[發明專利]基于STCP?BP的風速預測方法

有效

• 申請號: 201310187534.5
• 申請日: 2013-05-20
• 公開（公告）號: CN103268416B
• 公開（公告）日: 2017-02-22
• 發明（設計）人: 劉興杰;鄭文書;岑添云
• 申請（專利權）人: 華北電力大學（保定）
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 石家莊冀科專利商標事務所有限公司13108
• 代理人: 李羨民,高錫明

技術領域

本發明涉及一種用于風電場的風速預測方法，屬于發電技術領域。

背景技術

隨著環境問題的日益突出與能源危機的日益加劇，風力發電得到了飛速發展。大規模風電并網在帶來顯著的環境和經濟效益的同時，風能本身的不確定性和間歇性所造成的風電并網消納和電網運行安全問題也日益突出。如果能對風功率進行準確的預測，就可以減少電力系統的運行成本和旋轉備用，提高風電穿透功率極限，有利于調度部門及時調整計劃，從而減輕風電的間歇性對電網的影響。

目前，風電功率的預測方法有多種類型，按照預測時效劃分，可分為超短期、短期、中期和長期預測；按照預測對象不同，可分為基于風速的預測和直接功率的預測；按照模型預測原理不同，可分為統計方法、學習方法與物理方法。由于風電功率與風速緊密相關，風速預測是風電功率預測的基礎。近年來，國內外學者對風速預測的理論和方法已經進行了廣泛研究，不斷應用于風速預測中，其中較常用的有時間序列分析，人工神經網絡、支持向量機、模糊理論等等。其中，由于人工神經網絡具有分布并行處理，非線性映射，自適應學習能力，魯棒和容錯性等特點，在風速預測中應用最為廣泛。

然而，由于風速演變的影響因素諸多并且復雜，其風速序列表現出很強的不確定性和隨機性，以往的風電場短期風速預測大都基于目標預測點的風速序列，預測精度不高。如果考慮相近鄰地點間的風速演變的物理特性，建立風的運動方程解析式，就能夠提高風速單步預測的精度，然而存在一個很現實的問題就是預測時效較短，不符合風電接入的實際要求，因此，如何既能考慮風速演變的物理特性，又能實現直接多步預測，就成為亟需解決的問題。

發明內容

本發明的目的在于針對現有技術之弊端，提供一種既能考慮風速的時空相關特性，又能實現風速直接多步預測的基于STCP-BP的風電場風速預測方法。

本發明所述問題是以下述技術方案實現的：

一種基于STCP-BP的風速預測方法，所述方法首先利用目標預測點盛行風向的上風向鄰域點的風速及風向信息，建立時空相關性預測（STCP）模型，得到目標預測點的風速預測值；然后運用目標預測點的歷史風速數據建立BP神經網絡直接多步預測模型，得到目標預測點的未來多步風速預測值；最后將兩種預測值進行平均組合預測，得到目標預測點風速的直接多步預測值。

上述基于STCP-BP的風速預測方法，預測步驟如下：

a.建立時空相關性預測（STCP）模型，得到目標預測點風速預測值，具體步驟為：

1）考察風電場及附近區域的盛行風向，選盛行風向的上風向的兩個點作為目標預測點s₀鄰域內的時空相關點s₁和s₂，測量每兩點之間的距離矢量，包括距離相角及距離長度；?

2）利用選定的目標預測點s₀鄰域內的兩個時空相關點s₁和s₂的風速信息，運用線性關系估計傳播風速和目標預測點s₀的風速矢量，所使用的估計模型為：

，

，

，

式中，為傳播風速，表示距離矢量，?表示點積，A為兩個時空相關點s₁和s₂的統稱，B即為目標預測點s₀，為時間，、、、均為常數；

3)誤差修正，修正方程為：

，

其中c是一個常參數，e(t-1)是非校正STCP模型的前一時刻風速矢量誤差；

4）最小二乘法優化STCP模型參數p=[?a₀,a₁,b₀,b₁,c]，并確定STCP預測結果的嵌入維數n和m；

5)?應用STCP模型在測試樣本集內進行測試：

基于s₁點當前及過去n-1個時刻的風速信息，用優化的STCP模型對s₀點的未來風速進行預測，得到對應的不等間隔的n個預測值、…；