[发明专利]一种基于超短期弃风曲线预测的弃风减量方法

说明书

本发明是一种基于超短期弃风曲线预测的弃风减量方法，属于电气工程有功调度领域,本发明涉及一种基于超短期弃风曲线预测的弃风减量方法。针对与弃风量相关的环境数据、风机数据、负荷数据及自定义数据进行监测和记录，并根据四类数据计算弱相关环境预测指数、强相关环境预测指数、强相关风机预测指数、区域负荷修正总量、区域负荷修正峰谷差五个重要参数，进而构建弃风曲线预测函数。该曲线预测函数可以通过提高数据测量频率和调整预测计算时间间隔达到调整预测精度的效果。通过对风电场弃风功率进行准确的预测，为电网协调调度提供依据，用于优化调频及旋转备用容量，在线优化机组组合与经济负荷调度，减少弃风量。

技术领域

属于电气工程有功调度领域,本发明涉及一种基于超短期弃风曲线预测的弃风减量方法。

背景技术

随着风电接入电网规模日益增加，弃风现象也日益明显，造成了对风能资源的浪费及电力系统资源的损失，并极大地限制了风能的进一步发展。因此，对弃风曲线的预测显得愈发重要。

现有的超短期弃风预测方法采用风电出力曲线减去负荷曲线的方法，用到相似日法，人工神经网络法，小波分析法，支持向量机。相似日法只能针对已有历史数据进行定量分析，灵活性较差；人工神经网络法极易陷入局部最小值，且收敛速度慢；小波分析法使用时非常依赖小波基的选取，极大影响预测精度；支持向量机运算时随着数据量增大和维数增加对硬件要求大大提高。

现有技术一《大规模风电并网电力系统经济调度中风电场出力的短期预测模型》(中国电机工程学报2010年第30卷第13期)，在基于神经网络的风电场出力短期预测模型对风电场出力进行预预测的基础上，考虑到历史的预测误差并应用基于改进的神经网络预测技术对未来的预测误差进行误差预测，应用该预测误差修正风电场出力的短期预预测，建立了基本能满足大规模风电并网电力系统经济调度时间尺度和精度尺度要求的风电场出力短期预测模型。

现有技术一对基于神经网络的风电场出力预测方法进行改进，提出的误差修正方案能够有效地减少预测系统的预测误差，但是当误差预测的变化趋势与预预测误差的变化趋势相反或者变化趋势没有规律时，其误差修正方案有待进一步研究。

现有技术二《基于改进最小二乘支持向量机和预测误差校正的短期风电负荷预测》(电力系统保护与控制2015年第43卷第11期)引入提升小波分解原始数据，可以有效提取其主要特征，从而克服风电场的随机性。然后采用最小二乘支持向量机对分解后的信号做预测，保证了预测精度。接着用误差校正方式修正预测结果，减少了较大误差点的出现，提高了预测结果的稳定性。

现有技术二针对有较多较大误差点出现的现象，增加误差预测对预测结果进行修正，达到提高预测精度的目的，但是提升小波对小波基的选取依赖性更高。

现有技术三《基于小波-原子分解的超短期风电出力预测模型》(仪器仪表学报2016年第37卷第10期)提出了基于小波-原子分解的风电出力超短期预测模型。该模型采用小波分解作为前置环节，以基于原子表达式的自预测和基于最小二乘支持向量机的残余分量预测为基础构建原子分解预测模型，分别对风电出力的高低频分量进行预测，并将结果相加得到最终预测值。

现有技术三在风电出力发生大幅振荡时，存在滞后现象。因此下一步对风电出力进行超短期预测研究时，可引入气象因素对实际值及预测值的影响，使预测模型包含更多的环境及气候信息，从而使预测精度更高。

发明内容

本发明的研究目标是：

大量弃风的原因在于电网调度系统对风电出力预测的不确定性持不采用态度，在常规机组组合时不考虑风电发电，排出日常机组组合后风电适量纳入系统，非用电高峰时段造成大量弃风。因此本发明提出一种基于弃风曲线预测的超短期弃风减量方法。