[发明专利]一种基于风速因子控制模型的风电超短期功率预测方法

说明书

技术领域

本发明属于风电功率预测技术领域，具体涉及一种基于风速因子控制模型的风电超短期功率预测方法。

背景技术

风电功率超短期预测技术主要是针对未来0-4小时的时间分辨率15分钟的风电功率进行预测，准确的超短期预测可以为电网AGC控制提供保障，有利于实时调整电网调度计划、安排备用容量，提高系统的安全稳定和经济运行。

目前超短期预测预测的单一模型有了比较深入的研究，其研究成果应用于各大网省级调度部门以及场站，但是由于各个应用场景的不同，这些模型的应用具有一定的局限性。申请号为201110388041.9的发明专利提供一种风电功率超短期预测方法，首先采集风电场的风速、风向和风电功率数据，形成样本集；然后对样本集进行数据预处理；之后利用深度自动编码器网络对预处理后的样本集进行降维；最后用降维后的样本集对相关向量机回归模型进行训练，然后利用训练后的相关向量机回归模型对超短期的风电功率进行预测。该发明专利中支持向量机方法适用于解决小样本、非线性的情况下较为适用，而神经网络模型则有助于解决大样本训练集的情况，这种适用条件决定了单一模型在某些情况下会降低超短期功率预测的准确性。

发明内容

为了克服上述现有技术的不足，本发明提供一种基于风速因子控制模型的风电超短期功率预测方法，能够在评价ARIMA模型和BP神经网络模型的基础上，针对运行环境对上述两个模型进行切换，从而提高风电超短期功率预测的准确性。

为了实现上述发明目的，本发明采取如下技术方案：

本发明提供一种基于风速因子控制模型的风电超短期功率预测方法，所述方法包括以下步骤：

步骤1：利用ARIMA模型进行超短期功率预测；

步骤2：利用BP神经网络模型进行超短期功率预测；

步骤3：通过风速因子控制模型完成风电超短期功率预测。

所述步骤1具体包括以下步骤：

步骤1-1：采用前一天24小时内共96个点对实测功率进行差分，获得平稳时间序列；

步骤1-2：建立ARIMA模型，得到未来4小时内共16个点的超短期功率预测结果。

所述步骤1-1具体包括以下步骤：

步骤-1-1：设Δx_t为t时刻的实测功率x_t与t-1时刻的实测功率x_t-1的差值，其表示为：

Δx_t＝x_t-x_t-1＝x_t-Lx_t＝(1-L)x_t

于是，有：

Δ2xt=Δxt-Δxt-1=(1-L)2xt...Δdxt=(1-L)dxt]]>

其中，L为滞后算子，d为平稳时间序列对应的差分次数；