基于气象大数据的风光储混合系统供电负荷混沌时间序列生成方法

《Scientific Reports》：A meteorological big data-driven method for generating chaotic time-series curves of power supply loads for wind-solar-storage hybrid systems

　　风光储混合系统代表了一种高效、清洁的能源供应模式。然而，其供电负荷受多种因素影响，表现出复杂的混沌时间序列特性，给系统运行调度和负荷预测带来了显著挑战。为解决这一问题，本文提出了一种基于气象大数据生成此类混合系统供电负荷混沌时间序列曲线的方法。具体而言，采用经验模态分解（EMD）技术将负荷序列分解为具有不同尺度特征的本征模态函数（IMF），同时对采集的气象大数据进行降维处理。随后，应用混沌时间序列相空间重构方法实时重构各IMF分量和降维后的气象数据，从而揭示各气象因素与各IMF分量之间的相关性。在这些相关性的基础上，利用基于最大李雅普诺夫指数的方法生成供电负荷的混沌时间序列曲线。实验结果表明，所提方法在负荷序列分解和气象数据降维方面具有很强的能力。此外，该方法能够在多云天气条件下，以大数据驱动的方式有效生成混合系统供电负荷的混沌时间序列曲线，取得良好的应用效果。