[发明专利]基于数据融合的超短期风速区间预测方法

说明书

本发明涉及风电场风速预测方法技术领域，是一种基于数据融合的超短期风速区间预测方法，包括用CEEMDAN算法分解原始风速序列；利用相关系数法对CEEMDAN算法分解得到的分量进行数据融合，然后进行预测。本发明所述基于数据融合的超短期风速区间预测方法，使用CEEMDAN分解原始风速，样本熵进行数据融合，采用传统的置信区间法对风速区间进行预测，不仅能够去除原始风速数据冗余的无用信息、噪声，还能够对特征信息进行筛选提取，提高预测精度。

技术领域

本发明涉及风电场风速预测方法技术领域，是一种基于数据融合的超短期风速区间预测方法。

背景技术

随着国际社会能源紧缺压力的不断增大、日益严峻的环境污染和气候变化等问题，风力发电以及洁净、无污染、可再生的绿色能源的特点得到了国际社会的高度重视。风电技术日益成熟，风电装机容量不断增大，并网性能不断改善，发电效率不断提高，风电产业在全球能源产业中脱颖而出。近年来，随着科技的进步，风力发电在我国得到了持续快速的发展，截止目前，风电场的装机比例大幅增多，风电渗透率不断增加。但由于风能资源的间歇性和不确定性，以及风力发电的反调峰特性，大规模风电并网对电网电能质量造成一定影响。同时，我国电力需求放缓、风电本地消纳不足。以及部分地区配套电网建设与风电建设不协调等原因，使得弃风限电现象严重。

因此，如何预测风电场的风速，实现优化发电的效率，成为本行业亟待解决的问题。

发明内容

本发明提供了一种基于数据融合的超短期风速区间预测方法，克服了上述现有技术之不足，为了更好地获得风速预测值，降低风速的噪点，本发明运用组合模型进行风速预测。由于历史风速序列中包含噪声等无用信息，同时受限于建模算法的制约，风速数据中包含的时序特征信息不能被有效提取，导致风速预测模型的精度下降；由此本发明引用CEEMDAN分解算法将风速序列输入按照不同的时间和频率尺度进行分解，分解得到的特征子序列再进行预测，这种方法不仅能够去除冗余的无用信息、噪声，还能够对特征信息进行筛选提取，提高建模精度。

本发明的技术方案是通过以下措施来实现的：一种基于数据融合的超短期风速区间预测方法，包括下述步骤：

S1：获取原始风速并剔除数据异常值；

S2：利用CEEMDAN算法分解原始风速序列；

S3：利用相关系数法对CEEMDAN算法分解得到的分量进行数据融合；

S4：由于风速预测误差服从正态分布，对S3步骤得到的数据依据置信区间法对风速区间进行预测，得到风速预测区间。

下面是对上述发明技术方案的进一步优化或/和改进：

上述S2中，在原始风速数据中加入符合标准正态分布的高斯白噪声，从而第i次的数据用下式表达：

X_i(n)＝X(n)+ω_i(n)(i＝1,…,I) (1)

式中，X(n)表示原始数据，ω(n)表示符合标准正态分布的高斯白噪声，X_i(n)表示第i次的数据，I为测试数量；

利用集合经验模态分解(EEMD)对X_i(n)实行分解，能够获取IMF₁和余量R₁(n)：

向R₁(n)中增加白噪声ω₁(n)，对其分解操作得到IMF₂和余量R₂(n)，重复上述分解操作直到余量R(n)达到最大分解次数，即其极值点个数不超过1个时终止分解过程；经过分解后，X(n)分解得到m个模态分量和一个剩余分量：