低风的时期。此模型的唯一输入参数是经验自相关函数。两种状态模型很容易扩展到随机再现每个时期的实际生成。为了评估添加剂二进制马尔可夫链条方法，我们引入了电力系统的粗略模型，以获得备份和存储需求。我们发现风力发电的时间相关性，作为存储容量的函数的备用需要，以及用于不同风发份额的高风险事件的静止时间分布。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号