[发明专利]基于风电天气分型特征选择的风电功率预测方法

说明书

本发明提供一种基于风电天气分型特征选择的风电功率预测方法，具体步骤包括：以历史数据集中的测风塔10m风速筛选数值天气预报风电天气样本段；对筛选样本段进行聚类，将风电天气划分为n类，未筛选的样本段作为第n+1类；对各类天气的输入特征分别进行选择，将W维特征降低到d_i(i＝1,2,…,n+1)维，d_i是第i类天气筛选得到的特征数；建立n+1类风电天气下的风电功率预测模型；识别未来24h各段风电天气类型，并分别将各类风电天气关联的d_i(i＝1,2,…,n+1)维特征作为预测输入，进行风电功率预测。本发明对不同持续时长的风电天气进行分型，采用以数据驱动的特征选择方法，发现不同天气背景下风机出力的关联天气特征并分别建立风电功率预测模型，有效提高了预测精度和效率。

技术领域

本申请涉及风电功率预测领域，具体地涉及一种基于风电天气分型特征选择的风电功率预测方法。

背景技术

风能因具有储量丰富、成本效益高、清洁环保等优点，得到了世界各国的广泛重视。风电的波动性和不确定性使其难以纳入电力系统调度，所以大规模风电并网将会影响电力系统的安全稳定和供电质量，而风电功率的准确预测是解决该问题最经济有效的手段。

单一预测模型已经不能满足预测精度的要求，考虑风电的天气背景，针对不同天气背景进行建模，对提高预测精度是一种非常有效的方式。风力变化受温度、湿度、气压等多种天气因素的影响，常规根据天气划分风电功率预测模型的预测方法，依据经验选取相关天气特征作为输入，且所有模型的输入天气特征相同。但不同天气过程下，准确的风电功率输出可能并不是全由或仅由凭经验选取的天气特征决定的。不相关和冗余天气特征不仅会增加预测系统的成本和运行时间，也会使其综合表现降低；缺少完整的天气特征信息，也限制了预测精度的进一步提高。

发明内容

为了克服现有技术的不足，本发明的目的是提出一种基于风电天气分型特征选择的风电功率预测方法，能提高预测精度。为实现上述目的，本发明采用以下方案：

一种基于风电天气分型特征选择的风电功率预测方法，其包括以下步骤：

步骤1：获得用于建模的历史风机出力、测风塔和数值天气预报的历史数据集H以及用于风电功率预测的未来24h数值天气预报数据F；

步骤2：以历史数据集H中的测风塔的10m风速筛选数值天气预报的风电天气样本段；

步骤3：对筛选得到的风电天气样本段进行聚类，将风电天气划分为n类，未筛选的风电天气样本段作为第n+1类天气类型；

步骤4：对n+1类天气类型的输入特征分别进行选择，将W维特征降低到d_i(i＝1,2,…,n+1)维，d_i是第i类天气类型筛选得到的特征数；

步骤5：建立第n+1类风电天气下的风电功率预测模型；

步骤6：在未来24h数值天气预报数据F中识别未来24h各样本段风电天气类型，并分别将各类风电天气关联的d_i(i＝1,2,…,n+1)维特征作为预测输入，采用对应的风电功率预测模型进行预测。

优选地，所述步骤2中以测风塔10m风速ws₁₀≥5.5m/s且持续两小时以上为定义筛选数值天气预报风电天气样本段m个，对于样本i(i＝1,2,…,m)，有：

其中，x_tj表示第j(j＝1,2,…,N)个天气特征指标在t(t＝1,2,…,T)时间的数值，N表示天气特征的总数，N＝15；T表示样本时间序列的最大长度。

优选地，所述步骤2中的m个样本段的T是不相等的。

优选地，所述步骤3中具体包括以下步骤：