[发明专利]一种基于分解与聚合的风电场风速组合预测方法及装置

说明书

本发明公开了一种基于分解与聚合的风电场风速组合预测方法及装置，该方法包括步骤：获取风电场历史风速序列，对风电场历史风速序列进行分解，得到风速对应的残余分量和在不同尺度的特征分量；对特征分量的复杂度进行计算，将复杂度的差值小于预设阈值的特征分量归属于一类，得到多个特征分量类别；将同一特征分量类别的特征分量进行叠加，得到多个聚合分量；分别对各个聚合分量进行单独预测，得到各个聚合分量对应的聚合预测序列；对残余分量进行预测，得到残余分量对应的残余预测序列；将残余预测序列和各个聚合预测序列进行叠加，得到最终的风速预测序列。本发明既保证了预测序列对原始序列多尺度特性的还原，也提高了预测的精度。

技术领域

本发明涉及可再生能源发电技术领域，尤其涉及一种基于分解与聚合的风电场风速组合预测方法及装置。

背景技术

高精度的风速预测对于降低风电功率波动对电网稳定性的影响具有重要作用，而风速的随机性、波动性增加了风速预测的难度。由于风速时间序列可看作是多个不同频率信号的耦合结果，其具有很强的多尺度特性，因此应用传统的预测方法将很难还原风速序列的多尺度特性。目前主要是采用特征分量分解的方法对风速时间序列进行分解，然后得到一系列的特征分量，再对各个分量分别建立预测模型进行预测，最后对所有分量的预测结果进行叠加，得到最终预测结果，该方法的过程会略显冗余，而且各个分量的预测误差会累计，使得最终预测结果的精度不高。

发明内容

本发明实施例的目的是提供一种基于分解与聚合的风电场风速组合预测方法及装置，通过对原始风速序列进行分解和聚合，既保证了预测序列对原始序列多尺度特性的还原，也提高了预测的精度。

为实现上述目的，本发明一实施例提供了一种基于分解与聚合的风电场风速组合预测方法，包括以下步骤：

获取风电场历史风速序列，对所述风电场历史风速序列进行分解，得到风速对应的残余分量和在不同尺度的特征分量；

对所述特征分量的复杂度进行计算，将复杂度的差值小于预设阈值的所述特征分量归属于一类，得到多个特征分量类别；

将同一特征分量类别的所述特征分量进行叠加，得到多个聚合分量；

分别对各个所述聚合分量进行单独预测，得到各个所述聚合分量对应的聚合预测序列；

对所述残余分量进行预测，得到所述残余分量对应的残余预测序列；

将所述残余预测序列和各个所述聚合预测序列进行叠加，得到最终的风速预测序列。

优选地，所述对所述风电场历史风速序列进行分解，得到风速对应的残余分量和在不同尺度的特征分量，具体包括：

采用经验模态分解方法对所述风电场历史风速序列进行分解，得到风速对应的残余分量和在不同尺度的特征分量；其中，所述风电场历史风速序列的表达式子为v(t)为风速在t时刻对应的所述风电场历史风速序列，c_i(t)为所述风电场历史风速序列进行分解后得到的第i个特征分量，1≤i≤N，N为特征分量的个数，r(t)为所述风电场历史风速序列进行分解后得到的所述残余分量。

优选地，所述对所述特征分量的复杂度进行计算，将复杂度的差值小于预设阈值的所述特征分量归属于一类，得到多个特征分量类别，具体包括：

采用模糊熵对所述特征分量的复杂度进行计算，得到各个所述特征分量的模糊熵计算值；

按照预设的模糊熵数值间隔对所述特征分量进行分类；

将所述模糊熵计算值的差值小于预设阈值的所述特征分量归属于一类，得到多个特征分量类别。

优选地，在所述分别对各个所述聚合分量进行单独预测，得到各个所述聚合分量对应的聚合预测序列之前，还包括：