[发明专利]一种基于改进粒子群的风力发电功率预测方法

说明书

本发明提出了一种基于改进粒子群的风力发电功率预测方法。本发明通过单位时间对风力电站历史发电数据进行等时间间隔采样得到风力电站输出功率时间序列，并对风力电站输出功率时间序列进行预处理，根据预处理后风力电站输出功率时间序列构建风力电站输出功率输入空间；通过输出功率输入空间构造基于SVM模型核函数；通过引入拉格朗日乘子以及预处理后风力电站输出功率时间序列构建基于SVM模型核函数的优化模型，通过改进权重的粒子群算法对基于SVM模型核函数的优化求解；通过优化的高斯核函数的比重系数、高斯核函数的核系数、多项式核函数的多项式阶数、惩罚系数以及基于SVM模型核函数构建预测模型。与现有技术相比，本发明提高了预测精度。

技术领域

本发明属于风力发电技术领域，具体涉及一种基于改进粒子群的风力发电功率预测方法。

背景技术

风力发电是一种利用自然界的风能，将其转换为电能的一种新型发电系统。由于世界上主要石油、天然气出口国的政治经济局势的持续动荡，各主要能源消耗国都在积极寻求替代方案，以降低对外能源依存度，保障国计民生的安全。正是在这样的背景下，风能作为一种清洁、廉价、充足和安全的能源形态，得到越来越广泛的利用。国际能源署《世界能源展望2017中国特别报告》认为，中国能源结构将逐步转换到清洁发电，而水力、风能和太阳能光伏引领的低碳装机容量将迅速增长，到2040年将占总装机容量的60％。风能作为一种可再生的清洁能源,逐渐成为人类社会可持续发展的首选能源,风速的不确定性和随机性,使得风力发电具有不可调度性,因此准确的预测风电输出功率对电力系统的发展至关重要。

然而现有的预测风力发电输出功率预测的方法存在一些问题，当预测注重全局的特性时容易忽略局部的特性，当预测注重局部的特性时容易忽略全局的特性，因此新提出的方法在全局性和局部性上同时能满足需求。

发明内容

为了解决上述技术问题，本发明提供了一种基于改进粒子群的风力发电功率预测方法。

本发明的技术方案为一种基于改进粒子群的风力发电功率预测方法，具体包括以下步骤：

步骤1：通过单位时间对风力电站历史发电数据进行等时间间隔采样得到风力电站输出功率时间序列，并对风力电站输出功率时间序列进行预处理，根据预处理后风力电站输出功率时间序列构建风力电站输出功率输入空间；

步骤2：通过输出功率输入空间构造基于SVM模型核函数；

步骤3：通过引入拉格朗日乘子以及预处理后风力电站输出功率时间序列构建基于SVM模型核函数的优化模型，通过改进权重的粒子群算法对基于SVM模型核函数的优化求解；

步骤4：通过优化的高斯核函数的比重系数、高斯核函数的核系数、多项式核函数的多项式阶数、惩罚系数以及基于SVM模型核函数构建预测模型；

作为优选，步骤1中所述单位时间为h，所述风力电站输出功率时间序列为:

P＝{p₁,p₂,p₃......p_N}

其中，N为风力电站输出功率时间序列的长度，p_k k∈[1,N]为第k个单位时间h的采样风力电站输出功率，若步骤1中所述风力电站历史发电数据在第k个单位时间h内数据缺失则p_k＝0；

步骤1中所述预处理为将风力电站输出功率时间序列P中，若采样风力电站输出功率为p_m＝0的元素则进行前后给定步长内数据的平均值处理：

其中，M为平均值序列长度；

步骤1中所述预处理后风力电站输出功率时间序列为：

其中，N为预处理后风力电站输出功率时间序列的长度；