[发明专利]超短期风电功率的预测方法

权利要求书

1.一种超短期风电功率的预测方法，主要包括以下步骤：

步骤S10，获取基于NWP的风电功率预测结果，以及基于风电场历史/实时数据的风电功率预测结果，并对基于NWP的风电功率的预测结果进行实时误差修正；

步骤S20，采用经验分布模型，分别建立                                               时刻基于NWP功率预测方法的预测误差绝对值的概率分布和基于风电场历史/实时数据功率预测方法的预测误差绝对值的概率分布，其中s=1，2，……S；

步骤S30，计算预测时段中时刻的基于NWP的风电功率预测结果的权重系数以及基于风电场历史/实时数据预测结果权重系数，得到时刻的预测结果；以及

步骤S40，重复步骤S20及步骤S30，直到完成预测时段所有的，从而得到预测时段的预测结果。

2.如权利要求1所述的超短期风电功率的预测方法，其特征在于，对基于NWP的风电功率的预测结果进行实时误差修正包括对横向误差的修正以及对纵向误差的修正。

3.如权利要求2所述的超短期风电功率的预测方法，其特征在于，所述横向误差的修正方法为：计算实时功率序列和预测功率序列在时段内的互相关函数：，其中，反映和在不同时刻和的相关程度，其极值反映的时间差表征和之间横向误差。

4.如权利要求3为所述的超短期风电功率的预测方法，其特征在于，所述纵向误差的修正方法包括：首先，计算和在时段内的误差均值；其次，根据平均误差在有限时间的一致性，实时修正预测时段的纵向误差。

5.如权利要求1所述的超短期风电功率的预测方法，其特征在于，所述基于NWP功率预测方法的预测误差绝对值的概率分布和基于风电场历史/实时数据功率预测方法的预测误差绝对值的概率分布为：，

其中，为最近个历史预测误差组成的的子集，为预测误差绝对值，表示内符合的样本个数。

6.如权利要求1所述的超短期风电功率的预测方法，其特征在于，所述基于NWP的风电功率预测结果以及基于风电场历史/实时数据预测结果权重系数的计算包括以下步骤：以表示基于NWP功率预测方法预测结果，以表示基于风电场历史/实时数据功率预测方法预测结果，取，，其中，为一假设的t_s时刻的真实值；

根据基于NWP的风电功率预测方法以及基于风电场历史/实时数据预测方法的预测误差概率分布，利用加权的方法求出时刻的权重系数：

，

，

式中，为时刻基于NWP功率预测方法对应的权重系数，为该方法的预测误差概率分布；为时刻基于风电场历史/实时数据功率预测方法对应的权重系数，为该方法的预测误差概率分布；为体现NWP预测误差的变化系数。

7.如权利要求6所述的超短期风电功率的预测方法，其特征在于，所述NWP预测误差的变化系数满足0.05·s≤≤0.3·s。

8.如权利要求1所述的超短期风电功率的预测方法，其特征在于，基于NWP风电功率的预测结果通过误差反向传播神经网络算法得到，基于风电场历史/实时数据的风电功率的预测结果通过差分整合移动平均自回归法得到。

9.如权利要求1所述的超短期风电功率的预测方法，其特征在于，所述经验分布模型通过统计分析获得：定义预测工况为预测时刻，预测尺度的影响因子的集合以个影响因子表示：

式中表示与点预测值相关的第个影响因子，，为归一化后结果，，C是任一预测时刻、预测尺度所有可能的预测工况集合。

10.如权利要求9所述的超短期风电功率的预测方法，其特征在于，定义预测工况类型由Q个影响因子的子区间组成，每个影响因子可以分为个子区间，其区间划分互不重叠，取等分为大于等于5个子区间：

表示预测时刻和预测尺度对应预测工况类型的预测误差历史库，为最近个历史预测误差组成的的子集，。