[发明专利]一种基于网格聚类的峡谷风电短期功率预测方法

说明书

本发明涉及风电功率预测技术领域，公开了一种基于网格聚类的峡谷风电短期功率预测方法，包括以下步骤：步骤S1.根据峡谷风电特征将短期功率预测方法分为数据清洗环节、网格分解环节和功率预测环节；步骤S2.在数据清洗环节对LSTM网络学习的历史气象、风电功率、风电功率预测数据进行异常检测、数据补正和平滑处理，获取完整的历史数据；步骤S3.在网格分解环节根据纬度进行峡谷风电站地域网格聚类，获取风电功率和与气象关联的特征网格；步骤S4.在功率预测环节使用LSTM网络对每个网格进行功率预测，并进行功率叠加与误差修正。本发明用于解决峡谷风电受峡谷尾流影响，造成的风电短期功率预测准确率低的问题。

技术领域

本发明涉及风电功率预测技术领域，具体地说，是一种基于网格聚类的峡谷风电短期功率预测方法，用于解决峡谷风电受峡谷尾流影响，造成的风电短期功率预测准确率低的问题。

背景技术

风能作为一种有效的清洁能源，属于可再生资源，得到了人们普遍的重视与利用，针对峡谷风人们又做了大量研究，尤其是针对峡谷风电短期功率预测方面，研究主要分为误差修正类和多模态分解类风电短期功率预测方法。

误差修正类风电短期预测功率预测方法中，通过对历史预测数据偏差分析，从而修正风电短期功率预测结果。提出了一种基于核心密度扩散的风电短期功率预测方法，通过高斯函数转换误差分析，提高风电短期功率预测准确性。提出了一种基于长短期记忆网络的风电短期功率预测方法，通过风场数据混沌分析与长短期记忆网络历史误差修正预测，从而提高风电短期功率预测准确性。提出了一种基于随机森林的风电短期功率预测方法，通过双向门控模型提取风电短期功率预测误差，通过随机森林修正风电短期功率预测误差，从而提高风电短期功率预测准确性。提出了一种基于鲁棒回归的风电短期功率预测方法，通过对噪声消除与预测误差鲁棒回归，从而提高风电短期功率预测准确性。但上述研究的方法中，将风电站作为一个整体进行分析，不能对风电站的功率构成进行分解，预测精度不足。

多模态分解类风电短期预测功率预测方法中，将风电站的数据按时间序列进行分解，再单独对每个分量进行预测，最后叠加形成风电站短期功率预测数据。提出了一种基于奇异谱分析的风电短期功率预测方法，通过功率时间序列分解和迭代预测，从而提高风电短期功率预测准确性。首先对风电的功率进行时间序列自适应分解，然后进行分量数据预测与重构，形成风电短期功率预测结果。

由此可见，峡谷风电短期预测功率预测方法多样，但上述方法中，未考虑峡谷多变的气象信息，受峡谷风力尾流多变，风电站存在相邻风机转向相反的情况，误差修正类风电短期预测功率预测方法中，通过对历史预测数据偏差分析，从而修正风电短期功率预测结果。该方法中，将风电站作为一个整体进行分析，不能对风电站的功率构成进行分解，预测精度不足。多模态分解类风电短期预测功率预测方法中，将风电站的数据按时间序列进行分解，再单独对每个分量进行预测，最后叠加形成风电站短期功率预测数据。该方法未考虑峡谷多变的气象信息，受峡谷风力尾流多变，风电站存在相邻风机转向相反的情况，因此，上述方法对峡谷风电短期功率预测准确率提高不足。

因此，上述方法对峡谷风电短期功率预测准确率提高不足，为了解决峡谷风电受峡谷尾流影响，造成的风电短期功率预测准确率低的问题，本发明提出了一种基于网格聚类的峡谷风电短期功率预测方法。

发明内容

本发明的目的在于提供一种基于网格聚类的峡谷风电短期功率预测方法，具有解决峡谷风电受峡谷尾流影响，造成的风电短期功率预测准确率低的问题的效果。

本发明通过下述技术方案实现：一种基于网格聚类的峡谷风电短期功率预测方法，包括以下步骤：

步骤S1.根据峡谷风电特征将短期功率预测方法分为数据清洗环节、网格分解环节和功率预测环节；

步骤S2.在数据清洗环节对LSTM网络学习的历史气象、风电功率、风电功率预测数据进行异常检测、数据补正和平滑处理，获取完整的历史数据；

步骤S3.在网格分解环节根据纬度进行峡谷风电站地域网格聚类，获取风电功率和与气象关联的特征网格；