[發明專利]一種風電功率預測的方法

在審

• 申請號: 201210397181.7
• 申請日: 2012-10-18
• 公開（公告）號: CN102938093A
• 公開（公告）日: 2013-02-20
• 發明（設計）人: 田麗;裴瑞平;王勇
• 申請（專利權）人: 安徽工程大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于電力系統預測與控制技術領域，尤其涉及一種風電功率預測方法。

背景技術

由于我國風電功率預測研究工作起步較晚，目前，主要是理論探索，預測系統大多處于探索和研究階段，但我國的風電場情況較復雜，需要因地制宜地開展風電功率預測工作，同時也需要對先進預測方法進行研究，以逐步提高預測精度。自然因素的不可控性，風電輸出功率的隨機性、間歇性和波動性都將會給風電并網的安全穩定運行帶來嚴峻的挑戰。短期風功率預測精度的提高，將有助于電力系統調度部門合理安排調度計劃，有效減輕風電對整個電網的影響。

近年來出現了組合預測算法，將多個算法組合起來進行預測。組合模型結合多個算法的優點來優化預測模型，可以進一步提高預測精度。一般組合預測的方法，都是兩種算法組合在一起，并不能體現出多種算法組合的優勢。現有的預測方法在風電功率預測上精度不高而且不能充分考慮外界因素的影響。

發明內容

為了克服以上現有技術的問題,本發明提供一種風電功率預測方法，將遺傳算法、神經網絡、支持向量機進行組合，分別將遺傳算法有效地進行概率意義的全局搜索能力、神經網絡的自學習、自組織和自適應能力、支持向量機的有全局收斂以及樣本維數不敏感和不依賴于經驗信息的特點結合在一起。?

為解決上述技術問題本發明的技術方案是：

1）收集整理風電功率歷史數據，研究影響風電機組輸出風功率的主要因素，分析數據特點，對數據進行預處理。

a）對收集的風電場數據要進行統計和審核，對其中的異常值的進行平穩化處理、對缺失的數據進行修補。

???b）風電機組受自然風力驅動，輸出風功率受風速、風向、溫度、濕度、氣壓等多種自然因素影響。風電場的風電機組受這些自然因素影響使得風功率數據隱含自然規律，同時也具有隨機性、間歇性、波動性等特點，充分利用這些特點對成功建立模型十分重要。

c）利用SAS軟件來對風電場歷史數據進行聚類分析、相關性分析、統計分析等，研究歷史數據中隱含的數據特征。

2）利用遺傳算法卓越的優化能力優化網絡結構建立遺傳神經網絡預測模型。

3）首先利用遺傳算法優化支持向量機的參數遺傳支持向量機回歸預測模

型。

4）然后利用誤差中的信息熵對兩種子模型進行加權，構成優化組合預測模型。

5）確定預測評價指標正確檢驗模型，利用檢驗結果形成反饋機制優化預測模型。采用均方根誤差、絕對平均誤差和相對誤差等作為預測誤差指標來評價預測模型。

6）利用Matlab軟件編制組合預測模型仿真程序，采用實際的風電場歷史數據作為輸入進行仿真。根據仿真結果調整和完善預測模型，并對預測誤差進行統計。

本發明的有益效果是，能夠充分考慮外界影響因素并對多種預測方法進行綜合，通過權重的配置提高了風電功率的預測精度，為電力系統改善風功率預測效果提供方法參考，有助于電力系統調度部門合理安排調度計劃，減少電網運行成本，保證電網安全穩定的運行。

附圖說明：

圖1為總體思路及研究方案

圖2為風電功率組合預測流程圖

圖3為遺傳支持向量機法風電功率預測結果

圖4為遺傳神經網絡法風電功率預測結果

圖5為組合預測法風電功率預測結果

具體實施方式：

下面結合附圖對本發明進一步說明。

圖1是本發明的總體思路及研究方案結構圖。首先研究了風電功率的影響因素，由于風電機組受自然風驅動，風電功率主要會受到風速、風向、氣壓、濕度、氣溫等因素的影響。然后收集原始數據，對原始風電功率數據進行分析處理，這里主要采用聚類分析、統計分析以及小波分析三種方法，對數據進行平穩化處理等。