[发明专利]一种基于协方差的短期风功率预测方法

说明书

技术领域

本发明属于风电功率预测技术领域，具体涉及一种基于协方差的短期风功率 预测方法。

背景技术

风能是目前最具大规模商业化开发利用潜力的可再生能源，风力发电是大规 模利用风能的有效途径，也是我国能源和电力可持续发展战略的最现实选择。随 着风电场大规模接入主干电网，风电场功率波动会对电网电压、频率的稳定产生 一定影响，进而影响电网的安全稳定运行。电网的发电用电需时刻保持平衡，而 风能作为间歇性能源，风电场的有功功率出力情况随风速的变化而变化，具有很 大的不确定性。这使得风电场的有功出力预测变得尤为重要。

目前，短期风电功率预测主要有两种方法。一是物理方法，先利用数值天气 预报系统得到风速、风向、气压、气温等天气数据，然后根据风力发电机组周围 的物理信息得到风电机组轮毅高度的风速、风向等信息，最后利用风力发电机组 的功率曲线计算得出风力发电机组的输出功率；二是统计方法，即根据历史数据 风速或功率在天气状况与输出功率间建立映射关系，然后进行预测。统计方法中 的建模方法主要包括时间序列法、卡尔曼滤波法、神经网络法、支持向量机法、 小波分析法和灰色预测法。无论采用哪一种预测模型，都有不同的缺点和优点， 组合模型希望能够综合不同预测方法的优点，提高预测的精度。理论和实际都能 够表明，组合模型因为综合了不同的预测模型，相对于单一的预测模型能够减少 预测误差，同时因为综合考虑多方面因素使预测结果更加平稳，是未来功率预测 发展的一个重要方向。经对现有技术文献的检索发现，中国专利申请号为： 201410155445.7，名称为一种风电功率预测组合方法和系统，该申请提出通过时 间序列法和BP人工神经网络法进行预测，然后利用得到的预测结果再建立新的 预测模型，最终得到了风电功率的预测值，但该系统没有利用数值天气预报，单 纯利用统计模型，同时也没有精确的模型修正系统，预测精度不高。中国专利申 请号为：201210397181.7，名称为一种风电功率预测方法，该申请提出通过选择 遗传算法、神经网络、支持向量机三种智能算法建立组合预测模型。虽然该方法 精度较高，但组合预测模型复杂，预测程序运行较慢。

发明内容

本发明的目的为解决现有技术的上述问题，本发明提供一种简单实用、响应 迅速、预测精度高且基于协方差的短期风功率预测方法，为了实现上述目的，本 发明采用的技术方案如下：

一种基于协方差的短期风功率预测方法，其特征在于：包括以下步骤：

步骤1：实时获取风力发电场的数据包括实时风功率数据、数值天气预报数 据、实时上网数据、风塔气象台数据；

步骤2：将实时获取的数值天气预报数据、实时上网数据、风塔气象台数据 进行协方差计算预测，所述协方差计算预测基于NWP空间差值模型、BP神经网 络模型和LS-SVM模型三个模型分别进行风功率预测；

步骤3：对实时风功率数据和协方差计算预测的三个模型数据通过权值分配 组合进行误差分析得到最终预测结果。

优选地,所述误差分析预测包括如下步骤：

步骤21：分别计算NWP空间插值模型、BP神经网络模型、LS-SVM模型当前 时刻预测风功率值的误差e_i和误差的方差σ_i；

其中，i＝1,2,3；

σi=ei2;]]>

式中：g_i为当前时刻的真实风功率值，为当前时刻各个模型的预测风功率值；

步骤22：分配NWP空间插值模型、BP神经网络模型、LS-SVM模型当前时刻 所占的权重，假定各自的权重系数为λ₁、λ₂、λ₃，则组合后当前时刻的风功率值p 为：

p＝λ₁P₁+λ₂P₂+λ₃P₃；