[发明专利]一种风电爬坡事件预测方法

权利要求书

1.一种风电爬坡事件预测方法，其特征在于，该方法包括以下步骤：

步骤S1：利用历史数据和风电功率曲线模型得到风电功率的历史模型值和风电功率的预测模型值；

步骤S2：根据所述风电功率的历史模型值和历史数据得到风电功率的历史残差；

步骤S3：利用马尔可夫自回归模型和所述风电功率的历史残差进行残差预测，得到残差的预测值；

步骤S4：利用所述残差的预测值和风电功率的预测模型值得到风电功率的预测值；

步骤S5：利用改进的旋转门算法从所述风电功率的预测值中提取线性趋势段；

步骤S6：利用爬坡事件的定义得到所述线性趋势段中的预测风电爬坡事件，提高电网风电并网的友好性。

2.根据权利要求1所述的一种风电爬坡事件预测方法，其特征在于，所述的历史数据包括风电功率的历史实测值和历史风速。

3.根据权利要求1所述的一种风电爬坡事件预测方法，其特征在于，所述的风电功率曲线模型为自适应神经模糊推理模型。

4.根据权利要求1所述的一种风电爬坡事件预测方法，其特征在于，所述的马尔可夫自回归模型根据马尔可夫链状态在不同时刻切换不同的自回归方法。

5.根据权利要求1所述的一种风电爬坡事件预测方法，其特征在于，所述的马尔可夫自回归模型利用最大期望算法得到每个时刻的状态。

6.根据权利要求1所述的一种风电爬坡事件预测方法，其特征在于，所述的马尔可夫自回归模型利用最大似然估计算法得到转移概率。

7.根据权利要求1所述的一种风电爬坡事件预测方法，其特征在于，所述的改进的旋转门算法为：

其中，F_i为检测函数，t₁是风力发电到达极限值的时间，t_d为线性事件结束的时间，A₁和B₁表示旋转门的下部，A₂和B₂表示旋转门的上部，A₁、A₂和B₁、B₂可表示为：

其中，ε表示旋转门的大小，1{*}表示条件满足为1、条件不满足为0的逻辑函数，和表示旋转门的边界，P_i为i时刻的风电功率。

8.根据权利要求7所述的一种风电爬坡事件预测方法，其特征在于，所述的旋转门的大小ε为装机容量的2.5％。

9.根据权利要求7所述的一种风电爬坡事件预测方法，其特征在于，所述的旋转门边界和为：

其中，P₀为零点的风电功率，P_t为t时刻的风电功率，i表示i时刻。

10.根据权利要求1所述的一种风电爬坡事件预测方法，其特征在于，所述的爬坡事件定义为：

|P(t+Δt)-P(t)|Δt≥R_val

其中，R_val为阈值，P(t)表示t时刻风电功率，Δt表示时间间隔，P(t+Δt)表示t+Δt时刻的风电功率。