[发明专利]一种任意输入参数的风能预测系统和方法

说明书

技术领域

本发明属于发电和电能管理领域，可以对未来一段时间内的风能情况进行预测，特别涉及一种任意输入参数的风能预测系统和方法。

背景技术

风力发电是目前国际上具有广阔应用前景的绿色清洁能源之一，可以减少化石燃料发电产生的大量污染物和碳排放，可以有效缓解空气污染、水污染和全球气候变暖问题。但是由于风力发电的原动力的不可控性，且一般风电项目往往处于电网潮流末端，风电功率的注入改变了局部电网的潮流分布，对电网调度提出了较高的要求，因此对风能进行预测具有十分重要的作用。然而当前的预测机制大多有以下问题：

（1）考虑因素少，预测精度低；

（2）各个风电场的情况不同，决定因素、能获得的数据的能力和精度也有所不同，一个风电场的模型在其它风电场未必能够成功预测；

（3）风电消纳最大化很难完成，因为无法全面反映风电出力形状特性，无法帮助调度人员快速判断特定风电出力曲线是否可被电力系统消纳；

因此需要一种任意输入多种参数信息的风能预测系统和方法，整合多种类型数据，在系统提示辅助下用户可以输入多种参数，系统自动根据历史数据分析并产生专门为某地区准备的预测模型，通过该方法可以对未来短时间内的风能进行预测，给出最大、最小风能参数和变化范围。通过该方法将使电网减少备用容量、使风电具有更高的品质和价值。

发明内容

本发明的目的是提供一种任意输入参数的风能预测系统和方法，通过该方法可以对未来短时间内的风能进行预测，给出最大、最小风能参数和变化范围。

为实现上述目的，本发明提供一种任意输入参数的风能预测系统，其特征在于包括：

（1）历史数据输入模块，输入风能发电厂的历史数据，包括任意参数：风速、温度、天气、降雨、湿度；

（2）历史数据转换模块，通过数据转换模型标准化数据，是将非标准的数值型数据和离散化数据转换为标准化的[-1, 1]之间的数据；

（3）数据分类模块，将已经标准化的历史数据按4:1的比例进行类别划分，其中80%作为训练数据，20%作为验证数据；

（4）训练数据输入模块，输入训练数据；

（5）训练模块，将输入的训练数据，利用改进的向量机回归算法进行训练，产生回归向量机模型；

（6）验证数据输入模块，输入验证数据；

（7）预测模块，利用输入的验证数据，迭代到产生的回归向量机模型；

（8）选择模块，判定精度是否达标，即误差是否小于给定的阈值；

（9）标准化数据转换模块，如果精度达标，将标准化数据转换为历史输入数据。

本发明还提供一种任意输入参数的风能预测方法，其特征在于包含如下步骤：

（1）输入历史数据，包括任意参数，风速、温度、天气、降雨、湿度；

（2）通过数据转换模型标准化数据，得到[-1, 1]之间的数据；

（3）将标准化数据按4:1的比例进行类别划分，80%为训练数据，20%为验证数据；

（4）输入训练数据；

（5）利用改进的向量机回归算法对输入训练数据进行训练，产生回归向量机模型；

（6）输入验证数据；

（7）利用产生的回归向量机模型进行验证；

（8）判定精度是否达标，即误差是否小于给定的阈值，如果精度达标，则将数据转化为原始数据；

（9）如果不达标，则重新回到初始位置。

通过本发明系统和方法能够整合多种类型数据，用户可以输入多种参数，根据对历史数据标准化然后分析并产生专门为某地区准备的预测模型，通过该方法可以对未来短时间内的风能进行预测，从而给出最大、最小风能参数和变化范围。通过该方法将使电网减少备用容量、使风力发电具有更高的品质和价值。

附图说明

图1为一种任意输入参数的风能预测系统结构框图；

图2为一种任意输入参数的风能预测方法流程图； 

图3为“数据转换模型”处理数据的流程图。

具体实施方式

如图1所示，本发明风能预测系统包括：

历史数据输入模块，输入风能发电厂的历史数据，包括任意参数：风速、温度、天气、降雨、湿度；

历史数据转换模块，通过数据转换模型标准化数据，是将非标准的数值型数据和离散化数据转换为标准化的[-1, 1]之间的数据；

数据分类模块，将已经标准化的历史数据按4:1的比例进行类别划分，其中80%作为训练数据，20%作为验证数据；