[發(fā)明專利]一種基于相對誤差熵值法的風電短期功率預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201210472866.3
• 申請日: 2012-11-20
• 公開（公告）號: CN103023065A
• 公開（公告）日: 2013-04-03
• 發(fā)明（設(shè)計）人: 孟安波;殷豪;邢林華;陳金君
• 申請（專利權(quán)）人: 廣東工業(yè)大學;廣東電網(wǎng)公司揭陽供電局
• 主分類號: H02J3/38
• 分類號: H02J3/38;G06N3/02
• 代理公司: 廣州知友專利商標代理有限公司 44104
• 代理人: 周克佑;侯莉

技術(shù)領(lǐng)域

本發(fā)明涉及一種風電短期功率預(yù)測方法，特別是涉及一種基于相對誤差熵值法的風電短期功率預(yù)測方法。

背景技術(shù)

風能是一種可再生、清潔的能源，現(xiàn)今風力發(fā)電主要利用的是近地風能。近地風具有波動性、間歇性、低能量密度等特點，因而導致風電功率也是波動的。大規(guī)模風電場接入電網(wǎng)運行時，大幅度地風電功率波動會對電網(wǎng)的功率平衡和頻率調(diào)節(jié)帶來不利影響。因此，需要對風電場的發(fā)電功率進行預(yù)測，但是，風電功率波動性較大，風電預(yù)測準確率較低。

目前，組合預(yù)測法是提高風電預(yù)測精度的一個有效方法。其基本思路是：將幾種預(yù)測方法所得的預(yù)測結(jié)果，選取適當?shù)臋?quán)重進行加權(quán)平均以提高預(yù)測的精度，組合預(yù)測方法集結(jié)了多種單一模型所包含的信息，進行最優(yōu)組合，而權(quán)重系數(shù)的確定是組合預(yù)測的關(guān)鍵。

權(quán)重系數(shù)的確定方法主要有最優(yōu)組合方法和非最優(yōu)組合方法兩類。最優(yōu)組合方法根據(jù)某種準則構(gòu)造目標函數(shù)，在一定的約束條件下求解目標函數(shù)，從而得出組合的權(quán)重系數(shù)；非最優(yōu)組合方法根據(jù)各單項預(yù)測模型誤差的變異程度來確定權(quán)重系數(shù)，即單項預(yù)測模型誤差變異程度越大，其權(quán)重系數(shù)應(yīng)越小，單項預(yù)測模型誤差的變異程度越小，其權(quán)重系數(shù)應(yīng)越大。這兩種方法得到了廣泛的應(yīng)用，但仍存在以下缺陷：⑴最優(yōu)組合方法所構(gòu)造的目標函數(shù)，其求解過程非常復(fù)雜，非負權(quán)數(shù)的強約束使得求解的權(quán)數(shù)并非最優(yōu)解；⑵組合預(yù)測的基本思想是將已有信息結(jié)集，達到充分利用已有信息的目的，顯然，這兩種方法均沒有體現(xiàn)出這種基本思想；⑶權(quán)重系數(shù)是否應(yīng)歸一化仍存在爭議，權(quán)重系數(shù)歸一化問題對風電預(yù)測精度會產(chǎn)生影響。

因此，如何確定組合預(yù)測權(quán)重系數(shù)，確保組合預(yù)測的準確性以提高風電預(yù)測精度是風電預(yù)測行業(yè)亟待解決的技術(shù)難題。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種操作簡單、能夠充分體現(xiàn)組合預(yù)測基本思想、可以提高風電功率預(yù)測精度的基于相對誤差熵值法的風電短期功率預(yù)測方法。

本發(fā)明的上述目的通過如下的技術(shù)方案來實現(xiàn)：一種基于相對誤差熵值法的風電短期功率預(yù)測方法，其特征在于包括以下步驟：

步驟1，獲取風電天氣與風電輸出功率歷史數(shù)據(jù)，對所述歷史數(shù)據(jù)進行預(yù)處理生成各種訓練樣本：

步驟2，動態(tài)選擇訓練樣本形成樣本集，選用不同的樣本集以分別建立貝葉斯神經(jīng)網(wǎng)絡(luò)、誤差反饋加權(quán)時間序列及風電預(yù)測無偏灰色verhulst三個預(yù)測模型；

步驟3，分別采用貝葉斯神經(jīng)網(wǎng)絡(luò)預(yù)測模型、風電預(yù)測無偏灰色verhulst預(yù)測模型及誤差反饋加權(quán)時間序列預(yù)測模型對預(yù)測日前一段時間連續(xù)預(yù)測，各獲得一組預(yù)測數(shù)據(jù)；

步驟4，分別統(tǒng)計由步驟3所得的每組預(yù)測數(shù)據(jù)的相對誤差，獲得三組相對誤差，計算每組相對誤差的熵值與變異程度系數(shù)，分別計算得到三個預(yù)測模型的權(quán)重系數(shù)；

步驟5，采用三個預(yù)測模型分別對預(yù)測日進行風電功率預(yù)測，獲得三組預(yù)測數(shù)據(jù)；

步驟6，將步驟4得到的權(quán)重系數(shù)與步驟5得到的三組預(yù)測數(shù)據(jù)進行組合預(yù)測，獲得風電短期功率預(yù)測結(jié)果。

本發(fā)明解決了組合預(yù)測權(quán)重系數(shù)確定問題，組合預(yù)測是從信息的充分利用角度建立起來的，而本發(fā)明基于相對誤差熵值法，信息熵能很好的度量信息量的多少。因此，本發(fā)明能夠提高風電功率預(yù)測精度，對提高風電功率預(yù)測精度具有重要的應(yīng)用價值。

作為本發(fā)明的一種實施方式，在所述步驟3中，所述預(yù)測日前一段時間為7～14天。優(yōu)選值為10天。

作為本發(fā)明的一種改進，在所述步驟2中，在構(gòu)建貝葉斯神經(jīng)網(wǎng)絡(luò)預(yù)測模型的過程中，采用正則化方法提高其泛化能力，誤差性能函數(shù)為：