[发明专利]一种风光一体化功率预测方法

说明书

本发明涉及综合能源技术领域，具体公开了一种风光一体化功率预测方法，包括以下步骤：步骤S1、选择模型输入数据；步骤S2、通过DT‑CWT对偶树复小波对光伏、风电原始功率数据进行降噪处理；步骤S3、将处理后的数据进行LSTM多端口长短时记忆网络预测模型训练；步骤S4、利用最小二乘法对风电预测功率P_y1、光伏预测功率P_y2的数据进行拟合，最终得到风电预测功率P_y1、光伏预测功率P_y2的预测曲线。本发明可以有效地降低预测时功率噪声带来的影响，提升风光互补供电系统功率预测精准度，为风光一体化功率预测以及电网合理调度方面提供技术支撑。

技术领域

本发明涉及综合能源技术领域，特别涉及一种风光一体化功率预测方法。

背景技术

近年来，风力发电和光伏发电的快速建设，风光同时并网造成随机性、间歇性以及突然性波动对电网的稳定以及电能质量得到保证带来较大的挑战，也给电网调度人员以及运维检修人员安排计划性停电以及负荷调动带来巨大的压力。为了解决目前大规模的分布式微网能源的接入，我国科研团队也针对这些问题展开了深入的探讨。

国内学者在风光一体化功率预测方法方面也做了许多研究，目前对风光互补供电系统功率预测模型设计的存在功率噪声影响较大、无法多类型功率变量的问题，存在一定的局限性。大多数的预测方法缺乏考虑多维环境因素，导致在实际工程应用中准确度无法得到保证。随着风光一体化系统的广泛应用，对风光联合供电系统的功率预测研究具有重要的意义。

发明内容

本发明要解决的技术问题在于，针对上述现有技术中存在的缺陷，提供一种风光一体化功率预测方法，可以有效地降低预测时功率噪声带来的影响，提升风光互补供电系统功率预测精准度，为风光一体化功率预测以及电网合理调度方面提供技术支撑。

为了解决上述技术问题，本发明的技术方案是：

一种风光一体化功率预测方法，包括以下步骤：

步骤S1、选择模型输入数据；

步骤S2、通过DT-CWT对偶树复小波对光伏、风电原始功率数据进行降噪处理；

步骤S3、将处理后的数据进行LSTM多端口长短时记忆网络预测模型训练；

步骤S4、利用最小二乘法对风电预测功率P_y1、光伏预测功率P_y2的数据进行拟合，最终得到风电预测功率P_y1、光伏预测功率P_y2的预测曲线。

优选地，在所述步骤S1中，所述模型输入数据包含风电输出功率P1、光伏输出功率P2、风速f₁、环境温度f₂、湿度f₃、设备装机容量f₄以及设备运行电压f₅、总辐射g₁、环境温度g₂、组件温度g₃、海拔高度g₄、入射角g₅。

优选地，在所述步骤S1中，所述DT-CWT对偶树复小波包含上枝和下枝两个平行树，上枝为对偶数复小波变换的实部，下枝为DT-CWT的虚部，实部与虚部分别由两个高通滤波器与低通滤波器组成。

优选地，在所述步骤S3中，所述LSTM多端口长短时记忆网络预测模型为：

f_t＝σ(W_fg[h_t-1,x_t]+b_f)

i_t＝σ(W_ig[h_t-1,x_t]+b_i)