[发明专利]一种短期风速预测方法

说明书

技术领域

本发明涉及风力发电技术领域。

背景技术

在可再生能源中风力发电的增长速度最快，装机容量每年增长超过30％。根据欧洲风能协会和绿色和平组织签署的《关于2020年风电达到世界电力总量的12％的蓝图》的报告期望并预测2020年全球的风力发电装机将达到12.31亿kW(是2002年世界风电装机容量的38.4倍)，年安装量达到1.5亿kW，风力发电量将占全球发电量的12％。我国的风电行业也进入快速增长时期，为了使风电在快速增长的电力工业占有较多的份额，我国政府计划在2020年风电的装机容量达到3000万kW。

如果对风电场风速预测比较准确，将有利于调整调度计划，从而有效减轻风电对整个电网的不利影响，减少电力系统运行成本和旋转备用，提高风电穿透功率极限，并且有利于在开放的电力市场环境下正确制定电能交换计划等。风电穿透功率是指风电功率占系统总发电功率的比例。中国电力科学研究院在这方面进行了大量的研究工作。一般情况下，在风电穿透功率不超过8％时，我国电网不会出现较大的技术问题。但是，当风电穿透功率超过一定值之后，有可能对电能质量和电力系统的运行产生影响，并且会危及常规发电方式。对风电场做短期风速预测，再由风功曲线得到风力发电功率的预测值，这是进行风力发电功率预测的有效途径之一。

根据研究期长短及用途的不同，可将风特征分为长期、中期和短期特征。目前，国内外用于风速预测的方法主要有持续预测法、卡尔曼滤波法、时间序列分析法、神经网络方法和模糊逻辑法等，而对于短期风速的预测常采用神经网络方法中的BP神经网络建模预测风速。这些风速预测的方法只需对风电场的原始风速时间序列建立模型，就可以进行预测，或者通过差分等手段，把非平稳的风速序列先转换为平稳序列，再对平稳序列进行建模和预测，存在着平均相对预测误差大，通常预测误差可达到20％。由于风速受温度、气压、地形等多种因素的影响，具有很强的随机性。对于短期风速的预测，按照现有神经网络方法中的BP神经网络建模预测风速，最终预测的风速误差大，增大了风电的运行成本。究其原因在于：BP神经网络建模预测风速，需要确定神经网络的结构参数即需要确定神经网络的输入神经元，隐层神经元，和输出神经元。其中神经网络的隐层神经元节点数的多少，对预测效果也有很大的影响。

为降低风电的运行成本，必须提高风速预测精度，本领域技术人员一直在努力研究具有高精度的风速预测方法，解决预测风速误差大的难题，但迄今尚未获得成功。

发明内容

本发明的目的在于克服现有风速预测技术上的缺陷，提出一种风速预测精度高的短期风速预测方法。

为了实现上述目的，本发明提供如下技术方案:一种短期风速预测方法，包括以下步骤：

(1)利用风速采集仪器每隔10-20分钟记录一次同一地区的风速数据，整理采集的原始风速数据，形成风速时间序列用于分析预测；

(2)基于混沌理论对时间序列进行相空间重构：运用C-C法确定混沌理论中最佳的嵌入维数和延迟时间，并进行多尺度分解和相空间重构；

设X(n),n＝1,2…，N为时间序列X_i(n)＝{X_i(n),X_i(n+τ),…X_i(n+(m-1)τ)}(i＝1,2,…,M)为相空间中的点，C-C法的具体描述如下：

嵌入时间序列的关联积分定义为下式的函数，其中r>0