[發(fā)明專利]一種風電功率預測方法及其裝置

有效

• 申請?zhí)枺?/td>: 201210355912.1
• 申請日: 2012-09-21
• 公開（公告）號: CN102855412A
• 公開（公告）日: 2013-01-02
• 發(fā)明（設計）人: 張翌暉;王凱;陳立;胡志堅;王賀;張承學;寧文輝;周科;仉夢林;龔曉璐
• 申請（專利權）人: 廣西電網(wǎng)公司電力科學研究院;武漢大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 武漢科皓知識產(chǎn)權代理事務所(特殊普通合伙) 42222
• 代理人: 魯力

1.一種風電功率預測方法，其特征在于，包括以下步驟：

步驟1、數(shù)據(jù)提取模塊從數(shù)值天氣預報系統(tǒng)或者電力系統(tǒng)相關SCADA中進行數(shù)據(jù)提取，對提去后的數(shù)據(jù)進行預處理；并根據(jù)處理后的數(shù)據(jù)確定最小二乘支持向量機訓練樣本的輸入和輸出；

步驟2、數(shù)據(jù)初始化模塊對步驟1中初始化最小二乘支持向量機及改進的自適應粒子群算法的參數(shù)；

步驟3、優(yōu)化模塊以回歸誤差平方和最小為適應度，使用改進自適應粒子群算法基于步驟2中初始化后參數(shù)對最小二乘支持向量機的回歸模型參數(shù)進行優(yōu)化；

步驟4、模型建立模塊根據(jù)步驟3中優(yōu)化后的參數(shù)得到最小二乘支持向量機的模型；

步驟5、預測模塊根據(jù)步驟4中得到的最小二乘支持向量機的模型進行預測。

2.根據(jù)權利要求1所述的一種風電功率預測方法，其特征在于，所述的步驟1中，所述的步驟1中，提取數(shù)據(jù)包括風速、溫度以及風電場實測輸出功率數(shù)據(jù)，所述風速、溫度作為最小二乘支持向量機訓練樣本的輸入數(shù)據(jù)；所述風電場實測輸出功率作為最小二乘支持向量機訓練樣本的輸出數(shù)據(jù)。

3.根據(jù)權利要求1所述的一種風電功率預測方法，其特征在于，所述步驟2中，在確定了訓練最小二乘支持向量機模型的輸入和輸出以后，進行模型優(yōu)化的前提是模型參數(shù)和優(yōu)化算法參數(shù)的初始化，初始化主要有以下三步:

步驟2.1、首先確定最小二乘支持向量機的懲罰參數(shù)γ和核參數(shù)σ²范圍；

步驟2.2、其次確定自適應粒子群算法的相關參數(shù)；

步驟2.3、在最小二乘支持向量機的懲罰參數(shù)γ和核參數(shù)σ²范圍內(nèi)隨機初始化粒子群。

4.根據(jù)權利要求1所述的一種風電功率預測方法，其特征在于，所述的步驟3中，在參數(shù)初始化后，需要設定優(yōu)化算法的適應度，選擇模型回歸誤差平方和最小為適應度，根據(jù)步驟1中選擇的訓練輸入和輸出數(shù)據(jù)，使用改進的自適應粒子群算法優(yōu)化最小二乘支持向量機的相關參數(shù)，步驟如下：

步驟3.1、初始化粒子群參數(shù)；

步驟3.2、計算自適應權重；

步驟3.3、以回歸誤差平方和最小為適應度，計算并比較適應度值；

步驟3.4、更新速度和位置；

步驟3.5、判斷終止條件，滿足則輸出優(yōu)化結果，不滿足則重復步驟3.2至步驟3.4。

5.根據(jù)權利要求1所述的一種風電功率預測方法，其特征在于，所述步驟4中，在使用改進的自適應粒子群算法得到最小二乘支持向量機的參數(shù)后，根據(jù)最小二乘支持向量機算法和訓練樣本求解出最下二乘支持向量機回歸模型中的參數(shù)α_i和b，然后將求解得到的參數(shù)帶入回歸函數(shù)式（7）中，從而構建出風電功率預測的最小二乘支持向量機模型。

6.根據(jù)權利要求1所述的一種風電功率預測方法，其特征在于，所述步驟5中，根據(jù)訓練模型時所選的相關輸入確定預測的輸入，使用優(yōu)化后的模型得到風電功率的預測結果。