[发明专利]一种风电功率短期预测方法

说明书

技术领域

本发明涉及一种风电功率预测方法，尤其是涉及一种风电功率短期预测方法。

背景技术

风功率预测是评估风电场运行状态的基础，其随机波动特性对电网安全运行带来挑战。为了提高风电场出力的可预见性，保证电力系统安全稳定可靠运行，缓解电力系统调峰、调频压力，必须提高微网短期功率预测的精度。近年来国内外关于风电功率预测主要基于风电场的历史数据、数值天气预测(Numerical Weather Prediction，NWP)、地理位置和气象环境因素、风速-风功率转化特性，结合物理、统计及组合等预测模型，实现多时间尺度的风电功率预测。

采用物理模型必须依靠成熟的NWP体系，量化分析处理风电场风速、风向、温度、大气湿度和气压等历史气象数据，将其带入功率转曲线求出实际功率，此法具有NWP更新速度的局限性，一般用于风机检修或调试，通常用于风电功率的中短期预测。统计回归和学习理论均基于历史统计数据、实时监测值和输出功率之间的映射关系，具有泛化能力强，无锡考虑风机周边的具象特性等有点，广泛应用于风电功率的短期预测。但统计回归法过于依赖历史数据，不适用于小数据样本的情况，且面对复杂多变的气象环境，模型的适用范围有待提高。统计学习法基于机器学习的思想，弥补了统计法的不足，提高了模型的灵活性。目前研究的重点是风电功率对风速、风向的波动响应，对于风速的研究为今后发展的重点。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种风电功率短期预测方法。

本发明的目的可以通过以下技术方案来实现：

一种风电功率短期预测方法，该方法包括如下步骤：

(1)获取训练数据集，所述的训练数据集包括历史风速时序序列和历史天气数据，采用历史风速时序序列进行模型训练得到风速预测模型，同时利用历史风速时序序列和历史天气数据进行模型训练得到风电功率预测模型；

(2)获取预测数据集，所述的预测数据集包括待进行风电功率预测期限前的设定时间段的历史风速时序序列以及预测期限内的天气预报数据；

(3)将预测数据集中的历史风速时序序列输入至风速预测模型得到预测期限内的预测风速时序序列；

(4)将预测风速时序序列和预测数据集中的天气预报数据输入至风电功率预测模型得到预测期限的风电功率预测值。

步骤(1)中建立风速预测模型具体为：

(11)采用基于集合经验模态分解方法将训练数据集中的历史风速时序序列分解为频域稳定的n个风速子序列；

(12)将n个风速子序列进行相空间重构得到n个风速重构子矩阵；

(13)建立n个风速预测模型；

(14)将n个风速重构子矩阵分别作为一个训练样本输入至风速预测模型，每个风速预测模型对应输出一个风速预测子序列；

(15)对相空间重构参数和风速预测模型参数进行寻优求解得到最优相空间重构参数和风速预测模型参数。

所述的风速预测模型为最小二乘支持向量机风速预测模型。

步骤(3)具体为：

(31)采用基于集合经验模态分解方法将预测数据集中的历史风速时序序列分解为频域稳定的n个风速预测子序列；

(32)通过确定的最优相空间重构参数对n个风速预测子序列分别进行相空间重构得到n个风速重构预测子矩阵；

(33)将n个风速重构预测子矩阵作为预测输入并输入至确定好最优风速预测模型参数的最小二乘支持向量机风速预测模型得到n个风速预测子序列；

(34)将n个风速预测子序列进行叠加得到预测风速时序序列。

所述的基于集合经验模态分解方法具体为：

(a)将待分解的历史风速时序序列加入服从正态分布的白噪声序列，构成新的风速目标序列；

(b)对风速目标序列进行经验模态分解，求出n-1个本征模态函数分量C_i(t)和剩余的1个残差分量r_n(t)，i＝1,2……n-1；

(c)更新白噪声序列重复执行步骤(a)～(b)直至进行p次经验模态分解分解得到p组本征模态函数分量和残差分量；

(d)对p组本征模态函数分量和残差分量对应求取均值并作为频域稳定的n个风速子序列。

步骤(b)中经验模态分解具体为：

(b1)将风速目标序列记作X(t)，定义本征模态函数分量的充分条件，令分解次数i＝1；

(b2)令迭代次数k＝1；