[发明专利]一种短期风电功率预测方法及系统

说明书

本发明提供了一种短期风电功率预测方法及系统，包括：采集预测气象数据；将所述预测气象数据输入预先创建的短期风电功率预测模型，得到风电功率预测值；所述短期风电功率预测模型的训练数据集是将基于与所述风机输出总功率相关的历史气象数据作为建模数据、并对所述建模数据进行PCA主元提取后得到的。本发明提供的技术方案提高了运算速度与建模精度。

技术领域

本发明涉及风电功率预测，具体涉及一种短期风电功率预测方法及系统。

背景技术

目前，风电作为一种清洁能源，已成为继火电与水电之后的第三大电力能源。然而，风速的间歇性、随机性与波动性的特点使其不能像火电一样可以灵活调节，这给电力系统的安全稳定运行带来了挑战。随着风电规模的不停扩大以及装机容量的不断增长，风电消纳已成为影响风电行业健康可持续发展的重要问题，弃风限电问题较为突出。风电场功率预测作为增加风电接入容量、提高电力系统运行安全性与经济性的有效手段，近年来成为研究的热点。其中，短期风电功率预测通过对时间尺度在24～72小时内的风电场功率进行预测，用于经济调度，能够增强消纳能力，提高系统的安全稳定性。

风电的功率预测方法包括时间序列模型和基于数值天气预报(NWP)的预测模型两大类。时间序列模型以历史数据作为预测的主要依据，没有考虑气象因素对风电功率的影响。基于NWP的预测模型充分考虑风速、风向、气温、气压等实时数据，利用数据挖掘方法或统计方法建立预测模型，是短期功率预测所采用的主要方法。

目前，风电功率预测领域所面临的主要问题在于预测的精度不高。对于NWP预测模型，主要问题表现在气象数据波动性较大，工况复杂，导致预测模型泛化能力不足。

目前短期风电功率预测领域还存在较大的空白，在实际应用中，受到较多方面的影响，包括：一、短期风电功率预测影响因素及对风电功率的影响程度还未能明确界定；二、风电功率预测影响因素的特征量种类多，信息量大，数据处理复杂；三、风电功率智能预测的准确度有待提高。

因此，发明一种具有较高精度与可靠性的短期风电功率预测方法成为亟需解决的课题。

发明内容

本发明提供一种短期风电功率预测方法，包括：

采集预测气象数据；

将所述预测气象数据输入预先创建的短期风电功率预测模型，得到风电功率预测值；

所述短期风电功率预测模型的训练数据集是将基于与所述风机输出总功率相关的历史气象数据作为建模数据、并对所述建模数据进行PCA主元提取后得到的。

创建所述短期风电功率预测模型包括：

采集风机输出总功率以及与所述风机输出总功率相关的历史气象数据作为建模数据；

对所述建模数据进行预处理，消除风机输出总功率和所述历史气象数据的数据量纲；

对所述历史气象数据进行PCA主元提取；

基于所述主元构建训练数据集，将所述训练数据集进行分类；

将各类训练数据分别建立各自相应的SVR回归拟合模型；

将分类好的训练数据建立多分类SVM模型。

所述气象数据的特征参数包括风向、风速、空气的温度、湿度、大气压强；

所述气象数据从数值天气预报NWP中提取。

将所述训练数据集进行分类包括：

通过KFCM算法将训练数据集进行聚类，根据KFCM算法的核参数确定聚类数范围，并通过V_XB指标确定最优聚类数。

所述通过V_XB指标确定最优聚类数的计算式如下所示：