本發明涉及風電，具體涉及一種基于多變量相關聯的風電場發電量優化方法。
背景技術：
1、隨著全球對能源需求的不斷增長以及對環境保護意識的日益增強，可再生能源的開發和利用已成為能源領域的關鍵發展方向。風能作為一種清潔、可再生的能源，在全球能源結構中所占的比例逐漸增加。風電場作為風能利用的主要形式，其發電量的優化對于提高風能利用效率、降低能源成本以及促進可持續發展具有至關重要的意義。
2、然而，風電場的發電量受到多種復雜環境因素的綜合影響。風速和風向作為直接影響發電量的關鍵因素，其變化具有隨機性和不確定性。同時，溫度、濕度、氣壓等其他環境因素也會對發電量產生影響。例如，溫度的變化會影響空氣密度，進而改變風機的功率輸出；濕度和氣壓的變化可能影響空氣的物理性質，間接影響發電量。
3、目前，現有的風電場發電量優化方法存在一定的局限性。一方面，許多方法往往只關注單一環境因素對發電量的影響，而忽略了其他因素的作用以及各因素之間的相互關聯。這種單一因素的考慮方式無法全面準確地反映風電場發電量的實際情況，難以實現有效的優化。另一方面，部分方法雖然考慮了多個因素，但缺乏系統的分析方法和科學的決策依據，無法準確評估不同環境因素對發電量的影響程度以及它們之間的復雜關系，導致優化策略的制定缺乏針對性和有效性。因此，需要一種能夠綜合考慮多種環境因素及其相互關聯的風電場發電量優化方法，以提高風電場的發電效率和經濟效益。
技術實現思路
1、針對現有技術的不足，本發明提出了一種基于多變量相關聯的風電場發電量優化方法，通過全面分析多種環境因素及其關聯性，為優化提供依據，科學制定策略實現提高發電效率的目的。
2、本發明的技術方案具體如下：
3、一種基于多變量相關聯的風電場發電量優化方法，包括：
4、選擇一個風電場作為研究對象，并利用風電場監測設備收集直接影響發電量的環境參數記為目標環境參數數據流以及可能影響發電量的其他環境因素數據記為目標環境影響數據流；
5、從目標環境參數數據流和目標環境影響數據流中選擇一個數據流作為樣本數據流，確定樣本數據流中的最大值點和最小值點，通過最大值點和最小值點確定大值范圍和小值范圍，進而計算樣本數據流的數據多樣性指標以及樣本數據流中大值和小值的特性參數；
6、通過樣本數據流大值和小值的特性參數計算樣本數據流中目標環境參數數據流和目標環境影響數據流的大值之間關聯性指標和小值之間的關聯性指標，通過利用大值之間關聯性指標和小值之間的關聯性指標以及樣本數據流的數據多樣性指標，計算得到整體目標環境影響數據流與環境參數數據集的關聯性指標；
7、根據整體目標環境影響數據流與環境參數數據集的關聯性指標，分析關聯性指標對發電量的影響，包括判斷正負相關性及相關性強弱，評估不同環境因素對發電量影響程度，進而制定發電量優化策略。
8、進一步的，所述風電場選擇方式為根據風電場規模、地理位置、運行時間，從多個風電場中選擇風電場的綜合評估值最高的風電場作為研究對象；
9、其中，風電場的綜合評估值s，計算公式為：
10、
11、其中，ω1為風電場規模權重，ω2為地理位置權重，ω3為運行時間權重，且ω1+ω2+ω3＝1，c為裝機容量，cmax是所有候選風電場中的最大裝機容量；d為風電場與主要電力消費區域的距離，v為當地年平均風速，t為運行時間，tmax為所有候選風電場中的最大運行時間。
12、進一步的，所述目標環境參數數據流包括風速和風向，通過風速儀和風向儀收集相應數據；
13、所述目標環境影響數據流包括溫度、濕度和氣壓，分別通過溫度計、濕度計和氣壓計收集對應數據。
14、進一步的，所述樣本數據流選擇遵循原則包括：樣本數據流能夠反映環境因素的波動情況；樣本數據流應與發電量之間存在潛在的相關性。
