[发明专利]一种基于深度置信网络分类方法的风功率爬坡预测方法

说明书

本发明涉及一种基于深度置信网络分类方法的风功率爬坡预测模型。首先根据指定地理范围内的历史风功率爬坡事件在时间尺度和空间尺度上进行统计筛选，根据筛选结果提取出可以明显表征大风天气的特征量和特征指数组成参数指标库。进而采用深度信任网络进行分类分析，以建立用特征指标量判别分析导致风功率爬坡的爬坡气象分类模型。通过模型参数训练方法结合玻尔兹曼机(RBM)，并计算出爬坡气象分类结果，最后在气象类型历史数据所对应的气象模板分类基础上，用参数模板法补充缺失的爬坡气象数据。本发明将数值天气预报的结果进行爬坡气象分类研究，依据数值天气预报的数据输入为不同的爬坡气象提供了更准确的分类模型及数据修正。

技术领域

本发明属于风功率爬坡预测领域，涉及一种基于深度置信网络分类方法的风功率爬坡预测方法。

背景技术

发明一种适用于风功率爬坡预测的可为导致风功率爬坡的爬坡气象分类方法是对现有风电有效、安全并网研究所需要的重要组成部分。风力发电作为一种新兴的、大规模应用的绿色能源，其自身固有的波动特性给发电和负荷平衡带了挑战。为了使风力发电和其他常规能源发电一样具有便利的可调度性，准确可靠的风电功率预测系统是提高电力系统对风电的接纳能力的必备选择。

风功率爬坡是指在较短时间内，风功率上升或下降幅度较大，对区域电能质量产生影响且影响到电力调度计划的风功率波动过程。随着风力发电的快速发展，风电并网装机容量的不断上升，受到自然气候不规律作用的风电功率波动对电力系统所产生的影响亟需有效的分析研究。其中，风功率爬坡预测是极为紧迫的环节。

风功率爬坡预测的核心问题是爬坡事件的预测，而爬坡事件的预测离不开对大风(以及无风)气象的预报，这就取决于数值天气预报的预报准确度及分析方法的运用。

目前国内外在风功率爬坡预测的研究中，并未有效地将各类引起爬坡的大风天气进行内在的动力学和热力学分析，使得爬坡天气未被有效地提取跟踪出来，这就造成了部分可以造成风功率大幅度波动的气象信息的缺失。因此需要提出针对风功率爬坡信息所对应的不同时空尺度下的各类爬坡气象分类方法，以期待得出更为精准的风功率爬坡预报分析结果所需的爬坡气象分类信息补充方案，而其中所面临的问题是在预报过程中的核心问题。

发明内容

本发明主要是解决现有技术所存在的技术问题；提供了一种将数值天气预报的结果进行爬坡气象分类研究，依据数值天气预报的数据输入为不同的爬坡气象提供了更准确的分类模型及数据修正的一种基于深度置信网络分类方法的风功率爬坡预测方法。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于深度置信网络分类方法的风功率爬坡预测方法，其特征在于，包括以下步骤：

步骤1，建立指定区域内基于数值天气预报数据的爬坡气象特征分析的参数指标库，收集表征大风爬坡天气的特征指标量，所述表征爬坡气象的特征指标量由参数类型决定，所述参数类型包括：稳定度指标、热力指标、动力学指标以及热力/动力综合指标；模型的建立针对指定区域的采样，采样后建立参数指标库；所述稳定度指标、热力指标、动力学指标以及热力/动力综合指标中，各个指标包括的对流参数如下：

所述稳定度指标包括最佳对流有效位能参数；所述热力指标包括沙氏指数和K指数；所述动力学指标包括密度加权平均垂直风切变和涡生参数；所述热力/动力综合指标包括风暴强度指数和理查德逊数；通过各种气象特征指标，建立大风天气判别分析模型，模型的采样时间为每15分钟一次，且按数值天气预报每六个小时跟踪修正一次，判别函数值按照判别准则进行分类，并结合历史统计值进行统计检验；

步骤2，根据步骤1所建立的爬坡气象特征分析的参数指标库，运用数值分类方法在指定区域范围内建立用特征指标量判别分析导致风功率爬坡的爬坡气象分类模型，所述判别方法是基于深度信任网络进行分类分析模型建立；深度置信网络即运用数值分类方法，在指定区域范围内建立用特征指标量判别分析导致风功率爬坡的爬坡气象分类模型；