[發明專利]一種風電功率預測系統及方法

無效

• 申請號: 201310345354.5
• 申請日: 2013-08-08
• 公開（公告）號: CN103400230A
• 公開（公告）日: 2013-11-20
• 發明（設計）人: 陳勤勤;陳國初;丁國棟;金建;公維祥
• 申請（專利權）人: 上海電機學院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06
• 代理公司: 上海思微知識產權代理事務所(普通合伙) 31237
• 代理人: 鄭瑋

1.一種風電功率預測方法，包括如下步驟：

步驟一，獲取指定時間范圍內的風電機組的歷史數據；

步驟二，運用聚類分析對歷史數據進行處理,選出與預測日的風速特征參數具有相似性的歷史日的風速數據，將它們作為建模中的樣本；

步驟三，對選出的風速序列進行小波分解，利用小波分解將各序列分量分別投影到不同尺度上，逐層分解到不同頻道上；

步驟四，將分解后的各層序列分別重構回原尺度以增加信號點數；

步驟五，對各層序列分別建立預測模型；

步驟六，用上述所建立預測模型對各層數據進行預測；

步驟七，將所得各層數據預測值疊加，獲得原始風速時間序列預測值。

2.如權利要求1所述的一種風電功率預測方法，其特征在于，步驟五還包括如下步驟：

步驟5.1，計算各層序列的自相關函數值，偏相關函數值；

步驟5.2，由，的圖形分別判斷各層序列是否平穩，若是則轉向步驟5.3，若否則直接轉向步驟5.1；

步驟5.3，確定各層模型階數；

步驟5.4，于模型階數確定后利用各層風速數據求得各層的各個參數估計值；

步驟5.5，判斷擬合模型的殘差序列是否是一個白噪聲序列，若是，則所檢驗模型轉入步驟六，若否則轉入步驟5.3。

3.如權利要求2所述的一種風電功率預測方法，其特征在于：該歷史數據包括風電機組的輸出功率、風速、風向、氣溫、大氣壓強及相對濕度。

4.如權利要求2所述的一種風電功率預測方法，其特征在于：步驟二中，運用聚類分析方法，充分考慮天氣因素，基于風速的形成原因，考慮溫度、大氣壓強及相對濕度三個主要影響因素，計算各個歷史日和預測日的風速屬性值之間的歐式距離，然后各數據按權重加權平均，選出歐式距離最短的幾組數據作為樣本數據。

5.如權利要求2所述的一種風電功率預測方法，其特征在于：于步驟三中，通過不同的帶通濾波器，將含有綜合信息的一組原始序列分解成多組不同特征的時間序列，一組信號反應原時間序列的內在變化趨勢；其余組的序列反映隨機擾動帶來的影響，針對不同的特征信號選擇不同的參數模型進行預測。

6.一種風電功率預測系統，至少包括：

歷史數據獲取模組，用于獲取指定時間范圍內的風電機組的歷史數據；

聚類分析模組，運用聚類分析對歷史數據進行處理,選出與預測日的風速特征參數具有相似性的歷史日的風速數據，將它們作為建模中的樣本；

小波分解模組，對選出的風速序列進行小波分解，利用小波分解將各序列分量分別投影到不同尺度上，逐層分解到不同頻道上；

重構模組，將分解后的各層序列分別重構回原尺度以增加信號點數；

預測模型建立模組，用于對各層序列分別建立預測模型；

預測模組，用上述所建立預測模型對各層數據進行預測；

疊加模組，將所得各層數據預測值疊加，獲得原始風速時間序列預測值。

7.如權利要求6所述的一種風電功率預測系統，其特征在于，該預測模型建立模組進一步包括：

相關函數值計算模組，用于計算各層序列的自相關函數值，偏相關函數值；

判斷模組，根據，的圖形分別判斷各層序列是否平穩；

模型定階模組，于該判斷模組的判斷結果為各層序列平穩時，確定各層模型階數；

模型參數估計模組，于模型階數確定后利用各層風速數據求得各層的各個參數估計值；

檢驗模組，判斷擬合模型的殘差序列是否是一個白噪聲序列，若是，則所檢驗模型合適利用該預測模組進行預測，若否則返回模型定階。

8.如權利要求7所述的一種風電功率預測系統，其特征在于：該歷史數據包括風電機組的輸出功率、風速、風向、氣溫、大氣壓強及相對濕度。

9.如權利要求7所述的一種風電功率預測系統，其特征在于：該聚類分析模組運用聚類分析方法，充分考慮天氣因素，基于風速的形成原因，考慮溫度、大氣壓強及相對濕度三個主要影響因素，計算各個歷史日和預測日的風速屬性值之間的歐式距離，然后將各數據按權重加權平均，選出歐式距離最短的幾組數據作為樣本數據。

10.如權利要求7所述的一種風電功率預測系統，其特征在于：該小波分解模組通過不同的帶通濾波器，將含有綜合信息的一組原始序列分解成多組不同特征的時間序列，一組信號反應原時間序列的內在變化趨勢；其余組的序列反映隨機擾動帶來的影響，針對不同的特征信號選擇不同的參數模型進行預測。