[发明专利]结合广义源-网-荷信息的风电爬坡事件直接预报方法

说明书

本发明涉及一种风电爬坡事件的预报方法，特别涉及一种结合广义源‑网‑荷信息的风电爬坡事件直接预报方法，具体步骤如下：根据电网中每一个时刻的风力发电机组和其他新能源发电机组与电网负荷的实际情况设定样本点；定义一种通道自选择的多层累加系数修正模型，对模型的参数进行设定；利用设定的样本点与建立的模型对样本进行识别，根据是否为风电爬坡事件将样本进行二分类；使用smote过采样算法对样本进行前处理，利用BP神经网络算法建立数据驱动模型，对风电功率爬坡事件进行预测。电力系统根据本发明的直接预报的结果，采取措施降低甚至避免风电爬坡事件对发电厂带来的危害，保证区域电力系统的安全高效稳定运行。

技术领域

本发明涉及一种风电爬坡事件的预报方法，特别涉及一种结合广义源-网-荷信息的风电爬坡事件直接预报方法。

发明背景

风电爬坡也称为风电功率爬坡，是指风电厂群输出的有功功率在短时间内发生单向大幅度的变化，此变化易超出电网负荷承载能力，直接导致电力系统发用电不平衡，严重威胁到电力系统的安全稳定运行，甚至造成严重的电力系统停电事故，给社会经济造成很大的损失。对风电爬坡事件进行预测，可以为电网的调度和控制提供数据基础和决策基础，因此对风电爬坡事件的预测十分重要。

目前，风电爬坡事件的研究成果较多，张东英等人对风电爬坡事件的研究现状进行了综述，指出风电爬坡事件直接预测方法直观、准确度高，是目前常用的预测方法。预测的基础是定义，C.Ferreir等人对目前使用较多的四种风电爬坡事件定义方法进行介绍。何成明等人认为定义爬坡事件的主要特征是短期内的风速巨变。匡洪海等人提出了一种基于极值点提取风电爬坡事件识别方法，对数据样本进行压缩。上述研究成果，虽然对风电爬坡事件进行了具体的定义，但仅考虑了风电厂侧输出功率信息。龚裕仲等人结合网频进一步考虑了网测信息，崔明建等人结合负荷侧信息，考虑了风电的正调峰特性。上述研究成果虽然考虑了电网和负荷侧信息，但其他电源出力于风电存在着互补特性，也会对风电爬坡事件产生影响。在风电爬坡事件的直接预测研究中，郑海洋等人基于数据挖掘算法直接预测风电的爬坡率，从不同时间尺度对比了五种算法的预测性能。Hamidreza Zareipou等人将爬坡事件与非爬坡事件进行分类，直接利用支持向量机进行建模预测。然而上述研究成果虽能够对风电爬坡事件进行直接预测，但预测精度较低。王伟等人通过改进算法引入权重参数调整SVM的分类决策函数，提高少类样本的贡献，从而提升了预测精度，但这类方法的普适性较差，只对SVM适用。因此，在现有的风电爬坡事件预测中，还存在着定义中没有考虑风电与其它电源之间的互补特性的问题，直接预测方法没有考虑样本类别不平衡的问题。

实际上，风电爬坡事件的预测应根据电网实际运行需求，充分考虑电网中各类新能源电源及负荷之间的相互关系，从电网整体运行控制的角度对风电爬坡事件进行定义。而在风力发电机组运行过程中，风电爬坡事件是一个小概率事件，在进行直接预测的过程中会出现类不平衡问题，导致预测精度的降低。因此如何从电网整体运行和控制的角度提出一种具有较高预测精度的风电爬坡事件预测方法是一个值得深入研究的问题。

发明内容

为了结合电网实际运行情况，提升风电爬坡事件的预测准确性，本发明提出了一种结合广义源-网-荷信息的风电爬坡事件直接预报方法，该方法的步骤如下：

结合广义源-网-荷信息的风电爬坡事件直接预报方法，包括以下步骤：

步骤一：根据电网中每一个时刻的风力发电机组和其他新能源发电机组与电网负荷的实际情况，设定样本点；

步骤二：定义一种通道自选择的多层累加系数修正模型，根据电网中各发电机组与负荷的实际情况对模型的参数进行设定；

步骤三：利用步骤一中设定的样本点与步骤二中建立的模型对样本进行识别，根据是否为风电爬坡事件将样本进行二分类；

步骤四：使用smote过采样算法，对选取的样本点数据进行前处理，使样本中爬坡事件的占比与非爬坡事件的占比相等；