[发明专利]一种适于光伏/风电功率预测的时间特征尺度建模方法

权利要求书

1.一种适于光伏/风电功率预测的时间特征尺度建模方法，其特征是：包括以下步骤，且以下步骤顺次进行，

步骤一、通过数据采集与监控系统读取全年光伏/风电电站有功功率的历史数据P*；

步骤二、对光伏/风电电站的有功功率历史数据P*进行预处理，起点补0，末尾补0，得到新的有功功率时间序列P，计算每日时间序列P的长度N；

步骤三、利用三次样条线性插值法对步骤二得到的新的有功功率时间序列P的持续状态进行分段线性化拟合，得到光伏/风电电站有功功率的分段线性拟合曲线；

步骤四、提取所述步骤三获得的分段线性拟合曲线的极大值点和极小值点，建立光伏/风电电站有功功率波动特征指标；

步骤五、根据光伏/风电电站日有功功率波动状态，提取有功功率持续波动状态特征，建立基于多目标优化的光伏/风电电站有功功率时间特征尺度模型，并利用蚁群算法对该模型进行求解，进行光伏/风电电站有功功率的时间特征尺度标定，获得最佳时间特征尺度；

步骤六、将所述步骤五获得的最佳时间特征尺度代入光伏\风电功率超短期预测模型，验证各时间尺度对光伏\风电功率预测精度的影响；

所述步骤四中，建立光伏/风电电站有功功率波动特征指标为，

①、根据光伏/风电电站有功功率分段线性拟合曲线，依次计算光伏/风电电站有功功率相邻极值点之差ΔP(i)，计算公式如下：

ΔP(i)＝P(i+1)-P(i),(1≤i＜N)

其中，ΔP(i)＞0，光伏/风电电站有功功率曲线在步长内单调递增；

ΔP(i)＜0，光伏/风电电站有功功率曲线在该步长内单调递减；

②、对ΔP(i)再次计算差值ΔP′(i)＝(P(i+1)-2×P(i)+P(i-1))/2，差值ΔP′(i)＝0，依据极大值、极小值的判断条件，确定该步长内的光伏/风电电站有功功率P的极大值或极小值以及对应的位置序号；

极大值判断条件：ΔP′(i)＜0，光伏/风电电站有功功率曲线在该步长内存在极大值，当P(i-1)≤P(i)且P(i)≥P(i+1)时,P(i)为极大值点；

极小值判断条件：ΔP′(i)＞0，光伏/风电电站有功功率曲线在该步长内存在极小值，当P(i-1)≥P(i)且P(i)≤P(i+1)时,P(i)为极小值点；

③、建立光伏/风电电站有功功率持续状态向量矩阵W及其有功功率持续时间特征向量矩阵T_i：

T_i＝[T₁ T₂…T_n](i＝1,2,…,n)

其中，W_1,n为极值点的类型，W_1,n＝1时为极大值，W_1,n＝-1时为极小值；W_2,n为该极值点所对应的光伏/风电有功功率值；b为极值点的位置序号；n为每日有功功率持续时间的数据长度；

④、相邻的极大值点或极小值点相同，对同一水平线上的极值进行筛选，选取相邻极值点所对应的起始时间序列号α和终点时间序列号β的算术平均值q，并将其作为新的极值点所对应的时间特征序列号剔除冗余的极大、极小值点，得到新的光伏/风电电站有功功率持续状态向量矩阵W^*及其有功功率持续变动时间特征向量矩阵T_i^*：

其中，k是剔除冗余极值之后的有功功率持续时间的数据长度；

⑤、计算该时间序列的持续波动状态特征指标，计算公式如下：

各相邻极值点所对应的时间特征量：ΔT_k＝t_k+1-t_k；

各相邻极值点的波动幅值：ΔP_k＝w_2,k+1-w_2,k；

各相邻极值点所构成的直线斜率：

各相邻极值点围成的三角形面积：

其中，t_k、t_k+1为相邻极值点k、k+1所对应的时间特征量；w_2,k,w_2,k+1为相邻极值点k、k+1所对应的光伏/风电有功功率值；

所述步骤五中，基于多目标优化的光伏/风电电站有功功率时间特征尺度模型建立方法为，

目标函数：

约束条件：

其中，f₁、f₂、f₃、f₄分别为目标函数1、目标函数2、目标函数3、目标函数4；r_k为波动率；P_rat为光伏/风电电站的额定功率。