[发明专利]一种短时风电功率的组合预测方法

说明书

技术领域

本发明涉及风电技术领域，具体地来讲为一种短时风电功率的组合预测方法。

背景技术

风功率预测/风电场功率预测WPP(WindPowerPrediction)(也有一些国内专业 杂志称为WindEnergyPrediction)风功率预测是指风电场风力发电机发电功率预测。

风电场是利用在某个通过预测的坐标范围内，几座或者更换多的经过科学测算， 按照合理距离安装的风力发电机，利用可控范围内的风能所产生的电力来实现运行供电。

由于风是大气压力差引起的空气流动所产生的，风向和风力的大小时刻都在变 化。因而，风力发电具有波动性、间歇性和随机性的特点。

这些特点所导致的风电场功率波动，会对地区电网整体运行产生影响，进而会影 响到整个地区总网内的电压稳定。因此，当风力发电场，特别是大容量风力发电场接入电网 时，就会给整个电力系统的安全、稳定运行带来一定的隐患。同时，这些波动性、间歇性和随 机性的特点，也会严重影响风机的发电效率和使用寿命。

发明内容

本发明所要解决的技术问题在于提供一种短时风电功率的组合预测方法，提高预 测精确性和速度。

本发明是这样实现的，

一种短时风电功率的组合预测方法，基于灰色系统与最小二乘支持向量机，包括 以下步骤：

步骤1：对原始风电功率数据进行预处理，进行灰色预测，得到残差序列，然后用最 小二乘支持向量机模型对残差序列进行预测，得到新的残差值；

步骤2：选择核函数，采用交叉验证的方法确定最小二乘支持向量机的回归参数： 得到数据集之后，选择径向基函数作为核函数，包含宽度参数、二次规划的优化参数；

步骤3：构造组合预测模型；

步骤4：输入步骤2的数据集，生成预测函数；

步骤5：进行预测误差评价分析。

进一步地：

步骤1中进行最小二乘支持向量机训练，对训练的数据进行数据归一化预处理，生 成数据集并分组，即把样本数据转化为0～1之间的数据。

进一步地：

步骤1包括：通过风电检测系统得到原始据序列为：

X⁽⁰⁾＝{x⁽⁰⁾(1)，x⁽⁰⁾(2)，...，x⁽⁰⁾(n)}

其中X⁽⁰⁾为风电功率序列，x⁽⁰⁾(k)为风电功率数据，且x⁽⁰⁾(k)≥0，k＝1,2,…n对原 始风电功率的累加得到具有一定规律的新序列：

X⁽¹⁾＝{x⁽¹⁾(1)，x⁽¹⁾(2)，...，x⁽¹⁾(k)}其中X⁽¹⁾为X⁽⁰⁾的1-AGO序列，且 X(1)(k)=Σi=1kX(0)(i),k=1,2,...n]]>