[发明专利]一种基于大数据的样本采集风电出力概率预测方法

说明书

本发明一种基于大数据的样本采集风电出力概率预测方法，属于新型能源技术应用领域，特别涉及到一种风电出力概率的预测方法；本发明提出了一种基于大数据的样本采集风电出力概率预测方法，将大数据的信息根据发生概率分割成不同样本，实现对全部数据的统一风电出力预测模型。根据预测模型的不同趋势及概率，将采集的信息按不同横向时间段比对，可以给出各概率下的短期风电出力预测，提高了电网风电消纳能力，减少“窝风电”的可能性，增强了调度的安全性，并且通过不断更新数据库，提高数据库容量加强预测能力，实现更大范围更大精度的预测。

技术领域

本发明属于新型能源技术应用领域，特别涉及到一种风电出力概率的预测方法。

背景技术

最近几年可再生能源的发展非常迅猛，尤其是风电、光伏的建设规模越来越大，装机容量成指数级别增长。但是，大部分可再生能源，尤其是当前利用较高的风力和太阳能与大气环境关系密切，其不确定性以及分散性的特点对并网的可再生能源消纳提出了较大的考验。对可再生能源发电能力的预测可以及时调整电网结构，保证电网的安全稳定运行。

目前采用较多的预测模型是根据历史出力以及气象预测条件建立的回归预测模型，回归分析预测模型的方法是在分析某种现象的自变量与因变量之间关系的基础上，建立的函数关系方程，并将此方程作为预测模型，依据自变量的数量变化来预测因变量的相关关系。它是一种市场预测方法，需要找到预测对象的主要因素，并且对象尽可能少，避免方程中因变量过多，无法计算。

而新能源的分散性决定了不同地区及不同时段的风电出力特性是在不断变化的，模型的建立均有局限性，预测偏差较大，无法跟踪最新的动态条件，以及对未来较长时间段可能出现的情况给出合理的信息，从而造成电网平衡能力的降低。

因此现有技术当中亟需要一种新的技术方案来解决这一问题。

发明内容

本发明所要解决的技术问题是：提供了一种风电出力概率预测方法，能避免现有预测模型的局限性，减小预测偏差，并且可以更新跟踪新的数据以便能在较长时间内预测出新的处理信息的风电出力预测方法。

为实现上述目的，本发明提供如下技术方案：

一种基于大数据的样本采集风电出力概率预测方法，其特征是：包括以下步骤，且按照如下顺序实施：

步骤一、获取原始数据：获取地区历史气象资料，通过查询当地日志、气象台的记录信息以及其他气候监测系统的记录信息对原始气象数据以及风力情况进行处理，得到不同风速变化的数据情况。

步骤二、数据处理：校核已经采集到的初始信息，对初始风速、环境、气象条件等采集信息进行前置处理，根据不同的环境信息，将前置处理后的系数与风电出力样本进行匹配。

步骤三、建立初步预测数据模型：步骤二中匹配后得出的数据样本，将该数据样本按时间段进行处理，得出结合了风机数量和环境情况的初始风电出力情况的预测数据模型，所述预测数据模型标记不同时间段上风电出力情况形成一条风力发电的曲线图谱。

步骤四、细化初步预测数据模型：对步骤三中形成的预测数据模型进行筛选：按照不同的趋势变化设定一个横向时间的波动范围，根据横向时间比较这一地区各个时间段内的风速变化情况，按照不同时间段风速变化的不同，将预测数据模型中的数据按照一定系数和阈值进行筛选，将不符合范围内的数据单独储存。

步骤五、按照概率归档预测数据模型：将步骤四中所有数据按照出现频率进行记录，创建根据不同概率归类的预测数据模型。

步骤六、采集新数据：通过大数据技术，对相应区域内的所有气象及风机发电量数据进行采集。

步骤七、数据比对：将步骤六中新采集到的数据与步骤五中按照不同概率归类的不同的预测数据模型进行比对。比对后如果新采集的数据与已有的不同概率归类的不同的预测数据模型相同则输出比对后的结果，如果不同则将结果带入步骤二中的初始采集信息中。