15、進一步的，所述樣本數據流中的大值范圍為[0.9ymax,ymax]，小值范圍為[ymin,1.1ymin]；
16、其中，ymax和ymin分別是樣本數據流中的最大值最小值。
17、進一步的，所述樣本數據流的數據多樣性指標采用標準差計算，計算步驟為：樣本數據流為y＝{y1,y2,y3,...,yi,...,yn}，計算樣本數據流的平均值計算標準差其中yi是第i個樣本數據流，n為數據點總數。
18、進一步的，所述樣本數據流中大值和小值的特性參數包括：
19、大值出現的頻率fgmax，
20、大值與平均值的偏差程度dgmax，公式為：其中ngmax是大值ygmax在樣本數據流中出現的次數；
21、小值出現的頻率fgmin，
22、小值ygmin與平均值的偏差程度dgmin，其中ngmin是小值ygmin在樣本數據流中出現的次數。
23、進一步的，所述樣本數據流中的目標環境參數數據流和目標環境影響數據流的大值之間關聯性指標計算公式為：
24、
25、其中，rgmax為大值之間的關聯性指標，fst為大值同時出現的頻率，fgmax1和dgmax1分別為樣本數據流中的目標環境參數數據流通過大值范圍篩選出現的大值ygmax1出現的頻率和大值ygmax1其與平均值的偏差程度，fgmax2和dgmax2分別為樣本數據流中的目標環境影響數據流通過大值范圍篩選出現的大值ygmax2出現的頻率和大值ygmax2與平均值的偏差程度。
26、所述目標環境參數數據流和目標環境影響數據流的小值之間關聯性指標計算公式為：
27、
28、其中，rgmin為小值之間的關聯性指標，fs′t為小值同時出現的頻率，fgmin1和dgmin1分別為樣本數據流中的目標環境參數數據流通過大值范圍篩選出現的小值ygmin1出現的頻率和小值ygmin1其與平均值的偏差程度，fgmin2和dgmin2分別為樣本數據流中的目標環境影響數據流通過小值范圍篩選出現的小值ygmin2出現的頻率和小值ygmin2與平均值的偏差程度。
29、進一步的，所述整體目標環境影響數據流與環境參數數據集的關聯性指標計算公式為：
30、
31、其中，rgmax是大值之間的關聯性指標，rgmin為小值之間的關聯性指標，σ為樣本數據流的標準差，代表樣本數據流的數據多樣性指標。
32、進一步的，所述關聯性指標對發電量的影響包括：
33、如果r＞0，表示目標環境影響數據流與環境參數數據集呈正相關，即環境影響因素與直接影響發電量的環境參數變化趨勢一致，對發電量有促進作用；
34、如果r＜0，表示呈負相關，即環境影響因素與直接影響發電量的環境參數變化趨勢相反，對發電量有抑制作用；
35、如果r＝0，表示兩者之間沒有明顯的線性相關關系；
36、當|r|接近1時，說明相關性較強，環境影響因素對發電量的影響較大；
37、當|r|接近0時，說明相關性較弱，環境影響因素對發電量的影響較小。
38、本發明的有益效果為：全面收集直接影響發電量的環境參數以及可能影響發電量的其他環境因素的數據。通過對環境因素的綜合分析，包括確定樣本數據流、計算其特性參數以及關聯性指標等，能夠準確把握環境因素之間的相互關系以及它們對發電量的影響程度，為發電量優化提供了堅實的理論基礎和數據支撐。
39、根據環境因素與環境參數數據集的關聯性指標，能夠準確判斷其對發電量的影響是正相關還是負相關以及相關性的強弱。基于這些判斷，可以科學地制定發電量優化策略。
40、本技術通過對風電場多種環境因素的綜合分析以及對發電量優化策略的科學制定，為風電場發電量優化提供了一種通用的方法框架。只要是涉及風電場環境因素對發電量影響的問題，都可以采用本技術的方法進行分析和優化，不受限于特定的風電場類型或環境條件。