[發(fā)明專利]基于風功率縱向時刻概率分布的風功率預測值預評估方法

有效

• 申請?zhí)枺?/td>: 201310153467.5
• 申請日: 2013-04-27
• 公開（公告）號: CN103198235A
• 公開（公告）日: 2013-07-10
• 發(fā)明（設(shè)計）人: 張磊;呂曉祿;蔣哲;武乃虎;張丹丹
• 申請（專利權(quán)）人: 國家電網(wǎng)公司;山東電力集團公司電力科學研究院
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 濟南圣達知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 張勇

1.一種基于風功率縱向時刻概率分布的風功率預測值預評估方法，其特征在于，具體步驟如下：

1）根據(jù)每天同一時刻的風電場出力值及其概率分布結(jié)果擬合得到縱向時刻概率分布分段函數(shù)；

2）采用時間序列模型中的自回歸-滑動平均模型進行風功率預測，從而獲得預測值；

3）風功率預測值的預評估：由縱向時刻概率分布分段函數(shù)確定預測值出現(xiàn)的概率或者通過設(shè)置不同置信水平確定預測值的可信度，從而在真實值出現(xiàn)之前實現(xiàn)對預測值的預評估。

2.根據(jù)權(quán)利要求1所述的預評估方法，其特征在于，所述步驟1）的具體步驟是：

11）統(tǒng)計縱向時刻概率分布結(jié)果：

統(tǒng)計365中每天同一時刻的有功出力，針對該時刻得到365個有功出力值，以風電場額定容量的10%或者5%為功率間隔，統(tǒng)計每個功率間隔范圍內(nèi)有功出力的出現(xiàn)次數(shù)，則該時刻各功率段的有功出力概率為：

式中為概率；n為分析周期內(nèi)的天數(shù)，取n=365；i為功率段，根據(jù)i不同，分兩種情況：一是當i=0時，N_i為有功出力P=0出現(xiàn)的次數(shù)；二是當i取其他值時，N_i為有功出力P∈{ΔP·(i-1),ΔP·i}范圍內(nèi)出現(xiàn)的次數(shù)，ΔP為功率間隔，取ΔP=0.1·P_total，P_total為風電場的額定容量；依此方法，每隔一個時間段求得一個時刻的有功出力的概率分布，直至求取完一天24小時內(nèi)各個時刻的概率分布結(jié)果；

12）求取縱向時刻概率分布分段函數(shù)：

采用函數(shù)擬合的方法對統(tǒng)計結(jié)果進行擬合，最終的概率分布結(jié)果可采用式（2）的分段函數(shù)表示：

式中為概率，x為有功出力比例，prob₀表示出力為0的概率，f(x)表示出力不為0時的概率分布分段函數(shù)。

3.根據(jù)權(quán)利要求1所述的預評估方法，其特征在于，所述步驟2）中，風功率預測是指，對某一時刻，由該時刻前一天的風功率數(shù)據(jù)預測這一時刻的風功率，如此滾動預測得到365天或更長天數(shù)內(nèi)同一時刻的風功率。

4.根據(jù)權(quán)利要求1所述的預評估方法，其特征在于，所述步驟2）中，ARMA模型是綜合考慮歷史時刻值及隨機干擾的包噪聲序列的影響而建立的預測模型，具體描述為：

式中，x_t-i是歷史時刻值，a_t-i是隨機變量，是自回歸參數(shù)，θ_i是滑動平均參數(shù)，p和q分別是p階自回歸過程和q階滑動平均過程。

5.根據(jù)權(quán)利要求2所述的預評估方法，其特征在于，所述步驟3）包括兩種方法：

A）確定預測值的出現(xiàn)概率

由步驟2）可獲得預測值，根據(jù)步驟1）中獲得的縱向時刻概率分布分段函數(shù)，若預測值非0，則令x=預測值，得到對應(yīng)的f(x)，即為對應(yīng)的概率密度，由式（2）知其出現(xiàn)概率為f(x)*0.1；若預測值為0，其出現(xiàn)概率即為prob₀；

B）確定預測值的可信度

設(shè)置不同置信水平，根據(jù)各時刻的概率分布分段函數(shù)，得到該時刻的對應(yīng)不同置信水平的單側(cè)置信區(qū)間，從而將預測值分為置信區(qū)間內(nèi)、外兩部分，并在對置信區(qū)間內(nèi)、外的預測效果對比基礎(chǔ)上對預測值進行預評估；由步驟2）得到某一時刻的預測值之后，判斷其是否位于置信區(qū)間內(nèi)，若位于置信區(qū)間內(nèi)則可信度為對應(yīng)置信水平，同時說明該預測值可信度較高；若位于置信區(qū)間外，其可信度為1-置信水平，同時說明該預測值可信度較低。