[发明专利]一种基于动态谐波回归的超短期风电功率预测方法及系统

权利要求书

1.一种基于动态谐波回归的超短期风电功率预测方法，其特征在于，包括：

获取来自气象局的天气预报信息，并采集风电场不同高度的实时风速数据和风电场实时出力数据；

采用三次多项式的静态回归模型描述风电功率与风速关系，选择具有最佳预测效果的不同高度风速的组合作为最佳回归子集；使用ARIMA方法对静态回归的残差进行模拟，对残差时间序列进行稳定性分析、自相关性分析和偏自相关性分析，确定ARIMA模型三个阶数；采用交叉验证方法选择所在风电场预测效果最佳的傅里叶级数次数，得到最终的动态谐波回归模型；

根据历史实测风速数据、出力数据，使用最小二乘法进行模型剩余参数的估计；根据数值天气预报风速预测数据，采用已确定的动态谐波回归模型进行未来时刻的风电功率预测；

将实时预测数据上报上级调度中心；

所述动态谐波回归模型由式(1)获得：

式中：P_t表示t时刻风电场的发电功率，P_i(·)表示不同高度风速υ_i,t对风电功率的贡献且满足公式(2)，ΔP_t为静态回归模型的残差且满足公式(3)，K表示选取的傅里叶级数次数，a_k、b_k分别为傅里叶项系数；

式中：υ_i,t为第i个高度的在时刻t的风速，β_i,0、β_i,1、β_i,2、β_i,3为系数，υ_i,min、υ_i,max分别为切入风速和切出风速；当风速小于切入风速时，风机出力为0；当风速大于切出风速时，风机出力达到额定值；

(1-φ₁B-...-φ_pB)(1-B^d)ΔP_t＝c+(1+θ₁B+...+θ_qB)ε_t    (3)

式中：B为滞后算子且有BΔP_t＝ΔP_t-1，c为常数，ε_t为ARIMA模型的残差并假设其为一组均值为0、方差为且相互独立的白噪声，p、d、q为ARIMA模型的阶数，φ_p、θ_q分别为自回归参数和滑动平均参数；

得到所述动态谐波回归模型包括如下步骤：

1)采用静态回归模型确定最佳回归子集，静态回归模型由公式(4)确定：

P_t＝∑P_i(υ_i,t)+ε_t    (4)

式中：P_t表示风力发电功率；P_i(·)表示不同高度风速υ_i,t对风电功率的贡献且满足公式(2)；ε_t表示残差并假设其是均值为0，方差为δ²的白噪声；

待选高度的风速为风电场轮毂所在位置的风速及其附近高度的风速，将待选高度的风速进行组合，确定具有最佳预测精度的风速组合，即最佳回归子集；

2)采用动态回归模型确定ARIMA参数，动态回归模型由公式(5)确定：

P_t＝∑P_i(υ_i,t)+ΔP_t      (5)

式中：P_t表示风力发电功率；P_i(·)表示不同高度风速υ_i,t对风电功率的贡献且满足公式(2)；ΔP_t为静态回归的残差序列且满足公式(3)；

动态回归模型确定的ARIMA参数包括p、d、q三个超参数；使用单位根检验方法检验静态回归残差平稳性，对于不平稳残差序列，进行一次差分，并再次检验，若依然不平稳，则再进行一次差分，如此循环；经过d次差分，即得到平稳时间序列；绘制具有平稳性的残差时间序列的ACF图和PACF图，观察平稳时间序列的拖尾、截尾特性，初步确定ARIMA模型的p,q两个参数；

3)使用动态谐波回归模型确定傅里叶级数次数，动态谐波回归模型通过式(6)获得：

式中：P_t表示t时刻风电场的发电功率，P_i(·)表示不同高度风速υ_i,t对风电功率的贡献且满足公式(2)，ΔP_t为静态回归模型的残差且满足公式(3)，K表示选取的傅里叶级数次数，a_k、b_k分别为傅里叶项系数；

K值可通过观察时间序列的频域特性进行初步判断，最后使用交叉验证确定具有最高预测精度的K值。