好用的h5网站模板下载,产品策划推广方案,小型门户网站有哪些,创建网站的ip地址怎么获得在风光场景生成、随机优化调度等研究中#xff0c;常常假设风速服从Weibull分布#xff0c;太阳辐照度服从Beta分布。那我们如何得到两个分布的参数呢#xff1f;文本首先介绍了风速Weibull分布和辐照度Beta分布的基本概率模型及其性性质#xff0c;之后以MATLAB代码为例阐…在风光场景生成、随机优化调度等研究中常常假设风速服从Weibull分布太阳辐照度服从Beta分布。那我们如何得到两个分布的参数呢文本首先介绍了风速Weibull分布和辐照度Beta分布的基本概率模型及其性性质之后以MATLAB代码为例阐述了如何根据历史观测数据对两种分布的参数进行估计。
Weibull分布
风机出力的不确定性主要来源于风速固有的间歇性、随机性和波动性学术界及工业均普遍认为风速的概率分布服从经典的两参数“Weibull分布”。风速的Weibull分布的概率密度函数(Probability Density Function, PDF)为 Weibull 分布的均值与方差
Weibull分布的均值为 参数估计
两种方法
利用MATLAB自带的 fitdist 函数直接对历史观测数据进行拟合
% 分别对NT个时刻的风速数据进行Weibull分布拟合
% 首先要准备一个风速数据windspeed维度为(N, NTime)
% 其中N为样本个数NTime为时刻数如24for i 1 : NTimewif fitdist(windspeed(:, i), weibull);k_wif(i) wif.B;c_wif(i) wif.A;
end
利用随机变量的期望和方差计算参数包括SDM和MOM两种
% 计算风速均值
wind_speed_avg mean(windspeed);
% 计算风速标准差
wind_speed_std std(windspeed);% 标准差法参数计算 standard deviation method
k_wstdm (wind_speed_std./wind_speed_avg).^-1.086;
c_wstdm (wind_speed_avg)./(gamma(1(1./k_wstdm)));% 矩量法参数计算 Method of Moments Method Factor Calculation
k_mom (0.9874./(wind_speed_std./wind_speed_avg)).^1.0983;
c_mom (wind_speed_avg)./(gamma(1(1./k_mom)));
Beta分布
Beta 分布的均值与方差
Beta 分布的期望 Beta 分布的方差 参数估计
两种方法
利用MATLAB自带的 fitdist 函数直接对历史观测数据进行拟合
% NTime为时刻数如24
% NS 为观测数据维度
% solardat为历史观测数据维度为(NS, NTime)solardata solardata / max(max(solardata)); % 因为Beta分布是定义在(0,1) 区间的连续概率分布
for i 1 : NTimeparas fitdist(solardata(:, i), beta);a(i) paras.a;b(i) paras.b;
end% 会报错“如果所有数据值都相同则不能拟合beta分布”因为夜间出力为0所以可以不对0拟合 利用历史观测数据的期望和方差求出Beta的两个参数
% NTime为时刻数如24
% NS 为观测数据维度
% solardat为历史观测数据维度为(NS, NTime)solardata solardata / max(max(solardata))% 计算均值
si_avg mean(solardata);
% 计算标准差
si_std std(solardata).^2;a zeros(1, NTime);
b zeros(1, NTime);
for i 1 : NTimea(i) si_avg(i) * ( si_avg(i) * (1 - si_avg(i))/si_std(i) - 1 );b(i) (1 - si_avg(i)) * ( si_avg(i) * (1 - si_avg(i))/si_std(i) - 1);
enda(isnan(a))0;
b(isnan(b))0;
