[發明專利]一種在線的風電場短期風速混合預測方法

無效

• 申請號: 201110247822.6
• 申請日: 2011-08-26
• 公開（公告）號: CN102338808A
• 公開（公告）日: 2012-02-01
• 發明（設計）人: 趙輝;李斌;王紅君;岳有軍
• 申請（專利權）人: 天津理工大學
• 主分類號: G01P5/00
• 分類號: G01P5/00
• 代理公司: 天津佳盟知識產權代理有限公司 12002
• 代理人: 侯力

技術領域

本發明屬于風力發電技術領域，特別涉及一種基于統計學理論的風電場短期風速預測方法。

背景技術

一直以來，風力發電技術具有廣闊的應用前景。

風力發電是解決當前突出的能源和環境問題的有效手段，因而得到了普遍重視和大規模開發利用，然而風資源具有多變的特性，當風電穿透功率超過一定值時，必然會嚴重影響電能質量和電力系統的安全運行。

由于風能具有很強的隨機性，風電穿透功率超過一定值之后，會嚴重影響電網電能質量和電力系統的運行。中國電力科學研究院在這方面進行了大量的研究工作并指出，在一般情況下，在風電穿透功率不超過8％時，我國電網不會出現較大的技術問題。但是，當風電穿透功率超過一定值之后，有可能對電能質量和電力系統的運行產生影響，并且會危及常規發電方式。美國電力市場規則指出，若短期風速預測的準確率10％以內，將能提高發電量30～100MW，并獲得10萬美元的利潤。準確預測風電場風速有利于電力系統調度部門及時調整調度，從而可有效的減輕風電對電網的影響，為風電場參與發電競價奠定基礎。

因此，準確地預測風電場風速對于風電場的規劃設計、大型風場中風電機組開停機計劃的安排、保持電網的安全穩定性、提高經濟效益和社會效益都有很重要的意義。

當前，迫切需要研究出一種預測精度高的風電場短期風速預測方法，可以實現對風場的風速進行高精度預測。

發明內容

本發明的目的是解決目前尚無準確預測風電場短期風速的有效方法的問題，提供一種在線修正的風電場短期風速混合預測方法。

本發明提供的在線修正的風電場短期風速混合預測方法，包括：

數據預處理，用于接收來自風速傳感器的信號，對風速信號進行預處理后。按時間順序將信號存儲，作為預測模型的訓練樣本序列。建立風速歷史序列數據庫并實時更新數據庫；

小波分解，用于將預處理后的風速序列信號分解成高頻信號和低頻信號兩部分，高頻成份進行時間序列預測，低頻成份進行支持向量機預測；

時間序列預測，用于接收小波分解處理后所發送的高頻信號，學習該信號并給出下一時刻的預測結果；

支持向量機預測，用于接收小波分解處理后所發送的低頻信號，學習該信號并給出下一時刻的預測結果；

小波重構，用于重構來自時間序列預測給出的預測結果和支持向量機預測給出的預測結果，得出風速預測值。

所述的時間序列預測的具體過程是：

首先接收小波分解處理后所發送的高頻信號，并將信號加以整理，作為時間序列預測方法的訓練樣本；其次將非平穩的訓練樣本序列平穩化，再對平穩化的訓練樣本施行季節性差分變換；選定近似的數學模式來代表它們，用時間序列求出平穩化變換和季節性差分變換的數學模型中的諸未知參數，然后計算出未來的時間序列的預測值。

所述的支持向量機預測的具體過程是：

首先接收小波分解處理后所發送的低頻信號，并將信號加以整理，作為支持向量機預測方法的訓練樣本；其次引入決策函數將訓練樣本序列變換到一個高維空間，然后再在這個空間中求最優分類面；根據樣本序列求出決策函數中的諸未知參數；然后計算出預測值。

本發明的優點和有益效果：

該方法可以高精度預測風電場風速，并通過數據預處理模塊實現在線預測風速，在風電場風電功率預測和風力發電機組實施捕獲最大風能的研究中，應用前景廣闊，具有重大的生產實踐意義。

附圖說明

圖1是在線修正的風電場短期風速混合預測方法結構示意圖；

圖2是數據預處理模塊實現風速數據的實時更新示意圖；

圖3是基于時間序列預測方法的結構示意圖；

圖4是基于支持向量機預測方法的結構示意圖。

為了使本技術領域的人員更好地理解本發明方案，下面結合附圖和實施方式對本發明作進一步的詳細說明。

具體實施方式

圖1是本發明提供的在線修正的風電場短期風速混合預測方法結構示意圖。

該預測方法包括，風速時間序列101、數據預處理102、小波分解103、時間序列預測104、支持向量機105、小波重構106、風速預測結果107。實施步驟為：

(1).風速時間序列101，用于表示由風速傳感器采集得到的風速數據。

(2).數據預處理102，用于接收來自傳感器的風速信號，對風速信號進行預處理后將信號以時間順序存儲，建立風速歷史序列數據庫并實時更新數據庫；