[发明专利]一种按轨迹特征离线优化和实时匹配外推模型的风电超短期预测方法

摘要

本发明公开了一种按轨迹特征离线优化和实时匹配外推模型的风电超短期预测方法，属于可再生能源开发与利用领域。本发明包括了两个阶段：（1）离线建立模型、优化参数阶段：将风电功率时间序列或风速以时间为序列的历史数据所构成的轨迹按给定的特征量划分为不同形态，分别为各形态建立预测模型并优化参数；（2）实时预测阶段：根据最近的实测数据轨迹所属形态，调用相应的预测模型。本发明充分计及了风电序列的时变性、反映了不同时段下风电序列的统计特征与变化规律。克服了传统风电预测方法不能全面反映风电序列的动态变化及不同时段下的统计特征的缺点。各预测模型（算法）间也实现了协调优化。因此，不但提高了预测精度，亦能提升预测效率。

主权项

1.一种按轨迹特征离线优化和实时匹配外推模型的风电超短期预测方法，其特征在于，包括如下步骤: 1）构造风电功率或风速轨迹，所述风电功率或风速轨迹由风电功率或风速以时间为序列的历史数据构成，轨迹上相邻两点之间的时间间隔即为该历史数据的采样周期；2) 选取用以划分轨迹形态的特征量，记为C_s1，C_s2，…，C_sp，C_v1，C_v2，…，C_vq，其中下标s表示该特征量为统计特征量，下标v表示该特征量为变化特征量，p、q分别为这两类特征量的个数；3) 设定各特征量对应的门限值以及各预想轨迹形态所需满足的门限值要求；4) 将步骤1）中的轨迹按给定的特征量及其门限值要求划分为不同的形态，记为S₁，S₂，…，S_n，其中n为划分出的形态种类的个数；5) 针对不同的形态，建立与之相适应的预测模型，记为M₁，M₂，…，M_n，并对模型参数进行整定、优化；6）不区分轨迹形态，利用所有的历史数据进行预测方法的建模，得到通用预测模型，记为M_r，作为备用方法待用；7) 在进行实时风电超短期预测时，选定观察窗口的长度，设观察窗口的长度为L，则该观察窗口包含L+1个采样点；8) 在观察窗口内，计算离待预测点最近的实测数据轨迹的特征量，然后根据计算得出的特征量值，并结合轨迹形态对特征量门限值的要求，判断该段轨迹是否属于步骤4）中所划分出的形态之一，若属于其中之一，则将该段轨迹标记为相应的形态S_x，，并执行步骤9，若不属于其中任一形态，则执行步骤10）；9) 当离待预测点最近的实测数据轨迹属于步骤8）所述的某一形态S_x时，调用其所属形态S_x所对应的预测模型M_x对待预测点进行预测，得到预测值；10) 把不属于步骤4）中所划分出的的任一形态的离待预测点最近的实测数据轨迹归为“暂无法分类”，并将其记为形态S_r，调用步骤6）中得到的通用预测模型M_r对待预测点进行预测，得到预测值。