[发明专利]基于爬坡事件特征识别的风电功率短期预测方法和系统

权利要求书

1.一种基于爬坡事件特征识别的风电功率短期预测方法，其特征在于，包括以下步骤：

步骤一、利用最优旋转门算法识别出历史风电功率中具有爬坡趋势的功率段；

步骤二、利用移动滑窗算法进行爬坡趋势段的整合，识别爬坡事件；

步骤三、对识别出的爬坡事件进行分类；

步骤四、建立风电功率爬坡事件预测模型，进行爬坡事件功率预测；

步骤五、建立短期风电功率预测模型，获取初步风电功率预测结果；利用爬坡事件功率预测结果对初步风电功率预测结果进行订正，得到最终的短期风电功率预测结果。

2.根据权利要求1所述基于爬坡事件特征识别的风电功率短期预测方法，其特征在于，所述的步骤一具体包括以下步骤：

1.1)建立最优旋转门算法模型：

P_d＜P_c＜P_u；

其中，P_d和P_u是当前功率点旁边的较大值功率点与较小值功率点；P_c是当前功率点所对应的功率值；P_g是与当前旋转门相交的功率值；P_s是最优旋转门算法所识别到的爬坡功率段的起点；t_c是当前功率点所对应的时间；

1.2)确定最优旋转门算法的门宽：

根据功率数据集的特征，规定可能的最大门宽和最小门宽，设定门宽增值为0.1，执行步骤1)中的最优旋转门算法模型，每次执行结束后都计算出相应的爬坡事件评价指标，并与前一次计算出的爬坡事件评价指标进行对比，标记爬坡事件评价指标中的较大者，再依次将门宽增加0.1后继续执行最优旋转门算法模型，直到达到最大门宽后结束；最终，最佳的评价指标所对应的门宽即为旋转门算法的最优门宽。

3.根据权利要求2所述基于爬坡事件特征识别的风电功率短期预测方法，其特征在于，所述的爬坡事件评价指标如下表所示：

其中，TP表示爬坡事件被检测到并发生了，FP表示爬坡事件被检测到但没有发生，FN表示爬坡事件发生了但没有被检测到，TN表示爬坡事件没有发生且没有检测到；

通过以下多项评价指标验证爬坡事件的检测效果：

DA表示正确检测到实际发生的爬坡事件百分比，其计算表达式如下：

RC表示检测到实际发生的爬坡事件百分比，其计算表达式如下：

CSI表示正确检测到的爬坡事件百分比，其计算表达式如下：

Acc表示正确检测到的爬坡事件和非爬坡事件百分比，其计算表达式如下：

4.根据权利要求3所述基于爬坡事件特征识别的风电功率短期预测方法，其特征在于，所述的爬坡事件评价指标为最佳的判断方法为：

在步骤1.2)中，每一次最优旋转门算法模型执行结束后，均计算出对应的4个评价指标验证爬坡事件的检测效果，将每个评价指标所对应的首次计算结果初始化为最优指标，当门宽每增加0.1时，均再次计算出对应的4个评价指标验证爬坡事件的检测效果，并按照DA、RC、CSI和Acc的顺序与最优指标进行对比，如果某评价指标大于对应的最优值，则更新该指标为最优指标，并进行下一个评价指标的判断，如果判断结果小于最优值，则取消此次判断；如果当前门宽小于最大门宽，则将当前门宽增加0.1后，重复执行最优旋转门算法模型并进行评价指标的判断，如果当前门宽等于最大门宽，则判断结束。

5.根据权利要求1所述基于爬坡事件特征识别的风电功率短期预测方法，其特征在于，所述风电功率爬坡事件的判断依据为如下表达式：

式中，P(i)为功率值，P_threshold为爬坡事件中功率变化的阈值，功率变化的阈值为最大功率与最小功率间的差值，P_Capacity为风电场装机容量，n为功率变化阈值百分比，t_start为爬坡事件开始时间，t_end为爬坡事件结束时间，T为最大持续时间。