[发明专利]一种用于能源系统输出功率的短期预测方法

摘要

一种用于风电系统输出功率的短期预测方法，先将从风场采集到的0‑t时间段内的n个功率数据X(0)＝(x(0)(1),x(0)(2),…,x(0)(k))(k＝1,2,…,n)，然后采用该组数据通过预测方法预测出t+1时刻的输出功率预测值并组成预测序列与实际功率数据X(0)＝(x(0)(2),x(0)(3),…,x(0)(k))相减得到残差序列ε(0)＝(ε(0)(2),ε(0)(3),…,ε(0)(k)，通过该预测方法对残差序列进行计算得出t+1时刻的残差预测值将与相加即可得到风场在t+1时刻的输出功率预测值；以此类推，通过采集数据的不断更新，采用预测方法将不断得出新的预测数据。本发明在较少数据样本的情况下尽可能挖掘数据的潜在价值，提高了风场输出功率的短期预测精度。

主权项

一种用于风电系统输出功率的短期预测方法，其特征在于包括以下步骤：(1)采集风场中的历史功率数据作为初始数据，数据容量不小于4，采集时间间隔大于1小时；(2)将该组数据进行计算，得出下一时刻的风场功率预测值：设初始数据X(0)为非负序列，其中，x(0)(k)≥0，其中k＝1,2,…,n，X(1)为X(0)的累加序列，则X(1)＝(x(1)(1),x(1)(2),…,x(1)(n))，其中，其中k＝1,2,…,n；设Z(1)为X(1)的紧邻均值序列，则Z(1)＝(z(1)(2),z(1)(3),…,z(1)(n))，其中，z(1)(k)＝λx(1)(k)+(1‑λ)x(1)(k‑1)(k＝1,2,…,n)，λ∈[0,1]；(3)采用粒子群算法优化参数λ，具体优化流程如下：Step1：初始化粒子的位置与速度，具体参数为：粒子的数量取在25‑300，粒子的最大速度取为vmax＝1，最大速度取为vmin＝‑1，粒子的位置范围x∈[0,1]，迭代次数kmax为200，c1＝c2＝2，ωmax＝0.9，ωmin＝0.4；Step2：根据粒子的初始位置计算各粒子所对应的适应度值：fitness=αrange(x^max(0)-x^min(0))+αdiff(x^(0)(k)-x(0)(k))2+αcurv(x^(0)(k-2)-2x^(0)(k-1)+x^(0)(k))]]>其中，αrange，αdiff和αcurv分别表示惩罚参数，协调参数和弯曲参数；Step3：选取最小的适应度值，则将该适应度值称为局部最优解pbest；Step4：更新粒子的速度与位置：vid(k+1)=ω·vid(k)+c1×rand×(pbestid-xid(k))+c2×rand×(gbestid-xid(k));]]>xid(k+1)=xid(k)+vid(k+1);]]>ω(k)=ωmin×(ωmax/ωmin)(1/(1+10k/kmax));]]>如果则如果则如果则如果则Step5：更新各粒子所对应的适应度值，选取最小的适应度值，则将该适应度值称为局部最优解pbest；Step6：若未达到最大迭代次数kmax，则返回Step4；Step7：选取不同迭代次数的局部最优解的最小值，称之为全局最优解gbest；全局最优解所对应的λ即为最优值；(4)将所得到的非负序列X(0)和紧邻均值序列Z(1)写成如下矩阵形式：Y=x(0)(2)x(0)(3)···x(0)(n)B=-z(1)(2)21-z(1)(3)31·········-z(1)(n)n1]]>通过公式计算得出估计参数列提取该参数列的数据，得出估计值的白化方程：x(0)(k)+az(1)(k)＝x(1)(k)‑x(1)(k‑1)+a((1‑λ)x(1)(k‑1)+λx(1)(k))＝kb+c通过求解该方程，可以得到累加序列的估计值为：x^(1)(k+1)=x(0)(1)(1-(1-λ1)a1+λ1a)k+(2×2b1+λ2a+λ2b-c1+λ2a)(1-(1-λ2)a1+λ2a)k-1+...+(t×2b1+λta+λtb-c1+λta)(1-(1-λt)a1+λta)=x(0)(1)(1-(1-λ1)a1+λ1a)k+Σi=0k-1[(k-1-i)b1+λia+λib-c1+λia](1-(1-λi)a1+λia)i]]>则t+1时刻风场功率预测的还原值为：x^(0)(k+1)=x^(1)(k+1)-x^(1)(k)=[x(0)(1)(-a1+λ1a)+2b+c1+λ1a](1-(1-λ1)a1+λ1a)k+Σg=0k-2b1+λga(1-(1-λg)a1+λga)g]]>采集t+1时刻的风场功率实际值组成一组初始序列：X(0)＝(x(0)(2),x(0)(3),…,x(0)(k+1))，与该段时刻的预测值相减得到该时刻预测值与实际值的残差序列，ε(0)＝(ε(0)(2),ε(0)(3),…,ε(0)(k))，将该序列按照上述方法求解得出在t+1时刻的残差估计值其表达式为：ϵ^(0)(k+1)=ϵ^(1)(k+1)-ϵ^(1)(k)≈aϵ[ϵ(0)(k0)(-aϵ1+a1aϵ)+2bϵ+cϵ1+a1aϵ](1-(1-α2)aϵ1+a2aϵ)k-k0-1]]>其中，k0为常数4；将该时刻的预测值与参加相加，得出在该时刻的风场功率的预测值；其公式为：X^(0)(k+1)=[x(0)(1)(-a1+λ1a)+2b+c1+λ1a)(1-(1-λ1)a1+λ1a)k+Σg=0k-1b1+λga(1-(1-λg)a1+λga)g,k≤k0[x(0)(1)(-a1+λ1a)+2b+c1+λ1a)(1-(1-λ1)a1+λ1a)k+Σg=0k-1b1+λga(1-(1-λg)a1+λga)g±aϵ[ϵ(0)(k0)(-aϵ1+a1aϵ)+2bϵ+cϵ1+a1aϵ](1-(1-α2)aϵ1+a2aϵ)k-k0,k>k0.]]>