[发明专利]一种风电功率短期预测方法及系统

说明书

一种风电功率短期预测方法及系统，包括：基于待预测时段将风速预报数据根据风速波动过程划分为若干数据段，得到风速预报数据段；对所述风速预报数据段进行特征值的计算和提取，得到风速预报数据特征值；将所述风速预报数据特征值输入预先训练好的风电功率预测模型，得到风电功率预测特征值；对所述风电功率预测特征值进行处理，得到风电的预测功率；其中，所述风电功率预测模型，基于历史风速预报数据的风速波动过程和风电场实际功率数据的风电功率波动过程进行训练得到；本发明通过对预报风速的过程进行划分和特征提取，建立风过程与功率的关联模型，从而实现风电的功率预测，可有效捕捉风电的波动，提高预测水平。

技术领域

本发明涉及新能源发电领域，具体涉及一种风电功率短期预测方法及系统。

背景技术

风电出力具有随机性和波动性，其输出功率的不确定性带来了一系列调度运行问题，对风电功率进行准确的短期预测是降低不确定性影响的有效手段。根据已颁布的相关标准规定，风电短期功率预测要求每日预测次日0时至未来72小时的功率，时间分辨率15分钟。在短期预测方面，已开展了大量的研究，在电网的调度运行中也得到应用，目前较成熟的技术思路是建立气象与功率在具体时刻的关联模型，并输出与气象预报数据时刻对应功率预测值，未考虑风电出力的连续性和波动性，难以有效捕捉风电的出力波动过程，预测水平达到瓶颈。

发明内容

针对目前风电功率短期预测未考虑风电出力的连续性和波动性，难以有效捕捉风电的出力波动过程的问题，本发明提供了一种风电功率短期预测方法，包括：

基于待预测时段将风速预报数据根据风速波动过程划分为若干数据段，得到风速预报数据段；

对所述风速预报数据段进行特征值的计算和提取，得到风速预报数据特征值；

将所述风速预报数据特征值输入预先训练好的风电功率预测模型，得到风电功率预测特征值；

对所述风电功率预测特征值进行处理，得到风电的预测功率；

其中，所述风电功率预测模型，基于历史风速预报数据的风速波动过程和风电场实际功率数据的风电功率波动过程进行训练得到。

优选的，所述风电功率预测模型的训练，包括：

对一定时间的历史风速预报数据和风电场实际功率数据进行处理；

将处理后的历史风速预报数据根据风速波动过程划分为若干数据段，得到历史风速预报数据段；

将处理后的风电场实际功率数据根据风速波动过程划分为与所述历史风速预报数据段相互对应的若干数据段，得到风电场实际功率数据段；

对所述历史风速预报数据段进行特征值的计算和提取，得到历史风速预报数据特征值；

对所述风电场实际功率数据段进行特征值的计算，得到风电场实际功率数据特征值；

基于BP神经网络，以历史风速预报数据特征值为输入，对应的风电场实际功率数据特征值为输出，进行模型训练，得到预测模型。

优选的，所述对一定时间的历史风速预报数据和风电场实际功率数据进行处理，包括：

基于一定时间的历史风速预报数据和风电场实际功率数据，剔除异常数据并将数据时间对齐，得到处理后的历史风速预报数据和处理后的风电场实际功率数据；

基于小波分解手段，对所述处理后的风电场实际功率数据进行多层频率分解，获取每层对应低频和高频系数，采用其中一层的低频系数进行重构，得到风电场实际功率数据低频序列。

优选的，所述根据风速波动过程划分为若干数据段，包括：